【技术实现步骤摘要】
基于人工智能的仓储数据统计分析管理系统及方法
[0001]本专利技术涉及仓储数据管理
，具体为基于人工智能的仓储数据统计分析管理系统及方法。
技术介绍
[0002]人工智能是模拟人类智能行为的种技术手段和理论，它覆盖了机器学习、自然语言处理、感知、推理、决策和规划等多个领域，并且可以通过计算机系统实现对多种复杂问题的解决，使用人工智能可以起到以下几点作用：1、提高效率，人工智能可以自动化执行重复性、繁琐性大的任务，从而节约时间和人力成本，可以以更快速地处理大量数据和信息，从而加快任务完成的进度，2、改善准确度，人工智能可以通过自动化和机器学习算法去提高准确度，消除人为错误和主观性，以更加可靠和客观的方式去执行任务，3、提供洞察力、人工智能可以通过数据分析和模式识别提供深入的见解，可以用于对事物之间的偏爱性进行获取，从而为决策者提供更好的信息支持。
[0003]目前来说电商在仓库内备货是根据历史数据和需求量，给不同的需求量货物配备不同数量的仓储位，但是人们的消费会随着季节、喜好、潮流的变化而导致对人们的购买情况发...
【技术保护点】
【技术特征摘要】
1.基于人工智能的仓储数据统计分析管理方法，其特征在于，所述方法包括：步骤S100：获取购物平台内用户的各个历史行为数据；从所述历史行为数据中提取出各个历史时段用户对应的用户数据信息；对用户在各个历史时段内的用户数据信息进行评估，得到用户对应的目标用户数据信息；基于用户对应的目标用户数据信息，对用户对购物平台内的各个商品类型的偏好性进行评估，得到用户在当前时段偏好的商品类型，并记为用户偏好商品类型；步骤S200：对用户在购物平台内各个店铺的店铺行为数据进行获取；基于用户在不同店铺对应的店铺行为数据，对用户对购物平台内各个店铺的偏好程度进行评估，得到用户当前时段偏好的店铺，并记为所述用户对应的用户偏好店铺；获取用户在各个历史时段在用户偏好店铺内购买的商品类型；基于用户在各个历史时段在用户偏好店铺内购买的商品类型，对用户偏好店铺内的各个商品类型进行评估，得到用户在用户偏好店铺内偏爱商品类型；步骤S300：基于用户在用户偏好店铺内的偏爱商品类型，对用户偏好店铺内各个商品进行评估，得到当前时段内用户在对应的用户偏好店铺内的预测购买商品；获取用户所在区域；对区域内当前时段各个用户在对应的用户偏好店铺内的预测购买商品进行评估，得到区域内各个用户在对应用户偏好店铺的预测购买商品；步骤S400：获取区域内各个用户在对应用户偏好店铺的预测购买商品，对用户对应的用户偏好店铺发出提示，通知用户偏好店铺将用户对应的预测购买商品提前发货至区域内的物流仓储点，并对区域内的各个物流仓储点货物进行调度，将用户对应的预测购买商品运输至用户所在区域对应的物流仓储点。2.根据权利要求1所述的基于人工智能的仓储数据统计分析管理方法，其特征在于，所述步骤S100包括：步骤S101：分别获取用户的各个用户数据信息与当前时段之间的时间距离，并记为用户数据信息对应的数据影响时长；所述用户数据信息包括用户在一个历史时段内对一类商品类型的收藏行为数据、购买行为数据；所述收藏行为数据包括用户在一个历史时段内对一类商品类型商品的收藏次数；所述购买行为数据包括用户在一个历史时段内对一类商品类型商品的购买次数；设置用户行为数据对应的时长阈值；当用户数据信息对应的数据影响时长大于时长阈值，将所述用户数据信息进行剔除，将保留的用户数据信息，记为目标用户数据信息；步骤S102：计算用户对目标用户数据信息对应商品类型的第一商品类型偏好值G：G＝δ
×
S；其中，δ为用户对目标用户数据信息对应商品类型的商品的收藏次数；S为用户对目标用户数据信息对应商品类型的商品的购买次数；步骤S103：计算用户对某一商品类型的商品类型偏好值U：其中，G
c
为用户对第c个目标用户数据信息对应的某一商品类型的第一商品类型偏好值；f为某一商品类型下目标用户数据信息的总个数；设置商品类型偏好值阈值；从各个商品类型中选取商品类型偏好值大于商品类型偏好
值阈值的商品类型，作为所述用户的偏好的商品类型，并记为所述用户对应的用户偏好商品类型。3.根据权利要求2所述的基于人工智能的仓储数据统计分析管理方法，其特征在于，所述步骤S200包括：步骤S201：分别获取各个用户对应的各个用户店铺行为数据；获取各个用户店铺行为数据对应的历史时段与当前时段之间距离的时长；所述用户店铺行为数据包括用户在各个历史时段内在同一店铺内购买商品次数，浏览商品时间、浏览店铺次数；设置店铺时长阈值；当用户店铺行为数据对应的历史时段与当前时段之间距离的时长与当前时段对应的时长大于店铺时长阈值，将所述店铺对应的用户店铺行为数据进行剔除，得到目标的用户店铺行为数据；步骤S202：计算用户对用户店铺行为数据对应的店铺的第一店铺偏好值W：W＝R
×
T
o
×
z；其中，R为用户在用户店铺行为数据对应的店铺内购买商品次数；T
o
为用户在用户店铺行为数据对应的店铺内浏览商品时间；z为用户在用户店铺行为数据对应的店铺的浏览店铺次数；步骤S203：计算用户对各个用户店铺行为数据对应的相同店铺的店铺偏好值F:其中，W
x
为第x个历史时段中用户对用户店铺行为数据对应的店铺的第一店铺偏好值；d为用户的用户店铺行为数据总条数；t
ox
为第x个历史时段与当前时段之间距离的时长；步骤S204：分别获取各个不同用户对购物平台内各个店铺的店铺偏好值；设置店铺偏好值阈值；从购物平台的各个店铺中选取出店铺偏好值大于店铺偏好值阈值的店铺，记为用户偏好店铺；获取用户偏好店铺各个历史时段不同商品类型下的商品数量；获取各个历史时段内用户偏好店铺中用户购买的商品数量；计算任意用户偏好店铺第a个历史时段对应的第j类商品类型的回流率其中，R
sja
为任意用户偏好店铺第a个历史时段对应第j类型类商品类型下的商品数量；R
ea
为任意用户偏好店铺第a个历史时段对应商品总数量；步骤S205：计算用户在对应的任意用户偏好店铺对第j类商品类型的商品类型偏向值Q
j
：其中，γ为用户店铺行为数据对应的历史时段的时段个数；β
jy
为任意用户偏好店铺第y个历史时段对应的第j类商品类型对应的回流率；步骤S206：计算用户在对应的任意用户偏好店铺第a历史时段对应的第j类商品类型的回流率变化比例其中，β
ja
为用户在对应的任意用户偏好店铺第a个历史时段对应的第j类商品类型的回流率；β
j(a
‑
1)
为用户在对应的任意用户偏好店铺第a
‑
1个历史时段对应的第j类商品类型的回流率；计算用户在对应的任意用户偏好店铺内对第j
商品类型的回流率变化趋势值其中，A
jε
为任意用户偏好店铺第ε历史时段对应的第j类商品类型的回流率变化比例；δ＝γ
‑
1；步骤S207：设置商品类型偏向值阈值；当用户在对应的任意用户偏好店铺内对某商品类型的商品类型偏向值大于商品类型偏向值阈值，判定所述用户对应的任意用户偏好店铺内对应的商品类型，用户在用户偏好店铺内偏爱商品类型；当任意用户偏好店铺对应的用户对某商品类型的商品类型偏向值小于等于商品类型偏向值阈值，并且回流率变化趋势值为正值，判定任意用户偏好店铺中对应的商品类型，为用户在用户偏好店...
【专利技术属性】
技术研发人员：李强，陈臻，
申请(专利权)人：上海朗晖慧科技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。