[發明專利]基于人工智能的商品溯源數據處理方法及云平臺

有效

• 申請號: 202310457625.X
• 申請日: 2023-04-26
• 公開（公告）號: CN116167781B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 劉克斌;周仁瑜;郭杰軍;李桂華;黃潤鑫
• 申請（專利權）人: 宗申·比亞喬佛山摩托車企業有限公司
• 主分類號: G06Q30/018
• 分類號: G06Q30/018;G06N3/0464;G06N3/08;G06F16/2458
• 代理公司: 廣州博聯知識產權代理有限公司 44663
• 代理人: 梁志標

本發明涉及深度學習神經網絡和數據處理技術領域，特別涉及一種基于人工智能的商品溯源數據處理方法及云平臺。在神經網絡調試過程中，將商品生產全鏈條監測學習報告的跨模態生產監測記錄作為調試學習參考，并未限定實際商品類別下的商品生產全鏈條監測報告的調試學習參考，從而使調試得到的全鏈條生產溯源知識挖掘網絡，具有確定出可以應對各類商品溯源服務器的選定商品生產全鏈條監測報告的共有特征的性能，在之后的溯源知識獲取申請處理過程中，規避了基于不同商品溯源服務器對相同的商品生產全鏈條監測報告進行反復處理的問題，這樣可以節約人工智能云平臺的運算開銷，提高商品溯源處理的時效性。

技術領域

本發明涉及深度學習神經網絡和數據處理技術領域，特別涉及一種基于人工智能的商品溯源數據處理方法及云平臺。

背景技術

當今時代是數據為王的大數據時代，并由此催生了數據科學這一新興學科。數據科學是一門多學科交叉的綜合學科，包含數據獲取、數據分析、數據管理、人工智能、統計優化和數據可視化等內容，逐漸成為探明大數據集本源，并把大數據轉換成可執行智能的有效方法。作為其中一個數據應用場景，商品溯源離不開人工智能和大數據。隨著各類商品類型的激增，傳統技術在進行商品溯源處理時存在運算開銷大和時效性低下的問題。

發明內容

為改善相關技術中存在的技術問題，本發明提供了一種基于人工智能的商品溯源數據處理方法及云平臺。

第一方面，本發明實施例提供了一種基于人工智能的商品溯源數據處理方法，應用于人工智能云平臺，所述方法包括：所述方法至少包括：

響應于商品溯源服務器上傳的包含選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請，下發通過泛化全鏈條生產溯源知識挖掘網絡對所述選定商品生產全鏈條監測關鍵詞對應的選定商品生產全鏈條監測報告進行全鏈條生產溯源知識挖掘所得到的所述選定商品生產全鏈條監測報告的泛化全鏈條生產溯源牽涉知識向量；

將所述選定商品生產全鏈條監測關鍵詞與所述選定商品生產全鏈條監測報告的泛化全鏈條生產溯源牽涉知識向量對應保存到泛化全鏈條生產溯源牽涉知識向量集中，以在之后響應任意商品溯源服務器上傳的包含所述選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請時，下發與所述選定商品生產全鏈條監測關鍵詞對應的泛化全鏈條生產溯源牽涉知識向量；

其中，所述泛化全鏈條生產溯源知識挖掘網絡是通過對全鏈條生產溯源知識挖掘網絡與跨模態溯源知識挖掘網絡進行協同學習得到的，每個網絡調試學習示例包括商品生產全鏈條監測學習報告與所述商品生產全鏈條監測學習報告的跨模態生產監測記錄，所述全鏈條生產溯源知識挖掘網絡是根據基于若干個所述網絡調試學習示例所確定的配對調試代價指標進行優化所得到的，所述配對調試代價指標，根據通過所述全鏈條生產溯源知識挖掘網絡對所述商品生產全鏈條監測學習報告進行全鏈條生產溯源知識挖掘所得到的全鏈條生產溯源牽涉知識向量與通過所述跨模態溯源知識挖掘網絡對所述跨模態生產監測記錄進行全鏈條生產溯源知識挖掘所得到的跨模態溯源知識之間的適配支持率確定。

在一些優選的示例中，所述響應于商品溯源服務器上傳的包含選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請，下發通過泛化全鏈條生產溯源知識挖掘網絡對所述選定商品生產全鏈條監測關鍵詞對應的選定商品生產全鏈條監測報告進行全鏈條生產溯源知識挖掘所得到的所述選定商品生產全鏈條監測報告的泛化全鏈條生產溯源牽涉知識向量，包括：

響應于商品溯源服務器上傳的包含選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請，結合所述選定商品生產全鏈條監測關鍵詞，獲取與所述選定商品生產全鏈條監測關鍵詞對應的選定商品生產全鏈條監測報告，并通過泛化全鏈條生產溯源知識挖掘網絡對所述選定商品生產全鏈條監測報告進行全鏈條生產溯源知識挖掘，得到與所述選定商品生產全鏈條監測關鍵詞對應的泛化全鏈條生產溯源牽涉知識向量，基于所述溯源知識獲取申請，發送與所述選定商品生產全鏈條監測關鍵詞對應的泛化全鏈條生產溯源牽涉知識向量。