肉牛交易管理系统及其方法与流程

本技术涉及智能管理，且更为具体地，涉及一种肉牛交易管理系统及其方法。

背景技术：

1、随着肉牛业不断发展和市场经济的运行，肉牛交易的改进和提高已成为重要问题。我国肉牛数量庞大，但生产方式和管理方式落后市场混乱。

2、如今，大多数地方对于肉牛的买卖仍然采用线下交易，线下交易市场的存在，让牛贩子有了生存的空间，加上各种地方因素，导致买卖双方的信息不透明，甚至出现各种纠纷。

3、因此，期待一种肉牛交易管理系统及其方法，可以使用户在线上查询肉牛信息，挑选自己满意的肉牛。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种肉牛交易管理系统及其方法，其采用基于转换器的上下文编码器，对各个肉牛的基本信息和客户需求信息进行充分的语义理解，以肉牛的基本信息作为参考数据，客户需求特征作为查询特征，从参考数据中查询出符合客户需求的肉牛编号。这样，可以更准确地评估和匹配客户需求，并提供符合需求的肉牛编号，从而提高交易的透明度和可靠性。

2、相应地，根据本技术的一个方面，提供了一种肉牛交易管理系统，其包括：

3、信息获取模块，用于获取各个肉牛的基本信息和客户需求信息，其中，所述各个肉牛的基本信息包括各个肉牛的编号、系谱、出生日期、价格、生长发育信息以及繁育信息；

4、肉牛信息编码模块，用于将所述各个肉牛的基本信息分别通过基于转换器的上下文编码器以得到多个肉牛信息语义特征向量；

5、肉牛信息关联特征提取模块，用于将所述多个肉牛信息语义特征向量二维排列为肉牛信息特征矩阵后通过包含多个混合卷积层的卷积神经网络模型以得到多尺度肉牛信息关联特征矩阵；

6、需求信息编码模块，用于将所述客户需求信息通过所述基于转换器的上下文编码器以得到查询特征向量；

7、查询模块，用于将所述查询特征向量与所述多尺度肉牛信息关联特征矩阵进行相乘以得到分类特征向量；

8、优化模块，用于对所述分类特征向量进行基于先验秩序性的特征工程参数化以得到优化分类特征向量；

9、管理结果生成模块，用于将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示符合客户需求的肉牛编号。

10、在上述肉牛交易管理系统中，所述肉牛信息编码模块，包括：第一分词单元，用于对所述肉牛的基本信息进行分词处理以获得多个肉牛信息词；第一词嵌入单元，用于将所述多个肉牛信息词通过嵌入层以将所述多个肉牛信息词中各个肉牛信息词转化为肉牛信息词嵌入向量以得到肉牛信息词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个肉牛信息词进行嵌入编码；第一上下文语义编码单元，用于将所述肉牛信息词嵌入向量的序列通过所述基于转换器的上下文编码器以得到多个肉牛信息特征向量；以及，第一关联单元，用于对所述多个肉牛信息特征向量进行特征向量间的概率密度空间关联以得到所述肉牛信息语义特征向量。

11、在上述肉牛交易管理系统中，所述第一上下文语义编码单元，包括：自注意子单元，用于计算所述肉牛信息词嵌入向量的序列与所述肉牛信息词嵌入向量的序列中各个肉牛信息词嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述肉牛信息词嵌入向量的序列中各个肉牛信息词嵌入向量进行加权以得到所述多个肉牛信息特征向量。

12、在上述肉牛交易管理系统中，所述第一关联单元，包括：概率密度计算单元，用于计算各个所述肉牛信息特征向量的概率密度函数以得到对应于各个所述肉牛信息特征向量的概率密度分布；互信息计算单元，用于计算各个所述肉牛信息特征向量的概率密度分布与其他所述肉牛信息特征向量的概率密度分布之间的互信息；阈值比较单元，用于基于所述互信息与预定阈值之间的比较，选择适配的融合策略来融合所述多个肉牛信息特征向量以得到所述肉牛信息语义特征向量。

13、在上述肉牛交易管理系统中，所述肉牛信息关联特征提取模块，包括：使用所述卷积神经网络模型的各个混合卷积层在层的正向传递中分别对输入数据进行：对所述输入数据进行多尺度卷积编码以得到多尺度特征图；对所述多尺度特征图进行沿通道维度的均值池化处理以得到池化特征图；以及，对所述池化特征图进行激活处理以得到激活特征图；其中，所述卷积神经网络模型的最后一个混合卷积层的输出为所述多尺度肉牛信息关联特征矩阵，所述卷积神经网络模型的第一个混合卷积层的输入为所述肉牛信息特征矩阵。

14、在上述肉牛交易管理系统中，所述需求信息编码模块，包括：第二分词单元，用于对所述客户需求信息进行分词处理以获得多个需求信息词；第二词嵌入单元，用于将所述多个需求信息词通过嵌入层以将所述多个需求信息词中各个需求信息词转化为需求信息词嵌入向量以得到需求信息词嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个需求信息词进行嵌入编码；第二上下文语义编码单元，用于将所述需求信息词嵌入向量的序列通过所述基于转换器的上下文编码器以得到多个需求信息特征向量；以及，第二级联单元，用于将所述多个需求信息特征向量进行级联以得到所述查询特征向量。

15、在上述肉牛交易管理系统中，所述优化模块，用于：以如下优化公式对所述分类特征向量进行基于先验秩序性的特征工程参数化以得到优化分类特征向量，其中，所述优化公式为：

16、；

17、其中，是所述分类特征向量的第个位置的特征值，表示所述分类特征向量的零范数，是所述分类特征向量的长度，且是权重超参数，表示以2为底的对数函数值，是所述优化分类特征向量的第个位置的特征值。

18、在上述肉牛交易管理系统中，所述管理结果生成模块，包括：全连接编码单元，用于使用所述分类器的全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。

19、根据本技术的另一个方面，提供了一种肉牛交易管理方法，其包括：

20、获取各个肉牛的基本信息和客户需求信息，其中，所述各个肉牛的基本信息包括各个肉牛的编号、系谱、出生日期、价格、生长发育信息以及繁育信息；

21、将所述各个肉牛的基本信息分别通过基于转换器的上下文编码器以得到多个肉牛信息语义特征向量；

22、将所述多个肉牛信息语义特征向量二维排列为肉牛信息特征矩阵后通过包含多个混合卷积层的卷积神经网络模型以得到多尺度肉牛信息关联特征矩阵；

23、将所述客户需求信息通过所述基于转换器的上下文编码器以得到查询特征向量；

24、将所述查询特征向量与所述多尺度肉牛信息关联特征矩阵进行相乘以得到分类特征向量；

25、对所述分类特征向量进行基于先验秩序性的特征工程参数化以得到优化分类特征向量；

26、将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示符合客户需求的肉牛编号。

27、与现有技术相比，本技术提供的肉牛交易管理系统及其方法，其采用基于转换器的上下文编码器，对各个肉牛的基本信息和客户需求信息进行充分的语义理解，以肉牛的基本信息作为参考数据，客户需求特征作为查询特征，从参考数据中查询出符合客户需求的肉牛编号。这样，可以更准确地评估和匹配客户需求，并提供符合需求的肉牛编号，从而提高交易的透明度和可靠性。