大语言模型在构建UNSPSC 分类数据中的应用

原创 已于 2024-09-27 10:28:24 修改 · 1.5k 阅读 · 29
于 2024-09-26 11:20:57 首次发布

        UNSPSC 是联合国标准产品和服务代码。UNSPSC由联合国开发计划署（UNDP）和Dun & Bradstreet公司（D & B）于1998年联合制定，自2003年以来一直由GS1 US管理。GS1 US 将在 2024 年底前将 UNSPSC 的管理权移交给 UNDP。

        本文主要研究如何使用mongoDB数据库，nodeJS的javascript程序，大语言模型（chatGPT）生产UNSPSC 分类系统的数据。

下载unspsc 文档

        首先下载 unspsc  分类EXCEL 文档，unspsc 官网（https://www.unspsc.org/）上无法下载，大概要成为unspsc 的subscriber  之后才可以，但是我不知道如何能够成为unspsc 的订阅者。

        国内的道客巴巴上有个中文翻译文档，结果下载下来才发现编码与描述不对版，也许是早期的东西吧，白瞎了34元。我是在康奈尔大学的网站上下载了一个英文的unspsc 文档，在联合国全球市场网下载了一个中文的文档。

     有读者告诉我正确的方法，请在评论区留言。

下载unspsc 分类

从康奈尔大学的网站上下载了一个unspsc 文档，包含的商品大约149851个.

标签
#chatGPT #大数据 #UNSPSC
最低0.47元/天 解锁文章
姚家湾
关注
Kafka 消费积压排查：Lag 飙升与分区倾斜决策树
探索云原生与智能化驱动下的安全运维新范式。关注DevSecOps、可观测性、AIOps等前沿领域，与您共赴技术前沿。
08-22 232
消息队列积压告警经常被当成「加机器」。单个分区被热点 key 打满、消费者线程卡在下游、或误把 Offset 重置到 earliest。乱会让下游重放几天数据。本文面向中级中间件 / 应用运维，覆盖开源 Kafka 与托管 MSK 都能用的只读命令。不讲如何从零搭集群，也不重复 ISR/副本不足类故障。先--dry-run，再停消费者，最后--execute# 必须先停掉所有该 group 的消费者Lag 先看是否在线、是否倾斜、是否生产突刺。加分区救不了已经堆在热点分区上的数据。
华为od 面试八股文_数据库_01_含答案
MISAYAONE的博客
01-12 2021
华为od 面试八股文_数据库_01_含答案
GS1-全球分类标准
姚家湾博客
03-30 2744
GS1是一个中立的全球合作平台，汇集行业领袖、政府、监管机构、学术界和协会，共同开发基于标准的解决方案，以应对数据交换的挑战。产品的详细区分是由许多的属性来决定，比如红色的车与蓝色的车是不同的产品。UNSPSC 是一个产品分类编码方案，它在Commodity 的栏目描述中，可以增加所谓的“noun-modifier”名称-修饰符对来描述产品的属性，构建数据模型。由GS1 US为联合国开发计划署（UNDP）管理，是一个开放的、全球性的、多部门的标准，用于高效、准确地对产品和服务进行分类。
基于Python+Yolov5苹果水果检测识别+源代码+文档说明（高分项目）.zip
基于Python+Yolov5苹果水果检测识别+源代码+文档说明（高分项目）.zip本资源中的源码都是经过本地编译过可运行的，下载后按照文档配置好环境就可以运行。资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要的话可以放心下载使用。基于Python+Yolov5苹果水果检测识别+源代码+文档说明（高分项目）.zip本资源中的源码都是经过本地编译过可运行的，下载后按照文档配置好环境就可以运行。资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要的话可以放心下载使用。基于Python+Yolov5苹果水果检测识别+源代码+文档说明（高分项目）.zip本资源中的源码都是经过本地编译过可运行的，下载后按照文档配置好环境就可以运行。资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用需求，如果有需要的话可以放心下载使用。基于Python+Yolov5苹果水果检测识别+源代码+文档说明（高分项目）.zip本资源中的源码都是经过本地编译过可运行的，下载后按照文档配置好环境就可以运行。资源项目的难度比
解决UNSPSC商品分类的层级不足的方法
姚家湾博客
10-14 1102
还带来的问题是，如果要实现某一种商品统一的产品信息模型，笼统的商品名称是无法做到的，比如电机的类型很多，它们的属性是不尽相同的。三类包含的许多的商品种类，留给自动化控制产品的分类只有两个层级 （Class和Commodity）了，在这两个层级来分类不符合行业的分类习惯。当采用UNSPSC 分类方法用于产品分类时，面临一个问题就是UNSPSC 分类过于宽泛。采用属性来进一步分类是一种折中的方式。必要时，可以使用多个subtypes ，对商品实行更细的分类。（subtypes），用于某一中商品的进一步分类。
ECl@SS学习笔记（1）
姚家湾博客
09-16 2693
ecl@ss 是工业服务，产品，组件和材料的精确描述和分类的标准。
对商品分类系统的若干问题的思考
姚家湾博客
09-20 1893
科学研究的目的就是研究事物的特征，并根据共同的特征加以分类商品分类是商业，制造业中最普遍的活动，几乎所有的企业，电商平台都要对销售的商品，使用的原材料（BOM）进行分类和编号。商品分类貌似没有多少技术含量，它是数字化转型的重要基石。一个不合理的分类方法会导致混乱和难以使用。
ECl@SS学习笔记（2）采纳的国际标准与信息模型
姚家湾博客
10-06 2744
人与人之间能相互沟通的前提是明白对方说什么。这不仅适用于人类的沟通，也适用于软件系统和“对象”之间的沟通。实现这一点最大的挑战是标准化，研究标准至关重要。对于我国制造业而言，我们既要实现自主可控，又要实现对外开发和全球化。符合国际标准仍然是必由之路。 本博文讨论 ECL@SS标准 以及背后的各种标准。
AgentFAIR：基于多智能体协同的地理空间数据FAIR原则自动化评估框架
weixin_29178069的博客
08-17 320
在数据科学和地理信息科学领域，数据质量评估是确保研究可复现和决策可靠性的基石。FAIR原则（可发现、可访问、可互操作、可重用）为此提供了系统化的指导框架，但其手动评估过程往往繁琐且主观。本文探讨的AgentFAIR框架，其核心原理在于将复杂的FAIR评估任务解耦，通过设计多个专业化智能体（如可发现性、可访问性、可互操作性和可重用性智能体），分别聚焦于不同维度的自动化检查。该框架的技术价值在于，它利用规则引擎与机器学习相结合的混合架构，以及基于消息总线或共享工作内存的协同机制，实现了从静态规则匹配到动态、上下
系统主数据管理之物料（Item）二 Item 的编码
兔八哥
01-20 2760
（二）Item 的编码 几乎人人都知道物料编码的重要性，网上也有不少介绍如何管理物料编码的文章，什么“机械行业物料编码”、“电子行业物料编码”等等，诸如此类，不一而足。然而，笔者不得不遗憾地指出来，这些文章大多没有能抓住物料“系统编码管理”的本质与要义，基本上还都是基于手工编码与管理的“电算化”系统设计与实现方式而言的。 “物料编码”既是个非常“简单”的问题，也是个非常“复杂”的问题。说其简单...
系统主数据管理之物料（Item）三 Item 的类别（Category）
兔八哥
01-20 2061
Item 的类别（Category） 上面所讲到的Item编码中的分类（UNSPSC），一般来说还不是系统（各应用功能模块）中真正使用到的类别，原因是编码中的分类所基于的分类基准（或用途）主要考虑的是“工程”目的，而各应用模块例如INV、PO等中所需使用的分类更多地是需考虑业务管理目的，这就好比我们将“人员”分类，有时需按“性别”（男、女）分，有时需按“学历”（博士、硕士、学士）分，有时还需按“...
一条 SQL 顶一条 Flink 链路？Doris Streaming Job 持续导入全景解析
一入大数据深似海?别怕!“数据极客圈”就是你的救生圈，走对圈子跟对人，趣析数据、畅聊趋势，快进圈子!
08-21 269
Streaming Job 的意义不在于"又多了导数方式"，而在于 Doris 把**数据接入**这件事的默认形态从"搭一条外部管道"变成了"发一条 SQL"。对于大量只需要镜像同步 + 轻量加工的实时数仓场景，架构里可以直接少掉 Kafka 和 Flink 两层。
头歌实践教学平台：大数据存储2023（十二）
qaziy的博客
08-23 181
十二、Hive基本查询操作（二） 第1关：Hive排序 第2关：Hive数据类型和类型转换 第3关：Hive抽样查询 有任何问题都可以随时关注私信！
Elasticsearch 学习笔记筑基-文档操作篇
2201_75455813的博客
08-21 230
本文全面系统地介绍了 Elasticsearch 文档操作的核心知识，涵盖文档的新增（指定ID、自动生成ID、创建式新增）、更新（全量更新、部分更新、脚本更新、批量更新）、查询（ID查询、字段过滤、批量查询）和删除（ID删除、批量删除、按查询删除）四大操作。文章不仅提供了详细的语法示例和返回结果解析，还通过实际应用场景（用户管理、商品管理、日志记录、订单管理、计数器）展示了如何在实际项目中应用这些操作。最后，总结了最佳实践建议、常用命令速查、返回结果字段详解和注意事项，帮助开发者高效、安全地使用 Elast
制造业时序数据库选型指南：8 大主流 TSDB 深度对比与场景适配（二）
葡萄城技术团队博客
08-18 295
制造业数字化转型中，时序数据库选型面临诸多挑战。本文系统对比了八大主流时序存储引擎（InfluxDB、TimescaleDB、TDengine、Prometheus、QuestDB、VictoriaMetrics、Apache IoTDB、ClickHouse），从技术架构、工业协议适配、许可证合规、性能特点等维度展开分析，针对不同制造业场景（设备采集、产线监控、能耗统计等）给出适配建议。重点提出三步选型框架。
头歌实践教学平台：大数据存储2023（六）
qaziy的博客
08-22 183
六、HBase 开发：批量操作 　　 第1关：批量获取数据 　　 第2关：批量删除数据 　　 第3关：批量导入数据至HBase 有任何问题都可以随时关注私信！
竞品数据异常检测：OpenClaw 实时监控竞品价格与销量公开数据，异常波动自动告警实战详解
最新发布
qinzhenyan的博客
08-23 278
竞品数据异常检测，本质上是一项将数据采集、指标治理、统计分析和业务运营打通的工作。OpenClaw 通过五层架构和分层检测策略，实现了从公开数据采集到异常自动告警的完整闭环。它的价值不在于技术有多复杂，而在于能够在业务需要的时刻，以可靠的方式把有价值的竞品情报送到决策者面前。
【Kafka学习2】Apache Kafka 典型应用场景
海兰
08-18 300
Kafka作为分布式流处理平台，在多个场景中展现出核心优势。它最初为网站活动跟踪设计，具备高吞吐、低延迟特性，支持百万级消息处理。在大规模消息队列场景中，Kafka通过分区机制和持久化存储解决了传统MQ的扩展性瓶颈；在日志聚合方面，其实时流式处理能力显著优于传统文件收集方式。此外，Kafka原生支持流处理管道搭建，通过Kafka Streams实现状态化处理，并完美适配事件溯源模式，成为分布式系统的可靠提交日志。其多订阅、副本容错等特性，使其在指标监控等场景中表现优异。综合来看，Kafka已从消息中间件演进
大数据业务环节与系统能力解析
buligbulig的博客
08-20 210
最终，数据可通过Restful接口、JDBC等方式对外共享，输出形式涵盖批量、实时与高并发等场景。整体架构中，各组件分工明确：Flume侧重日志收集，Kafka承担消息缓存，HBase适用于随机读写场景，Hive则面向批量分析。从业务链条来看，大数据处理通常包含业务理解、数据准备、数据挖掘与分析应用四个环节，与之对应的是三类主要职能：系统研发（负责平台搭建、ETL及运维）、数据挖掘（负责模型研究与核心算法）、分析应用（对接需求并输出解决方案，常承担统筹协调角色）。国际数据治理协会（IDGA）
WALink 短链接服务技术解析：架构、功能实现与开发者视角
m0_74320929的博客
08-20 390
从技术角度看，现代短链接服务已远非简单的键值存储重定向。它融合了高并发架构、实时数据处理、精细化访问控制与开发者友好的 API 设计，成为一个可嵌入业务流的基础设施组件。合理选型：根据业务阶段与团队能力，选择 SaaS、开源或自研方案。高效集成：充分利用 API 与 Webhook，将短链接能力自动化集成到 CI/CD、监控告警、营销自动化等流程中。性能优化：在设计自有系统时，借鉴其缓存策略、异步处理与数据聚合架构。安全加固：实施类似的密码保护、过期机制与恶意检测，提升自身业务链接的安全性。
计算机毕业设计选题推荐【基于大数据的气象站地面观测数据分析与可视化】Hadoop+Spark+K-Means
BYSJLG的博客
08-21 234
本项目《基于大数据的气象站地面观测数据分析与可视化》用 Hadoop + Spark（PySpark）完成约 10 万条观测数据的清洗与多维统计，覆盖气温变化、降水特征、风场结构、湿压协同、能见视程与天气画像六类分析；天气画像侧采用 K-Means 做天气类型聚类、Isolation Forest 做异常时次侦测，结果经 Django + Vue + ECharts 以分析页与可视化大屏呈现，便于查看分型结构与异常样本。
【Kafka学习1】 事件流（Event Streaming）
海兰
08-18 226
文章摘要：Apache Kafka是一个分布式事件流平台，用于实时捕获、存储和处理事件流数据。它具备发布订阅、持久存储和处理事件的能力，适用于金融、物流、医疗等多个行业。Kafka通过分区和副本机制实现高吞吐、容错和可扩展性，支持多语言客户端和精确一次语义。其核心概念包括事件、主题、分区、生产者和消费者，能够满足现代企业对实时数据流处理的需求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值