[發(fā)明專利]一種基于云平臺的制造資源智能匹配系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011123121.7
• 申請日: 2020-10-20
• 公開（公告）號: CN112364889A
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計(jì)）人: 曹華軍;鄭杰;何凱;陳二恒;朱林全
• 申請（專利權(quán)）人: 重慶大學(xué);重慶工業(yè)大數(shù)據(jù)創(chuàng)新中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/289;G06F40/30;G06N3/04;G06N3/08;G06Q10/06;G06Q30/06;G06Q50/04
• 代理公司: 重慶縉云專利代理事務(wù)所(特殊普通合伙) 50237
• 代理人: 王翔

1.一種基于云平臺的制造資源智能匹配系統(tǒng)，其特征在于：包括所述用戶需求數(shù)據(jù)庫、制造資源數(shù)據(jù)庫、用戶需求提取模塊、制造資源提取模塊、智能匹配模塊和結(jié)果評價(jià)模塊；

所述用戶需求數(shù)據(jù)庫中存儲(chǔ)有用戶的各類需求項(xiàng)信息數(shù)據(jù)；

所述制造資源數(shù)據(jù)庫中存儲(chǔ)有生產(chǎn)裝備的各類資源項(xiàng)信息數(shù)據(jù)；

所述用戶需求提取模塊從用戶需求數(shù)據(jù)庫中提取各類需求項(xiàng)信息數(shù)據(jù)進(jìn)行分類歸納，建立完整的用戶需求信息樹，并上傳至云平臺；所述用戶需求提取模塊通過word2Vec中的CBOW模型對用戶需求信息樹的文本數(shù)據(jù)進(jìn)行詞向量建模，并導(dǎo)出用戶需求詞向量。

所述制造資源提取模塊從制造資源數(shù)據(jù)庫中提取各類資源項(xiàng)信息數(shù)據(jù)進(jìn)行分類歸納，建立完整的制造資源信息樹，并上傳至云平臺；所述制造資源提取模塊通過word2Vec中的CBOW模型對制造資源信息樹的文本數(shù)據(jù)進(jìn)行詞向量建模，并導(dǎo)出制造資源詞向量；

所述智能匹配模塊將用戶需求詞向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行卷積訓(xùn)練，將用戶需求詞向量轉(zhuǎn)化為用戶需求項(xiàng)的公共空間向量為：

式(1)中，j_i為用戶需求信息集合，n為向量集合個(gè)數(shù)，為j_i的要求項(xiàng)數(shù)；

所述智能匹配模塊將制造資源詞向量作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行卷積訓(xùn)練，將制造資源詞向量轉(zhuǎn)化為制造資源項(xiàng)的公共空間向量為：

式(2)中，r_i為制造資源信息集合，為r_i的制造資源項(xiàng)目數(shù)量；

所述智能匹配模塊通過目標(biāo)函數(shù)對和進(jìn)行求解，最小化成功匹配的向量之間的距離，最大化匹配失敗的向量之間的距離，目標(biāo)函數(shù)為：

式(3)中，θ為權(quán)重向量；λ為系數(shù)，且λ≥0；S為匹配成功的集合數(shù)；F為匹配失敗的集合數(shù)；

所述智能匹配模塊通過余弦公式確認(rèn)匹配度，距離公式如下：

式(4)和式(5)中，cosθ₁為匹配成功的向量之間的距離，cosθ₂為匹配失敗的向量之間的距離，為制造資源匹配失敗的向量，為用戶需求匹配失敗的向量；

所述結(jié)果評價(jià)模塊通過AUC模型判斷用戶需求項(xiàng)和制造資源項(xiàng)的余弦相似度，當(dāng)制造資源和用戶需求的余弦相似度大于或等于設(shè)定閾值σ時(shí)，匹配成功，所述結(jié)果評價(jià)模塊輸出匹配成功的集合。

2.根據(jù)權(quán)利要求2所述的一種基于云平臺的制造資源智能匹配系統(tǒng)，其特征在于，所述用戶需求提取模塊從用戶需求數(shù)據(jù)庫中提取各類需求項(xiàng)信息數(shù)據(jù)進(jìn)行分類歸納包括如下步驟：

1)對提取的各類需求項(xiàng)信息數(shù)據(jù)建立語料庫，進(jìn)行標(biāo)簽化分類；

2)通過深度學(xué)習(xí)框架進(jìn)行自然語言處理和文本分類。

3.根據(jù)權(quán)利要求2所述的一種基于云平臺的制造資源智能匹配系統(tǒng)，其特征在于，所述制造資源提取模塊從制造資源數(shù)據(jù)庫中提取各類資源項(xiàng)信息數(shù)據(jù)進(jìn)行分類歸納包括如下步驟：

1)對提取的各類資源項(xiàng)信息數(shù)據(jù)建立語料庫，進(jìn)行標(biāo)簽化分類；

2)通過深度學(xué)習(xí)框架進(jìn)行自然語言處理和文本分類；

3)設(shè)定制造資源集合和用戶需求集合為數(shù)據(jù)結(jié)合對。