دسته بندی هوشمند کالاهای حمل ونقل جاده ای با استفاده از هوش مصنوعی و تحلیل داده های متنی

مدیریت هوشمند داده های لجستیکی، به ویژه شناسایی نوع محموله ها، نقش مهمی در بهینه سازی زنجیره تامین و برنامه ریزی حمل ونقل دارد. با توجه به حجم بسیار بالای داده های بارنامه و تنوع زیاد نام گذاری کالاها، دسته بندی خودکار کالاها به یک ضرورت عملی تبدیل شده است. در این پژوهش، هدف دسته بندی کالاهای حمل ونقل جاده ای بر اساس نام آن ها است. داده ها شامل بیش از ۶۰۰ هزار رکورد بارنامه ثبت شده در سال ۱۴۰۳ در استان قم است که ۴۲ ویژگی مختلف از جمله مشخصات کالا، اطلاعات مالی و مسیرهای حمل را دربر می گیرد. در این مطالعه، از تعبیه های معنایی استخراج شده توسط مدل FastText برای نمایش عددی نام کالاها استفاده شده است. سپس با بهره گیری از الگوریتم UMAP برای کاهش بعد و الگوریتم Mini-Batch K-Means خوشه بندی بدون ناظر انجام شده و کالاها در گروه های معنایی قرار گرفته اند. در مرحله بعد، برچسب های خوشه ها برای آموزش یک مدل نیمه نظارتی SVM به کار رفته است. نتایج حاصل نشان می دهد مدل پیشنهادی دقت بالایی در طبقه بندی کالاها دارد و می تواند به عنوان ابزاری کارآمد برای شرکت های حمل ونقل و نهادهای برنامه ریز مورد استفاده قرار گیرد تا فرآیندهای تحلیل جریان کالا و مدیریت لجستیک به صورت هوشمند و خودکار انجام شود. این سیستم به عنوان یک سامانه پشتیبان تصمیم گیری هوشمند، می تواند مبنای تحلیل های لجستیکی و برنامه ریزی های استراتژیک در سازمان های حمل ونقل قرار گیرد.

کلیدواژه ها:

پردازش زبان طبیعی ، هوش مصنوعی در مدیریت لجستیک ، دسته بندی متنی سازمانی ، FastText