(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111636073.6 (22)申请日 2021.12.2 9 (71)申请人 北京航天智造科技发展 有限公司 地址 100041 北京市石景山区八大处路49 号院7号楼7层701 (72)发明人 张亚平　唐蕾　邹萍　易铭　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 专利代理师 郝志亮 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/958(2019.01) G06K 9/62(2022.01) G06Q 30/06(2012.01) (54)发明名称 一种基于知识学习的供应链智能匹配技 术 (57)摘要 本发明公开了一种基于知识学习的供应链 智能匹配技术， 属于供应链管理技术领域， 技术 的实现途径包括数据处理阶段、 智能匹配阶段以 及最优推荐阶段， 根据战时/应急状态下供应链 需求侧所需生产的急需物资订单信息对服务方 提供生产服务能力信息进行筛选和匹配。 该基于 知识学习的供应链智能匹配技术， 通过构建联动 保供供应链智能匹配模型， 根据所需补充的产 能、 生产企业类型及距离等特征， 为其快速推荐 最佳匹配企业， 实现受损供应链 缺失能力的及时 补链和强链， 确保战时和应急状态下供应链健壮 性， 并基于战时和应急状态下不同应用场景下的 推荐和匹配知识的学习机制， 实现推荐和匹配知 识的更新及不同应用场景 下最优匹配 。 权利要求书2页 说明书5页 附图1页 CN 114491236 A 2022.05.13 CN 114491236 A 1.一种基于知识学习的供应链智能匹配技术， 其特征在于， 技术的实现途径包括数据 处理阶段、 智能匹配阶段以及最优推荐阶段； 所述数据处理阶段， 用于在进行战时/应急联动保供供应链需求方订单与生产能力服 务信息采集的同时， 结合属性信息描述方法， 对战时/应急联动保供供应链需求方的订单信 息及生产服 务能力属性信息进行规范化描述， 建立 订单和生产服 务能力属性信息模型； 所述智能匹配阶段， 用于根据战时/应急状态下供应链需求侧所需生产的急需物资订 单信息对服 务方提供生产服 务能力信息进行筛 选和匹配的实现过程； 所述最优推荐阶段， 用于匹配结果优选排序并根据最优匹配结果推荐将最终确定的最 优生产服 务结果推荐给需求方。 2.根据权利要求1所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 数据处理阶段采用的属性信息描述方法包括把各种具有不同内容的属性加以比较， 找出其 中各个部 分相互联结的方式， 抽取出共同的形式结构； 再引入表达形式结构的符号语言,对 属性信息进行规范化描述。 3.根据权利要求1所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 智能匹配阶段的实现过程进一 步的包括以下实现步骤： S1、 基于需求方订单信息的生产方服务信息筛选： 根据需求侧各类急需物资订单信息 提炼出所需生产服务能力类型， 进而对供给侧所提供 的生产服务能力信息进行筛选， 选择 需要的服 务类型； S2、 相似度匹配计算方法甄选： 找到与需求侧要求最符合的生产能力服务， 每个生产服 务属性中的值都和需求方所需要的服务子属 性进行匹配， 进行相似度匹配计算， 以达精确 匹配的目的； S3、 基础属性和功能属性相似性匹配： 采用甄选的相似度匹配， 筛选出满足设定的相似 值的生产服 务， 筛选出的生产服 务即为满足需求侧订单需求的服 务； S4、 服务评价属性相似性匹配： 对S3中筛选出符合需求侧订单需求的生产服务， 再进行 服务评价匹配， 计算 服务评价匹配相似度值； S5、 三类属性权 重的匹配 计算： 对基础属性、 功能属性和服 务评价属性进行权 重计算； S6、 属性综合相似性匹配： 在三类属性权重的匹配计算基础上， 采用综合加权法进行三 类属性的相似度计算， 保留并输出满足设定值的生产服 务， 即为需求方满意的服 务。 4.根据权利要求3所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 S1中， 服务类型包括仿真分析、 结构设计、 电路设计在内的服务类型， 在选择需要的服务类 型的同时， 需要过 滤掉不相关的服 务， 用于减少智能匹配过程中的计算 量。 5.根据权利要求3所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 S2中， 进行相似度匹配计算时， 相似度匹配的算法包括皮尔逊相关系数法、 欧几里得距离 法 以及Cosi ne相似度法在内的算法。 6.根据权利要求3所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 S3中， 采用甄选的相似度匹配的内容更进一步的包括： 首先进行基本属性和功能属 性的相 似度匹配， 得出基本信息匹配和功能匹配的相似度值， 再根据基本属 性和功能属性的相似 度值计算两者的相似度值大小， 并筛 选出满足设定的相似值的生产服 务。 7.根据权利要求3所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述权　利　要　求　书 1/2 页 2 CN 114491236 A 2S5中， 不同的需求对权重的要求不相同， 进行综合模糊相似度计算之前， 需要首先结合战 时/应急状态下 的联动保供实际需求为三类属 性权重估算合理的范围， 采用标准差的方法 对三个属性所匹配的权重进 行具体计算， 根据计算结果， 若某属性标准差越大， 则对服务相 似度的影响程度就越大， 其权 重也越大， 反 之则权重越小。 8.根据权利要求1所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 最优推荐阶段的推荐过程进一 步的包括以下 具体步骤： A1、 匹配结果优选排序； A2、 最优匹配结果推荐。 9.根据权利要求8所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所述 A1中， 进行智能匹配后， 不排除最 终计算得出的属性综合相似性匹配存在相同大小的情况， 需要优先排序的机制来判断输出服务结果的先后顺序； 并结合从推优知识库中抽取的推优 知识进行筛 选。 10.根据权利要求1所述的一种基于知识学习的供应链智能匹配技术， 其特征在于， 所 述A2中， 将最终确定的最优生产服务结果推荐给需求方， 同时将形成推优新知识存储至推 优知识库， 用于推优知识的动态更新与迭代。权　利　要　求　书 2/2 页 3 CN 114491236 A 3