CN119538166A 数据融合系统以及数据融合方法 (鼎捷软件股份有限公司)_第1页
CN119538166A 数据融合系统以及数据融合方法 (鼎捷软件股份有限公司)_第2页
CN119538166A 数据融合系统以及数据融合方法 (鼎捷软件股份有限公司)_第3页
CN119538166A 数据融合系统以及数据融合方法 (鼎捷软件股份有限公司)_第4页
CN119538166A 数据融合系统以及数据融合方法 (鼎捷软件股份有限公司)_第5页
已阅读5页,还剩23页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明提供一种数据融合系统以及数据融合方法。数据融合系统包括存储装置以及处理统以及数据融合方法可有效降低数据扩增后的2其中所述特征撷取模块从所述多个表单数据撷取多个特其中所述模型拆解模块将所述预测模型拆解为多个三元组(Tripl单数据进行表关联处理,以产生汇总表数据,并且对所述汇总表数据进行ETL(Extract,三元组数据分别的所述因子数据以及所述条件数据之间的集合关系以及所述多个三元组数据分别的所述结论数据间的数据大小关系来将所述多个三元组数据融合至所述知识图通过所述处理器执行模型构建模块,以对所述多个特征数据通过所述处理器执行数据融合模块,以将所述多个三元组数据融合至知识图谱数据3对所述汇总表数据进行ETL(Extract,Transform,Load)工程计算,以产生所述多个特对所述多个特征数据进行数据剔除以及数据填充,并且15.根据权利要求14所述的数据融合方法,其特征在于,构建所述预测模型的步骤包多个三元组数据分别的所述因子数据以及所述条件数据之间的集合关系以及所述多个三元组数据分别的所述结论数据间的数据大小关系来将所述多个三元组数据融合至所述知4[0002]目前的企业资源规划(EnterpriseResourcePlanning,ERP)系统可利用预先建置预测模型来自动化地对业务数据进行预测,并且预测模型可根据相关历史业务数据及/5数据融合系统100可例如由云端服务器(Server)实现,以提供软件即服务(Softwareasa6Memory,DRAM)、快闪存储器(Flashmemory)或非挥发性随机存取存储器(Non_Volatile图3所示的历史采购表单301、进货表单302以及供应商基础信息表单303的至少其中之一。在本实施例中,特征撷取模块121可对多个表单数据进行表关联处理,以产生汇总表数据指特征撷取模块121可根据表字段采购单类别、采购单号以及序号将采购表单与进货表单模型构建模块122可根据所述样本标签对集合307并基于决策树(Decisiontree)算法来构7子数据以及条件数据之间的集合关系,以及根据多个三元组数据309分别的结论数据间的据某个特征划分后的样本总数量,例如训练集中的特征special<=0.383的所有样本数的订单数,此为决策树中的判断条件,并且用于判断最近1个月的订单数是否小于或等于8决策树中的判断条件,并且可用于判断最近1个月价格的标准差是否小于或等于6603.21)、 个月的成功次数是否小于或等于5.334)、信息熵“entropy=0.973力、样本数量信息是最近6个月的成功次数,此为决策树中的判断条件,并且可用于判断最近6个月的成功次是最近1个月的订单数,此为决策树中的判断条件,并且可用于判断最近1个月的订单数是[0049]节点414可为末端节点,并且可包括信息熵“entropy=0.72力、样本数量信息98]力以及类别信息“class=0力。节点420可为末端节点,并且可包括信息熵“entropy=数据分别的结论数据间的数据大小关系来将所述多个三元组数据融合至知识图谱数据中。521用于表示“近1个月内订单次数/是否特别采购/近1个月内订单次数(物料)/近6个月内单数<=555.23/近6个月内成功交货次数(物料)”。节点533用于表示“是否特别采购<=个月内的交货成功次数。“td_t_success”指的是近三个月内的交货成功次数。“td_t_系统100可根据节点531~538的其中之一来指向对应于结论的节点541或节点542,以获得预测结果。在本实施例中,所述预测结果可例如通过用户操作的电子装置210显示如节点0.383ando_order<=555.23andtd_s_success<=2369.894andtd_s_success<=

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论