CN107784512A - 一种基于人工智能的服务商推荐系统的算法 - Google Patents

一种基于人工智能的服务商推荐系统的算法 Download PDF

Info

Publication number
CN107784512A
CN107784512A CN201610726559.1A CN201610726559A CN107784512A CN 107784512 A CN107784512 A CN 107784512A CN 201610726559 A CN201610726559 A CN 201610726559A CN 107784512 A CN107784512 A CN 107784512A
Authority
CN
China
Prior art keywords
supplier
service provider
algorithm
service
scoring
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
CN201610726559.1A
Other languages
English (en)
Inventor
陈宇
武国斌
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.)
National High Technology Research Institute (shenzhen) Co Ltd
Original Assignee
National High Technology Research Institute (shenzhen) 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 National High Technology Research Institute (shenzhen) Co Ltd filed Critical National High Technology Research Institute (shenzhen) Co Ltd
Priority to CN201610726559.1A priority Critical patent/CN107784512A/zh
Publication of CN107784512A publication Critical patent/CN107784512A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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

Abstract

本发明涉及一种基于人工智能的服务商推荐系统的算法。本发明所属的技术领域为互联网技术，人工智能技术的融合。本发明研发了一种基于神经网络人工智能技术进行精准的智能化线上商务交易的管理系统。使得在互联网上进行可靠安全的高效率，低成本商务交易成为可能。

Description

一种基于人工智能的服务商推荐系统的算法
技术领域
本发明所属的技术领域为互联网技术，人工智能技术的融合。
背景技术
现有互联网商务服务交易管理系统，是没有最优服务商自动推荐功能的，用户只能根据客户评价等信息自己选择，商务服务交易效率低下，质量不高。
发明内容
第一步：在本商务服务交易系统里，对所有合格注册用户，无论是买方，还是提供专业商务服务的卖方。其个人的信息，交易过程的数据均记录并存储于云端。构成进行智能评估的数据池。
第二步：交易过程控制由平台完成。建立了客观的服务供应方评估数据库。可有效避免恶意刷分。形成对供应方的有效综合评估，确保服务质量，淘汰低劣供应方。具体说明如下：
1)整个评估是基于多个参数组成的评分体系，体系采用评分制度(100分制或10分制等)，每个评估参数均具有相同的满分(100分制为100分，10分制为10分)，但占有不同的权重，各个参数的权重之和为100％。举例，某个供应商的评分如下：
评价指标1：满分100，权重：X1，实际评分：A1分；
评价指标2：满分100，权重：X2；实际评分：A2分；
...
评价指标n：满分100，权重：Xn；实际评分：An分；
则该供应商的评分为：
其中：0≤Ai≤100(i＝1，2，3...n)；
∑Xi＝1；
2)所有评估参数全面详尽，且大量评估参数来源于本平台所提供的专业服务的流程处理环节。这样就能避免供方自行恶意刷分。其主要的评价指标如下(不限于这些指标)：
A.全部任务的完成情况评分：指该供应商历史上所有完成的任务的完成情况的加成综合后的评估分，主要反应其任务完成率，是否有过多未完成任务。
B.全部任务的时间达成情况评分：指该供应商历史上所有完成的任务 的用时情况的加成综合后的评估分，主要反应其完成任务的速度。
C.全部任务的买方评分汇总：指该供应商历史上所有完成的任务，买方的后评估分的加成综合后的评估分，主要反应买方对该供应商提供的服务质量的满意程度。
D.抽查服务内容质量评分：指本平台会定期对每个供应商的完成的任务进行定量的抽查(比如每个供应商一年一次，一年三次)，由专业的资深专家评估其完成的商务服务内容的质量，并形成综合评分。
E.全部任务的流程处理过程评分：主要指该供应商历史上所有完成的任务在流程处理过程(比如专利代理服务，就是指供应商撰写的专利文档在递交国家知识产权局审核过程的)的表现情况，服务质量的加成综合后的评估分。包括：审核过程被退回的返工次数，审核过程的反馈速度等(不同的商务服务行业，有不同评估方式。)
第三步：为各个类别的商务服务建立基于神经网络的权重智能评估系统。如上所述，对于供应商的所有评价指标，其计算分值的过程依赖于各个指标的权重，因此权重的分配十分重要，其决定了最终计算的评分的科学性，也即决定了整个系统的表现，用户的满意度。但如何确定各个商务服务类别对应的各项评价指标的权重，并没有科学的计算方法，只能遵循经验。本发明在此处采用神经网络进行权重评估。
以各个评价指标的权重作为输入层；
输出为在应用以上权重过程中，该商务服务类别的供需双方的满意程度。该满意度可以是由供需双方对平台的该项商务服务类别的打分的平均分，或者是以该类别商务服务的产值，交易量作为输出。
神经网络层的隐藏层的层数和每层隐藏层的数量并无限定，需要根据实际应用去选择。
基于这样的神经网络，通过长期的在实际运行中的训练，可以形成良好的该类别商务服务的各个评价指标的权重评估。当该类别商务服务的满意程度不断下降时，说明当前的权重分配不合理，可以调整各个评价指标的权重，并预测其取得的效果，进而选择一个效果较好的权重分配情况，来优化改善评估体系，使之能更好的起到客观评分，监督系统可靠运行。
第四步：针对各个商务服务类别建立独立的神经网络智能筛选系统，针对客户需求选择当前最合适的供应商，以便给客户最优质，最简捷的服务。
本系统不采用对供应商竞价排名的方式让需求方自行挑选供应商，或 者让需求方招标的模式。本系统会对需求方的需求进行标准化分类评估，然后根据当前供应商的状况，由系统自动为需求方筛选最合适的供应商。这样有助于用户获得最好的服务，最佳的交易体验。
首先系统会自动对当前空闲度高的供应方按照其业绩的综合评分进行排序，初步筛选出一批合适的供应商。接着系统将初筛人员分别放入该类别商务服务的神经网络智能筛选系统。
其中：
1)神经网络的输入层包含以下指标：
需方的时间要求：反应需方对完成任务时间要求的紧迫性，由需方在发布需求时填写。如：具体完成任务的时间长度要求。
需方的质量要求：指需方对该任务的品质要求，要求高品质，良好，中等或一般。
供方空闲度：由系统根据供应商的当前正在从事的任务量以及其全部任务的时间达成情况评分来综合考量评估得出其空闲度。
其余剩下的输入参数采用前文所述对供方的服务评价指标得分，包括：全部任务的完成情况评分，全部任务的时间达成情况评分，全部任务的买方评分汇总，抽查服务内容质量评分，全部任务的流程处理过程评分等。其反应了供应方的综合能力。
2)神经网络的输出为供应方的适配度，可以采用百分比值，或100分制，10分制等。总之要能明确量化评估供方的合适度。
3)神经网络层的隐藏层的层数和每层隐藏层的数量并无限定，需要根据实际应用去选择。
通过不断优化训练该神经网络，可以使得其评估越来越准确。
经神经网络智能筛选系统筛选评估后，完成对初步筛选出的供应商的适配度打分，最后系统选择评分最高的给其指派此任务，如果他接单，就完成了此订单的供应商筛选指派工作，如果他不接单，则自动选择排名第二的向其指派此任务，直至有人接单。
附图说明
图1是本一种基于人工智能的服务商推荐系统的结构示意图；
图2是本发明一种基于人工智能的服务商推荐系统子网系统图；
图3是本发明一种基于人工智能的服务商推荐系统交易流程示意图；
图4是本发明一种基于人工智能的服务商推荐系统评价权重指示图；
图5是本发明一种基于人工智能的服务商推荐系统评价系统架构图。
具体实施方式
如图1，第一步：在本商务服务交易系统里，对所有合格注册用户，无论是买方，还是提供专业商务服务的卖方。其个人的信息，交易过程的数据均记录并存储于云端。构成进行智能评估的数据池。
如图2，第二步：交易过程控制由平台完成。建立了客观的服务供应方评估数据库。可有效避免恶意刷分。形成对供应方的有效综合评估，确保服务质量，淘汰低劣供应方。具体说明如下：
1)整个评估是基于多个参数组成的评分体系，体系采用评分制度(100分制或10分制等)，每个评估参数均具有相同的满分(100分制为100分，10分制为10分)，但占有不同的权重，各个参数的权重之和为100％。
如图3全部任务的完成情况评分：指该供应商历史上所有完成的任务的完成情况的加成综合后的评估分，主要反应其任务完成率，是否有过多未完成任务。
抽查服务内容质量评分：指本平台会定期对每个供应商的完成的任务进行定量的抽查(比如每个供应商一年一次，一年三次)，由专业的资深专家评估其完成的商务服务内容的质量，并形成综合评分。
第三步：为各个类别的商务服务建立基于神经网络的权重智能评估系统。如上所述，对于供应商的所有评价指标，其计算分值的过程依赖于各个指标的权重，因此权重的分配十分重要，其决定了最终计算的评分的科学性，也即决定了整个系统的表现，用户的满意度。但如何确定各个商务服务类别对应的各项评价指标的权重，并没有科学的计算方法，只能遵循经验。本发明在此处采用神经网络进行权重评估。
第四步：针对各个商务服务类别建立独立的神经网络智能筛选系统，针对客户需求选择当前最合适的供应商，以便给客户最优质，最简捷的服务。
如图4其中：
1)神经网络的输入层包含以下指标：
需方的时间要求：反应需方对完成任务时间要求的紧迫性，由需方在发布需求时填写。如：具体完成任务的时间长度要求。
需方的质量要求：指需方对该任务的品质要求，要求高品质，良好，中等或一般。
供方空闲度：由系统根据供应商的当前正在从事的任务量以及其全部任务的时间达成情况评分来综合考量评估得出其空闲度。
其余剩下的输入参数采用前文所述对供方的服务评价指标得分，包括：全部任务的完成情况评分，全部任务的时间达成情况评分，全部任务的买方评分汇总，抽查服务内容质量评分，全部任务的流程处理过程评分等。其反应了供应方的综合能力。
2)神经网络的输出为供应方的适配度，可以采用百分比值，或100分制，10分制等。总之要能明确量化评估供方的合适度。
3)神经网络层的隐藏层的层数和每层隐藏层的数量并无限定，需要根据实际应用去选择。
通过不断优化训练该神经网络，可以使得其评估越来越准确。
如图5经神经网络智能筛选系统筛选评估后，完成对初步筛选出的供应商的适配度打分，最后系统选择评分最高的给其指派此任务，如果他接单，就完成了此订单的供应商筛选指派工作，如果他不接单，则自动选择排名第二的向其指派此任务，直至有人接单。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种基于人工智能的服务商推荐系统的算法，其特征在于：在本商务服务交易系统里，有注册需求方用户，注册供应方用户，需求方和供应方用户的信息，交易过程的数据均记录并存储于云端服务器，构成进行智能评估的数据池。
2.根据权利要求1所述的服务商推荐系统的算法，其特征在于：本交易系统过程控制由平台自动完成，建立了服务供应方评估数据库。
3.根据权利要求2所述的服务商推荐系统的算法，其特征在于：整个评估是基于多个参数组成的评分体系，体系采用评分制度(100分制或10分制等)，每个评估参数均具有相同的满分(100分制为100分，10分制为10分)，但占有不同的权重，各个参数的权重之和为100％。
4.根据权利要求1所述的服务商推荐系统的算法，其特征在于：各个类别的商务服务建立基于神经网络的权重智能评估系统，对于供应商的所有评价指标，其计算分值的过程仅依靠于各个指标的权重，。
5.根据权利要求1所述的服务商推荐系统的算法，其特征在于：系统会自动对当前空闲度高的供应方按照其业绩的综合评分进行排序，初步筛选出一批合适的供应商，接着系统将初筛人员分别放入该类别商务服务的神经网络智能筛选系统。
6.根据权利要求1所述的服务商推荐系统的算法，其特征在于：输入参数采用所述对供方的服务评价指标得分，包括：全部任务的完成情况评分，全部任务的时间达成情况评分，全部任务的买方评分汇总，抽查服务内容质量评分，全部任务的流程处理过程评分。
7.根据权利要求1所述的服务商推荐系统的算法，其特征在于：经神经网络智能筛选系统筛选评估后，完成对初步筛选出的供应商的适配度打分，最后系统选择评分最高的给其指派此任务，如果他接单，就完成了此订单的供应商筛选指派工作，如果他不接单，则自动选择排名第二的向其指派此任务，直至有人接单。
CN201610726559.1A 2016-08-26 2016-08-26 一种基于人工智能的服务商推荐系统的算法 Pending CN107784512A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610726559.1A CN107784512A (zh) 2016-08-26 2016-08-26 一种基于人工智能的服务商推荐系统的算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610726559.1A CN107784512A (zh) 2016-08-26 2016-08-26 一种基于人工智能的服务商推荐系统的算法

Publications (1)

Publication Number Publication Date
CN107784512A true CN107784512A (zh) 2018-03-09

Family

ID=61438593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610726559.1A Pending CN107784512A (zh) 2016-08-26 2016-08-26 一种基于人工智能的服务商推荐系统的算法

Country Status (1)

Country Link
CN (1) CN107784512A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816496A (zh) * 2018-11-05 2019-05-28 周永东 一种用于交易匹配的方法和装置
CN109840705A (zh) * 2019-01-29 2019-06-04 国家电网有限公司 一种电力现场作业人员智能分配应用方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109816496A (zh) * 2018-11-05 2019-05-28 周永东 一种用于交易匹配的方法和装置
CN109840705A (zh) * 2019-01-29 2019-06-04 国家电网有限公司 一种电力现场作业人员智能分配应用方法

Similar Documents

Publication Publication Date Title
Kabir et al. Comparative Analysis Of TOPSIS and FUZZY TOPSIS for the Evaluation of Travel Website Service Quality.
Fu et al. A study on factors for retailers implementing CPFR—A fuzzy AHP analysis
Oliveira et al. Evaluating vehicle painting plans in an automobile assembly plant using an integrated AHP‐PROMETHEE approach
CN108764743A (zh) 一种用于建材采购的自动评标方法
CN111784109A (zh) 一种基于毕达哥拉斯模糊集和vikor的供应商选择方法
Liao et al. A heterogeneous regret-theory-based method with Choquet integral to multiattribute reverse auction
Liao et al. OTAs selection for hot spring hotels by a hybrid MCDM model
Tsai et al. Creating a management strategy evaluation model for taipei city sports centre by using hybrid MCDM models
CN107784512A (zh) 一种基于人工智能的服务商推荐系统的算法
Yang et al. A study of key success factors when applying e-commerce to the travel industry
Muhoya The influence of knowledge management practices on performance of selected global audit firms in Kenya
CV et al. An approach for measuring a manufacturer’s preferred supplier status
Hsu et al. Optimal selection of international exhibition agency by using the delphi method and AHP
Xie et al. Evaluating and visualizing QoS of service providers in knowledge-intensive crowdsourcing: a combined MCDM approach
Zhang et al. An alternative approach of competitiveness evaluation for real estate developers
Lin et al. Performance evaluation of technological innovation capabilities in uncertainty
CN114493172A (zh) 一种应急产能调配预案推演方法及系统
Saxena et al. Fuzzy delphi hierarchy process and its application to improve indian telemedical services
Kodali et al. Multi-attribute decision models for justification of cellular manufacturing systems
Dewi Examining the Influence of CEO Characteristics and Brand Image on Performance of Food and Beverages MSMEs in Indonesia: The Mediating Role of Competitive Advantage
CN116468290B (zh) 一种利用计算机实施的土地流转热度系统及其构建方法
Langat Electronic Sourcing and Procurement Cost of Commercial State Corporations in Kenya
Abedin et al. Contractors selection criteria framework for construction project in Klang valley
Epper et al. The fundamental properties, stability and predictive power of distributional preferences
Nur THE NEED FOR GLOBAL CULTURAL ADAPTATION IN THE IMPLEMENTATION OF REGIONAL REGULATIONS IN THE CITY OF MAKASSAR INDONESIA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180309

WD01 Invention patent application deemed withdrawn after publication