-
公开(公告)号:CN117952712A
公开(公告)日:2024-04-30
申请号:CN202410097477.X
申请日:2024-01-24
Applicant: 安徽大学
IPC: G06Q30/0601 , G06N7/01
Abstract: 本发明公开了一种基于有向网络信息传播的关键竞品识别方法及系统,属于复杂网络数据挖掘技术领域。本发明主要包括:执行网络爬虫程序在亚马逊平台收集目标产品P的问答信息和评论信息;执行SNowNLP从问答信息中识别目标产品P的竞品c,构建竞品c的集合为竞品集合C1;根据问答信息和评论信息计算每个竞品c的点评得分RS;构建以竞品集合C1中竞品c作为节点v的网络G;根据点评得分RS计算每个节点v的初始得分vsq;根据初始得分vsq计算每个节点v的最终得分score。本发明执行网络爬虫程序收集目标竞品的问答信息和评论信息,构建了比较网络模型,计算得到目标商品的关键竞品,信息收集和比较过程简单快速,能够较为全面和准确地识别竞品。
-
公开(公告)号:CN119273272A
公开(公告)日:2025-01-07
申请号:CN202411305653.0
申请日:2024-09-19
Applicant: 安徽大学
IPC: G06Q10/087 , G06Q10/04 , G06F18/25
Abstract: 本申请涉及一种融合在途货物信息的仓储空间优化方法、装置和电子设备,其中,该仓储空间优化方法包括:分别根据每种货物的当日初始在库数量、当日在途数量以及在目标日的初始在库数量一确定各自在所述目标日的初始在库数量二,所述在目标日的初始在库数量一通过机器学习模型预测得到;分别根据每种货物在目标日的初始在库数量二和当日初始在库数量确定各自的空间占用变化率;当存在空间占用变化率大于目标阈值的货物时,通过机器学习模型对仓库空间规划进行优化。可以更加准确地预测货物数量变化,则可以根据货物数量变化对仓储空间进行优化,解决了目前仓库货位设计方法无法应对货物数量发生较大变化的设计场景的问题。
-
公开(公告)号:CN119151596A
公开(公告)日:2024-12-17
申请号:CN202411284398.6
申请日:2024-09-13
Applicant: 安徽大学
IPC: G06Q30/0202 , G06Q30/0203 , G06Q10/087 , G06N3/092 , G06N3/048
Abstract: 本申请涉及一种跨境供应链的补货需求预测方法、供货封箱优化方法,其中,该补货需求预测方法包括:确定目标商家的每种货物的预测需求量;根据目标商家的每种货物的当前库存量和预测需求量确定目标商家的每种货物的预测库存量;根据目标商家的每种货物的预测需求量和预测库存量确定目标商家的每种货物的预测库存系数;分别判断目标商家的每种货物的预测库存系数是否小于第一预设阈值,若是则确定对应货物的预测补货量以及补货紧急度值;将补货紧急度值大于第二预设阈值的货物确定为目标商家的待补货物。该方法应用于跨境供应链管理系统,则可以解决当前跨境供应链管理系统无法对商家的补货需求进行准确预测的问题。
-
公开(公告)号:CN118585423A
公开(公告)日:2024-09-03
申请号:CN202410159640.0
申请日:2024-02-04
Applicant: 安徽大学
Abstract: 一种基于异质图的云平台分布式程序故障根因定位方法,属于软件故障诊断技术领域,解决如何自动地为分布式程序进行故障根因定位的问题;本发明面向云平台分布式程序,自动收集分布式系统的指标数据和日志数据进行异常检测,以分布式系统的指标数据和日志数据为挖掘对象,构建异质图模型,并提出故障传播元图,基于元图挖掘异质图各个节点的关系,训练出日志和故障的关系模型,最后采用得到的关系模型来对系统可能的故障根因进行定位,自动化运维处理并给出诊断报告。
-
公开(公告)号:CN118195227A
公开(公告)日:2024-06-14
申请号:CN202410328755.8
申请日:2024-03-21
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/0831 , G06Q10/087
Abstract: 本发明提供面向跨境散电商的共享仓储调度方法及系统,方法包括:进行对订单数据的采集,以及基于异质图将订单信息统一表达;解析统一订单数据,根据订单对应商品的不同属性以及出入库时间动态调整仓库货物临时存储位;基于小商品表面积进行约束降价计算,构建出单位价值最优解的封箱方案;仓库共享调度系统实时监控最大急迫值货物,及时送出出仓货物架,融合集运信息将小商品智能码垛。本发明解决了跨境散电商间的订单信息壁垒,难以实现小仓储的集约化管理,导致跨境散电商货少甩货、仓库利用率低的技术问题。
-
公开(公告)号:CN117893252A
公开(公告)日:2024-04-16
申请号:CN202410059169.8
申请日:2024-01-15
Applicant: 安徽大学
IPC: G06Q30/0202 , G06Q10/087 , G06Q10/04
Abstract: 本发明公开了一种基于头程预测的稳定FBA补货方法及系统。本发明包括:获取实时的产品数据,产品数据包括:产品数据覆盖时间R、头程的时间序列T,T为:T=[T1,T2...,Tn],n代表产品历史头程的次序;预设时间阈值R0,判断是否产品数据覆盖时间R大于时间阈值R0,是则将头程的时间序列T输入至ARIMA模型,根据ARIMA模型计算产品预测头程一#imgabs0#否则计算该产品与其他不同种类产品的相似度S,根据相似度S计算产品预测头程二#imgabs1#本发明通过时间序列预测模型和相似度来对产品未来的头程进行准确预测,使卖家有效应对头程不确定性带来的挑战,降低补货计划受到的影响,以便实现最佳的库存优化和成本控制,降低过剩和缺货风险。
-
公开(公告)号:CN117874318A
公开(公告)日:2024-04-12
申请号:CN202410057127.0
申请日:2024-01-15
Applicant: 安徽大学
IPC: G06F16/951 , G06F9/455 , G06N3/045 , G06N3/092 , G06N3/09
Abstract: 本发明涉及数据爬取技术领域,更具体的,涉及基于强化学习的自适应网页结构变化的数据采集方法及系统。本发明预先构建了两个Docker容器,其中一个安装了浏览器程序、爬虫程序、守护进程,另一个用于存放及更新Actor‑Critic模型;本发明基于强化学习的方式对Actor‑Critic模型进行训练,使Actor‑Critic模型可以适应于目标网页的结构变化,自动学习到新的爬取流程,减少去修改爬虫程序代码的人力成本。本发明解决了现有的数据采集不能够自适应网页结构变化的问题。
-
-
-
-
-
-