[发明专利]用于分析信息的方法和装置

说明书

本申请公开了用于分析信息的方法和装置，涉及深度学习技术领域，具体实现方案为：响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表。该方案实现了订单和工厂的合理匹配，提高了系统的匹配效率，同时提升了用户的体验感。

技术领域

本申请的实施例涉及计算机技术领域，具体涉及深度学习技术领域，尤其涉及用于分析信息的方法和装置。

背景技术

工业4.0的助推下，国内传统的大批量生产正在减少，“小而快”的市场需求，让品质稳定、生产周期短、交货快成为服装品牌的主要诉求。为了降低服装积货的问题，服装品牌开始推崇小单快反的模式，但由于小单的利润低，生产柔性要求高，很多服装生产工厂不愿意接单，如何匹配小单的供需资源成为行业内需解决的一个难题。

发明内容

本申请提供了一种用于分析信息的方法、装置、设备以及存储介质。

根据本申请的第一方面，提供了一种用于分析信息的方法，该方法包括：响应于接收到用户发送的订单请求，获取订单请求指示的订单信息和工厂信息、用户信息；利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，其中聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足订单信息的需求对工厂信息进行选取；响应于匹配结果指示第一工厂列表为空，利用资源匹配模型将订单的生产类型、订单的订货数量、订单的交期和工厂信息进行匹配，得到与订单请求对应的第二工厂列表，其中资源匹配模型基于工厂信息中的工厂交期与订单的交期的数值比对结果对工厂信息进行选取。

在一些实施例中，利用聚类算法，对订单信息、用户信息和工厂信息进行分析，得到与订单请求对应的第一工厂列表和匹配结果，包括：对订单信息进行标注，生成订单的标签信息；利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，其中基于平行因子分解的协同聚类算法用于表征基于工厂信息与用户信息的关联程度和工厂信息是否满足标签信息的要求对工厂信息进行选取；基于工厂列表集中各个工厂列表的权重，对工厂列表集进行选取；对选取后的工厂列表中的工厂信息进行排序，得到与订单请求对应的第一工厂列表；根据第一工厂列表，确定匹配结果。

在一些实施例中，对订单信息进行标注，生成订单的标签信息，包括：对订单信息进行分词，并根据分词结果进行词语特征提取，生成订单的特征词集合；基于订单的特征词集合与学习得到的阈值的比对结果，对订单的特征词集合进行选取，其中阈值表征特征词出现频率的最大值；基于选取后的订单的特征词集合，对订单信息进行标注，生成订单的标签信息。

在一些实施例中，利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集，包括：基于订单的标签信息、用户信息和工厂信息，构建三阶张量；基于三阶张量、订单的标签信息、用户信息、工厂信息中的工厂数量和预设阈值，利用基于平行因子分解的协同聚类算法确定与订单请求对应的工厂列表集，其中阈值用于表征对计算过程中得到的数据进行比对判定。

在一些实施例中，在利用基于平行因子分解的协同聚类算法，对订单的标签信息、用户信息和工厂信息进行分析，得到与订单请求对应的工厂列表集之后，还包括：根据用户的偏好程度，对每个工厂信息进行评分；基于评分结果对工厂列表集进行选取。

在一些实施例中，资源匹配模型利用深度学习方法预先训练得到。