(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 202211250431.4 (22)申请日 2022.10.13 (71)申请人 创域智能 （常熟） 网联科技有限公司 地址 215500 江苏省苏州市 常熟市东 南街 道云深路2号 (72)发明人 邹春风　高春亚　张菊　杨建国　 陈佳妮　 (74)专利代理 机构 苏州瞪羚知识产权代理事务 所(普通合伙) 32438 专利代理师 张宇 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/06(2012.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 基于大数据的物流信息处理方法及人工智 能服务器 (57)摘要 本申请提供了基于大数据的物流信息处理 方法及人工智能服务器； 根据第一智慧物流配送 环境的多个第一配送资源分布信息示例启用人 工智能神经网络， 以获取多个第二配送资源分布 信息示例； 根据第二智慧物流配送环 境的多个第 三配送资源分布信息示例以及分别对应的类型 差异化关键词， 训练用于第二智慧物 流配送环境 的第一资源分布差异化分析网络； 并对多个第二 配送资源分布信息示例进行根据量化可信数据 的信息选定处理； 根据得到的第二配送资源分布 信息示例， 训练第二资源分布差异化分析网络。 通过本申请， 能够智能化获取不同智慧物流配送 环境的配送资源分布信息示例， 进而提高配送资 源分布信息的差异化分析的准确性和时效性。 权利要求书4页 说明书12页 附图2页 CN 115330319 A 2022.11.11 CN 115330319 A 1.一种基于大 数据的物流信息处 理方法， 其特 征在于， 应用于人工智能服 务器， 包括： 根据第一智慧物流配送环境的多个第一配送资源分布信息示例启用人工智能神经网 络， 以获取与所述多个第一配送资源分布信息示例一对一匹配的多个第二配送资源分布信 息示例； 其中， 所述多个第二配送资源分布信息示例采用区别于所述第一智慧物流配送环 境的第二智慧物流配送 环境； 根据所述第二智慧物流配送环境的多个第三配送资源分布信息示例以及分别对应的 类型差异化关键词， 训练用于所述第二智慧物流配送环境的第一资源分布差异化分析网 络； 通过完成训练的所述第一资源分布差异化分析网络对所述多个第二配送资源分布信 息示例进行根据量 化可信数据的信息 选定处理； 根据所述信 息选定处理得到的第 二配送资源分布信 息示例， 训练用于所述第 二智慧物 流配送环境的第二资源分布差异化分析网络； 其中， 所述第二资源分布差异化分析网络的 架构复杂度大于所述第一资源分布差异化分析网络的架构复杂度。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述信 息选定处理得到的第 二配 送资源分布信息示例， 训练用于所述第二智慧物流配送环境的第二资源分布差异化分析网 络之前， 所述方法还 包括： 根据资源分布差异化分析网络的网络性能量化数据与在设定时序步长内所能够消化 的配送资源分布信息示例的数目的映射列表， 确定与训练所述第二资源分布差异化分析网 络所能够使用的网络性能量 化数据匹配的目标示例数目； 从根据所述信息选定处理得到的第 二配送资源分布信 息示例组成的网络训练集中， 信 息选定出对应所述目标示例数目的配送资源分布信息示例， 以作为训练用于所述第二智慧 物流配送 环境的第二资源分布差异化分析网络的示例。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 二智慧物流配送环境的多 个第三配送资源分布信息示例以及分别对应的类型差异 化关键词， 训练用于所述第二智慧 物流配送 环境的第一资源分布差异化分析网络， 包括： 根据所述第二智慧物流配送环境的多个第三配送资源分布信息示例以及分别对应的 类型差异化关键词， 对所述第一资源分布差异化分析网络进行第i轮训练； 通过第i轮训练的所述第 一资源分布差异化分析网络对所述多个第 二配送资源分布信 息示例进行根据量 化可信数据的第i轮信息 选定处理； 根据前i轮信息选定结果、 所述多个第三配送资源分布信息示例以及分别对应的类型 差异化关键词， 对所述第一资源分布差异化分析网络进行第i+1轮训练； 将第i轮训练的所述第 一资源分布差异化分析网络作为所述完成训练 的所述第 一资源 分布差异 化分析网络； 其中， i为约束 条件符合i大于等于1且小于等于j ‑1的整数， 且取值从 1进行自加一， j为大于2的整数， 用于表示循环训练的总 累积轮数。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 二智慧物流配送环境的多 个第三配送资源分布信息示例以及分别对应的类型差异 化关键词， 训练用于所述第二智慧 物流配送 环境的第一资源分布差异化分析网络， 包括： 通过所述第一资源分布差异化分析网络对所述第二智慧物流配送环境的多个第三配 送资源分布信息示例进行估计处理， 得到所述多个第三配送资源分布信息示例分别对应的权　利　要　求　书 1/4 页 2 CN 115330319 A 2估计类型的量 化可信数据； 根据所述估计类型的量化可信数据以及所述第三配送资源分布信息示例的类型差异 化关键词， 组成所述第一资源分布差异化分析网络的代价 函数； 更新所述第 一资源分布差异化分析网络的参量直到所述代价函数满足设定条件， 将所 述代价函数满足设定条件时所述第一资源分布差异 化分析网络的更新的参量， 作为所述完 成训练的所述第一资源分布差异化分析网络的参 量； 相应的， 所述通过所述第 一资源分布差异化分析网络对所述第 二智慧物流配送环境的 多个第三配送资源分布信息示例进行估计处理， 得到所述多个第三配送资源分布信息示例 分别对应的估计 类型的量 化可信数据， 包括： 针对所述多个第三配送资源分布信息示例中的任一第三配送资源分布信息示例实施 如下步骤： 通过所述第一资源分布差异化分析网络实施如下步骤： 对所述第三配送资源分布信 息示例进行特征提取处理， 得到所述第 三配送资源分布信 息示例的视 觉型关键描述； 对所述第三配送资源分布信 息示例的视觉型关键描述进行合并处理， 得到合并关键描 述； 对所述合并关键描述进行非限制性投影处理， 得到所述第 三配送资源分布信 息示例对 应的估计 类型的量 化可信数据。 5.根据权利要求4所述的方法， 其特征在于， 所述第 一资源分布差异化分析网络包括多 个互相之间关联的Sigmoid函数单元； 所述对所述合并关键描述进行非限制性投影处理， 得 到所述第三配送资源分布信息示例对应的估计 类型的量 化可信数据， 包括： 通过所述多个互相之间关联的Si gmoid函数单元的第一个Si gmoid函数单元， 对所述合 并关键描述进行 所述第一个Sigmo id函数单元的投影操作； 将所述第一个Sigmoid函数单元的投影结果传输至下游互相之间关联的Sigmoid函数 单元， 以在所述下游互相之间关联的Sigmoid函数单元中继续进行投影操作和投影结果输 出， 直到传输 至位于关联路径末尾的Sigmo id函数单元； 将所述位于关联路径末尾的Sigmoid函数单元输出的触发结果作为所述第三配送资源 分布信息示例对应的估计 类型的量 化可信数据。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述信 息选定处理得到的第 二配 送资源分布信息示例， 训练用于所述第二智慧物流配送环境的第二资源分布差异化分析网 络， 包括： 确定所述信息 选定处理得到的第二配送资源分布信息示例在多个 类型的热力图； 当所述信息选定处理得到的第二配送资源分布信息示例在多个类型的热力图符合热 力图协调指标、 且在每个类型 的数目大于对应的类型数目阈值时， 从所述信息选定处理得 到的第二配送资源分布信息示例中的每个类型的配送资源分布信息示例中， 任意抓取对应 所述类型 数目阈值的配送资源分布信息示例以组成网络训练集； 根据所述网络训练集训练用于所述第二智慧物流配送环境的第二资源分布差异化分 析网络。 7.根据权利要求1所述的方法， 其特征在于， 所述根据所述信 息选定处理得到的第 二配权　利　要　求　书 2/4 页 3 CN 115330319 A 3