CN106383894A - 一种企业供需信息匹配方法和装置 - Google Patents

一种企业供需信息匹配方法和装置 Download PDF

Info

Publication number
CN106383894A
CN106383894A CN201610849106.8A CN201610849106A CN106383894A CN 106383894 A CN106383894 A CN 106383894A CN 201610849106 A CN201610849106 A CN 201610849106A CN 106383894 A CN106383894 A CN 106383894A
Authority
CN
China
Prior art keywords
supply
demand
enterprise
matching
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610849106.8A
Other languages
English (en)
Inventor
刘茜
陈润鑫
张宇
胡诗财
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen By Heart Network Technology Co Ltd
Original Assignee
Shenzhen By Heart Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen By Heart Network Technology Co Ltd filed Critical Shenzhen By Heart Network Technology Co Ltd
Priority to CN201610849106.8A priority Critical patent/CN106383894A/zh
Publication of CN106383894A publication Critical patent/CN106383894A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9562—Bookmark management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种企业供需信息匹配方法和装置，包括如下步骤：（1）、构建特征标签库；（2）、根据用户在平台上的操作行为构建用户行为标签库；（3）、根据步骤（1）和步骤（2）构建的标签库构建一个供需关键词匹配库；（4）、给待匹配企业及供需贴关键词标签；（5）、从有标签描述的企业供需中选择出匹配的供需列表；（6）、从匹配的供需列表中过滤掉部分供需形成推荐列表；（7）、将供需推荐列表推荐给用户。本申请能够为企业提供双向快速查找，促进企业的高效合作。

Description

一种企业供需信息匹配方法和装置
技术领域
本申请涉及一种企业供需信息匹配方法和装置，特别涉及一种提供快速高效双向企业供需信息匹配方法和装置。
背景技术
随着互联网+这一互联网发展新业态的兴起，在大众创业，万众创新的热潮中，企业与企业之间的高效合作显得越来越重要。互联网已经不再是一个简单的工具，而是更加深刻深入的融入到了企业的精细化运营中。通过数据、技术、业务的融合提高企业经营效率，降低成本，增加营收已经成为一种新的变革。现有的企业之间合作不管是从效率上和合作的精准度上都略显粗放传统，这样传统的合作对接方式在一个互联网+变革的时代并不能很好的满足中国几千万家企业之间的合作需求。企业的基本信息、经营类型、提供的产品服务、竞争力、信用情况、行业动态、市场资讯，潜在客户等等信息缺乏一种高效精准的查询匹配方法，一方面是获取这些信息缺乏一个统一的入口，另一方面是为了找到适合的合作企业要投入不少时间和人力物力。虽然查询企业的基本工商注册信息已经有不少互联网工具或网站可以查询，但是仅凭这些信息仍很难促进企业之间进行高效合作。现有技术的各种实现，大多是传统的互联网技术，要依赖用户的单向主动搜索查询。存在企业信息供需合作信息不全，时效性差，不精准等缺点。
发明内容
为解决上述技术问题：本发明提出一种企业供需信息匹配方法，包括如下步骤：
（1）、构建特征标签库；
（2）、根据用户在平台上的操作行为构建用户行为标签库；
（3）、根据步骤（1）和步骤（2）构建的标签库构建一个供需关键词匹配库；
（4）、给待匹配企业及供需贴关键词标签；
（5）、从有标签描述的企业供需中选择出匹配的供需列表；
（6）、从匹配的供需列表中过滤掉部分供需形成推荐列表；
（7）、将供需推荐列表推荐给用户。
优选的是，所述步骤（1）具体包括，根据企业的基本信息，用户信息，资讯活动信息，供需描述信息进行关键词标签的抽取，构建特征标签库。
优选的是，所述步骤（3）具体包括：
（301）、通过人工进行编辑匹配的训练数据构建前期匹配库；
（302）、通过该训练数据对后续的匹配算法进行训练
（303）、不断优化匹配算法，将训练优化的结果继续补充到该供需匹配库。
优选的是，所述步骤（5）具体包括：
（501）、根据目标企业信息提取特征标签集合Map1；
（502）、根据目标企业供需信息提取供需特征标签集合Map2；
（503）、根据目标企业用户的操作行为提取行为标签集合Map3；
（504）、根据目标企业的Map1,Map2,Map3特征标签集合构建一个该企业的标签列表TagList；
（505）、根据企业的TagList去反向找与之匹配的的企业供需列表，最后形成一个供需推荐列表。
优选的是，所述步骤（505）具体包括：
（A）、根据企业的TagList和供需匹配库找到初次匹配的企业供需列表；
（B）、计算初次匹配的企业供需列表中每个供需的业务匹配值；
（C）、按照业务匹配值倒叙排序形成最终的企业供需推荐链接。
一种企业供需信息匹配装置，包括
第一构建模块，构建特征标签库；
第二构建模块，根据用户在平台上的操作行为构建用户行为标签库；
第三构建模块，根据第一构建模块和第二构建模块构建的标签库构建一个供需关键词匹配库；
第一标识模块，给待匹配企业及供需贴关键词标签；
第一匹配模块，从有标签描述的企业供需中选择出匹配的供需列表；
第二匹配模块，从匹配的供需列表中过滤掉部分供需形成推荐列表；
第一推荐模块，将供需推荐列表推荐给用户。
优选的是，所述第三构建单元具体包括：
匹配编辑模块，通过人工进行编辑匹配的训练数据构建前期匹配库；
训练模块，通过该训练数据对后续的匹配算法进行训练
更新模块，不断优化匹配算法，将训练优化的结果继续补充到该供需匹配库。
优选的是，所述第二匹配模块具体包括：
第一获取模块，根据目标企业信息提取特征标签集合Map1；
第二获取模块，根据目标企业供需信息提取供需特征标签集合Map2；
第三获取模块，根据目标企业用户的操作行为提取行为标签集合Map3；
正向匹配模块，根据目标企业的Map1,Map2,Map3特征标签集合构建一个该企业的标签列表TagList；
反向验证模块，根据企业的TagList去反向找与之匹配的的企业供需列表，最后形成一个供需推荐列表。
优选的是，所述反向验证模块具体包括：
初次匹配模块，根据企业的TagList和供需匹配库找到初次匹配的企业供需列表；
匹配计算模块，计算初次匹配的企业供需列表中每个供需的业务匹配值；
匹配确认模块，按照业务匹配值倒叙排序形成最终的企业供需推荐链接。
优选的是，所述标签库设置不同的权重值，所述权重值通过机器学习更新完善。
本申请与其他电商网站基于内容的匹配推荐或者基于用户行为的匹配推荐不同的关键点在于引入了业务匹配值计算，仅仅根据标签同类或者类似的推荐很难做出让企业满足的供需合作推荐列表。具有以下优点：1、首先会构建一个经过人工处理的供需标签匹配库，并给每个供需标签配对设置不同的权重值；2、构建初次的推荐供需列表时同时参考了3个标签库Map1,Map2,Map3。既有动态的信息也有静态的信息。保证了推荐列表的准备度和可扩充度；3、对初次的推荐供需列表会进行二次遍历，进一步计算各自的业务匹配值。值越大推荐越准确；4、为每家企业推荐匹配供需的过程也是整个方案进行自我学习进化的过程，提取的供需标签配对值会不断完善优化供需匹配库。
附图说明
图1为本申请的提供的方法流程图的一种优选的示意图。
图2为本申请生成推荐列表的一种优选的示意图。
图3为本申请生成供需推荐列表的一种优选的示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本发明进行进一步的说明，不能理解为对本发明保护范围的限制，该领域的技术人员可以根据上述发明内容对本发明作出一些非本质的改进和调整。
图1示出了本发明提供的方法流程图。
在该流程图中首先根据企业的基本信息，用户信息，资讯活动信息，供需描述信息进行关键词标签的抽取。其中的企业信息包括企业的经营范围、所处行业、发展阶段、企业规模、业务覆盖城市、企业的等，用户指在平台已注册并且加入了某家企业的企业用户，他的信息包括所在企业，职务类型，所在城市，性别等，资讯活动信息指资讯所属的行业，资讯类别等；活动信息指活动类型、举办时间、举办城市、规模等。供需描述信息包括供需描述内容、门槛，有效时间，地区等。
其中，根据企业信息、用户信息、资讯活动信息构建特征标签库，特征标签库中有一个企业行业库，企业供需类型库。特征库中是一些名词或者形容词。抽取的关键词来自以下维度：
1， 企业信息：所处行业、企业介绍、提供的产品服务描述、所处城市、企业规模、发展阶段、团队人员介绍等。
2， 供需信息：供需类型、时间、城市、合作门槛、供需描述内容等。
3， 资讯信息：资讯的标题、行业类型、资讯内容等。
4， 活动信息: 活动标题、举办城市、时间、活动类型、描述、活动组织者、报名人数、是否收费等。
5， 用户信息：用户职位、所在企业、所处行业、性别、工作城市等。
抽取的关键词库由行业，供需类型，城市，常用时间，资讯类别等组成。至此，企业、供需、资讯活动的特征标签库抽取工作完毕。
根据供需信息、企业信息、用户信息、资讯活动信息构建特征标签库。在推荐系统看来，企业信息，用户注册填的信息，资讯活动信息，企业相关新闻等都属于文档。所有构建特征标签库的过程就是提取文档关键词的过程。提取文档关键词可以通过人工提取+机器自动提取相结合的方式。
企业介绍、企业供需资源描述、用户注册信息、资讯文章信息、活动内容描述信息这5个是整个特征标签库的信息来源。
人工提取的主要是行业标签、地区标签、供需标签。提取的算法如下：
行业标签：互联网行业19个一级行业标签，每个一级行业标签下提取几个细分行业标签。
例如：“电子商务”是一级行业标签，“电子商务”一级行业下有“生鲜电商”、“跨境电商”、“母婴电商”等子行业标签。非互联网行业的一级行业标签。
地区标签：地区标签按照省份-城市的方式 构建。
供需标签：供需标签的人工提取过程如下：
1） 用中文分词技术对系统里所有的供需描述信息进行分词，分词后去掉停用词，筛选出所有的动词和名词。统计所有名词和动词的出现次数，比如出现次数比较多的名词有：“资源”、“广告”、“活动”、“品牌”、“渠道”、“礼品”等，出现次数比较多的动词有：“合作”、“赞助”、“推广”、“互换”、“联合”等。
2） 按照出现次数对名词和动词进行倒序排序，比如取前80%的名词和动词。
3） 组装短语：对第2步得到的名称和动词进行组合排列。不考虑顺序组合的情况下，假设有100个名词，100个动词，会形成100*100=10000个短语。然后通过人工对这10000个短语进行筛选。最后形成一个人工提取的供需标签库。提取的标准是从业务的角度来评判这样的组合是否能用来描述 供需资源。
下面是机器自动其他特征标签的算法
先看企业介绍、资讯文章，活动信息的特征标签提取算法：企业介绍，资讯信息，活动信息等实际上都属于文档。提取特征标签可以用TF-IDF算法来做。
以资讯信息为例，首先对其进行分词，去掉停用词。然后计算每个词语的词频：
设freq(i,j)为词语i在资讯j中的出现次数，给定词语i,令othersWord(i,j)表示j中其他词语的集合。maxOthers (i,j)表示 资讯j中出现次数最多的词的出现频率。
那么TF(i,j) = freq(i,j)/maxOthers(i,j)
TF(i,j)即为词语i在资讯j中的词频。
IDF(i) = log (N/n(i))。IDF(i) 为词语i在资讯j中的反文档频率, N为所有的资讯总数，n(i)为包含该词语i的资讯数。
TF-IDF(i,j） = TF(i,j)*IDF(i)
计算每个资讯j中每个关键词的TF-IDF(i,j)值，然后按照倒序排序，取排名靠前的几个关键词作为该资讯的特征标签。当系统里所有资讯的特征标签提取出来后，去重后得到资讯的特征标签库。
从企业介绍信息中提取企业特征标签的过程也类似，用的依然是TF-IDF算法。
而从供需信息中用TF-IDF法自动提取特征标签的过程，会利用人工编辑提取的短语标签做参考，达到精简规模，降低“噪声”的效果。因为短语比单个词更能描述文本。
图1中的第2步会去记录用户的操作行为，给用户抽取一些他的特征标签。这些标签是因为用户的操作而动态产生的，所有是一个动态变化的标签库，每个注册用户会对应一个行为标签库，用来描述用户的部分特征。操作行为有如下几种：
1， 浏览过哪些企业，浏览过哪些供需，浏览过哪些资讯活动内容
2， 收藏/取消收藏的供需列表，关注/取消的企业列表，私信过的用户列表，发布过的供需列表，
3， 登录的时间，次数
4， 输入过的搜索关键词、选择过的筛选条件
总结一下就是：输入关键词、选择搜索条件、浏览、收藏/取消收藏、关注/取消关注、私信、发布供需行为。每种行为会有一个频次记录，每种行为中涉及得信息内容会对应相应的标签描述。根据这些动态行为和标签描述可以抽取出该用户在平台上的用户行为标签库，进而描绘出该用户的特征画像。为后续供需匹配推荐做准备。
图1中的第3步是构建一个供需匹配库，根据上述两步抽取的标签库，构建一个常见的供需匹配库。
该匹配库前期是通过人工进行编辑匹配的训练数据，通过该训练数据对后续的匹配算法进行训练，不断优化匹配算法。训练优化的结果也可以继续补充到该供需匹配库。匹配推荐的依据并不是基于文本内容进行关键词向量空间相似度计算。因为企业供需对接，更多的是基于业务需求进行对接，而不是基于企业供需描述相似性进行推荐，所以构建的过程会为各个行业的企业合作建立各自的业务需求匹配度计算值，跟电商网站推荐类似的商品或相关的商品给消费者不一样。
图1中的第4步是给待匹配的企业及供需贴特征标签。根据企业所在的行业，业务类型，提供的供需内容描述，再结合上述的特征标签库，可以给企业及供需贴特征标签。其中利用中文分词技术从供需内容描述中找关键词，并且找的关键词要在特征标签库中存在，因为后续做匹配是基于供需标签匹配库来实现的。所以这一步的核心和关键是给待匹配企业贴的特征标签要能代表这家企业提供的供需类型。
图1中的第5步是从有标签描述的企业供需中选择出匹配的供需列表。这一步是整个发明的核心部分，实现的前提条件是前面几个步骤，已经给企业供需贴上了特征标签、有一个供需标签匹配库、企业用户的行为标签库。根据企业A的相关信息，给这家企业推荐与之匹配的供需列表list。具体实现时可通过图2所示的流程实现，具体包括：
步骤201,从企业A的基本信息，行业，经营范围，团队信息等信息中抽取一个特征标签集合Map1。
步骤202,从企业A提供的供需描述中抽取一个供需特征标签集合Map2。
步骤203,根据发布企业供需的这个企业用户在平台上的行为标签库，抽取一个行为标签集合Map3。
步骤204,利用上述的Map1,Map2,Map3和图1步骤3的供需标签匹配库，找到一个推荐标签列表TagList。
步骤205, 根据企业的TagList去反向找与之匹配的的企业供需列表，最后形成一个供需推荐列表。
由于企业信息，供需信息实际上就是文档。而每家企业对应有一个能描述这家企业供需特征的标签集合。由于该发明要实现的是企业供需智能匹配而不是纯粹的基于内容的推荐系统，所以会将向量空间模型应用到供应和需求关键词中，而不是全系统应用找相似性。具体算法算下：
将所有企业的所有供应标签，用分词技术分出所有的名词后，形成一个供应名词列表。
将所有企业的所有需求标签，用分词技术分出所有的名词后，形成一个需求名词列表。
然后用一个布尔型向量来描述每个企业的供应，其中1表示该供应名词出现在企业的供应标签中，0表示该供应名词没有出现。同理，也可以用一个布尔型向量来描述每个企业的需求。
这样一来，每个企业都会对应一个供应描述向量，一个需求描述向量。
然后计算企业A的供应描述向量和企业B的需求描述向量之间的余弦相似度。
相似度介于0和1之间，越接近1则表示越相似。这里要注意的是，计算的是供应描述向量和需求描述向量之间，而不是所有向量之间的余弦相似度。因为该发明要解决的是供需智能匹配，所以不希望推荐提供类似供应的企业给对方，或者类似需求的企业给对方。
设向量A表示企业A的供应描述向量、向量B表示企业B的需求描述向量。
那么二者之间的余弦相似度公司为：
通过这种方式，可以计算出企业A的供应的和其他企业的需求之间的与余弦相似度值，假设系统中有1万家企业，那么企业A的供应对应有9999个余弦相似度值，按照倒序排序取排名靠前的几个作为反向匹配的结果列表。
上述是根据企业的供应给该企业推荐一个需求列表。同理，可以根据企业的需求，给该企业推荐一个供应列表。上述两个列表作为推荐给A的一个综合结果，包括了需求列表和供应列表，从而完成反向匹配过程。
至此,完成图2所示的装置。
图1中的第6步是从匹配的供需推荐列表中过滤掉部分供需形成最终的推荐列表。过滤掉已经推荐给A的其他企业供需、已经被A收藏的企业供需、已经过期的企业供需。最终形成一个供需推荐列表给企业A。
图1中的第7步是将推荐的供需列表推荐给用户，可以通过系统类消息或者邮件的方式展示给企业A的用户看。
至此，完成图1所示的流程，通过图1，企业可以收到适合自己的供需列表，完成整个智能匹配过程。
本实施例中，上述步骤205根据企业的TagList去反向找与之匹配的的企业供需列表，具体实现时可通过图3所示的流程实现，具体包括：
步骤301 先根据TagList中的标签查询出有这些标签的企业供需列表list01，这一步不要求TagList中的标签都出现在待匹配企业供需的标签列表中。整个算法追求的不是标签同类者推荐,而是基于业务匹配度进行推荐。通过这一步，找出来的企业供需可能会非常多，存在一些业务匹配度不强的企业供需。需要做进一步的业务匹配值计算。
步骤302 在供需标签匹配库中有供应标签和需求标签的配对列表，每组供需配对都会对应一个权重值。供需业务越匹配权重值越高，权重值的取值范围为0-1.0。给供需配对列表计算每组供需配对的权重值，按照如下方式计算：
1)如果供应标签和需求标签中出现一模一样的名词，那么这样一组供需配对的权重值为1.
2)人工基于业务的理解会先从供需标签中定义一个常见的匹配库，并且会从业务匹配的契合度，为每组匹配设置一个值，这个值的取值范围为0-1.0。
3)在前端系统中，会从用户的历史行为数据中，会对人工定义的这些权重值进行动态优化。
用户可以给每条推荐给他的供需表达“点赞”、“鄙视”两个动作。供应标签A-需求标签B-推荐结果-点赞： 这种情况会为A-B这组配对的点赞数+1。供应标签A-需求标签B-推荐结果-鄙视：这种情况会为A-B这组配对的鄙视数-1。
每隔一段时间(比如1周)当A-B配对的点赞总数>鄙视总数时，会提高二者之间的权重值。达到优化的目的。
该步骤需要对步骤301找出来的供需列表list01进行业务匹配权重值计算。方法如下：遍历待匹配企业供需列表list01,对于其中的每个待匹配供需GX，获取每个供需GX的标签列表GXtaglist01,继续遍历该标签列表GXtaglist01,对于其中的每个标签，计算它与TagList中的标签的匹配权重值。最后求和得到这个待匹配供需GX的业务匹配值。按此方法，可以计算出步骤301的企业供需列表list01的每个供需的业务匹配值。
步骤303 最后对业务匹配值倒序排序，业务匹配值越大的供需优先推荐给目标企业。
至此完成根据TagList去反向找有这些标签的企业供需列表。
本发明构建标签库，给供需标签对设置权重值这一部分有可能会通过机器学习的方式不断进行完善，通过引入专家测试或者真实用户行为测试，达到匹配精准度高，无需后台人工参与的可能性。通过前端用户行为和后端的日志系统，不断优化学习，但要实现这个的前提是供需数据量，用户行为操作日志量要足够大，机器学习算法的准确度才会更高。
本发明与其他电商网站基于内容的匹配推荐或者基于用户行为的匹配推荐不同的关键点在于引入了业务匹配值计算，仅仅根据标签同类或者类似的推荐很难做出让企业满足的供需合作推荐列表。本申请具有以下优点：
1、 首先会构建一个经过人工处理的供需标签匹配库，并给每个供需标签配对设置不同的权重值
2、 构建初次的推荐供需列表时同时参考了3个标签库Map1,Map2,Map3。既有动态的信息也有静态的信息。保证了推荐列表的准备度和可扩充度。
3、 对初次的推荐供需列表会进行二次遍历，进一步计算各自的业务匹配值。值越大推荐越准确。
为每家企业推荐匹配供需的过程也是整个方案进行自我学习进化的过程，提取的供需标签配对值会不断完善优化供需匹配库。

Claims (10)

1.一种企业供需信息匹配方法，其特征在于：包括如下步骤：
（1）、构建特征标签库；
（2）、根据用户在平台上的操作行为构建用户行为标签库；
（3）、根据步骤（1）和步骤（2）构建的标签库构建一个供需关键词匹配库；
（4）、给待匹配企业及供需贴关键词标签；
（5）、从有标签描述的企业供需中选择出匹配的供需列表；
（6）、从匹配的供需列表中过滤掉部分供需形成推荐列表；
（7）、将供需推荐列表推荐给用户。
2.如权利要求1所述的方法，其特征在于：所述步骤（1）具体包括，根据企业的基本信息，用户信息，资讯活动信息，供需描述信息进行关键词标签的抽取，构建特征标签库。
3.如权利要求1所述的方法，其特征在于：所述步骤（3）具体包括：
（301）、通过人工进行编辑匹配的训练数据构建前期匹配库；
（302）、通过该训练数据对后续的匹配算法进行训练
（303）、不断优化匹配算法，将训练优化的结果继续补充到该供需匹配库。
4.如权利要求1所述的方法，其特征在于：所述步骤（5）具体包括：
（501）、根据目标企业信息提取特征标签集合Map1；
（502）、根据目标企业供需信息提取供需特征标签集合Map2；
（503）、根据目标企业用户的操作行为提取行为标签集合Map3；
（504）、根据目标企业的Map1,Map2,Map3特征标签集合构建一个该企业的标签列表TagList；
（505）、根据企业的TagList去反向找与之匹配的的企业供需列表，最后形成一个供需推荐列表。
5.如权利要求4所述的方法，其特征在于：所述步骤（505）具体包括：
（A）、根据企业的TagList和供需匹配库找到初次匹配的企业供需列表；
（B）、计算初次匹配的企业供需列表中每个供需的业务匹配值；
（C）、按照业务匹配值倒叙排序形成最终的企业供需推荐链接。
6.一种企业供需信息匹配装置，其特征在于：包括
第一构建模块，构建特征标签库；
第二构建模块，根据用户在平台上的操作行为构建用户行为标签库；
第三构建模块，根据第一构建模块和第二构建模块构建的标签库构建一个供需关键词匹配库；
第一标识模块，给待匹配企业及供需贴关键词标签；
第一匹配模块，从有标签描述的企业供需中选择出匹配的供需列表；
第二匹配模块，从匹配的供需列表中过滤掉部分供需形成推荐列表；
第一推荐模块，将供需推荐列表推荐给用户。
7.如权利要求6所述的装置，其特征在于：所述第三构建单元具体包括：
匹配编辑模块，通过人工进行编辑匹配的训练数据构建前期匹配库；
训练模块，通过该训练数据对后续的匹配算法进行训练
更新模块，不断优化匹配算法，将训练优化的结果继续补充到该供需匹配库。
8.如权利要求6所述的装置，其特征在于：所述第二匹配模块具体包括：
第一获取模块，根据目标企业信息提取特征标签集合Map1；
第二获取模块，根据目标企业供需信息提取供需特征标签集合Map2；
第三获取模块，根据目标企业用户的操作行为提取行为标签集合Map3；
正向匹配模块，根据目标企业的Map1,Map2,Map3特征标签集合构建一个该企业的标签列表TagList；
反向验证模块，根据企业的TagList去反向找与之匹配的的企业供需列表，最后形成一个供需推荐列表。
9.如权利要求8所述的装置，其特征在于：所述反向验证模块具体包括：
初次匹配模块，根据企业的TagList和供需匹配库找到初次匹配的企业供需列表；
匹配计算模块，计算初次匹配的企业供需列表中每个供需的业务匹配值；
匹配确认模块，按照业务匹配值倒叙排序形成最终的企业供需推荐链接。
10.如权利要求6所述的装置，其特征在于：所述标签库设置不同的权重值，所述权重值通过机器学习更新完善。
CN201610849106.8A 2016-09-23 2016-09-23 一种企业供需信息匹配方法和装置 Pending CN106383894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610849106.8A CN106383894A (zh) 2016-09-23 2016-09-23 一种企业供需信息匹配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610849106.8A CN106383894A (zh) 2016-09-23 2016-09-23 一种企业供需信息匹配方法和装置

Publications (1)

Publication Number Publication Date
CN106383894A true CN106383894A (zh) 2017-02-08

Family

ID=57935930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610849106.8A Pending CN106383894A (zh) 2016-09-23 2016-09-23 一种企业供需信息匹配方法和装置

Country Status (1)

Country Link
CN (1) CN106383894A (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934054A (zh) * 2017-03-17 2017-07-07 前海梧桐（深圳）数据有限公司 基于大数据的企业细分行业精准分析方法及其系统
CN107193936A (zh) * 2017-05-19 2017-09-22 前海梧桐（深圳）数据有限公司 一种用于设置企业特性标签的方法及其系统
CN108427695A (zh) * 2017-08-04 2018-08-21 平安科技（深圳）有限公司 企业推荐方法及应用服务器
CN109300003A (zh) * 2018-09-17 2019-02-01 平安科技（深圳）有限公司 企业推荐方法、装置、计算机设备和存储介质
CN109409693A (zh) * 2018-09-30 2019-03-01 深圳市元征科技股份有限公司 一种商业合作模式推荐方法及相关设备
CN109462635A (zh) * 2018-09-25 2019-03-12 平安科技（深圳）有限公司 一种信息推送方法、计算机可读存储介质及服务器
CN109543951A (zh) * 2018-10-24 2019-03-29 深圳市万屏时代科技有限公司 一种网络营销方法、系统及计算机存储介质
CN109558429A (zh) * 2018-11-16 2019-04-02 广东百城人才网络股份有限公司 基于互联网大数据的人才服务双向推荐方法及系统
CN110442764A (zh) * 2019-07-04 2019-11-12 深圳壹账通智能科技有限公司 基于数据爬取的合约生成方法、装置和计算机设备
CN110737842A (zh) * 2018-07-03 2020-01-31 北京正和岛信息科技有限公司 基于用户画像的社交人脉推荐方法、装置和系统
CN111008349A (zh) * 2020-03-09 2020-04-14 深圳博士创新技术转移有限公司 一种大数据信息推送处理方法及系统
CN111553600A (zh) * 2020-04-29 2020-08-18 广元量知汇科技有限公司 基于大数据的智慧城市业务分配系统
CN111652671A (zh) * 2020-04-24 2020-09-11 青岛檬豆网络科技有限公司 一种适合买方市场环境的采购商城及其采购方法
CN111985765A (zh) * 2020-07-06 2020-11-24 招联消费金融有限公司 资源提供方的确定方法、装置、设备和存储介质
CN112015987A (zh) * 2020-08-28 2020-12-01 青岛格兰德信用管理咨询有限公司 一种基于企业标签的潜在客户推荐系统及推荐方法
CN112395501A (zh) * 2020-11-17 2021-02-23 航天信息股份有限公司 企业推荐方法、装置、存储介质及电子设备
CN112541072A (zh) * 2020-12-08 2021-03-23 成都航天科工大数据研究院有限公司 一种基于知识图谱的供需信息推荐方法及系统
CN112579535A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种文件匹配方法、装置、电子设备及存储介质
CN112581010A (zh) * 2020-12-25 2021-03-30 政和科技股份有限公司 一种工业产品供需对接匹配的系统及方法
CN112686559A (zh) * 2021-01-06 2021-04-20 郑州铁路职业技术学院 基于大数据和人工智能的成果转化在线供需匹配方法
CN113505295A (zh) * 2021-06-29 2021-10-15 广州智会云科技发展有限公司 一种企业获客推送算法实现方法及系统
CN113592290A (zh) * 2021-07-28 2021-11-02 青岛海尔工业智能研究院有限公司 产业链协作解决方案推荐方法、装置、设备、及存储介质
CN113723902A (zh) * 2021-07-30 2021-11-30 太逗科技集团有限公司 一种装修监管服务方法及装置
CN114357308A (zh) * 2021-09-17 2022-04-15 北京能科瑞元数字技术有限公司 一种基于推荐的制造企业供需对接方法及装置
CN114926222A (zh) * 2022-06-06 2022-08-19 山东浪潮爱购云链信息科技有限公司 一种核心企业的推广方法、设备及介质
WO2022252014A1 (zh) * 2021-05-30 2022-12-08 浙江省北大信息技术高等研究院 一种创新创业服务供给与需求智能匹配的方法
CN116108275A (zh) * 2023-02-09 2023-05-12 深圳市鸿普森科技股份有限公司 一种服务需求匹配方法、系统、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208092A (zh) * 2013-05-03 2013-07-17 闻静波 基于互联网提供咨询信息的系统
CN103258029A (zh) * 2013-05-08 2013-08-21 徐峰蕾 信息检索方法及系统
CN104036045A (zh) * 2014-07-01 2014-09-10 彩带网络科技（北京）有限公司 一种信息分析方法及服务平台
CN105205745A (zh) * 2015-09-29 2015-12-30 中关村四方现代服务产业技术创新战略联盟 科技成果转化系统
CN105243470A (zh) * 2015-09-17 2016-01-13 中关村四方现代服务产业技术创新战略联盟 需求服务对接的科技成果转化系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208092A (zh) * 2013-05-03 2013-07-17 闻静波 基于互联网提供咨询信息的系统
CN103258029A (zh) * 2013-05-08 2013-08-21 徐峰蕾 信息检索方法及系统
CN104036045A (zh) * 2014-07-01 2014-09-10 彩带网络科技（北京）有限公司 一种信息分析方法及服务平台
CN105243470A (zh) * 2015-09-17 2016-01-13 中关村四方现代服务产业技术创新战略联盟 需求服务对接的科技成果转化系统
CN105205745A (zh) * 2015-09-29 2015-12-30 中关村四方现代服务产业技术创新战略联盟 科技成果转化系统

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934054A (zh) * 2017-03-17 2017-07-07 前海梧桐（深圳）数据有限公司 基于大数据的企业细分行业精准分析方法及其系统
CN107193936A (zh) * 2017-05-19 2017-09-22 前海梧桐（深圳）数据有限公司 一种用于设置企业特性标签的方法及其系统
CN108427695A (zh) * 2017-08-04 2018-08-21 平安科技（深圳）有限公司 企业推荐方法及应用服务器
WO2019024496A1 (zh) * 2017-08-04 2019-02-07 平安科技（深圳）有限公司 企业推荐方法及应用服务器
CN110737842A (zh) * 2018-07-03 2020-01-31 北京正和岛信息科技有限公司 基于用户画像的社交人脉推荐方法、装置和系统
CN109300003A (zh) * 2018-09-17 2019-02-01 平安科技（深圳）有限公司 企业推荐方法、装置、计算机设备和存储介质
CN109462635B (zh) * 2018-09-25 2021-11-19 平安科技（深圳）有限公司 一种信息推送方法、计算机可读存储介质及服务器
CN109462635A (zh) * 2018-09-25 2019-03-12 平安科技（深圳）有限公司 一种信息推送方法、计算机可读存储介质及服务器
CN109409693A (zh) * 2018-09-30 2019-03-01 深圳市元征科技股份有限公司 一种商业合作模式推荐方法及相关设备
CN109543951A (zh) * 2018-10-24 2019-03-29 深圳市万屏时代科技有限公司 一种网络营销方法、系统及计算机存储介质
CN109558429A (zh) * 2018-11-16 2019-04-02 广东百城人才网络股份有限公司 基于互联网大数据的人才服务双向推荐方法及系统
CN110442764A (zh) * 2019-07-04 2019-11-12 深圳壹账通智能科技有限公司 基于数据爬取的合约生成方法、装置和计算机设备
CN112579535A (zh) * 2019-09-30 2021-03-30 北京国双科技有限公司 一种文件匹配方法、装置、电子设备及存储介质
CN111008349A (zh) * 2020-03-09 2020-04-14 深圳博士创新技术转移有限公司 一种大数据信息推送处理方法及系统
CN111652671A (zh) * 2020-04-24 2020-09-11 青岛檬豆网络科技有限公司 一种适合买方市场环境的采购商城及其采购方法
CN111553600A (zh) * 2020-04-29 2020-08-18 广元量知汇科技有限公司 基于大数据的智慧城市业务分配系统
CN111985765A (zh) * 2020-07-06 2020-11-24 招联消费金融有限公司 资源提供方的确定方法、装置、设备和存储介质
CN111985765B (zh) * 2020-07-06 2024-04-05 招联消费金融股份有限公司 资源提供方的确定方法、装置、设备和存储介质
CN112015987A (zh) * 2020-08-28 2020-12-01 青岛格兰德信用管理咨询有限公司 一种基于企业标签的潜在客户推荐系统及推荐方法
CN112015987B (zh) * 2020-08-28 2022-10-04 青岛格兰德信用管理咨询有限公司 一种基于企业标签的潜在客户推荐系统及推荐方法
CN112395501A (zh) * 2020-11-17 2021-02-23 航天信息股份有限公司 企业推荐方法、装置、存储介质及电子设备
CN112541072A (zh) * 2020-12-08 2021-03-23 成都航天科工大数据研究院有限公司 一种基于知识图谱的供需信息推荐方法及系统
CN112541072B (zh) * 2020-12-08 2022-12-02 成都航天科工大数据研究院有限公司 一种基于知识图谱的供需信息推荐方法及系统
CN112581010A (zh) * 2020-12-25 2021-03-30 政和科技股份有限公司 一种工业产品供需对接匹配的系统及方法
CN112686559A (zh) * 2021-01-06 2021-04-20 郑州铁路职业技术学院 基于大数据和人工智能的成果转化在线供需匹配方法
WO2022252014A1 (zh) * 2021-05-30 2022-12-08 浙江省北大信息技术高等研究院 一种创新创业服务供给与需求智能匹配的方法
CN113505295A (zh) * 2021-06-29 2021-10-15 广州智会云科技发展有限公司 一种企业获客推送算法实现方法及系统
CN113592290A (zh) * 2021-07-28 2021-11-02 青岛海尔工业智能研究院有限公司 产业链协作解决方案推荐方法、装置、设备、及存储介质
CN113592290B (zh) * 2021-07-28 2024-05-17 卡奥斯工业智能研究院(青岛)有限公司 产业链协作解决方案推荐方法、装置、设备、及存储介质
CN113723902A (zh) * 2021-07-30 2021-11-30 太逗科技集团有限公司 一种装修监管服务方法及装置
CN114357308A (zh) * 2021-09-17 2022-04-15 北京能科瑞元数字技术有限公司 一种基于推荐的制造企业供需对接方法及装置
CN114926222A (zh) * 2022-06-06 2022-08-19 山东浪潮爱购云链信息科技有限公司 一种核心企业的推广方法、设备及介质
CN114926222B (zh) * 2022-06-06 2024-05-10 山东浪潮爱购云链信息科技有限公司 一种核心企业的推广方法、设备及介质
CN116108275A (zh) * 2023-02-09 2023-05-12 深圳市鸿普森科技股份有限公司 一种服务需求匹配方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN106383894A (zh) 一种企业供需信息匹配方法和装置
CN109101493B (zh) 一种基于对话机器人的智能购房助手
CN107038609A (zh) 一种基于深度学习的商品推荐方法及系统
CN106572001B (zh) 一种智能客服的对话方法及系统
Nooralahzadeh et al. 2012 Presidential Elections on Twitter--An Analysis of How the US and French Election were Reflected in Tweets
CN110135504A (zh) 一种基于人工智能的大学生兼职精确匹配方法
CN108960917B (zh) 网络营销推广方法及装置
CN106294744A (zh) 兴趣识别方法及系统
CN110362833A (zh) 一种基于文本的情感分析方法及相关装置
Kim et al. Text mining for the evaluation of public services: the case of a public bike-sharing system
Luong et al. Intent extraction from social media texts using sequential segmentation and deep learning models
CN105931055A (zh) 一种面向众包平台的服务商特征建模方法
KR102449602B1 (ko) 멀티미디어 콘텐츠 내 상품 정보 처리 장치 및 그 방법
Dehghani Soltani et al. Investigating Environmental Value and Green Image Supposed Effects on the Word of Mouth Advertising Tendency by Explaining Green Trust and Willingness to Pay Roles through the SOR Model Framework
Rus et al. Measuring hotel service quality in borobudur temple using opinion mining
CN109918508A (zh) 基于网络爬虫采集技术的用户画像生成方法
Putri et al. Content-based filtering model for recommendation of Indonesian legal article study case of klinik hukumonline
GAVRA JURAVLE et al. QUALITATIVE ANALYSIS REGARDING THE DECISION-MAKERS IN TERMS OF TOURISM PROMOTION.
Regneri Event structures in knowledge, pictures and text
Kawamura A Viewing Experiment on the Effects of Advertising Story.
Lee Automatically learning user needs from online reviews for new product design
CN109255067A (zh) 一种基于大数据智能推荐方法和装置
Tian et al. Domain adaptation for named entity recognition using crfs
Nagano Value Propositions for Small Fashion Businesses: From Japanese Case Studies
Van Miltenburg Detecting and ordering adjectival scalemates

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170208

RJ01 Rejection of invention patent application after publication