基于LSTM深度神经网络的情感分析方法

传统的RNN(Recurrent Neural Network,循环神经网络)模型可以充分地利用上下文信息构建语言模型,在情感分析领域取得了较好的效果,但该方法存在梯度消失与梯度爆炸问题。本研究在RNN循环神经网络的基础上,建立LSTM(Long Short-Term Memory,长短记忆网络)深度神经网络模型,对文本情感进行分析,通过在公开数据集UMICH SI650上的相关实验,结果表明,LSTM网络模型比RNN网络模型情感分析分类预测准确率更高,且训练速度更快。

基于系统动力学的电子商务供应链协同库存管理研究——以啤酒行业为例

通过调查研究发现我国供应链库存需求信息传递仍以层级式传递为主,影响供应链库存量的核心因素在于需求信息精准、无误差传递,针对供应链库存管理的主要问题,结合电子商务的发展以及供应链库存管理提出基于电子商务供应链协同库存管理解决方案,并以啤酒行业为例,结合系统动力学以及仿真软件Vensim的基础上,简化了啤酒行业协同供应链计算机模型,论证了该方案的可行性。

5G技术在供应链协同库存管理数据采集中的应用

文中建立了以大数据为背景的供应链协同库存管理模型,通过对供应链信息采集现状的分析,指出了供应链协同库存动态信息采集的主要问题和技术缺陷,提出了基于智能地理和物联网的5G移动通信技术和RFID综合利用的供应链协同库存动态信息解决方案,以满足供应链协同库存管理的事实、动态可视化和智能化。

大数据背景下企业供应链协同库存管理模型构建研究

大数据时代已经到来,将大数据与供应链库存管理的融合,深化大数据在行业中的应用,增强供应链整体韧性,有效提升整体供应链运作效率和利润。本文对有关概念进行概述,探讨了大数据背景下企业供应链协同库存管理模型的构建,并给出了模型应用过程中可能存在的问题以及相应的对策。