CN107123016B - 一种工业物料商品推荐方法 - Google Patents

一种工业物料商品推荐方法 Download PDF

Info

Publication number
CN107123016B
CN107123016B CN201710171637.0A CN201710171637A CN107123016B CN 107123016 B CN107123016 B CN 107123016B CN 201710171637 A CN201710171637 A CN 201710171637A CN 107123016 B CN107123016 B CN 107123016B
Authority
CN
China
Prior art keywords
commodity
enterprise
purchasing
enterprises
recommendation
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.)
Active
Application number
CN201710171637.0A
Other languages
English (en)
Other versions
CN107123016A (zh
Inventor
杨旭川
张桂林
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.)
Chongqing Yunfeng Technology Co ltd
Original Assignee
Chongqing Yunsom 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 Chongqing Yunsom Technology Co ltd filed Critical Chongqing Yunsom Technology Co ltd
Priority to CN201710171637.0A priority Critical patent/CN107123016B/zh
Publication of CN107123016A publication Critical patent/CN107123016A/zh
Application granted granted Critical
Publication of CN107123016B publication Critical patent/CN107123016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库；2)生成购买企业物料商品库；3)提取关键词；4)计算特征向量的相似度；5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度；6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。本发明可帮购买企业快速找到可以生产物料的供应商，也可以主动推送给生产企业销售渠道；可解决物料交易过程中信息不对称的情况。

Description

一种工业物料商品推荐方法
技术领域
本发明属于电子商务领域，特别是涉及一种工业物料的商品推荐方法。
背景技术
在现有的电子商务领域中，涌现了大量的商品推荐方法，通过这些方法的应用，以提高潜在消费者购买相关商品的可能性。但是，一直没有针对工业非标物料购买周期的推荐方法。
目前工业品有很多非标商品，每个工厂对商品的型号和质量要求不一，工厂通常会通过竞标的方式发布需求即物料的详细描述。生产型企业阅读物料需求后评估公司对物料的生成能力进行报价。这样会导致信息不对称，很多生产型企业无法知晓购买形企业的需求，无法挖掘更多的商机。
因此本领域技术人员致力于开发一种使生产企业和购买企业信息对称的工业物料推荐方法。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种使生产企业和购买企业信息对称的工业物料推荐方法。
为实现上述目的，本发明提供了一种工业物料商品推荐方法，包括以下步骤：
1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；
2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；
3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：
第j篇文章中与词典里第k个词对应的TF-IDF为：
Figure BDA0001251279740000021
其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；
最终第k个词在文章j中的权重由下面的公式获得：
Figure BDA0001251279740000022
提取权重最大的10个词作为物料的特征词，并转化为特征向量；
4)计算特征向量的相似度，计算方法如下：
Figure BDA0001251279740000023
其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度；
5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：
Figure BDA0001251279740000024
其中，
Figure BDA0001251279740000025
表示企业对商品item j偏好度，wj表示item j的属性，可以根据商品的自有特征确定，比如商品分类，商品材质，商品的产地，商品的经销商等等都属于商品的属性，Ir与Inr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定；商品的正负反馈权重可以在0-1之间调节，根据多次迭代计算达到一个合适的值。
6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；
7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。
本发明的有益效果是：本发明可帮购买企业快速找到可以生产物料的供应商，也可以主动推送给生产企业销售渠道；可解决物料交易过程中信息不对称的情况。
附图说明
图1是本发明一具体实施方式的体系架构图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
一种工业物料商品推荐方法，包括以下步骤：
1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；
2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；
3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：
第j篇文章中与词典里第k个词对应的TF-IDF为：
Figure BDA0001251279740000031
其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；
最终第k个词在文章j中的权重由下面的公式获得：
Figure BDA0001251279740000041
提取权重最大的10个词作为物料的特征词，并转化为特征向量；
4)计算特征向量的相似度，计算方法如下：
Figure BDA0001251279740000042
其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度。
5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：
Figure BDA0001251279740000043
其中，
Figure BDA0001251279740000044
表示企业对商品item j偏好度，wj表示item j的属性，可以根据商品的自有特征确定，比如商品分类，商品材质，商品的产地，商品的经销商等等都属于商品的属性，Ir与Inr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定；商品的正负反馈权重可以在0-1之间调节，根据多次迭代计算达到一个合适的值。
6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；
7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。
如图1所示，上述方法通过以下商品系统实现，包括推荐系统平台，推荐特征提取系统，相似度技术系统、用户偏好度计算系统和推荐系数计算系统。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (1)

1.一种工业物料商品推荐方法，包括以下步骤：
1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；
2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；
3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：
第j篇文章中与词典里第k个词对应的TF-IDF为：
Figure FDA0001251279730000011
其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；
最终第k个词在文章j中的权重由下面的公式获得：
Figure FDA0001251279730000012
提取权重最大的10个词作为物料的特征词，并转化为特征向量；
4)计算特征向量的相似度，计算方法如下：
Figure FDA0001251279730000013
其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度；
5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：
Figure FDA0001251279730000021
其中，
Figure FDA0001251279730000022
表示企业对商品item j偏好度，wj表示item j的属性，根据商品的自有特征确定,比如商品分类、商品材质、商品产地、商品经销商等都属于商品属性，Ir与Inr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定，在0-1之间调节，根据多次迭代计算达到一个合适的值；
6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；
7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。
CN201710171637.0A 2017-03-22 2017-03-22 一种工业物料商品推荐方法 Active CN107123016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710171637.0A CN107123016B (zh) 2017-03-22 2017-03-22 一种工业物料商品推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710171637.0A CN107123016B (zh) 2017-03-22 2017-03-22 一种工业物料商品推荐方法

Publications (2)

Publication Number Publication Date
CN107123016A CN107123016A (zh) 2017-09-01
CN107123016B true CN107123016B (zh) 2021-01-26

Family

ID=59718010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710171637.0A Active CN107123016B (zh) 2017-03-22 2017-03-22 一种工业物料商品推荐方法

Country Status (1)

Country Link
CN (1) CN107123016B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107833061A (zh) * 2017-11-17 2018-03-23 中农网购（江苏）电子商务有限公司 一种针对零售农产品智能配送方法
CN110807583A (zh) * 2019-10-30 2020-02-18 天津大学 基于rbac可配置的erp角色权限检定系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101206752A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 电子商务网站相关商品推荐系统及其方法
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
CN102982042B (zh) * 2011-09-07 2015-08-19 中国移动通信集团公司 一种个性化内容推荐方法、平台以及系统
CN102411754A (zh) * 2011-11-29 2012-04-11 南京大学 一种基于商品属性熵值的个性化推荐方法
CN103838789A (zh) * 2012-11-27 2014-06-04 大连灵动科技发展有限公司 一种文本相似度计算方法
CN103824213A (zh) * 2014-03-13 2014-05-28 北京理工大学 一种基于用户偏好与商品属性的个性化推荐方法
CN105426528B (zh) * 2015-12-15 2018-04-06 中南大学 一种商品数据的检索排序方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于分词技术和用户模型的非结构化知识管理系统;蒋秀林;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130430;第2-4章节 *
面向数字图书馆的电子期刊文献推荐的关键技术研究;尹正梅;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;第2-4章节 *

Also Published As

Publication number Publication date
CN107123016A (zh) 2017-09-01

Similar Documents

Publication Publication Date Title
Djatmiko et al. Brand image and product price; Its impact for Samsung smartphone purchasing decision
Chen et al. Behavior-aware user response modeling in social media: Learning from diverse heterogeneous data
Zhao A Study on the Applications of Big Data in Cross-border E-commerce
CN110727855A (zh) 一种基于改进因子分解机的个性化推荐方法
Zhang et al. Improving the Bass model’s predictive power through online reviews, search traffic and macroeconomic data
CN107123016B (zh) 一种工业物料商品推荐方法
Fry et al. Can we group similar amazon reviews: a case study with different clustering algorithms
Prasetyo Searching cheapest product on three different e-commerce using k-means algorithm
Choudhary et al. Sentiment analysis of text reviewing algorithm using data mining
CN113850616A (zh) 基于深度图神经网络的客户生命周期价值预测方法
Rangu et al. Text mining approach for product quality enhancement:(improving product quality through machine learning)
Hadju et al. Sentiment analysis of indonesian e-commerce product reviews using support vector machine based term frequency inverse document frequency
Miao et al. A recommendation system based on text mining
CN113159892B (zh) 一种基于多模态商品特征融合的商品推荐方法
Hossain et al. Rating prediction of product reviews of bangla language using machine learning algorithms
CN110020918B (zh) 一种推荐信息生成方法和系统
Qian et al. Product Success Evaluation Model Based on Star Ratings, Reviews and Product Popularity
Kumar et al. The application of artificial intelligence in electronic commerce
Dai et al. Item-level forecasting for e-commerce demand with high-dimensional data using a two-stage feature selection algorithm
Li et al. PRIMA++: A probabilistic framework for user choice modelling with small data
Xu et al. [Retracted] Metrological Analysis of Online Consumption Evaluation Influence Commodity Marketing Decision Based on Data Mining
Khasby et al. Comparison of K-N earest Neighbor (K-NN) and Naïve Bayes Algorithm for Sentiment Analysis on Google Play Store Textual Reviews
CN113409124A (zh) 一种基于贝叶斯回归分析的大宗商品推荐方法及系统
Syafariani Association Analysis with Apriori Algorithm for Electronic Sales Decision Support System
Kanakamedala et al. Sentiment analysis of online customer reviews for handicraft product using machine learning: A case of Flipkart

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210702

Address after: 408324 building a, 59 Chaoyang Road, Dianjiang Industrial Park, Chongqing

Patentee after: Chongqing Yuncheng Internet Technology Co.,Ltd.

Address before: 401120 room 25-3, building 4, No. 68, Jinyu Avenue, northern New District, Yubei District, Chongqing

Patentee before: CHONGQING YUNSOM TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230612

Address after: Room 1-1-18, Unit 1, Building 4, No. 1580 Zhiyun Avenue, Yudong Street, Banan District, Chongqing, 401320

Patentee after: Chongqing Yunfeng Technology Co.,Ltd.

Address before: 408324 building a, 59 Chaoyang Road, Dianjiang Industrial Park, Chongqing

Patentee before: Chongqing Yuncheng Internet Technology Co.,Ltd.