买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜深圳市秦丝科技有限公司申请的专利基于知识图谱的供应链多维数据挖掘与智能推荐决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119741038B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510231179.X，技术领域涉及：G06Q30/0201；该发明授权基于知识图谱的供应链多维数据挖掘与智能推荐决策方法是由刘勇设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于知识图谱的供应链多维数据挖掘与智能推荐决策方法在说明书摘要公布了：本发明提供一种基于知识图谱的供应链多维数据挖掘与智能推荐决策方法，涉及供应链管理技术领域，包括构建包含节点时序演化关系的动态供应链知识图谱，并基于该图谱计算节点多维特征表示，训练供应链推荐模型。然后，根据目标产品参数和约束条件，利用图谱推理机制计算目标产品与供应商间的关联度，筛选候选供应商。最后，结合供应商评价和历史交易数据，通过动态约束优化模型进行多目标寻优，生成包含供应商排序和匹配度的推荐决策方案。本发明能够有效融合多维数据，实现精准的供应商推荐，提高供应链效率和决策智能化水平。

本发明授权基于知识图谱的供应链多维数据挖掘与智能推荐决策方法在权利要求书中公布了：1.一种基于知识图谱的供应链多维数据挖掘与智能推荐决策方法，其特征在于，包括：采集供应商评价数据、产品评价数据和供需交易数据并进行文本分词处理得到词向量序列，计算所述词向量序列的上下文关联得到语义特征向量，基于所述语义特征向量构建初始供应链知识图谱，将所述供应商评价数据、产品评价数据和供需交易数据分别作为对应节点的属性值，计算节点间的时序关联强度构建多层级拓扑结构，基于所述多层级拓扑结构对相邻节点进行迭代更新，生成包含节点时序演化关系的动态供应链知识图谱；对所述动态供应链知识图谱中的节点进行类型分类，根据节点类型计算节点间的信息传递权重，基于所述信息传递权重对节点特征进行聚合得到节点特征矩阵，将所述节点特征矩阵按时间序列划分为多个时间窗口，计算每个时间窗口内节点的状态变化得到时序特征向量，将所述时序特征向量与节点特征矩阵进行特征对齐和融合得到多维特征表示，计算所述多维特征表示中各维度特征的重要性权重，根据所述重要性权重对特征进行选择重组得到融合特征向量，基于所述融合特征向量训练得到供应链推荐模型；从所述动态供应链知识图谱中提取目标产品节点的目标产品参数和约束条件参数，输入所述供应链推荐模型中，基于图谱推理机制计算目标产品节点与供应商节点之间的多跳路径可达性得到节点关联度分数，根据所述节点关联度分数筛选出候选供应商节点集合，将所述候选供应商节点集合的供应商评价数据和历史交易数据输入至动态约束优化模型中，通过在线学习方式更新约束边界并进行多目标寻优得到供应商优化得分，基于所述供应商优化得分生成包含供应商排序和匹配度的推荐决策方案；生成包含节点时序演化关系的动态供应链知识图谱包括：将供应商评价数据、产品评价数据和供需交易数据分别按时间序列排序并划分为前向序列和后向序列，对所述前向序列进行正向时序编码得到前向特征序列，对所述后向序列进行反向时序编码得到后向特征序列，将所述前向特征序列和后向特征序列进行拼接得到供应商节点时序特征、产品节点时序特征和交易节点时序特征，将所述供应商节点时序特征、产品节点时序特征和交易节点时序特征分别作为对应节点的节点属性表示；基于所述节点属性表示计算时间窗口内的节点属性方差，结合节点间的时间间隔计算时间敏感度，采用所述时间敏感度对节点间的关联程度进行加权得到时序关联强度；根据所述时序关联强度对节点进行分层构建多层级拓扑结构，计算所述多层级拓扑结构中同层节点间的空间关联程度得到局部关联分数，计算跨层节点间的时序关联程度得到长程关联分数，融合所述局部关联分数和所述长程关联分数得到节点间的综合关联强度；存储节点的历史状态信息，基于节点当前状态检索相关的历史状态信息得到节点记忆特征，根据所述节点间的综合关联强度对相邻节点的状态进行加权汇聚得到节点邻居特征，将所述节点记忆特征和所述节点邻居特征进行迭代更新得到新的节点状态，并更新存储的历史状态信息；将更新后的节点状态作为节点的动态特征表示，根据所述节点间的综合关联强度构建节点连接关系，生成包含节点时序演化关系的动态供应链知识图谱。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市秦丝科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道科技园社区科技路1号桑达科技大厦5楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。