CN110363621A - 一种基于人工智能技术的订单信息推送系统 - Google Patents

Abstract

本发明通过智能终端采集用户的私人信息，传送至平台服务器，自动查询相关历史交易数据，并与待推送订单属性特征结合匹配出待推送订单信息并推送至用户的智能终端，根据历史数据训练用户模型，匹配新的交易信息，效率高、智能性好、准确率高，优先考虑节约用户成本和偏好特征，其次依据用户交易商品的权重值进行合理推送。

Description

一种基于人工智能技术的订单信息推送系统

技术领域

本发明涉及智能信息推送的技术领域，尤其是指一种基于人工智能技术的订单信息推送系统。

背景技术

如今网上交易平台因其方便、快捷而成为了一种主流的销售渠道，而在代理销售交易的过程中，由于受到各种因素的影响，交易商用户可能无法实时掌握当前的订单交易信息，如增值税率、关税税率等重要信息，从而导致错过最佳交易时机，或者需要通过各种方式自行收集相关的信息，然后再以个人经验预计交易效果，不仅效率低下，而且无法保证其计算准确率。

发明内容

针对上述背景技术中的问题，提供了一种基于人工智能技术的订单信息推送系统，可以通过平台服务器抓取实时交易公共参数，结合用户的历史交易数据，匹配出待推送订单并推送至用户智能终端，辅助用户及时把握订单交易信息。

本发明所述的一种基于人工智能技术的订单信息推送系统，包括：

智能终端和平台服务器；

所述智能终端接收用户输入的私人信息，将所述私人信息发送至平台服务器；

平台服务器获取智能终端发送的私人信息，根据所述私人信息，从数据库获取用户的历史交易数据；

平台服务器以数据库中的大量用户的历史交易数据作为样本，输入到初始用户模型中进行训练，得到稳定用户模型，并导入目标用户的历史交易数据进行学习，得到目标用户的多维特征向量；

平台服务器获取实时交易公共参数；

平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息；

平台服务器根据用户的私人信息，对所述智能终端发送推送信息，所述推送信息至少包含所述待推送订单信息。

本发明通过智能终端采集用户的私人信息，传送至平台服务器，自动查询相关历史交易数据，并与待推送订单属性特征结合匹配出待推送订单信息并推送至用户的智能终端，根据历史数据训练用户模型，匹配新的交易信息，效率高、智能性好、准确率高，优先考虑节约用户成本和偏好特征，其次依据用户交易商品的权重值进行合理推送。

具体地，所述目标用户的多维特征向量包括：

目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值；

目标用户的代采国家；

目标用户的预期净利润；

目标用户的现货交易付款期限天数；

目标用户各类商品最大成本至最小成本的范围值；

目标用户各类商品的成交比例。

进一步地，所述待推送订单的属性特征包括：

代采国家、代采商品类型、代采单价、代采数量、代采送货期限天数、增值税率。

进一步地，所述平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息的步骤包括：

所述平台服务器将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中，以所述待推送订单的属性特征计算所述待推送订单的交易成本值；

以待推送订单的代采商品类型匹配目标用户各类商品最大成本至最小成本的范围值，获得待推送订单中购买此类商品的最大成本至最小成本的范围值，若所述待推送订单的交易成本值在此类商品的成本范围值内，则抓取该待推送订单信息，依据所述目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以成本范围值匹配不到任何待推送订单信息，则将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中的深度神经网络模型匹配出待推送订单信息，依据目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以深度神经网络模型匹配不出待推送订单信息，则根据所述多维特征向量中目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值、目标用户的代采国家、目标用户的预期净利润、目标用户的现货交易付款期限天数特征所占的权重由大到小依序筛选与当前特征符合的待推送订单信息，推送至所述智能终端，一个订单只对所述智能终端推送一次。

进一步地，所述智能终端还用于获取用户登录账号和用户登录密码，将所述用户登录账号、用户登录密码发送至平台服务器；

所述平台服务器根据所述用户登录账号和用户登录密码，判断用户登录的合法性，如判断合法，则发送登录合法信息至所述智能终端；

所述智能终端根据所述登录合法信息构建信息输入窗口，获取用户填写的私人信息并发送至所述平台服务器；

所述平台服务器根据所述私人信息获取数据库中用户的历史交易数据。

进一步地，所述用户的历史交易数据包括：代采国家、代采商品、代采单价、代采数量、代采送货期限天数、增值税率、现货交易付款期限天数、现货交易单价、净利润。

具体地，所述实时交易公共参数包括：国际进口关税税率、代采代理费用比率、服务费比率。

进一步地，所述平台服务器以代采国家和代采商品获取数据库中的国际进口关税税率；若代采国家为中国，则国际进口关税税率为零；若代采国家为中国以外的其他国家，则按照实时抓取的数据库中对应的代采国家及代采商品确定国际进口关税税率；国际进口关税税率乘以货款得出关税。

进一步地，所述平台服务器以所述必填参数代采单价乘以代采数量求得代理资金；

所述平台服务器以所述必填参数代采送货期限天数和所述选填参数现货交易付款期限天数相加求得代理天数；

所述平台服务器以所述关税+代采代理费用比率×代理资金×代理天数+服务费比率×代理资金×代理天数求得代采支出；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量求得现货交易收入；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量×所述必填参数增值税率求得现货交易交税；

所述平台服务器以所述现货交易收入-所述现货交易交税-所述代采支出求得净利润。

为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。

附图说明

图1为本发明实施例的基于人工智能技术的订单信息推送系统示意图。

图2为本发明实施例的基于人工智能技术的订单信息推送系统的信息推送方法的流程图。

具体实施方式

请参阅图1，其为本发明实施例的基于人工智能技术的订单信息推送系统示意图。

本发明所述的一种基于人工智能技术的订单信息推送系统，包括：

智能终端和平台服务器；

所述智能终端接收用户输入的私人信息，将所述私人信息发送至平台服务器；

平台服务器获取智能终端发送的私人信息，根据所述私人信息，从数据库获取用户的历史交易数据；

平台服务器以数据库中的大量用户的历史交易数据作为样本，输入到初始用户模型中进行训练，得到稳定用户模型，并导入目标用户的历史交易数据进行学习，得到目标用户的多维特征向量；

平台服务器获取实时交易公共参数；

平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息；

平台服务器根据用户的私人信息，对所述智能终端发送推送信息，所述推送信息至少包含所述待推送订单信息。

本发明通过智能终端采集用户的私人信息，传送至平台服务器，自动查询相关历史交易数据，并与待推送订单属性特征结合匹配出待推送订单信息并推送至用户的智能终端，根据历史数据训练用户模型，匹配新的交易信息，效率高、智能性好、准确率高，优先考虑节约用户成本和偏好特征，其次依据用户交易商品的权重值进行合理推送。

所述智能终端是指手机、笔记本、平板电脑、智能手环，智能手表等所有可以连入互联网的智能设备。在本实施例中，智能终端接入互联网，与平台服务器实现数据交互，传输用户输入智能终端的私人信息至平台服务器，并存储在数据库中。

所述平台服务器是提供计算服务的设备。服务器需要响应服务请求，并进行处理，所述服务器应具备承担服务并且保障服务的能力，是为客户端提供各种服务的高性能计算机，在网络操作系统的控制下，为网络用户提供集中计算、信息发表及数据管理等服务。在本实施例中，平台服务器接收智能终端从互联网传输的用户私人信息，并依据预设方法对私人信息进行处理，求得待推送订单信息后再用互联网传输至对应的智能终端。

所述数据库是以一定方式储存在一起、能为多个用户共享、具有尽可能小的冗余度的特点、是与应用程序彼此独立的数据集合，作为第三方数据库，以单独的服务器记录用户传输的数据，能实现接口通信、数据交互、数据存储、推送链接等功能。在本实施例中，数据库可以储存平台服务器处理的各项数据，存档用户私人信息，便于独立账户交易记录的读取和处理。

所述推送信息是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其定期推给用户，帮助用户高效率地发掘有价值的信息。在本实施例中，推送信息由平台服务器实现，通过设置定时推送来完成一定周期内用户账户内待推送订单信息的处理；平台服务器根据用户由智能终端上传的私人信息提取账户密码和历史交易数据，并在预设的时间周期性的将待推送订单信息实时推送至用户登录的账户对应的智能终端。

具体地，所述目标用户的多维特征向量包括：

目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值；

目标用户的代采国家；

目标用户的预期净利润；

目标用户的现货交易付款期限天数；

目标用户各类商品最大成本至最小成本的范围值；

目标用户各类商品的成交比例。

进一步地，所述待推送订单的属性特征包括：

代采国家、代采商品类型、代采单价、代采数量、代采送货期限天数、增值税率。

进一步地，所述平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息的步骤包括：

所述平台服务器将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中，以所述待推送订单的属性特征计算所述待推送订单的交易成本值；

以待推送订单的代采商品类型匹配目标用户各类商品最大成本至最小成本的范围值，获得待推送订单中购买此类商品的最大成本至最小成本的范围值，若所述待推送订单的交易成本值在此类商品的成本范围值内，则抓取该待推送订单信息，依据所述目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以成本范围值匹配不到任何待推送订单信息，则将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中的深度神经网络模型匹配出待推送订单信息，依据目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以深度神经网络模型匹配不出待推送订单信息，则根据所述多维特征向量中目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值、目标用户的代采国家、目标用户的预期净利润、目标用户的现货交易付款期限天数特征所占的权重由大到小依序筛选与当前特征符合的待推送订单信息，推送至所述智能终端，一个订单只对所述智能终端推送一次。

在本实施例中，用户模型的特征1权重为0.3，特征2权重为0.4，特征3权重为0.2，特征4权重为0.1，则将特征进行排序为2、1、3、4,依此将订单信息中匹配特征2的订单信息优先筛选，并按订单发布时间排序，依次完成符合特征1、3、4的订单信息，最后全部推送至用户智能终端，且一个订单只对当前用户智能终端推送一次。

进一步地，所述智能终端还用于获取用户登录账号和用户登录密码，将所述用户登录账号、用户登录密码发送至平台服务器；

所述平台服务器根据所述用户登录账号和用户登录密码，判断用户登录的合法性，如判断合法，则发送登录合法信息至所述智能终端；

所述智能终端根据所述登录合法信息构建信息输入窗口，获取用户填写的私人信息并发送至所述平台服务器；

所述平台服务器根据所述私人信息获取数据库中用户的历史交易数据。

本发明以智能终端、平台服务器和数据库之间的数据交互，实现智能化信息推送和用户数据存储，为用户带来便利。

进一步地，所述用户的历史交易数据包括：代采国家、代采商品、代采单价、代采数量、代采送货期限天数、增值税率、现货交易付款期限天数、现货交易单价、净利润。

具体地，所述实时交易公共参数包括：国际进口关税税率、代采代理费用比率、服务费比率。

进一步地，所述平台服务器以代采国家和代采商品获取数据库中的国际进口关税税率；若代采国家为中国，则国际进口关税税率为零；若代采国家为中国以外的其他国家，则按照实时抓取的数据库中对应的代采国家及代采商品确定国际进口关税税率；国际进口关税税率乘以货款得出关税。

进一步地，所述平台服务器以所述必填参数代采单价乘以代采数量求得代理资金；

所述平台服务器以所述必填参数代采送货期限天数和所述选填参数现货交易付款期限天数相加求得代理天数；

所述平台服务器以所述关税+代采代理费用比率×代理资金×代理天数+服务费比率×代理资金×代理天数求得代采支出；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量求得现货交易收入；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量×所述必填参数增值税率求得现货交易交税；

所述平台服务器以所述现货交易收入-所述现货交易交税-所述代采支出求得净利润。

请参阅图2，其为本发明实施例的基于人工智能技术的订单信息推送系统的信息推送方法的流程图。

S1用户登录智能终端，平台服务器判断用户登录的合法性；

S2智能终端构建信息输入窗口，用户填写私人信息；

S3智能终端发送私人信息至平台服务器；

S4平台服务器抓取数据库中的实时交易公共参数；

S5平台服务器确定用户的历史交易数据；

S6平台服务器匹配待推送订单信息；

S7平台服务器根据用户登录信息向对应的智能终端推送信息；

S8平台服务器将交易记录、用户账户、待推送订单信息存储至数据库。

本发明通过平台服务器自动抓取的实时交易公共参数结合用户提供的私人信息，获得用户所需的待推送订单信息并由平台服务器推送至用户的智能终端，可及时、高效的提供用户关注的数据，且准确率高，针对性强。

相对于现有技术，本发明可以通过平台服务器实时抓取实时交易公共参数，结合用户的历史交易数据，得出待推送订单信息并推送至用户智能终端，辅助用户及时把握交易公共参数。本发明还通过大数据分析方法训练用户模型，预测交易过程中的多维特征向量，便于用户掌握未来交易趋势。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也一同包含这些改动和变形。

Claims (9)

1.一种基于人工智能技术的订单信息推送系统，包括：

智能终端和平台服务器；

所述智能终端接收用户输入的私人信息，将所述私人信息发送至平台服务器；

平台服务器获取智能终端发送的私人信息，根据所述私人信息，从数据库获取用户的历史交易数据；

平台服务器以数据库中的大量用户的历史交易数据作为样本，输入到初始用户模型中进行训练，得到稳定用户模型，并导入目标用户的历史交易数据进行学习，得到目标用户的多维特征向量；

平台服务器获取实时交易公共参数；

平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息；

平台服务器根据用户的私人信息，对所述智能终端发送推送信息，所述推送信息至少包含所述待推送订单信息。

2.根据权利要求1所述的基于人工智能技术的订单信息推送系统，其特征在于，所述目标用户的多维特征向量包括：

目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值；

目标用户的代采国家；

目标用户的预期净利润；

目标用户的现货交易付款期限天数；

目标用户各类商品最大成本至最小成本的范围值；

目标用户各类商品的成交比例。

3.根据权利要求2所述的基于人工智能技术的订单信息推送系统，其特征在于，所述待推送订单的属性特征包括：

代采国家、代采商品类型、代采单价、代采数量、代采送货期限天数、增值税率。

4.根据权利要求1所述的基于人工智能技术的订单信息推送系统，其特征在于，所述平台服务器通过大数据分析方法将所述目标用户的多维特征向量结合待推送订单的属性特征导入推送模型，匹配待推送订单信息的步骤包括：

所述平台服务器将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中，以所述待推送订单的属性特征计算所述待推送订单的交易成本值；

以待推送订单的代采商品类型匹配目标用户各类商品最大成本至最小成本的范围值，获得待推送订单中购买此类商品的最大成本至最小成本的范围值，若所述待推送订单的交易成本值在此类商品的成本范围值内，则抓取该待推送订单信息，依据所述目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以成本范围值匹配不到任何待推送订单信息，则将目标用户的多维特征向量和待推送订单的属性特征导入推送模型中的深度神经网络模型匹配出待推送订单信息，依据目标用户各类商品的成交比例从小到大的顺序进行排序，且同类商品的订单按照订单发布时间倒序排序推送至所述智能终端；

若以深度神经网络模型匹配不出待推送订单信息，则根据所述多维特征向量中目标用户的代理天数与代采送货期限天数和现货交易付款期限天数之和的差值、目标用户的代采国家、目标用户的预期净利润、目标用户的现货交易付款期限天数特征所占的权重由大到小依序筛选与当前特征符合的待推送订单信息，推送至所述智能终端，一个订单只对所述智能终端推送一次。

5.根据权利要求1所述的基于人工智能技术的订单信息推送系统，其特征在于，

所述智能终端还用于获取用户登录账号和用户登录密码，将所述用户登录账号、用户登录密码发送至平台服务器；

所述平台服务器根据所述用户登录账号和用户登录密码，判断用户登录的合法性，如判断合法，则发送登录合法信息至所述智能终端；

所述智能终端根据所述登录合法信息构建信息输入窗口，获取用户填写的私人信息并发送至所述平台服务器；

所述平台服务器根据所述私人信息获取数据库中用户的历史交易数据。

6.根据权利要求1所述的基于人工智能技术的订单信息推送系统，其特征在于，所述用户的历史交易数据包括：代采国家、代采商品、代采单价、代采数量、代采送货期限天数、增值税率、现货交易付款期限天数、现货交易单价、净利润。

7.根据权利要求1所述的基于人工智能技术的订单信息推送系统，其特征在于，所述实时交易公共参数包括：国际进口关税税率、代采代理费用比率、服务费比率。

8.根据权利要求7所述的基于人工智能技术的订单信息推送系统，其特征在于，所述平台服务器以代采国家和代采商品获取数据库中的国际进口关税税率；若代采国家为中国，则国际进口关税税率为零；若代采国家为中国以外的其他国家，则按照实时抓取的数据库中对应的代采国家及代采商品确定国际进口关税税率；国际进口关税税率乘以货款得出关税。

9.根据权利要求8所述的基于人工智能技术的订单信息推送系统，其特征在于，

所述平台服务器以所述必填参数代采单价乘以代采数量求得代理资金；

所述平台服务器以所述必填参数代采送货期限天数和所述选填参数现货交易付款期限天数相加求得代理天数；

所述平台服务器以所述关税+代采代理费用比率×代理资金×代理天数+服务费比率×代理资金×代理天数求得代采支出；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量求得现货交易收入；

所述平台服务器以所述选填参数现货交易单价×所述必填参数代采数量×所述必填参数增值税率求得现货交易交税；

所述平台服务器以所述现货交易收入-所述现货交易交税-所述代采支出求得净利润。