用于电子商务的仓储管理系统及其方法技术方案

本申请涉及智能管理领域，其具体地公开了一种用于电子商务的仓储管理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取采购订单货物信息数据和新到达货物信息数据，通过上下文编码器进行语义特征提取，再通过多尺度的融合，以得到用于表示货物信息是否和采购信息一致的分类结果。这样，构建用于电子商务的仓储管理方案，可以提高货物信息匹配的准确性和效率，减少人工匹配的工作量，提高采购管理的效率和准确性。采购管理的效率和准确性。采购管理的效率和准确性。

【技术实现步骤摘要】
用于电子商务的仓储管理系统及其方法


[0001]本申请涉及智能管理领域，且更为具体地，涉及一种用于电子商务的仓储管理系统及其方法。

技术介绍

[0002]电商平台越来越受到人们的关注，仓储管理在物流供应链中起着至关重要的作用，正确、高效的出库、入库、盘库以及库存管理，将会极大地降低管理费用，保证服务质量。现有技术中对比采购订单信息和新到达货物信息数据的差异需要人工进行操作对比，效率较低，准确度也较低。
[0003]因此，期待一种优化的用于电子商务的仓储管理方案。

技术实现思路

[0004]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用于电子商务的仓储管理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取采购订单货物信息数据和新到达货物信息数据，通过上下文编码器进行语义特征提取，再通过多尺度的融合，以得到用于表示货物信息是否和采购信息一致的分类结果。这样，构建用于电子商务的仓储管理方案，可以提高货物信息匹配的准确性和效率，减少人工匹配的工作量，提高采购管理的效率和准确性。
[0005]根据本申请的一个方面，提供了一种用于电子商务的仓储管理系统，其包括：
[0006]采购订单数据模块，用于获取采购订单货物信息数据并基于所述采购订单货物信息数据，生成采购订单特征向量；
[0007]新到达货物数据获取模块，用于获取新到达货物信息数据；
[0008]上下文编码模块，用于将所述新到达货物信息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货物上下文语义特征向量；
[0009]级联模块，用于将所述多个货物上下文语义特征向量进行级联以得到第一尺度货物语义特征向量；
[0010]混合卷积模块，用于将所述多个货物信息特征向量进行二维排列为货物信息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货物信息特征向量；
[0011]融合模块，用于融合所述第一尺度货物信息特征向量和所述第二尺度货物信息特征向量以得到货物特征向量；
[0012]转移矩阵计算模块，用于计算所述货物特征向量与所述采购订单特征向量之间的转移矩阵作为分类特征矩阵；以及
[0013]分类结果生成模块，用于将所述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货物信息是否和采购信息一致。
[0014]在上述用于电子商务的仓储管理系统中，所述上下文编码模块，包括：嵌入单元，
用于将所述新到达货物信息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，编码单元，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货物上下文语义特征向量。
[0015]在上述用于电子商务的仓储管理系统中，所述嵌入单元，包括：词嵌入子单元，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，数据添加子单元，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。
[0016]在上述用于电子商务的仓储管理系统中，所述编码单元，包括：排列子单元，用于将所述多个数据项嵌入向量排列为输入向量；转化子单元，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；自注意子单元，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；标准化子单元，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；激活子单元，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，关联子单元，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货物上下文语义特征向量。
[0017]在上述用于电子商务的仓储管理系统中，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：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货物信息特征向量。
[0018]在上述用于电子商务的仓储管理系统中，所述转移矩阵计算模块，用于：以如下转移公式计算所述货物特征向量与所述采购订单特征向量之间的所述转移矩阵作为所述分类特征矩阵；其中，所述转移公式为：
[0019][0020]其中V
a
表示所述货物特征向量，V
b
表示所述采购订单特征向量，M表示所述转移矩阵，表示矩阵与向量相乘。
[0021]根据本申请的另一方面，提供了一种用于电子商务的仓储管理方法，其包括：
[0022]获取采购订单货物信息数据并基于所述采购订单货物信息数据，生成采购订单特征向量；
[0023]获取新到达货物信息数据；
[0024]将所述新到达货物信息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货物上下文语义特征向量；
[0025]将所述多个货物上下文语义特征向量进行级联以得到第一尺度货物语义特征向量；
[0026]将所述多个货物信息特征向量进行二维排列为货物信息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货物信息特征向量；
[0027]融合所述第一尺度货物信息特征向量和所述第二尺度货物信息特征向量以得到货物特征向量；
[0028]计算所述货物特征向量与所述采购订单特征向量之间的转移矩阵作为分类特征
矩阵；以及
[0029]将所述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货物信息是否和采购信息一致。
[0030]与现有技术相比，本申请提供的一种用于电子商务的仓储管理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取采购订单货物信息数据和新到达货物信息数据，通过上下文编码器进行语义特征提取，再通过多尺度的融合，以得到用于表示货物信息是否和采购信息一致的分类结果。这样，构建用于电子商务的仓储管理方案，可以提高货物信息匹配的准确性和效率，减少人工匹配的工作量，提高采购管理的效率和准确性。
附图说明
[0031]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0032]图1为根据本申请实施例的用于电子商务的仓储管理系统的框图。
[0033]图2为根据本申请实施例的用于电子商务的仓储管理系统的架构示意图。
[0034]图3为根据本申请实施例的用于电子商务的仓储管理系统中编码单元的框图。
[0035]图4为根据本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于电子商务的仓储管理系统，其特征在于，包括：采购订单数据模块，用于获取采购订单货物信息数据并基于所述采购订单货物信息数据，生成采购订单特征向量；新到达货物数据获取模块，用于获取新到达货物信息数据；上下文编码模块，用于将所述新到达货物信息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货物上下文语义特征向量；级联模块，用于将所述多个货物上下文语义特征向量进行级联以得到第一尺度货物语义特征向量；混合卷积模块，用于将所述多个货物信息特征向量进行二维排列为货物信息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货物信息特征向量；融合模块，用于融合所述第一尺度货物信息特征向量和所述第二尺度货物信息特征向量以得到货物特征向量；转移矩阵计算模块，用于计算所述货物特征向量与所述采购订单特征向量之间的转移矩阵作为分类特征矩阵；以及分类结果生成模块，用于将所述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货物信息是否和采购信息一致。2.根据权利要求1所述的用于电子商务的仓储管理系统，其特征在于，所述上下文编码模块，包括：嵌入单元，用于将所述新到达货物信息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；以及编码单元，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货物上下文语义特征向量。3.根据权利要求2所述的用于电子商务的仓储管理系统，其特征在于，所述嵌入单元，包括：词嵌入子单元，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；以及数据添加子单元，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所述的用于电子商务的仓储管理系统，其特征在于，所述编码单元，包括：排列子单元，用于将所述多个数据项嵌入向量排列为输入向量；转化子单元，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；自注意子单元，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；标准化子单元，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；激活子单元，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
关联子单元，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货物上下文语义特征向量。5.根据权利要求4所述的用于电子商务的仓储管理系统，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货物信息特征向量。6.根据权利要求5所述的用于电子商务的仓储管理系统，其特征在于，所述转移矩阵计算模块，用于：以如下转移公式计算所述货物特征向量与所述采购订单特征向量之间的所述转移矩阵作为所述分类特征矩阵；其中，所述转移公式为：其中V
a
表示所述货物特征向量，V
b
表示所述采购订单特征向量，M表示所述转移矩阵，表示矩阵与向量相乘。7.根据权利要求6所述的用于电子商务的仓储管理系统，其特征在于，还包括：用...

【专利技术属性】
技术研发人员：吴强顺，王海南，张宁，
申请(专利权)人：安徽悦来悦好电子商务有限公司，
类型：发明
国别省市：