本技术涉及数据处理，尤其涉及一种基于多模态大数据的商品管理方法及系统。
背景技术：
1、随着社会经济的发展和物联网技术的应用，各种商品交易的数据量成倍增长，商品的管理变得日益复杂。传统的商品管理方法通常基于历史销售数据和库存情况进行分析，以得到商品的管理方案，这种方法容易导致管理方案的准确性和可靠性受到影响。
技术实现思路
1、本技术提供一种基于多模态大数据的商品管理方法及系统，以解决上述背景技术提出的问题。
2、第一方面，本技术提供一种基于多模态大数据的商品管理方法，包括：
3、基于大数据获取目标商品的历史数据信息，并对所述历史数据信息进行模态分类，得到多模态数据集；其中，所述多模态数据集包括多个数据子集，各个所述数据子集对应不同模态的数据；
4、分别获取各个所述数据子集对应的商品流通可靠系数，并确定最大的商品流通可靠系数对应的数据子集为第一目标数据子集；
5、基于所述第一目标数据子集生成所述目标商品的初始管理方案；
6、基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案；其中，所述第二目标数据子集为在所有所述数据子集中除所述第一目标数据子集之外的数据子集。
7、在一种可能的实现方式中，所述对所述历史数据信息进行模态分类，得到多模态数据集，包括：
8、针对所述历史数据信息的每个历史数据，将所述历史数据分别输入多个预设的模态分类模型，得到所述历史数据对应的多个模态分类信息；其中，各个所述模态分类模型互不相同，所述模态分类信息包括所述历史数据对应的模态以及所述历史数据属于所述模态的置信度；
9、针对所述历史数据信息的每个历史数据，基于所述历史数据对应的各个置信度确定所述历史数据对应的目标模态；
10、基于每个所述历史数据对应的目标模态生成所述多模态数据集。
11、在一种可能的实现方式中，所述基于所述历史数据对应的各个置信度确定所述历史数据对应的目标模态，包括：
12、针对所述历史数据对应的各个置信度，将所述置信度与预设置信度进行比较，并在所述置信度大于所述预设置信度时，确定所述置信度对应的模态为中间目标模态；
13、对所有所述中间目标模态进行分类，得到多个模态分类集合，并统计各个所述模态分类集合对应的中间目标模态的数量；
14、判断各个所述数量中的最大数量的个数是否大于1；
15、若否，确定最大数量对应的模态分类集合所对应的中间目标模态为目标模态。
16、在一种可能的实现方式中，在所述判断各个所述数量中的最大数量的个数是否大于1之后，所述方法还包括：
17、若是，确定最大数量对应的模态分类集合为目标模态分类集合；
18、针对各个所述目标模态分类集合，计算所述目标模态分类集合中的各个中间目标模态对应的置信度的平均置信度；
19、确定最大的平均置信度对应的目标模态分类集合所对应的中间目标模态为目标模态。
20、在一种可能的实现方式中，所述目标商品对应多个标准商品流通节点，各个所述标准商品流通节点均设有权重系数，所述分别获取各个所述数据子集对应的商品流通可靠系数，包括：
21、针对所述数据子集中的每个历史数据，确定所述历史数据对应的商品流通节点；
22、针对各个所述商品流通节点，统计所述商品流通节点对应的历史数据的数量；
23、基于各个所述商品流通节点对应的历史数据的数量，将各个所述商品流通节点依序排列，得到第一商品流通节点序列；其中，所述第一商品流通节点序列中的各个商品流通节点对应的历史数据的数量依序减小；
24、基于各个所述标准商品流通节点对应的权重系数，将各个所述标准商品流通节点依序排列，得到第二商品流通节点序列；其中，所述第二商品流通节点序列中的各个标准商品流通节点对应的权重系数依序减小；
25、确定所述第一商品流通节点序列与所述第二商品流通节点序列之间的相似度为所述商品流通可靠系数。
26、在一种可能的实现方式中，所述目标商品对应多个标准商品流通节点，所述基于所述第一目标数据子集生成所述目标商品的初始管理方案，包括：
27、针对各个所述标准商品流通节点，在所述第一目标数据子集中确定所述标准商品流通节点对应的第一目标历史数据信息，并基于所述第一目标历史数据信息生成所述标准商品流通节点对应的管理策略；
28、基于各个所述管理策略生成所述初始管理方案。
29、在一种可能的实现方式中，所述基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案，包括：
30、针对各个所述标准商品流通节点，在所有所述第二目标数据子集中确定所述标准商品流通节点对应的第二目标历史数据信息，并基于所述第二目标历史数据信息对所述标准商品流通节点对应的管理策略进行优化。
31、在一种可能的实现方式中，所述方法还包括：
32、获取所述目标商品的商品编码；
33、遍历预设的商品编码-标识函数映射关系表，以获取所述目标商品对应的标识函数；
34、基于所述标识函数和预设的平面直角坐标系生成加密密码，并基于所述加密密码对所述目标管理方案进行加密处理。
35、在一种可能的实现方式中，所述基于所述标识函数和预设的平面直角坐标系生成加密密码，包括：
36、在所述平面直角坐标系中绘制所述标识函数的第一函数曲线；其中，所述平面直角坐标系设有背景图像，所述标识函数的定义域为有限区间；
37、在所述第一函数曲线上确定目标坐标点，并确定所述目标坐标点处的切线与所述平面直角坐标系的横轴之间的夹角的角度；其中，在所述第一函数曲线上，所述目标坐标点对应的切线的斜率值最大；
38、以所述目标坐标点为旋转中心，将所述第一函数曲线沿顺时针方向旋转所述角度，得到第二函数曲线；
39、对所述第一函数曲线进行积分处理，得到第一积分区域，并对所述第二函数曲线进行积分处理，得到第二积分区域；
40、基于所述第一积分区域和所述第二积分区域确定目标区域；其中，所述目标区域为所述第一积分区域与所述第二积分区域的重合区域；
41、对所述目标区域进行特征编码，得到所述加密密码。
42、第二方面，本技术提供一种基于多模态大数据的商品管理系统，包括：
43、第一获取模块，用于基于大数据获取目标商品的历史数据信息，并对所述历史数据信息进行模态分类，得到多模态数据集；其中，所述多模态数据集包括多个数据子集，各个所述数据子集对应不同模态的数据；
44、第二获取模块，用于分别获取各个所述数据子集对应的商品流通可靠系数，并确定最大的商品流通可靠系数对应的数据子集为第一目标数据子集；
45、生成模块，用于基于所述第一目标数据子集生成所述目标商品的初始管理方案；
46、优化模块，用于基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案；其中，所述第二目标数据子集为在所有所述数据子集中除所述第一目标数据子集之外的数据子集。
47、本技术提供了基于多模态大数据的商品管理方法及系统，其中，所述方法包括：基于大数据获取目标商品的历史数据信息，并对所述历史数据信息进行模态分类，得到多模态数据集；其中，所述多模态数据集包括多个数据子集，各个所述数据子集对应不同模态的数据；分别获取各个所述数据子集对应的商品流通可靠系数，并确定最大的商品流通可靠系数对应的数据子集为第一目标数据子集；基于所述第一目标数据子集生成所述目标商品的初始管理方案；基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案；其中，所述第二目标数据子集为在所有所述数据子集中除所述第一目标数据子集之外的数据子集。该方法，一方面，通过基于大数据获取目标商品的历史数据信息，并对所述历史数据信息进行模态分类，得到多模态数据集，能够获得所述目标商品的多角度信息，有助于深入分析目标商品的特征、市场表现、以及受众群体的偏好等方面的信息，另一方面，通过分别获取各个所述数据子集对应的商品流通可靠系数，并确定最大的商品流通可靠系数对应的数据子集为第一目标数据子集，有助于提高商品管理方法的准确性和可靠性，再一方面，通过基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案，能够更好地针对具体情况进行管理方案的调整，提高了管理方案的精准性和实用性，以提高货物的流通速度、降低成本，并确保产品能够及时地、有序地流向市场。
1.一种基于多模态大数据的商品管理方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态大数据的商品管理方法，其特征在于，所述对所述历史数据信息进行模态分类，得到多模态数据集，包括：
3.根据权利要求2所述的基于多模态大数据的商品管理方法，其特征在于，所述基于所述历史数据对应的各个置信度确定所述历史数据对应的目标模态，包括：
4.根据权利要求3所述的基于多模态大数据的商品管理方法，其特征在于，在所述判断各个所述数量中的最大数量的个数是否大于1之后，所述方法还包括：
5.根据权利要求1所述的基于多模态大数据的商品管理方法，其特征在于，所述目标商品对应多个标准商品流通节点，各个所述标准商品流通节点均设有权重系数，所述分别获取各个所述数据子集对应的商品流通可靠系数，包括：
6.根据权利要求1所述的基于多模态大数据的商品管理方法，其特征在于，所述目标商品对应多个标准商品流通节点，所述基于所述第一目标数据子集生成所述目标商品的初始管理方案，包括：
7.根据权利要求6所述的基于多模态大数据的商品管理方法，其特征在于，所述基于各个第二目标数据子集对所述初始管理方案进行优化，得到所述目标商品的目标管理方案，包括：
8.根据权利要求1所述的基于多模态大数据的商品管理方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的基于多模态大数据的商品管理方法，其特征在于，所述基于所述标识函数和预设的平面直角坐标系生成加密密码，包括：
10.一种基于多模态大数据的商品管理系统，其特征在于，包括：
