消费行业大数据驱动的融合微观-中观-宏观多层行为与目标的可预见全景式管理决策分析模型和方法

结题报告

项目介绍

AI项目解读

基本信息

批准号：
91746203
项目类别：
重大研究计划
资助金额：
240.0万
负责人：
骆祥峰
依托单位：
上海大学
学科分类：
G0112.信息系统与管理
结题年份：
2021
批准年份：
2017
项目状态：
已结题
起止时间：
2018-01-01 至2021-12-31

项目参与者：
盛子夏；郭毅可；徐凌宇；叶飞跃；王冰；陈雪；黄敬；张可尊；徐学可；
关键词：
知识网络知识传播知识集成路径演化

项目摘要

At first, this research innovatively constructs a three-layer knowledge base of behavior, content and emotion, i.e., microscopic entity knowledge base, mesoscopic industry knowledge base, and macroscopic event causality knowledge base, through mining multi-source big data of consuming industry, which can be considered as the cognitive representation and organization of the behavior, content and emotion hidden in the multi-source big data. Furthermore, combing spreading activation method and interaction among knowledge bases, a consuming industry learning model, which learns development trajectory and tendency of consuming industry, is built for the simulation and prediction of the consuming industry based on the constructed three-layer knowledge base. And then, with the three-layer knowledge base and its learning model in hand, this research is expected to study decision-making objective and its evolution, gain diversified and panoramic decision-making knowledge, and appraise decision-making effect. Finally, multi-source big data of food industry driven, a demonstration platform are designed and developed to realize the panoramic and customized management and decision-making.

首先，对消费行业多源大数据中用户、产品、企业等微观个体行为，企业间竞争与协作关系等中观行业行为，及事件间因果关系等宏观行为，建立融合微观-中观-宏观多层行为及其内容与情感的知识图谱及其关联映射方法，以对消费行业大数据中碎片、稀疏和多样的行为及其内容和情感分布进行整体感知、关联与认知，以作为消费行业多源大数据可预见全景式管理决策知识表达与组织的载体；然后，以消费行业行为及其内容和情感的知识图谱为载体，以交互协同计算为手段，以消费行业多层行为之间的相互影响与相互作用关系为动力，研究融合多层行为与目标的消费行业运动轨迹的生成模型，为消费行业发展趋势的可预见全景式管理提供丰富的决策知识；继而，研究决策目标细化与演化方法，多样化全景式决策环境获取方法，管理决策知识优化机制及决策效果评估等；最后，研发食品行业多源大数据驱动的食品行业运行风险可预见全景式管理决策实例化应用平台，以验证研究的效果与可行性。

结项摘要

消费行业大数据中蕴含了大规模碎片、多样、动态与稀疏的多层多维决策要素。如何对这些要素进行组织与表达、如何感知、获取与融合、如何利用这些决策要素进行行业管理决策及企业经营风险决策，成为一个挑战问题。为此，本项目主要研究内容与创新点为：.1提出“微观/企业知识-中观/行业知识-宏观/事件关联与因果知识”的多层多维决策要素可缩放、全景式组织与表达方法.通过对消费行业大数据中蕴含的决策要素建立多层多维知识表达方法，对行业大数据中碎片、稀疏和多样性的决策要素进行组织与关联认知，以实现决策要素多粒度缩放与关系的动态融合，可更加精细地对决策要素进行不同粒度的全景式刻画，从而可为管理决策提供可缩放、全景式的决策情景要素及其整体认知。.2构建嵌入情感的企业知识图谱、产品产业链、企业上下游关系、竞争与控股关系等知识图谱，以及事件间因果与关联关系知识图谱，事件实体对等，以感知和获取具有微-中-宏观多层多维决策要素，实现决策要素多层多维的跨界关联. 建立微观企业、产品产业链及同义词的知识图谱等，实现微观企业多维决策要素同层多维跨界关联；建立企业间的上下游关系、竞争关系、控股关系等知识图谱，实现中观行业间决策要素同层多维跨界关联；建立事件间因果与关联关系，实现事件间同层多维跨界关联；挖掘事件要素、事件实体对，实现宏-中-微观多层间决策要素跨界关联，以实现多层多维决策要素的智能感知、宏-中-微观决策要素可测可获。.3以事件要素为线索、以决策要素知识流动为驱动力，实现基于线索的可预见管理决策，以及决策要素可追溯和实施路径可计算的管理决策.通过事件要素抽取、事件语义聚类、从而可快速地发现有价值的事件线索；挖掘事件间的演化模式，研究基于事件语义聚集和关系驱动的事件演化方法，以帮助企业和政府实时掌握事件发展动向与趋势，辅助管理者进行应对决策，降低企业经营过程中存在的风险，实现可预测的管理决策。.上述核心关键技术在支付宝、中国银联等单位展开技术可行性验证。