浪潮云洲工业互联网有限公司邱翠玲获国家专利权
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!
龙图腾网获悉浪潮云洲工业互联网有限公司申请的专利一种基于模型的针对企业数字化转型的资源匹配系统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:CN119539897B 。
龙图腾网通过国家知识产权局官网在2026-01-06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:202411343377.7,技术领域涉及:G06Q30/0601;该发明授权一种基于模型的针对企业数字化转型的资源匹配系统是由邱翠玲;齐光鹏;商广勇;李佳;罗涛设计研发完成,并于2024-09-25向国家知识产权局提交的专利申请。
本一种基于模型的针对企业数字化转型的资源匹配系统在说明书摘要公布了:本发明涉及企业数字化管理技术领域,本发明提供的一种基于模型的针对企业数字化转型的资源匹配系统,本发明系统通过服务器端、后台控制端、需求方端和供给方端的协同工作,实现了高效的资源匹配。服务器端通过获取单元收集多维度的资源数据,特征匹配单元筛选出关键特征进行初步匹配,模型构建单元利用学习方法与模型知识库构建小模型,而模型优化单元则通过用户反馈和实时数据持续优化模型,资源报告生成单元通过建立供应链仿真模型,进行使用情景训练,得到持续更新的匹配小模型,并最终生成可视化资源匹配报告,本发明解决了小模型在处理复杂供应链关系时的局限性,提高了匹配的准确性和效率,为中小企业数字化转型提供了有力支持。
本发明授权一种基于模型的针对企业数字化转型的资源匹配系统在权利要求书中公布了:1.一种基于模型的针对企业数字化转型的资源匹配系统,其特征在于,包括服务器端、后台控制端以及需求方端以及供给方端,服务器端与后台控制端以及需求方端以及供给方端建立通信连接,服务器端根据后台控制端以及供给方端传输的数据构建企业数字化供应商资源匹配小模型,服务器端通过企业数字化供应商资源匹配小模型对需求方端的需求数据进行资源匹配,服务器端输出可视化资源匹配报告,服务器端包括: 获取单元,获取资源数据,资源数据包括企业信息、需求数据、市场动态、行业趋势以及历史交易数据; 特征匹配单元,接收需求数据,利用特征选择算法对需求数据进行分析,筛选出对匹配结果影响最大的特征,根据匹配结果影响最大的特征在资源匹配数据库中进行匹配,得到供应商资源匹配结果; 模型构建单元,建立学习方法与模型知识库,将供应商资源匹配过程中产生的数据以及获取的资源数据,通过学习方法与模型知识库中的学习方法以及模型依次进行学习,得到学习方法与模型数据集合,基于学习方法与模型数据集合构建企业数字化供应商资源匹配小模型; 模型优化单元,对用户反馈信息进行采集,根据用户反馈信息以及实时资源数据作为新的训练数据,采用随机梯度下降算法对企业数字化供应商资源匹配小模型进行持续更新优化,企业数字化供应商资源匹配小模型应用强化学习算法在与环境的交互中学习匹配决策; 资源报告生成单元,建立供应链仿真模型,模拟供应链中的使用情景,对企业数字化供应商资源匹配小模型进行使用情景训练,得到使用情景训练数据,将使用情景训练数据作为新的训练数据,企业数字化供应商资源匹配小模型持续使用新的训练数据进行训练,得到持续更新的企业数字化供应商资源匹配小模型,使用持续更新的企业数字化供应商资源匹配小模型对用户需求进行数据处理,得到可视化资源匹配报告; 模型优化单元,包括: 在服务器上设置用户反馈系统,通过在线调查、评分系统或用户反馈表单,得到用户对供应商资源调配结果进行评价和反馈; 实时收集并记录用户对匹配结果的满意度、准确性、时效性方面的反馈信息,对收集到的用户反馈信息进行整理和分析,提取出信息点,信息点包括匹配结果最满意或不满意,以及改进建议; 将用户反馈信息和实时资源数据整合,形成新的训练数据集,利用随机梯度下降算法,结合新的训练数据集,对企业数字化供应商资源匹配小模型进行参数更新和优化; 模型优化单元,还包括 为供应商资源匹配定义强化学习环境,强化学习环境包括状态空间、动作空间、奖励函数,使用强化学习算法训练企业数字化供应商资源匹配小模型,强化学习算法将使企业数字化供应商资源匹配小模型在得到不同的匹配决策后,根据获得的奖励来调整匹配策略; 企业数字化供应商资源匹配小模型在与强化学习环境的进行数据交互。
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浪潮云洲工业互联网有限公司,其通讯地址为:250000 山东省济南市高新区浪潮路1036号浪潮科技园S02号楼19层;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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励