申请/专利权人：国研软件股份有限公司

申请日：2020-10-13

公开（公告）日：2024-03-29

公开（公告）号：CN112184325B

主分类号：G06Q30/0201

分类号：G06Q30/0201;G06Q50/02;G06N3/08;G06F16/9537;G06F16/215

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明提供了一种基于贝叶斯网络的农贸市场日画像构建方法，包括步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同菜品单价和农残检测结果作为特征变量；步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；步骤3、对清洗和整理完毕的数据进行特征量化；步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场日画像。该方法能方便快捷建立农贸市场日画像。

主权项：1.一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：所述方法包括，步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果作为建模的特征变量；步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；步骤3、对清洗和整理完毕的数据进行特征量化；步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场日画像；按照如下步骤a1～a5获取所述特征变量，步骤a1、形成农贸市场中农产品进货、交易和农残值检测数据库，从数据库中导出对应年份的数据；步骤a2、从步骤a1中的农产品进货数据中收集农贸市场每日的进货量和菜品种类总数；步骤a3，从步骤a1中的农产品交易数据中收集农贸市场每日的交易量、销售量、销售金额和不同种类菜品单价；步骤a4，从步骤a1中的农产品农残值检测数据中收集农贸市场每日的农残检测结果；步骤a5，汇总由步骤a2～a4的数据，以便后续的数据清洗和整理工作；按照如下步骤b1～b4的方式进行所述的数据清洗和整理，步骤b1，调取收集的农贸市场中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果数据；步骤b2，删除缺失特征变量个数大于3的数据，而对缺失特征变量个数小于等于3的数据，将缺失部分采用标识符“S”代替；步骤b3，设置各特征变量的合理值范围，并同样采用标识符“S”代替处于合理值范围之外的数据；步骤b4，求解进货量、销售量、交易量、销售金额、菜品种类总数和不同种类菜品单价的各个均值，针对以上各特征变量中出现标识符“S”的部分，使用对应特征变量下的均值代替，同时，农残检测结果数据中出现标识符“S”的部分，使用数字0代替；按照如下步骤c1～c4的方式进行所述的特征量化，步骤c1，将经数据清洗和整理后的特征变量中的不同种类菜品单价转化成特征变量，即每日菜价水平，求出全年的蔬菜类菜品的菜品单价均值P0和肉菜类菜品的菜品单价均值P1，存在关系式 步骤c2，依次求出经数据清洗和整理后的特征变量中进货量、销售量、交易量、销售金额、菜品种类总数以及经步骤c1获取的特征变量每日菜价水平的最小值和最大值其中i＝1,2,3,4,5，6分别对应进货量、销售量、交易量、销售金额、菜品种类总数和每日菜价水平；步骤c3，计算分段范围，其中， 表示第一段，该分段范围属于“低”量级，属于该范围的特征变量数值采用数值0代替； 表示第二段，该分段范围属于“中”量级，属于该范围的特征变量数值采用数值1代替； 表示第三段，该分段范围属于“高”量级，属于该范围的特征变量数值采用数值2代替；步骤c4，对于经数据清洗和整理后的特征变量中的农残检测结果，分成两个范围段，数值大于0表示不安全范围，属于该范围的特征变量数值采用数值1代替，数值等于0表示安全范围，属于该范围的特征变量数值仍采用数值0代替；按照如下步骤d1～d3的方式进行构建农贸市场的贝叶斯网络拓扑结构，步骤d1，确定步骤1中的特征变量即交易量、销售量、农残检测结果和销售金额为待评价的特征变量，分别用T1、T2、T3、T4表示，确定步骤1中的特征变量即进货量、菜品种类总数以及经步骤c1获取的特征变量每日菜价水平为先验的特征变量，分别用V1、V2、V3表示；步骤d2，确定步骤d1中的交易量、销售量、农残检测结果、销售金额、进货量、菜品种类总数以及每日菜价水平所对应的状态空间数，其中，除了特征变量农残检测结果只有“安全”和“不安全”两种状态外，其余特征变量均有“低”、“中”和“高”的三种状态；步骤d3，分析待评价的特征变量与先验的特征变量之间的因果依赖关系，进行条件独立性分析，以完成农贸市场的贝叶斯网络拓扑结构设计，并形成有向无环图。

全文数据：

权利要求：

百度查询： 国研软件股份有限公司 一种基于贝叶斯网络的农贸市场日画像构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD