一种基于DMN规范的决策引擎设计方法技术

本申请提供一种基于DMN规范的决策引擎设计方法，包括：分析生产商企业的多源数据舆情信息文本，根据分类结果确定初步进货决策；根据分类结果验证生产商企业产品销量与企业舆情的关联性；基于朴素贝叶斯算法通过相关企业舆情评估企业舆情的正负面态势及其延续性；根据舆情分析结果对当前生产商企业的舆情态势进行预测和模拟；根据企业舆情的变化节点对不同舆情阶段进行划分，获得生产商企业所处的舆情阶段；根据生产商企业所处的不同舆情阶段获得企业发展趋势的评估结果；基于DMN规范根据评估结果对生产商企业的每个舆情阶段进行不同决策，包括：通过综合评分法对每个舆情阶段进行评估得到最优决策。进行评估得到最优决策。进行评估得到最优决策。

【技术实现步骤摘要】
一种基于DMN规范的决策引擎设计方法


[0001]本专利技术涉及信息
，尤其涉及一种基于DMN规范的决策引擎设计方法。

技术介绍

[0002]生产商，也称为“制造厂商”，它是主要包装食品及轻工制品的供应商；经销商是指从事商品交易业务，在商品买卖过程中拥有产品的所有权的中间商，经销商通过从企业中进货再转手卖给消费者以获得利润；一般来说，经销商在做产品销量预估的时候会忽略产品生产商的企业舆情相关问题，而这种疏忽会对经销商造成没有必要的损失；企业舆情是“企业舆论情况”的简称，是指在一定的社会空间内，围绕某一企业事件的发生、发展和变化，对事件所持有的信念、态度、意见和情绪等表达的集合；它包括舆论和公众对有关企业的任何话题的讨论、报道和反映；而生产商的企业舆情往往会对其企业产品的销量造成极大影响；对于经销商企业，有效地监测并及时获取生产商企业在网络上的相关舆情信息就显得尤为重要，经销商无法及时获取生产商的企业舆情，会导致后续货物出售困难，造成不可避免的损失，或者没有考虑生产商的企业舆情问题所引起的后续进货价格变动，提前进货，导致亏损的情况；因此为经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DMN规范的决策引擎设计方法，其特征在于，所述方法包括：分析生产商企业的多源数据舆情信息文本，根据分类结果确定初步进货决策，所述分析生产商企业的多源数据舆情信息文本，根据分类结果确定初步进货决策，具体包括：对多源数据舆情信息文本进行数据预处理，使用基于特征降维的文本数据分析算法分析多源数据舆情信息文本，通过层次分析模型算法初步确定进货决策；根据分类结果验证生产商企业产品销量与企业舆情的关联性，所述根据分类结果验证生产商企业产品销量与企业舆情的关联性，具体包括：通过特征递归消除算法挖掘扫描后产品销量数据集中的频繁项集，基于支持度数使用哈希算法获得频繁项集的支持度，通过频繁模式增长算法验证企业产品销量与企业舆情数据关联性；基于朴素贝叶斯算法通过相关企业舆情评估企业舆情的正负面态势及其延续性；根据舆情分析结果对当前生产商企业的舆情态势进行预测和模拟，具体包括：使用反向传播神经网络算法建立预测模型；根据企业舆情的变化节点对不同舆情阶段进行划分，获得生产商企业所处的舆情阶段；根据生产商企业所处的不同舆情阶段获得企业发展趋势的评估结果；基于DMN规范根据评估结果对生产商企业的每个舆情阶段进行不同决策，包括：通过综合评分法对每个舆情阶段进行评估得到最优决策。2.根据权利要求1所述的方法，其中，所述分析生产商企业的多源数据舆情信息文本，根据分类结果确定初步进货决策，包括:获取经销商企业关于寻找生产商企业合作对象的需求；根据经销商企业的需求，通过深度优先遍历算法获取符合需求的生产商企业的多源数据舆情信息文本；对生产商企业的多源数据舆情信息文本进行数据预处理；通过基于特征降维的文本数据分析算法分析生产商企业的多源数据舆情信息文本，得到分类结果；通过层次分析模型对分类结果进行处理，初步确定生产商企业；包括：对多源数据舆情信息文本进行数据预处理；使用基于特征降维的文本数据分析算法分析多源数据舆情信息文本；通过层次分析模型算法初步确定进货决策；所述对多源数据舆情信息文本进行数据预处理，具体包括:使用jieba组件对多源数据舆情信息文本进行分词处理；在分词后采用基于规则的词性标注和基于统计的词性标注组合方法对文本进行词性标注，确定每个词的词性；采用基于规则的词性标注和基于统计的词性标注组合方法对若干个词进行词性标注，确定若干个词中的每个词的词性；所述使用基于特征降维的文本数据分析算法分析多源数据舆情信息文本，具体包括:采用融合多种传统的特征降维算法优化方法分析多源数据舆情信息文本；多种传统的特征降维算法包括：文档频率算法、互信息算法和卡方检验算法；将生产商企业的多源数据舆情信息文本作为输入数据进行特征降维；根据经销商企业的需求确定多源数据舆情信息文本中的文档频率因子；基于互信息算法计算出文档频率因子的值和相互的信息价值；然后基于卡方检验算法计算卡方检验值并乘以标准分数因子，得到卡方值；最后将文档频率因子的值乘以信息价值再加上卡方值，相加的和除以预设阈值计算得到平均值，输出文本分类结果；所述通过层次分析模型算法初步确定进货决策，具体包括:获取生产商企业的多源数据舆情信息文本的分类结果；使用文档对象模型方法处理生产商企业的多源数据舆情信息文本的分类结果，将分类结果转化成决策进货生产商企业的
文本节点，并根据关联算法计算决策进货生产商企业的文本节点的关联度；针对不同关联度的决策进货生产商企业的文本节点，通过递阶层次结构决策指标体系构建算法建立生产商企业的层级指标；根据决策进货生产商企业的层级指标建立决策进货生产商企业的文本节点影响权重的目标层、准则层以及方案层；参考标度评估准则，计算出决策进货生产商企业文本节点的目标层、准则层与方案层的标度；根据标度的计算结果构造生产商企业层级指标的判断矩阵，并计算层级指标的特征向量、特征根以及权重值；将层级指标的特征向量、特征根以及权重值的计算结果代入到临界比值的计算公式当中进行一致性检验分析，使用权重分配算法将权重值的计算结果转化成文本节点的影响权重指标；对文本节点的影响权重指标进行降序排序，根据文本节点的影响权重指标大小初步确定进货生产商企业。3.根据权利要求1所述的方法，其中，所述根据分类结果验证生产商企业产品销量与企业舆情的关联性，包括:通过分析生产商的多源数据舆情信息文本获得分类结果；在分类结果中通过扫描算法筛选生产商企业的产品销量数据集；通过特征递归消除算法挖掘扫描后的生产商企业产品销量数据集中的频繁项集；频繁项集是对应生产商企业产品销量数据集中销量最大的数据集；使用哈希算法计算频繁项集的支持度；根据频繁项集及其支持度，使用频繁模式增长算法验证生产商企业产品销量与企业舆情的关联性；包括：通过特征递归消除算法挖掘扫描后产品销量数据集中的频繁项集；基于支持度数使用哈希算法获得频繁项集的支持度；通过频繁模式增长算法验证企业产品销量与企业舆情数据关联性；所述通过特征递归消除算法挖掘扫描后产品销量数据集中的频繁项集，具体包括:将生产商企业产品销量数据总集作为输入建立训练模型；按产品销量总数对不同生产商企业进行降序排序；针对每个生产商企业产品销量子集s{i}，根据销量提取前s个生产商企业产品...

【专利技术属性】
技术研发人员：施明强，
申请(专利权)人：信用生活广州智能科技有限公司，
类型：发明
国别省市：