一种基于改进型深度学习算法模型的外贸物流平台制造技术

本发明专利技术公开一种基于改进型深度学习算法模型的外贸物流平台，涉及数据信息处理技术领域，主要解决外贸物流平台的数据信息处理滞后问题。基于改进型深度学习算法模型的外贸物流平台包括数据获取模块、数据处理模块、技术转移模块、智能显示模块、数据应用模块和数据分析模块，通过聚类校验算法完成外贸物流数据信息的分类及校验，通过异常监测模型实时检测海量外贸物流数据信息，通过改进型深度学习算法提高数据处理效率及异常检测效率，提高了数据信息处理能力，大大降低了算法复杂度，提高了数据质量，增强了数据传输过程的保密性及真实性。性。性。

【技术实现步骤摘要】
一种基于改进型深度学习算法模型的外贸物流平台


[0001]本专利技术涉及数据信息处理
，且更确切地涉及一种基于改进型深度学习算法模型的外贸物流平台。

技术介绍

[0002]随着全球化的深入发展，跨国贸易日益增多，对国际物流运输提出了更高的要求。外贸物流平台应运而生，在提高物流效率和降低物流成本，促进全球贸易繁荣等方面发挥了十分重要的作用。外贸物流平台的主要背景包括：1. 全球化趋势：全球范围内跨国贸易的增多，使得物流行业需要更加高效的协调和管理，外贸物流平台顺应了这种趋势，提供了全球化的物流运输服务。
[0003]2. 网络科技的发展：网络科技的发展促进了外贸物流平台的建立和发展，通过互联网技术打通产业链各个环节，提高了物流效率和减少了交易成本。
[0004]3. 电子商务应用日益广泛：随着电子商务的普及和发展，在线交易的频繁发生，外贸物流平台通过电子商务技术的应用，为企业提供更加便利的物流运输和订单处理服务。
[0005]然而，深度学习算法在外贸物流平台应用中也存在一些弊端：1. 数据质量不高：外贸物流平台涉及多个环节和多个不同主体的数据，导致数据来源的不确定性、稀疏性、不一致性等问题，影响了建立模型的准确性和稳定性。
[0006]2. 数据保密性问题：外贸物流平台中往往涉及到商业机密信息、货物位置信息等敏感数据，深度学习算法在建立数据分析模型时要注意信息保密性。
[0007]3. 算法复杂度大：深度学习算法需要进行大量的模型训练和优化，其中涉及到大量的计算资源和时间，需要投入大量的人力、物力和财力。
[0008]综上所述，通过深度学习算法模型的建立和优化，可以提高外贸物流平台的运输效率和保证物流质量，但同时也需要注意数据质量和保密性问题，并且涉及到大量的计算资源和人力物力的投入。

技术实现思路

[0009]针对上述技术的不足，本专利技术公开一种基于改进型深度学习算法模型的外贸物流平台，通过聚类校验算法完成外贸物流数据信息的分类及校验，通过异常监测模型实时检测海量外贸物流数据信息，通过改进型深度学习算法提高数据处理效率及异常检测效率，大大降低了算法复杂度，提高了数据质量，增强了数据传输过程的保密性及真实性。
[0010]为了实现上述技术效果，本专利技术采用以下技术方案，一种基于改进型深度学习算法模型的外贸物流平台，包括数据获取模块、数据处理模块、技术转移模块、智能显示模块、数据应用模块和数据分析模块；数据获取模块用于收集海量外贸和物流信息；所述数据获取模块包括数据挖掘单元和信息采集单元，所述数据挖掘单元用于获取外贸和物流信息的原始数据，所述信息采
集单元用于获取外贸交易信息及流程；数据处理模块用于处理收集的海量外贸和物流信息；所述数据处理模块包括数据加密单元、数据划分单元、数据分类单元、数据清洗单元和数据排序单元，所述数据清洗单元用于填补数据残缺和修正异常数据的部分，所述数据分类单元采用聚类校验算法将清洗完成的数据按照外贸交易国家进行分类，所述数据排序单元将分类完成的数据按照时间排成次序，所述数据划分单元用于将排序后的数据按照批次划分为多个相同的数据块，所述数据加密单元通过混合加密算法将数据块进行加密，所述数据清洗单元的输出端连接数据分类单元的输入端，所述数据分类单元输出端连接数据排序单元的输入端，所述数据排序单元的输出端连接数据划分单元的输入端，所述数据划分单元输出端连接数据加密单元的输入端；技术转移模块用于开发利用全世界各国各行各业的新技术信息资源；智能显示模块用于可视化展示海量外贸和物流信息数据处理流程及异常检测反馈结果并生成相应的图形报表；数据应用模块用于根据处理后的海量外贸和物流信息构建异常监测模型；所述数据应用模块为异常监测模型，所述异常监测模型包括特征提取单元、学习训练单元、识别单元和监测单元，所述特征提取单元采用3
×
3和7
×
7卷积层以残差网络的形式连接，所述学习训练单元采用改进型深度学习算法将提取的数据特征迭代训练，所述识别单元采用DRSN
‑
CW网络，所述监测单元采用TextRCNN网络进行检测结果识别；所述特征提取单元的输出端连接数据学习训练单元的输入端，所述学习训练单元输出端连接识别单元单元的输入端，所述识别单元的输出端连接监测单元的输入端；数据分析模块根据异常监测模型对外贸物流的实时检测分析判断异常监测模型并更新优化管理；所述数据获取模块的输出端连接数据处理模块的输入端，所述数据处理模块的输出端分别连接技术转移模块和数据应用模块的输入端，所述技术转移模块和数据应用模块的输出端连接数据分析模块的输入端，所述数据分析模块的输出端连接智能显示模块。
[0011]作为上述技术方案的进一步描述，所述智能显示模块包括预警显示单元、远程交互单元和无线传输单元，所述预警显示单元用于展示外贸物流数据处理结果和异常数据通告，所述无线传输单元用于与多终端进行无线通信并共享外贸物流数据，所述预警显示单元的输出端连接无线传输单元的输入端，所述无线传输单元输出端连接远程交互单元的输入端。
[0012]作为上述技术方案的进一步描述，所述数据分析模块包括反馈单元、更新单元、优化单元和管理单元，所述反馈单元用于评判当前异常监测模型的准确性及未知异常的危险性，所述更新单元将未知异常加入训练库并迭代训练，所述优化单元用于调整优化外贸物流平台的工作流程，所述管理单元用于梳理并记录外贸物流平台在交易中产生的数据信息，所述反馈单元的输出端连接更新单元的输入端，所述更新单元的输出端连接优化单元的输入端，所述优化单元的输出端连接管理单元的输入端。
[0013]作为上述技术方案的进一步描述，所述改进型深度学习算法包括匹配层、转换层、建模层和经验层，所述匹配层利用正则表达式进行特征匹配，对于匹配的外贸物流信息加入特征权值计算，改进后的计算公式为：
ꢀꢀ
（1）式（1）中，表示词频，j表示当前列数，n表示总列数，N表示总词特征,表示匹配到的关键词权重，k表示维数。
[0014]作为上述技术方案的进一步描述，所述转换层通过Word2vec把分词后的外贸物流信息已经变成低维的数值向量，使高纬度高稀疏的数据变成矩阵数据。
[0015]作为上述技术方案的进一步描述，所述建模层根据贪婪策略对Q值进行学习更新以获取最佳Q值函数，学习更新函数为：
ꢀꢀ
（2）式（2）中，表示状态s下执行动作a时的Q值函数，表示状态s下执行动作a时获取的即时奖励，表示新状态采取的动作获取的Q值函数，表示折现率，表示最大值，表示最小值；通过双重Q网络机制增强学习效率和实时性，采用的损失函数为：
ꢀꢀꢀ
（3）式（3）中，表示双重Q网络下的作用值，表示损失函数，表示贪婪函数。
[0016]作为上述技术方案的进一步描述，所述经验层通过确定性策略解决相关性及非静态分布问题，并通过拟合函数验证Q网络，所述拟合函数为：
ꢀꢀꢀ
（4）式（4）中，表示确定性策略，表示当前时刻状态下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进型深度学习算法模型的外贸物流平台，其特征在于：所述外贸物流平台包括数据获取模块、数据处理模块、技术转移模块、智能显示模块、数据应用模块和数据分析模块；其中：数据获取模块用于收集海量外贸和物流信息；所述数据获取模块包括数据挖掘单元和信息采集单元，所述数据挖掘单元用于获取外贸和物流信息的原始数据，所述信息采集单元用于获取外贸交易信息及流程；数据处理模块用于处理收集的海量外贸和物流信息；所述数据处理模块包括数据加密单元、数据划分单元、数据分类单元、数据清洗单元和数据排序单元，所述数据清洗单元用于填补数据残缺和修正异常数据的部分，所述数据分类单元采用聚类校验算法将清洗完成的数据按照外贸交易国家进行分类，所述数据排序单元将分类完成的数据按照时间排成次序，所述数据划分单元用于将排序后的数据按照批次划分为多个相同的数据块，所述数据加密单元通过混合加密算法将数据块进行加密，所述数据清洗单元的输出端连接数据分类单元的输入端，所述数据分类单元输出端连接数据排序单元的输入端，所述数据排序单元的输出端连接数据划分单元的输入端，所述数据划分单元输出端连接数据加密单元的输入端；技术转移模块用于开发利用全世界各国各行各业的新技术信息资源；智能显示模块用于可视化展示海量外贸和物流信息数据处理流程及异常检测反馈结果并生成相应的图形报表；数据应用模块用于根据处理后的海量外贸和物流信息构建异常监测模型；所述数据应用模块为异常监测模型，所述异常监测模型包括特征提取单元、学习训练单元、识别单元和监测单元，所述特征提取单元采用3
×
3和7
×
7卷积层以残差网络的形式连接，所述学习训练单元采用改进型深度学习算法将提取的数据特征迭代训练，所述识别单元采用DRSN
‑
CW网络，所述监测单元采用TextRCNN网络进行检测结果识别；所述特征提取单元的输出端连接数据学习训练单元的输入端，所述学习训练单元输出端连接识别单元单元的输入端，所述识别单元的输出端连接监测单元的输入端；数据分析模块根据异常监测模型对外贸物流的实时检测分析判断异常监测模型并更新优化管理；所述数据获取模块的输出端连接数据处理模块的输入端，所述数据处理模块的输出端分别连接技术转移模块和数据应用模块的输入端，所述技术转移模块和数据应用模块的输出端连接数据分析模块的输入端，所述数据分析模块的输出端连接智能显示模块。2.根据权利要求1所述的一种基于改进型深度学习算法模型的外贸物流平台，其特征在于：所述智能显示模块包括预警显示单元、远程交互单元和无线传输单元，所述预警显示单元用于展示外贸物流数据处理结果和异常数据通告，所述无线传输单元用于与多终端进行无线通信并共享外贸物流数据，所述预警显示单元的输出端连接无线传输单元的输入端，所述无线传输单元输出端连接远程...

【专利技术属性】
技术研发人员：胡欣然，张文军，刘艳，钟敏，杨超，
申请(专利权)人：长沙宜选供应链有限公司，
类型：发明
国别省市：