一种基于人工智能的供应链验证方法及系统技术方案

本申请实施例提供的基于人工智能的供应链验证方法及系统，基于原始供应链日志验证网络挖掘供应链记录训练日志的目标合规性表征向量，进行归一映射得到第一归一映射结果，随后建立第一注意力聚焦数据集，对供应链记录训练日志进行数据调整并挖掘，得到调整合规性表征向量，通过第二归一映射结果和调整提炼表征向量建立第二注意力聚焦数据集，为第一注意力聚焦数据集和第二注意力聚焦数据集加之共性限制，使目标供应链日志验证网络可以增加供应链记录日志中的异常流程节点的识别精度，不用对数据的各个异常流程节点的分布情况进行标注，样本获取渠道更加丰富，异常流程节点分布标注的过程减少，使得供应链记录日志的验证速度得到提升。度得到提升。度得到提升。

【技术实现步骤摘要】
一种基于人工智能的供应链验证方法及系统


[0001]本申请涉及人工智能、数据处理领域，具体而言，涉及一种基于人工智能的供应链验证方法及系统。

技术介绍

[0002]供应链管理是站在全局、广域、产品全生命周期的广度，不仅注重企业的内部，还将目光关注到企业外部，与企业有联系的其他企业，以及企业生存所依靠的外部环境。将不同企业的采购、生产、销售等环节纳入网链结构。智慧供应链管理将应用物联网、互联网、人工智能、大数据等新一代信息技术，优化创新供应链的效率和效益，通过智慧供应链管理方案的实施，有效支持相关业务的智能化运作、信息化管理，提升业务链条整体的运作效率，真正做到供应链管理的及时化、透明化、互动化和可追溯化，从而最大程度为各利益相关方实现价值。目前，在智慧供应链管理中，如何进行供应链的异常识别验证，特别是如何提高异常识别准确性是需要解决的技术问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的供应链验证方法及系统，以改善上述问题。
[0004]本申请实施例的实现方式如下：
[0005]第一方面，本申请实施例提供一种基于人工智能的供应链验证方法，应用于供应链服务器，所述方法包括：
[0006]响应于模板调取指令，从基础数据库中调取供应链记录训练日志，基于原始供应链日志验证网络执行得到所述供应链记录训练日志对应的第一归一映射结果，通过所述第一归一映射结果和所述供应链记录训练日志的模板提炼表征向量建立第一注意力聚焦数据集；其中，所述第一归一映射结果为通过所述供应链记录训练日志中的供应链流程训练数据对应的目标合规性表征向量获取到，所述第一注意力聚焦数据集用以指示所述供应链流程训练数据的异常流程节点在所述供应链记录训练日志中的分布情况；
[0007]对所述供应链记录训练日志进行数据调整得到调整供应链记录日志，基于所述原始供应链日志验证网络执行得到所述调整供应链记录日志对应的第二归一映射结果，通过所述第二归一映射结果与所述调整供应链记录日志的调整提炼表征向量建立第二注意力聚焦数据集；其中，所述第二归一映射结果为通过所述调整供应链记录日志中的供应链流程训练数据对应的调整合规性表征向量获取到，所述第二注意力聚焦数据集用以指示所述供应链流程训练数据的异常流程节点在所述调整供应链记录日志中的分布情况；
[0008]通过所述第一注意力聚焦数据集和所述第二注意力聚焦数据集，确定所述原始供应链日志验证网络的趋同代价值，通过所述第一归一映射结果、所述第二归一映射结果和所述供应链记录训练日志匹配的异常流程节点类型注释信息，确定所述原始供应链日志验证网络的映射代价值；
[0009]基于所述趋同代价值和所述映射代价值，对所述原始供应链日志验证网络的网络配置变量进行优化，得到目标供应链日志验证网络；所述目标供应链日志验证网络被配置为识别目标供应链记录日志中的异常流程节点所对应的异常类型和数据分布信息。
[0010]作为一种实施方式，所述基于原始供应链日志验证网络执行得到所述供应链记录训练日志对应的第一归一映射结果，通过所述第一归一映射结果和所述供应链记录训练日志的模板提炼表征向量建立第一注意力聚焦数据集，包括：
[0011]将所述供应链记录训练日志加载到所述原始供应链日志验证网络，通过所述原始供应链日志验证网络获取所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量；
[0012]通过所述原始供应链日志验证网络中的归一映射算子对所述目标合规性表征向量进行处理，得到所述供应链记录训练日志对应的第一归一映射结果；
[0013]获取所述原始供应链日志验证网络中的目标特征提炼算子执行得到的针对所述供应链记录训练日志的模板提炼表征向量，将所述第一归一映射结果和所述模板提炼表征向量相乘，得到所述供应链记录训练日志对应的中间注意力聚焦数据集；
[0014]对所述中间注意力聚焦数据集进行双线性插值，得到与所述供应链记录训练日志同样维度的第一注意力聚焦数据集。
[0015]作为一种实施方式，所述通过所述原始供应链日志验证网络获取所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量，包括：
[0016]在所述原始供应链日志验证网络中获取所述供应链记录训练日志中的所述供应链流程训练数据对应的整体合规性表征向量，基于所述原始供应链日志验证网络中的归一映射算子，执行得到所述整体合规性表征向量对应的整体归一映射结果；
[0017]将所述整体归一映射结果和所述模板提炼表征向量相乘，得到所述供应链记录训练日志对应的整体注意力聚焦数据集，通过所述整体注意力聚焦数据集对所述供应链记录训练日志进行拆分，得到u个子供应链记录日志，u≥1；
[0018]将所述u个子供应链记录日志逐一加载到所述原始供应链日志验证网络，在所述原始供应链日志验证网络中获取所述u个子供应链记录日志各自对应的子合规性表征向量；
[0019]将所述整体合规性表征向量与所述u个子供应链记录日志所对应的子合规性表征向量进行向量融合，得到所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量。
[0020]作为一种实施方式，所述原始供应链日志验证网络包括v个跳跃误差模块，每个跳跃误差模块包括至少一个特征提炼算子，其中，v≥1；所述在所述原始供应链日志验证网络中获取所述供应链记录训练日志中的所述供应链流程训练数据对应的整体合规性表征向量，包括：
[0021]获取所述v个跳跃误差模块中的第p个跳跃误差模块加载的表征向量；若p＝1，所述第p个跳跃误差模块加载的表征向量为所述供应链记录训练日志，1≤p≤v；
[0022]通过所述第p个跳跃误差模块中的至少一个特征提炼算子，对第p个跳跃误差模块加载的表征向量进行滤波，得到中间提炼表征向量；
[0023]对所述中间提炼表征向量和所述第p个跳跃误差模块加载的表征向量进行融合，
得到所述第p个跳跃误差模块的跳跃误差表征向量，将所述第p个跳跃误差模块的跳跃误差表征向量确定为第q个跳跃误差模块的输入表征向量；所述第p个跳跃误差模块与所述第q个跳跃误差模块级联，其中，q＝p+1；
[0024]将第v个跳跃误差模块的跳跃误差表征向量确定为所述供应链记录训练日志中的所述供应链流程训练数据对应的整体合规性表征向量。
[0025]作为一种实施方式，所述整体合规性表征向量的数目为t，t≥1；所述基于所述原始供应链日志验证网络中的归一映射算子，执行得到所述整体合规性表征向量对应的整体归一映射结果，包括：
[0026]获取t个整体合规性表征向量各自对应的向量调节结果，将所述t个整体合规性表征向量所对应的向量调节结果拼接成整体向量表示；
[0027]通过所述原始供应链日志验证网络中的非线性变换算子将所述整体向量表示变换为拟映射向量表示；
[0028]将所述拟映射向量表示加载到所述原始供应链日志验证网络中的归一映射算子，基于所述原始供应链日志验证网络中的归本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的供应链验证方法，其特征在于，应用于供应链服务器，所述方法包括：响应于模板调取指令，从基础数据库中调取供应链记录训练日志，基于原始供应链日志验证网络执行得到所述供应链记录训练日志对应的第一归一映射结果，通过所述第一归一映射结果和所述供应链记录训练日志的模板提炼表征向量建立第一注意力聚焦数据集；其中，所述第一归一映射结果为通过所述供应链记录训练日志中的供应链流程训练数据对应的目标合规性表征向量获取到，所述第一注意力聚焦数据集用以指示所述供应链流程训练数据的异常流程节点在所述供应链记录训练日志中的分布情况；对所述供应链记录训练日志进行数据调整得到调整供应链记录日志，基于所述原始供应链日志验证网络执行得到所述调整供应链记录日志对应的第二归一映射结果，通过所述第二归一映射结果与所述调整供应链记录日志的调整提炼表征向量建立第二注意力聚焦数据集；其中，所述第二归一映射结果为通过所述调整供应链记录日志中的供应链流程训练数据对应的调整合规性表征向量获取到，所述第二注意力聚焦数据集用以指示所述供应链流程训练数据的异常流程节点在所述调整供应链记录日志中的分布情况；通过所述第一注意力聚焦数据集和所述第二注意力聚焦数据集，确定所述原始供应链日志验证网络的趋同代价值，通过所述第一归一映射结果、所述第二归一映射结果和所述供应链记录训练日志匹配的异常流程节点类型注释信息，确定所述原始供应链日志验证网络的映射代价值；基于所述趋同代价值和所述映射代价值，对所述原始供应链日志验证网络的网络配置变量进行优化，得到目标供应链日志验证网络；所述目标供应链日志验证网络被配置为识别目标供应链记录日志中的异常流程节点所对应的异常类型和数据分布信息。2.如权利要求1所述的方法，其特征在于，所述基于原始供应链日志验证网络执行得到所述供应链记录训练日志对应的第一归一映射结果，通过所述第一归一映射结果和所述供应链记录训练日志的模板提炼表征向量建立第一注意力聚焦数据集，包括：将所述供应链记录训练日志加载到所述原始供应链日志验证网络，通过所述原始供应链日志验证网络获取所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量；通过所述原始供应链日志验证网络中的归一映射算子对所述目标合规性表征向量进行处理，得到所述供应链记录训练日志对应的第一归一映射结果；获取所述原始供应链日志验证网络中的目标特征提炼算子执行得到的针对所述供应链记录训练日志的模板提炼表征向量，将所述第一归一映射结果和所述模板提炼表征向量相乘，得到所述供应链记录训练日志对应的中间注意力聚焦数据集；对所述中间注意力聚焦数据集进行双线性插值，得到与所述供应链记录训练日志同样维度的第一注意力聚焦数据集。3.如权利要求2所述的方法，其特征在于，所述通过所述原始供应链日志验证网络获取所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量，包括：在所述原始供应链日志验证网络中获取所述供应链记录训练日志中的所述供应链流程训练数据对应的整体合规性表征向量，基于所述原始供应链日志验证网络中的归一映射
算子，执行得到所述整体合规性表征向量对应的整体归一映射结果；将所述整体归一映射结果和所述模板提炼表征向量相乘，得到所述供应链记录训练日志对应的整体注意力聚焦数据集，通过所述整体注意力聚焦数据集对所述供应链记录训练日志进行拆分，得到u个子供应链记录日志，u≥1；将所述u个子供应链记录日志逐一加载到所述原始供应链日志验证网络，在所述原始供应链日志验证网络中获取所述u个子供应链记录日志各自对应的子合规性表征向量；将所述整体合规性表征向量与所述u个子供应链记录日志所对应的子合规性表征向量进行向量融合，得到所述供应链记录训练日志中的所述供应链流程训练数据对应的目标合规性表征向量。4.如权利要求3所述的方法，其特征在于，所述原始供应链日志验证网络包括v个跳跃误差模块，每个跳跃误差模块包括至少一个特征提炼算子，其中，v≥1；所述在所述原始供应链日志验证网络中获取所述供应链记录训练日志中的所述供应链流程训练数据对应的整体合规性表征向量，包括：获取所述v个跳跃误差模块中的第p个跳跃误差模块加载的表征向量；若p＝1，所述第p个跳跃误差模块加载的表征向量为所述供应链记录训练日志，1≤p≤v；通过所述第p个跳跃误差模块中的至少一个特征提炼算子，对第p个跳跃误差模块加载的表征向量进行滤波，得到中间提炼表征向量；对所述中间提炼表征向量和所述第p个跳跃误差模块加载的表征向量进行融合，得到所述第p个跳跃误差模块的跳跃误差表征向量，将所述第p个跳跃误差模块的跳跃误差表征向量确定为第q个跳跃误差模块的输入表征向量；所...

【专利技术属性】
技术研发人员：于丰泽，左冬雪，
申请(专利权)人：深圳市创新源供应链集成有限公司，
类型：发明
国别省市：