CN112465592A - 一种基于平台的智能推荐商品方法 - Google Patents

Abstract

一种基于平台的智能推荐商品方法，包括：S1、基于平台内的信息系统，供应商通过信息系统实时维护自己的商品信息；S2、采购商通过信息系统提交自己的原始采购需求；S3、运用大数据和人工智能及机器学习方法，对所述S2中采购商的原始采购需求进行分析与拆解，获取精准的采购需求；依据所获取的采购需求，为采购商推荐符合其需求的商品及价格，形成电子报价单。本发明为采购商自动推荐符合要求的商品，为采购商快速生成报价，保障商品价格实惠、质量安全可靠。

Description

一种基于平台的智能推荐商品方法

技术领域

本发明涉及计算机软件技术领域，具体涉及一种基于平台的智能推荐商品方法。

背景技术

在建筑工程的采购中，因为工程项目规模大，工程项目参与方及人数众多，涉及的商品品类繁多，品类之间关系复杂，周期长，程序复杂，需求模糊等，建筑工程的采购变成了一项复杂，缓慢和成本高昂的工作，还常常因为可供选择和对比的商品不足，价格差异大，价格变化快，在跨境采购时还受汇率影响等等原因，导致工程交付延误，出现重大质量问题，达不到设计要求，或者严重超出预算等一系列问题。

如何大幅降低工程采购的复杂度，帮助工程采购方分解出精准的采购需求，提升采购效率，提供全面的充足的候选商品，提供准确、可靠和低廉的商品价格，降低采购成本和风险成为工程采购的关键。

目前，大多数建材提供商(包括传统的贸易商、供应商和批发商，或者电子商务平台)，要么需要工程采购方提供精准的采购清单，要么由建材提供商通过人工处理工程采购方提供的商业询价书(俗称BQ单)，制作为采购清单，再逐项提供报价，并且一项需求一般只能提供单个候选商品，这种情况不外乎是把工程采购方的工作转移到建材提供商，并没有有效的解决前述的一系列问题。大多数面向企业采购的电子商务平台，会提供商品目录让工程采购方自行选购，但实际上效率低下，并没有针对性的解决前述的一系列问题。

归纳之，建筑工程采购领域，还存在一定的问题。

发明内容

为此，为了解决现有技术中的上述问题，本发明提出一种基于平台的智能推荐商品方法。

本发明通过以下技术手段解决上述问题：

一种基于平台的智能推荐商品方法，包括：

S1、基于平台内的信息系统，供应商通过信息系统实时维护自己的商品信息；

S2、采购商通过信息系统提交自己的原始采购需求；

S3、运用大数据和人工智能及机器学习方法，对所述S2中采购商的原始采购需求进行分析与拆解，获取精准的采购需求；依据所获取的采购需求，为采购商推荐符合其需求的商品及价格，形成电子报价单。

进一步的，所述S3中大数据和人工智能及机器学习方法包括：

S31、对原始需求文件进行内容识别，判断内容是图像信息还是机器可读文本信息；若是图像信息，则执行步骤S32；若是机器可读文本信息，则执行步骤S33；

S32、对图像信息进行图像识别，判断识别是否有错误；有错误，则执行步骤S33；没有错误，则执行步骤S38；

S33、判断识别内容是否有错误；有错误，则进行人工处理，然后执行步骤S34；没有错误，则直接执行步骤S34；

S34、对原始需求文件进行预处理，生成预处理后的需求文本,然后执行步骤S35；

S35、对与处理后的需求文本进行需求首次拆分，生成经首次拆分的需求清单，然后执行步骤S36；

S36、对经首次拆分的需求清单进行二次拆分，对需求项进行逐条单独拆分，生成经二次拆分的需求清单，然后执行步骤S37；

S37、对经二次拆分的需求清单进行标准化处理，生成标准化的需求目录，然后执行步骤S38；

S38、对标准化的需求目录内的需求项进行逐条智能匹配商品和供应信息，逐条匹配完成后，生成电子报价单，然后执行步骤S39；

S39、依据电子报价单，进行物流和税费的核算，并对财务风险进行审核，最终生成电子报价单输出给用户。

进一步的，所述S36包括：

S361、逐条取需求项，从经首次拆分的需求清单内取出需求项；

S362、对需求项进行二次处理，对单条需求项就行文本校正处理；

S363、对校正后的需求项就行文本解析；

S364、对解析后的需求项就行需求分析；

S365、对解析后的需求项就行二次拆分，最终生成经二次拆分的需求清单。

进一步的，所述S38包括：

S381、依据标准化的需求目录，合并同类项；

S382、从合并同类项后的标准化的需求目录内取需求项；

S383、对所取需求项进行商品和供应信息的匹配；

S384、判断是否找到匹配并且数量符合要求；

S385、当所述S384中的判断结果为是时：则判断所有需求项是否完成匹配，若是，则生成电子报价单，然后执行步骤S39；若否，则返回步骤S382；

S386、当所述S384中的判断结果为否时：为无匹配需求清单，则进行人工补充，再生成电子报价单，然后执行步骤S39。

本发明提供的一种基于平台的智能推荐商品的方法帮助工程采购方分析和拆解工程采购需求，为工程采购方精准推荐多种符合要求的候选商品和可靠可信低廉的价格，极大的提升了工程采购的效率和时间，极大的降低了工程采购的成本和风险

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于平台的智能推荐商品的系统和方法的流程图；

图2是图1中内容识别和图像识别所涉及到的原理图；

图3是图1中预处理所涉及到的原理图；

图4是图1中需求首次拆分所涉及到的原理图；

图5是图1中二次处理、文本解析、需求分析和需求二次拆分所涉及到的原理图；

图6是图1中标准化处理所涉及到的原理图；

图7是图1中智能匹配商品和供应信息所涉及到的原理图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

需要说明的是，本发明是依据交易平台而立，实现采购商快速便捷的买到符合自身要求的商品，交易平台通过建立数据中台，搭建数据中台架构，首先搭建数据采集治理平台，通过采集商品参数信息、服务信息、价格信息，并做数据治理，采购商通过平台数据处理将需求发送出去，供应商通过数据共享交换提供报价信息，数据中台的AI智能算法能自动识别商品需求，对商品需求进行分析，建立商品模型，为建材采购商提供智能推荐，智能推荐基于商品参数、商品服务、商品价格为用户推荐选择的商品，自动生成电子报价单，为采购商提供报价清单，用户只需快速下单，通过快优易购买到符合要求的商品。本发明应用到许多人工智能、大数据和机器学习相关的技术和海量数据库，包括但不限于以下技术和数据库：

T1分词，将自然语言表示的文本拆分成词素的方法；T2语法分析：对自然语言表示的文本进行语法分析的方法；T3文本校正：对自然语言表示的文本进行纠错、校正和重组的方法；T4语料库：通过采集海量的自然语言文本进行机器学习后形成的某个特定行业或领域的自然语言文本素材数据库；T5商品特征库：通过采集海量的商品数据进行机器学习后形成的商品特征数据的数据库；T6标签及索引库：通过海量的商品和需求数据进行机器学习后形成的商品和需求标签、索引、群集和映射信息数据库；T7商品及供应链库：交易系统中存储的实际可供采购的商品及供应信息的详细数据库，来自于海量的供应商、卖家和生产厂家，包含完善的商品、供应商、物流、税费等供应链相关数据；T8综合业务库：通过长期对各种交易数据、宏观经济数据、金融数据和行业数据进行大数据挖掘后获得的综合业务数据库，包括海量的宏观经济数据、金融数据、行业数据和各种交易数据等。

一种基于平台的智能推荐商品方法，包括：

S1、基于平台内的信息系统，供应商通过信息系统实时维护自己的商品信息；

S2、采购商通过信息系统提交自己的原始采购需求；

S3、运用大数据和人工智能及机器学习方法，对所述S2中采购方的原始采购需求进行分析与拆解，获取精准的采购需求；依据所获取的采购需求，为采购商推荐符合其需求的商品及价格，形成电子报价单。

如图1所示，作为优选，所述S3中AI智能算法包括：

S31、对原始需求文件进行内容识别，判断内容是图像信息还是机器可读文本信息；若是图像信息，则执行步骤S32；若是机器可读文本信息，则执行步骤S33。

S32、对图像信息进行图像识别，判断识别是否有错误；有错误，则执行步骤S33；没有错误，则执行步骤S38。

S33、判断识别内容是否有错误；有错误，则进行人工处理，然后执行步骤S34；没有错误，则直接执行步骤S34。需要说明的事，此步骤经过人工处理的内容经机器学习引擎反向推演后，会存入样本数据库，即上文所述的数据中台中。

如图2所示，作为优选，对原始需求文件进行内容的识别，一般原始采购需求由人工扫描或计算机导出成图片，有些为机器可读的文本内容，则可以跳过文本识别环节，首先对需求文件采用改进的光学字符识别技术进行初步识别，确定是否是文字内容：是文字内容，则利用改进的光学字符被技术识别出文字，然后生成原始需求文本；不是文字内容，则结合T5商品特征库，利用图像识别技术识别商品并生成特征数据进行方向匹配，然后生成原始需求文本。

S34、对原始需求文件进行预处理，生成预处理后的需求文本,然后执行步骤S35。

如图3所示，作为优选，对原始需求文件进行内容识别后生成的原始需求文本，进行预处理。原始需求文本有普通的语句或图片组成(图片在图像识别阶段被提取)，由自然语言进行描述，内容识别转换文本内容经常会因为换行和换页而断开，或者编写人认为的省略，需要进行连接和补全，误连接的句子也需要进行拆分等。结合T3文本校正和T4语料库，进行文本校正，包括断句连接拼接、语法不全、长句拆分等等，进而生成预处理后的需求文本。

S35、对与处理后的需求文本进行需求首次拆分，生成经首次拆分的需求清单，然后执行步骤S36。

如图4所示，作为优选，对预处理后的需求文本进行需求首次拆分。原始需求文本是一系列的需求说明和规格描述组成的，需要拆分成一项一项的单条需求，然后再做进一步的处理。结合T3文本校正和T4语料库拆分段落，按位置和/或语义将原始描述拆分为单条需求，进而生成经首次拆分的需求清单。

S36、对经首次拆分的需求清单进行二次拆分，对需求项进行逐条单独拆分，生成经二次拆分的需求清单，然后执行步骤S37；如图5所示，作为优选，所述S36包括：

S361、逐条取需求项，从经首次拆分的需求清单内取出需求项；需要说明的是，一次对一条需求进行提取，然后进行分析拆分，直至所有的需求项全部被分析拆分完。

S362、对需求项进行二次处理，对单条需求项就行文本校正处理；需要说明的是，此步骤结合了T3文本校正和T4语料库，对单条需求进行文本校正处理。

S363、对校正后的需求项就行文本解析；需要说明的是，此步骤结合了T1分词，从而进行文本解析，主要是分词。

S364、对解析后的需求项就行需求分析；需要说明的是，此步骤结合了T6标签及索引库，对单条需求进行关联和衍射分析。

S365、对解析后的需求项就行二次拆分，最终生成经二次拆分的需求清单。需要说明的是，此步骤是根据关联的衍射结果扩展出此条需求隐含的更多的需求。

将所有的单条需求按所述S361-S365的所有步骤进行一次完整的分析拆分，最后生成经二次拆分的需求清单。

S37、对经二次拆分的需求清单进行标准化处理，生成标准化的需求目录，然后执行步骤S38。如图6所示，需要说明的是，此步骤结合了T6标签及索引库和T8综合业务库，将经二次拆分的需求清单进行以下处理：别名转化，口语校正，规格识别，规范化，数值规范化，单位解析，单位换算，价格及货币换算等等；进而生成标准化的清单。

S38、对标准化的需求目录内的需求项进行逐条智能匹配商品和供应信息，逐条匹配完成后，生成电子报价单，然后执行步骤S39；作为优选，所述S38包括：

S381、依据标准化的需求目录，合并同类项；

S382、从合并同类项后的标准化的需求目录内取需求项；

S383、对所取需求项进行商品和供应信息的匹配；

S384、判断是否找到匹配并且数量符合要求；

S385、当所述S384中的判断结果为是时：则判断所有需求项是否完成匹配，若是，则生成电子报价单，然后执行步骤S39；若否，则返回步骤S382；

S386、当所述S384中的判断结果为否时：为无匹配需求清单，则进行人工补充，再生成电子报价单，然后执行步骤S39。

需要说明的是，在执行商品需求项的商品和供应信息的匹配时，第一步需求项，即单项商品需求。第二步，确定是否有明确的品牌和规格需求：如果有明确的品牌和规格需求，则匹配指定需求，然后确定是否找到匹配的商品和商品的数量是否同时符合需求(图7中简称为：找到匹配且数量符合)；如果没有明确的品牌和规格需求，则根据算法推荐相关的匹配，然后确定是否找到匹配且数量符合。第三步，如果没有找到匹配且数量符合，则提交人工处理，进而生成单项需求商品清单；如果找到匹配且数量符合，则列举符合的商品，并推荐更多的商品为用户提供参考(图7中简称为：推荐更多提供参考)，进而生成单项需求商品清单。以此循环往复，对每个需求项进行商品和供应信息的匹配，就能够生成一份完全符合用户需求的商品清单进而生成电子报价单。

S39、依据电子报价单，进行物流和税费的核算，并对财务风险进行审核，最终生成电子报价单输出给用户。

本发明提供的一种自动匹配商品和报价的方法为采购商自动推荐符合要求的商品，为采购商快速生成报价，保障商品价格实惠、质量安全可靠。通过大数据技术和AI智能算法，建立一个能向采购商自动推荐符合要求商品，并且能够为选择的商品快速生成报价单，给采购商带来采购效益。本发明通过快速整合供应商资源，为采购商的商品提供快速报价，为客户带来采购的方便性，价格的优惠性，商品品质的安全性。避免了采购商在采购商品时存在商品难询价，价格难比价等一系列问题。

在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、“优选实施例”等，指的是结合该实例描述的具体特征、结构或者特点包含在本申请概括描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明内。尽管这里参照本发明的多个解释性实例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式降落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题结合布局的组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显。

Claims (4)

1.一种基于平台的智能推荐商品方法，其特征在于，包括：

S1、基于平台内的信息系统，供应商通过信息系统实时维护自己的商品信息；

S2、采购商通过信息系统提交自己的原始采购需求；

S3、运用大数据和人工智能及机器学习方法，对所述S2中采购商的原始采购需求进行分析与拆解，获取精准的采购需求；依据所获取的采购需求，为采购商推荐符合其需求的商品及价格，形成电子报价单。

2.根据权利要求1所述的基于平台的智能推荐商品方法，其特征在于，所述S3中AI智能算法包括：

S31、对原始需求文件进行内容识别，判断内容是图像信息还是机器可读文本信息；若是图像信息，则执行步骤S32；若是机器可读文本信息，则执行步骤S33；

S32、对图像信息进行图像识别，判断识别是否有错误；有错误，则执行步骤S33；没有错误，则执行步骤S38；

S33、判断识别内容是否有错误；有错误，则进行人工处理，然后执行步骤S34；没有错误，则直接执行步骤S34；

S34、对原始需求文件进行预处理，生成预处理后的需求文本,然后执行步骤S35；

S35、对与处理后的需求文本进行需求首次拆分，生成经首次拆分的需求清单，然后执行步骤S36；

S36、对经首次拆分的需求清单进行二次拆分，对需求项进行逐条单独拆分，生成经二次拆分的需求清单，然后执行步骤S37；

S37、对经二次拆分的需求清单进行标准化处理，生成标准化的需求目录，然后执行步骤S38；

S38、对标准化的需求目录内的需求项进行逐条智能匹配商品和供应信息，逐条匹配完成后，生成电子报价单，然后执行步骤S39；

S39、依据电子报价单，进行物流和税费的核算，并对财务风险进行审核，最终生成电子报价单输出给用户。

3.根据权利要求2所述的基于平台的智能推荐商品方法，其特征在于，所述S36包括：

S361、逐条取需求项，从经首次拆分的需求清单内取出需求项；

S362、对需求项进行二次处理，对单条需求项就行文本校正处理；

S363、对校正后的需求项就行文本解析；

S364、对解析后的需求项就行需求分析；

S365、对解析后的需求项就行二次拆分，最终生成经二次拆分的需求清单。

4.根据权利要求2所述的基于平台的智能推荐商品方法，其特征在于，所述S38包括：

S381、依据标准化的需求目录，合并同类项；

S382、从合并同类项后的标准化的需求目录内取需求项；

S383、对所取需求项进行商品和供应信息的匹配；

S384、判断是否找到匹配并且数量符合要求；

S385、当所述S384中的判断结果为是时：则判断所有需求项是否完成匹配，若是，则生成电子报价单，然后执行步骤S39；若否，则返回步骤S382；

S386、当所述S384中的判断结果为否时：为无匹配需求清单，则进行人工补充，再生成电子报价单，然后执行步骤S39。

Images