产品销售追溯管理系统及其方法技术方案

本申请涉及产品溯源领域，其具体公开了一种产品销售追溯管理系统及其方法，其采用人工智能检测算法分别提取出待检测销售数据和正常销售数据的长依赖关联特征以及短和中距离依赖关联特征，并分别将所述待检测销售数据和所述正常销售数据的长中短依赖特征进行融合以得到包含不同距离依赖的多尺度销售特征信息，进一步再计算所述待检测销售数据和所述正常销售数据的多尺度销售特征之间的转移矩阵来表示两者的特征差异，以此来进行待检测销售数据的销售异常判断。这样，能够在对于庞大的销售数据进行异常检测时保证异常检测的准确性和有效性。性和有效性。性和有效性。

【技术实现步骤摘要】
产品销售追溯管理系统及其方法


[0001]本申请涉及产品溯源领域，且更为具体地，涉及一种产品销售追溯管理系统及其方法。
技术背景
[0002]对产品的销售情况进行检查是公司销售的重要环节，它可以帮助公司及时发现问题，并采取有效的措施来解决问题。首先，销售公司应该定期检查，以确保所有的销售活动都在正确的方向上发展。其次，应该检查销售团队的工作情况，以确保他们能够有效地完成任务。最后，应该检查客户满意度，以确保客户能够得到最佳的服务。这时，销售追溯管理显得尤为重要。在销售追溯管理过程中存在各种各样的问题，其中有一个就是发现异常情况，如低销售额、高退货率等情况。随着企业规模越来越大，企业的销售数据也会越来越庞大，与此同时，异常销售情况也在提升，产品追溯管理显得越来越重要，怎样能够在庞大的数据面前有效的检测出异常销售情况，变成了一项巨大的挑战。
[0003]现如今异常销售检测技术主要有：
[0004]1.在销售追溯管理系统的软件测试阶段：软件测试人员与开发人员，通过软件的强壮性测试，对销售追溯系统软件输入大量的不规则数据，销售追溯软件系统使用条件判断，对销售追溯软件系统的输入值进行过滤，而如今的销售数据具有多变性和复杂性，这种僵硬的条件判断，不能满足异常销售检测的要求，此种方法是异常销售检测最初级的方法。
[0005]2.销售追溯管理系统的管理人员和运维人员，定期的对一定量的销售数据进行统计检测，依据人员的工作经验，主观的将异常的销售检测出来，此种方法灵活性最大，但是，效率低下，只能对重要销售数据进行重点检测，不能对全部的销售数据进行异常检测，且此方法主观因素大，不能对检测结果进行有效的保证，此种方法是异常销售检测的辅助方法。
[0006]因此，期待一种优化的产品销售追溯管理系统。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种产品溯源管理系统及其方法，其采用基于深度学习的人工智能检测算法来分别提取出待检测销售数据和正常销售数据的长依赖关联特征以及短和中距离依赖关联特征，并分别将所述待检测销售数据和所述正常销售数据的长中短依赖特征进行融合以得到包含不同距离依赖的多尺度销售特征信息，进一步再计算所述待检测销售数据和所述正常销售数据的多尺度销售特征之间的转移矩阵来表示两者的特征差异，以此来进行待检测销售数据的销售异常判断。这样，能够在对于庞大的销售数据进行异常检测时保证异常检测的准确性和有效性。
[0008]根据本申请的一个方面，提供了一种产品销售追溯管理系统，包括：
[0009]正常销售数据获取模块，用于获取被标注为正常销售的多次销售数据；
[0010]向量构造模块，用于基于所述被标注为正常销售的多次销售数据，生成正常销售特征向量；
[0011]待检测销售数据获取模块，用于获取待检测销售数据；
[0012]全局语义理解模块，用于将所述待检测销售数据中的多个数据项通过包含嵌入层的上下文编码器以得到多个销售上下文语义特征向量；
[0013]级联模块，用于将所述多个销售上下文语义特征向量进行级联以得到第一尺度销售语义特征向量；
[0014]混合卷积模块，用于将所述多个销售上下文语义特征向量进行二维排列为销售上下文语义特征矩阵后通过包含多个混合卷积层的卷积神经网络模型以得到第二尺度销售语义特征向量；
[0015]融合模块，用于融合所述第一尺度销售语义特征向量和所述第二尺度销售语义特征向量以得到待检测销售特征向量；
[0016]关联模块，用于计算所述待检测销售特征向量与所述正常销售特征向量之间的转移矩阵作为分类特征矩阵；
[0017]优化模块，用于对所述分类特征矩阵进行降维优化以得到优化分类特征矩阵；以及
[0018]检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测销售数据是否属于异常销售。
[0019]在所述的产品销售追溯管理系统中，所述全局语义理解模块，包括：
[0020]文本数据映射单元，用于将所述待检测销售数据中的多个数据项通过所述上下文编码器的嵌入层以得到多个数据项嵌入向量；以及
[0021]数据嵌入单元，用于将所述多个数据项嵌入向量输入所述上下文编码器以得到所述多个销售上下文语义特征向量。
[0022]在所述的产品销售追溯管理系统中，所述全局语义理解模块，包括：
[0023]文本数据映射单元，用于通过所述上下文编码器的嵌入层分别将所述各个数据项中的文本数据映射为词嵌入向量；以及
[0024]数据嵌入单元，用于将所述各个数据项中的数值数据添加到所述各个数据项的词嵌入向量的尾部以得到所述数据项嵌入向量。
[0025]在所述的产品销售追溯管理系统中，所述全局语义理解模块，包括：
[0026]排列单元，用于将所述多个数据项嵌入向量排列为输入向量；
[0027]转化单元，用于将所述输入向量分别通过可学习嵌入矩阵转化为查询向量和关键向量；
[0028]自注意单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；
[0029]标准化单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；
[0030]激活单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及
[0031]注意力施加单元，用于将所述自注意力特征矩阵与以所述多个数据项嵌入向量中各个数据项嵌入向量作为值向量分别进行相乘以得到所述多个销售上下文语义特征向量。
[0032]在所述的产品销售追溯管理系统中，所述混合卷积模块，用于：使用所述卷积神经
网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行：
[0033]对输入数据进行多尺度卷积编码以得到多尺度卷积特征图；
[0034]将所述多尺度卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及
[0035]激活单元，用于对所述池化特征图进行激活处理以得到激活特征图；
[0036]其中，所述卷积神经网络模型的最后一个混合卷积层的输出为所述第二尺度销售语义特征向量。
[0037]在所述的产品销售追溯管理系统中，所述关联模块，用于：
[0038]以如下关联公式计算所述待检测销售特征向量与所述正常销售特征向量之间的转移矩阵作为所述分类特征矩阵；
[0039]其中，所述关联公式为：
[0040][0041]其中V
a
表示所述待检测销售特征向量，V
b
表示所述正常销售特征向量，M表示转移矩阵，表示矩阵与向量相乘。
[0042]在所述的产品销售追溯管理系统中，所述优化模块，包括：
[0043]激活单元，用于将所述分类特征矩阵输入Sigmoid激活函数进行激活以得到概率化分类特征矩阵；
[0044]归零单元，用于针对于所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品销售追溯管理系统，其特征在于，包括：正常销售数据获取模块，用于获取被标注为正常销售的多次销售数据；向量构造模块，用于基于所述被标注为正常销售的多次销售数据，生成正常销售特征向量；待检测销售数据获取模块，用于获取待检测销售数据；全局语义理解模块，用于将所述待检测销售数据中的多个数据项通过包含嵌入层的上下文编码器以得到多个销售上下文语义特征向量；级联模块，用于将所述多个销售上下文语义特征向量进行级联以得到第一尺度销售语义特征向量；混合卷积模块，用于将所述多个销售上下文语义特征向量进行二维排列为销售上下文语义特征矩阵后通过包含多个混合卷积层的卷积神经网络模型以得到第二尺度销售语义特征向量；融合模块，用于融合所述第一尺度销售语义特征向量和所述第二尺度销售语义特征向量以得到待检测销售特征向量；关联模块，用于计算所述待检测销售特征向量与所述正常销售特征向量之间的转移矩阵作为分类特征矩阵；优化模块，用于对所述分类特征矩阵进行降维优化以得到优化分类特征矩阵；以及检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测销售数据是否属于异常销售。2.根据权利要求1所述的产品销售追溯管理系统，其特征在于，所述全局语义理解模块，包括：文本数据映射单元，用于将所述待检测销售数据中的多个数据项通过所述上下文编码器的嵌入层以得到多个数据项嵌入向量；以及数据嵌入单元，用于将所述多个数据项嵌入向量输入所述上下文编码器以得到所述多个销售上下文语义特征向量。3.根据权利要求2所述的产品销售追溯管理系统，其特征在于，所述全局语义理解模块，包括：文本数据映射单元，用于通过所述上下文编码器的嵌入层分别将所述各个数据项中的文本数据映射为词嵌入向量；以及数据嵌入单元，用于将所述各个数据项中的数值数据添加到所述各个数据项的词嵌入向量的尾部以得到所述数据项嵌入向量。4.根据权利要求3所述的产品销售追溯管理系统，其特征在于，所述全局语义理解模块，包括：排列单元，用于将所述多个数据项嵌入向量排列为输入向量；转化单元，用于将所述输入向量分别通过可学习嵌入矩阵转化为查询向量和关键向量；自注意单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩
阵；激活单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及注意力施加单元，用于将所述自注意力特征矩阵与以所述多个数据项嵌入向量中各个数据项嵌入向量作为值向量分别进行相乘以得到所述多个销售上下文语义特征向量。5.根据权利要求4所述的产品销售追溯管理系统，其特征在于，所述混合卷积模块，用于：使用所述卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行：对输入数据进行多尺度卷积编码以得到多尺度卷积特征图；将所述多尺度卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及对所述池化特征图进行激活处理以得到激活特征图；其中，所述卷积神经网络模型的最后一个混合卷积层的输出为所述第二尺度销售语义特征向量。6.根据权利...

【专利技术属性】
技术研发人员：贡阳，程慧容，刘衍霞，
申请(专利权)人：安徽中芯巨升科技有限公司，
类型：发明
国别省市：