【技术实现步骤摘要】
本申请涉及电商数据管理，特别是涉及一种业务数据管理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着电子商务的快速发展，电商平台的订单管理和库存调度已成为提升运营效率和客户体验的关键环节，随着机器学习算法等技术逐渐应用于电商数据管理中，提供了智能化的订单分类、合并及路径优化方案；
2、虽然物联网技术已经广泛应用于库存管理和物流追踪中，但在不同系统之间的数据交互及集成仍然存在诸多挑战，尤其在多仓储、多节点的复杂电商网络中，现有的订单数据处理技术不便在动态环境下实现精细化的实时订单分析与拣选路径优化，且无法实时反映订单特征及sku需求的动态变化，导致订单合并的合理性和sku资源的利用效率较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高业务数据处理效率的业务数据管理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种业务数据管理方法，包括：
3、获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；所述业务数据包括订单数量、产品的最小存货单位的编号、所述最小存货单位的数量和存放时间戳；
4、基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果；
5、将产品订单和最小存货单位作为节点构建图神经网络，并通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果；
6、根据最终聚类结果，计算对应
7、在其中一个实施例中，所述方法还包括：
8、获取所述产品的样本业务数据，并基于卷积神经网络建立预测模型；
9、基于所述样本业务数据对所述预测模型进行训练，并使用优化算法不断优化所述预测模型中的参数，直到所述预测模型的损失函数不再下降，得到训练后的预测模型；
10、将所述产品在当前时段内产生的业务数据输入至训练后的预测模型，得到所述产品的业务数据的未来变化趋势。
11、在其中一个实施例中，所述基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果，包括：
12、通过训练后的向量机对所述业务特征向量对应的产品进行分类，得到分类结果；所述训练后的向量机相应的训练结束条件为所述向量机中参数相应的损失函数值最小；
13、针对每一产品得到的分类结果，对多个产品进行聚类，得到聚类中心；
14、根据所述产品所属的聚类中心和所述产品的分类结果，对不同的产品进行聚类，得到所述产品的初步聚类结果。
15、在其中一个实施例中，所述通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果，包括：
16、将初步聚类结果对应的产品订单数据输入所述训练后的图神经网络，得到对每一聚类下所有产品的产品订单进行整合后的订单特征向量；
17、计算所述初步聚类结果中每两个聚类相应的订单特征向量之间的余弦相似度，将余弦相似度大于预设值的两个聚类进行合并，得到最终聚类结果。
18、在其中一个实施例中，所述根据最终聚类结果，计算对应的最短拣选路径，包括：
19、将所述最终聚类结果中每一聚类下每一产品的最小存货单位的编号作为路径节点，通过预设模型，生成所述路径节点所形成的路径；
20、计算所述路径的长度，将所述长度的倒数作为所述路径的适应度；
21、基于遗传算法对所述路径不断迭代，直到所述适应度不再增加，将所述适应度不再增加时的路径作为对应的最短拣选路径。
22、在其中一个实施例中，所述方法还包括：
23、在所述最终聚类结果发生变动的情况下，根据变动后的最终聚类结果，重新计算对应的最短拣选路径。
24、第二方面，本申请还提供了一种业务数据管理装置，包括：
25、获取模块，用于获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；所述业务数据包括订单数量、产品的最小存货单位的编号、所述最小存货单位的数量和存放时间戳；
26、聚类模块，用于基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果；
27、所述聚类模块，还用于将产品订单和最小存货单位作为节点构建图神经网络，并通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果；
28、计算模块，用于根据最终聚类结果，计算对应的最短拣选路径。
29、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
30、获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；所述业务数据包括订单数量、产品的最小存货单位的编号、所述最小存货单位的数量和存放时间戳；
31、基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果；
32、将产品订单和最小存货单位作为节点构建图神经网络，并通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果；
33、根据最终聚类结果，计算对应的最短拣选路径。
34、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
35、获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；所述业务数据包括订单数量、产品的最小存货单位的编号、所述最小存货单位的数量和存放时间戳；
36、基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果；
37、将产品订单和最小存货单位作为节点构建图神经网络，并通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果；
38、根据最终聚类结果，计算对应的最短拣选路径。
39、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
40、获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；所述业务数据包括订单数量、产品的最小存货单位的编号、所述最小存货单位的数量和存放时间戳；
41、基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果；
42、将产品订单和最小存货单位作为节点构建图神经网络，并通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果；
43、根据最终聚类结果，计算对应的最短拣选路径。
44、上述业务数据管理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，首先，获取产品的业务数据，并进行特征提取，得到提取后的业务特征向量；业务数据包括订单数量、产品的最小存货单位的编号、最小存货单位的数量和存放时间戳；基于业务特征向量，将不同的产品进行聚类，得到初步聚类结果；将产品本文档来自技高网...
【技术保护点】
1.一种业务数据管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据最终聚类结果，计算对应的最短拣选路径，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.一种业务数据管理装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产
...【技术特征摘要】
1.一种业务数据管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述业务特征向量，将不同的产品进行聚类，得到初步聚类结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过训练后的图神经网络，对所述初步聚类结果作进一步聚类合并，得到最终聚类结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据最终聚类结果，计算对应的最短拣选路径，包括：
6.根据权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：易勇强，章胜玉，林俊，郑鸿，刘楹钧，李一男，苑再鑫，
申请(专利权)人：南方电网互联网服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。