申请/专利权人：淮阴工学院

申请日：2023-06-13

公开（公告）日：2024-06-11

公开（公告）号：CN116756203B

主分类号：G06F16/2457

分类号：G06F16/2457;G06F16/28;G06N3/042;G06N3/048;G06N3/084;G06F16/36;G06Q10/0832

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2023.10.03#实质审查的生效;2023.09.15#公开

摘要：本发明提出一种基于碳减排目标的知识图谱驱动冷链物流设备选型方法及装置，首先，收集企业现有设备信息和历史设备信息。然后利用Neo4j图关系数据库将收集到的设备信息知识整合到知识图谱中，并定义各种设备之间的关系和属性。接着，应用基于知识图谱优化的TransE嵌入方式与多特征图注意力网络建立推荐系统，最后，结合系统特性和企业需求，用多目标优化加权平均算法推荐多套高效环保的设备选型方案。本发明满足业务需求的同时最大限度地降低碳排放，将低碳理念融入设备选型决策过程。随着技术不断进步，该方法和装置将得到广泛应用，为构建低碳环保的冷链供应链体系做出重要贡献。

主权项：1.一种基于碳减排目标的知识图谱驱动冷链物流设备选型方法，其特征在于，包括如下步骤：步骤1：收集企业设备信息E，其中E主要包括仓储设备信息E1、物流设备信息E2和冷藏设备信息E3，获取用户信息U及历史订单信息H；步骤2：利用收集到的设备信息E和设备之间的关联关系构建企业设备信息知识图谱G，并存储于Neo4j图关系数据库中；步骤3：对知识图谱G中的信息进行从高维到低维的嵌入操作得到实体和关系的嵌入向量ei和rk；步骤4：对实体和关系的嵌入向量ei和rk进行特征聚合得到最终实体表示E4＝{e0””,e1””,…,en””}，其中n为实体个数，ej””表示每个设备j的嵌入向量，j为大于等于0小于等于n的整数；步骤4.1：将实体嵌入向量ei和关系嵌入向量rk通过一个线性变换矩阵W进行变换，得到新的实体向量ei'和关系向量rk'，其计算公式为：ei'＝W*ei,rk'＝W*rk；步骤4.2：使用注意力机制计算实体i和其邻居实体j在关系k下的注意力系数aijk，其计算公式为：aijk＝LeakyReLUei'*rk*ej'T，其中LeakyReLU为激活函数其公式为：LeakyReLUx＝max0,x+α*min0,x，α默认为0.01；步骤4.3：对每个实体i的所有邻居j在关系k下的注意力系数使用softmax函数进行归一化，其计算公式为：αijk＝expaijk∑jexpaijk；步骤4.4：计算新的实体表示ei”，将邻居实体j的表示ej'乘以归一化后的注意力系数αijk，并对邻居实体求和：ei”＝Σjαijk*ej'；步骤4.5：对ei”进行多头注意力处理以增强模型的表达能力：ei”'＝concatM1*ei”,M2*ei”,...,MK*ei”，其中Mi是注意力头的权重矩阵，i大于等于1小于等于K的整数；步骤4.6：将多头注意力后的实体表示ei”'输入到一个多层感知机MLP进行非线性变换，其中，输入部分为多头注意力后的实体表示ei”'，隐藏层由三个全连接层和两个激活层组成，全连接层包含多个神经元，每个神经元与ei”'中的一个元素相连；全连接层后接激活层RELU；激活函数RELU的公式为fx＝max0,x，输出部分为最终的实体表示E4＝{e0””,e1””,…,en””}，其中n为实体个数；步骤5：对用户信息U及历史订单信息H进行用户嵌入表示获得用户嵌入向量U'；步骤5.1：对用户的历史订单信息进行聚合，得到用户的历史订单向量UH，其中，对于每个用户i，用户的历史订单向量UHi的计算方法为：UH＝{UH1,UH2,…UHn}，其中，n表示用户的数量，qij是用户i对设备j的的评分，ej””是产品j对应的设备嵌入向量；步骤5.2：对用户的历史订单向量UH进行归一化处理，得到用户的嵌入向量U'；每个用户i的嵌入向量Ui'就是将其UHi除以其L2范数即可，其中U'＝{U1'，U2'，…Un'}，其中，n表示用户的数量；步骤6：综合考虑用户历史订单信息及设备碳排放量信息，推荐多套高效环保的设备选型方案以满足业务需求的同时最大限度地降低碳排放；步骤6.1：计算每个设备的嵌入向量ej””与用户i嵌入向量Ui'之间的相似度；计算相似度的具体方法为：对于每个设备j，用户i，计算其嵌入向量ej””与用户i嵌入向量Ui'之间的余弦相似度sij；使用余弦相似度计算公式：步骤6.2：对于用户i，将其所有可用的设备按照相似度升序排列，得到设备列表L，根据设备类型将设备列表L进行划分得到可用设备列表集合LA，即LA＝{LA0,LA1,…,LAn}，其中n为设备类型数量，LA中的每个元素均是集合；步骤6.3：对于用户i，对可用设备列表集合LA中的元素进行笛卡尔乘积，获取完整供应链可用集合A＝{A0,A1,…,Am}，其中为LA中各子集设备数量的乘积，对于每个组合Ai，计算组合Ai的碳排放量Ci和效率fi；步骤6.4：使用多目标优化加权平均算法在所有计算出的设备组合中，选出碳排放量最低同时效率最高的多套设备组合。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于碳减排目标的知识图谱驱动冷链物流设备选型方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD