CN112581189A - 一种供应商智能推荐系统及方法 - Google Patents
一种供应商智能推荐系统及方法 Download PDFInfo
- Publication number
- CN112581189A CN112581189A CN202011594892.4A CN202011594892A CN112581189A CN 112581189 A CN112581189 A CN 112581189A CN 202011594892 A CN202011594892 A CN 202011594892A CN 112581189 A CN112581189 A CN 112581189A
- Authority
- CN
- China
- Prior art keywords
- supplier
- suppliers
- user
- information
- similarity
- 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
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种供应商智能推荐系统及方法,其包括以下步骤:S1、获取用户基础信息及用户对于供应商的条件需求;S2、获取供应商信息并存储在供应商数据库;S3、根据用户对于供应商的条件需求,通过与供应商数据库的供应商信息相匹配,计算不同供应商的匹配相似度,获取对应的相似度评分并进行排列;S4、根据用户基础信息,通过相似性比较得到近邻用户及其反馈信息,并进行协同过滤算法,筛选得到感兴趣供应商;S5、结合不同供应商的相似度评分及感兴趣供应商进行评分并排列,得到最终推荐供应商;本发明通过结合用户、近邻用户及供应商的信息在供应商数据库中进行筛选,多维度筛选得到最终推荐的供应商,提高了供应商筛选的准确率。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种供应商智能推荐系统及方法。
背景技术
在信息处理技术高速发展的时代下,企业的发展离不开信息处理技术,企业要持续发展需要高效率地管理企业的供应链问题,需要供应商的产品、提供的原料必须满足质量,同时供应商在规定期限内进行产品交货,企业选择供应商需要考虑到多方面的影响,如供应商的规模、所属行业、交易状态、所属地区等,供应商的选择和评价往往是一个重要的任务,但是如今的市场庞大,供应商的质量参差不齐,企业如何在众多供应商中选择符合企业自己的供应商是一个急需解决的问题。
现有技术的供应商选择方式主要分为2种,一种是通过人为调研,收集资料并逐一筛选排除,这样的方法耗费大量人力物力,且效率低下,容易受调研人员的主观因素影响,目前已逐步被淘汰;另一种是利用信息处理技术在大数据中根据企业的需要进行筛选,得到系统人为最为符合企业需要的供应商,但是这样的处理方式单一,仅从企业对供应商的要求出发,难以准确得到符合企业需求的供应商,企业后续需要进行评估分析,效率较低。
发明内容
本发明的目的在于提供一种供应商智能推荐系统及方法,结合用户、近邻用户及供应商的信息在供应商数据库中进行筛选,多维度筛选得到最终推荐的供应商,提高了供应商筛选的准确率。
为实现上述目的,本发明采用以下技术方案:
一种供应商智能推荐方法,包括以下步骤:
S1、获取用户基础信息及用户对于供应商的条件需求;
S2、获取供应商信息并存储在供应商数据库;
S3、根据用户对于供应商的条件需求,通过与供应商数据库的供应商信息相匹配,计算不同供应商的匹配相似度,获取对应的相似度评分并进行由高到低或由低到高排列;
S4、根据用户基础信息,通过相似性比较得到近邻用户及其反馈信息,并进行协同过滤算法,筛选得到感兴趣供应商;
S5、基于步骤S3及S4,结合不同供应商的相似度评分及感兴趣供应商进行评分,由排名前一个或多个组成最终推荐供应商并推荐给用户。
进一步地,所述步骤S1中的用户基础信息包括以下的一项或者多项:
所属行业、当前位置、主营业务、交易状态;
用户对于供应商的条件需求包括以下的一项或者多项:
所属行业、当前位置、注册时间、注册资金、产品类型、人员规模。
进一步地,所述步骤S2中的供应商信息分别通过接口调用获取、爬虫获取、ETL获取或人工录入中的一种或多种组合,将获取的供应商信息通过整理清洗存储在供应商数据库内。
进一步地,所述整理清洗具体包括:
S21、获取字典库;
S22、将接口调用获取、爬虫获取、ETL获取或人工录入得到的供应商信息录入字典库;
S23、分别对供应商信息依次进行文本纠错、词法分析、关键词提取及词义相似度分析,将相似度超过阈值的供应商信息归为同一类,匹配相似度高的字典数据并存入供应商数据库;相似度不超过阈值则生成新的字典数据并存在字典库中,供应商信息存入供应商数据库。
进一步地,所述步骤S3具体包括:
S31、根据用户对于供应商的条件需求,提取一个或者多个关键信息;
S32、根据关键信息组合成多维组合,多维组合通过余弦匹配算法在供应商数据库中检索符合多维组合的供应商,并获得供应商的相似度数据;
S33、根据供应商的相似度数据,得到与相似度数据数值一致的相似度评分,并将供应商根据相似度评分进行由高到底或者由低到高排列。
进一步地,所述多维组合由所属行业、注册时间、注册资金、人员规模、营收、利润中的任意一种或多种的组成。
进一步地,所述步骤S4具体包括:
S41、根据用户基础信息,通过相似度算法匹配得到近邻用户及其预估分值;
S42、根据近邻用户,从近邻用户的历史推荐记录中通过user-based协同过滤算法筛选得到历史供应商信息;
S43、根据预估分值对历史供应商信息由高到低或由低到高进行排列,得到分值最高的感兴趣供应商。
进一步地,所述预估分值为通过相似度算法计算近邻用户与用户的相似度数值。
进一步地,所述步骤S5中的评分通过相似度评分及感兴趣供应商的排名分数相加得到,并根据评分排列供应商,由一个或者多个供应商组成最终推荐供应商。
一种供应商智能推荐系统,其特征在于:包括获取模块、对比模块、存储模块、评分模块及推荐模块;
所述获取模块,用于获取用户基础信息、用户对于供应商的条件需求、近邻用户及其反馈信息及供应商信息;
所述对比模块,用于对用户与近邻用户、供应商信息与用户对于供应商的条件需求的相似度;
所述存储模块,用于存储供应商、用户、近邻用户及推荐历史记录;
所述评分模块,用于结合获取模块的获取信息及对比模块的对比结果,对存储模块内的供应商信息进行评分,并将评分结果由高到低或由低到高进行排列后输送给推荐模块;
所述推荐模块,用于结合评分模块的评分结果,得到最终推荐供应商,并将最终推荐供应商通过显示端推荐给用户。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明通过获取用户基础信息及其对于供应商的条件需求,从供应商的条件需求中提取一个或多个关键信息,对关键信息进行组合排列,组成多维组合在供应商数据库中进行检索比对,通过相似度计算,筛选得到符合条件需求的供应商,根据相似度数值设置为符合条件的供应商评分并进行由高到低或由低到高的排列,结合用户基础信息进行检索比对得到近邻用户及其历史反馈信息,通过协同过滤算法筛选得到用户的感兴趣供应商,结合供应商相似度评分与感兴趣供应商进行最后评分,根据分数高低排名,得到最终推荐供应商给用户;结合用户、近邻用户及供应商的信息在供应商数据库中进行筛选,多维度筛选得到最终推荐的供应商,提高了供应商筛选的准确率。
附图说明
图1为本发明工作流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
参考图1所示,本发明公开了一种供应商智能推荐方法,包括以下步骤:
S1、获取用户基础信息及用户对于供应商的条件需求。
S2、获取供应商信息并存储在供应商数据库。
S3、根据用户对于供应商的条件需求,通过与供应商数据库的供应商信息相匹配,计算不同供应商的匹配相似度,获取对应的相似度评分并进行由高到低或由低到高排列。
S4、根据用户基础信息,通过相似性比较得到近邻用户及其反馈信息,并进行协同过滤算法,筛选得到感兴趣供应商。
S5、基于步骤S3及S4,结合不同供应商的相似度评分及感兴趣供应商进行评分,由排名前一个或多个组成最终推荐供应商并推荐给用户。
步骤S1中的用户基础信息包括以下的一项或者多项:
所属行业、当前位置、主营业务、交易状态。
用户对于供应商的条件需求包括以下的一项或者多项:
所属行业、当前位置、注册时间、注册资金、产品类型、人员规模。
步骤S2中的供应商信息分别通过接口调用获取、爬虫获取、ETL获取或人工录入中的一种或多种组合,将获取的供应商信息通过整理清洗存储在供应商数据库内;供应商数据来源主要来自企业信息查询工具、官方网站、工商年报信息、企业新闻信息、产业调研信息、证券交易年报财报信息。
整理清洗具体包括:
S21、获取字典库。
S22、将接口调用获取、爬虫获取、ETL获取或人工录入得到的供应商信息录入字典库。
S23、分别对供应商信息依次进行文本纠错、词法分析、关键词提取及词义相似度分析,将相似度超过阈值的供应商信息归为同一类,匹配相似度高的字典数据并存入供应商数据库;相似度不超过阈值则生成新的字典数据并存在字典库中,供应商信息存入供应商数据库。
步骤S3具体包括:
S31、根据用户对于供应商的条件需求,提取一个或者多个关键信息。
S32、根据关键信息组合成多维组合,多维组合通过余弦匹配算法在供应商数据库中检索符合多维组合的供应商,并获得供应商的相似度数据。
S33、根据供应商的相似度数据,得到与相似度数据数值一致的相似度评分,并将供应商根据相似度评分进行由高到底或者由低到高排列。
多维组合由所属行业、注册时间、注册资金、人员规模、营收、利润中的任意一种或多种的组成。
多维组合检索为提供多个维度的组合查询供应商/产品/应用信息,以供应商为例,包括所述行业、注册时间、注册资金、人员规模、营收、利润、关键字等查询维度;并通过多维指标分析,分析供应商的地域、人员规模、营收、利润等指标,是否符合用户的条件需求。
还有另一种相似度比对方式是通过余弦相似度计算用户提供的产品特征与供应商数据库内的各供应商的所有产品的相似度,取各供应商产品相似度的最大值作为各供应商与目标产品的相似度大小及其相似度评分。
步骤S4具体包括:
S41、根据用户基础信息,通过相似度算法匹配得到近邻用户及其预估分值。
S42、根据近邻用户,从近邻用户的历史推荐记录中通过user-based协同过滤算法筛选得到历史供应商信息。
S43、根据预估分值对历史供应商信息由高到低或由低到高进行排列,得到分值最高的感兴趣供应商。
预估分值为通过相似度算法计算近邻用户与用户的相似度数值。
步骤S5中的评分通过相似度评分及感兴趣供应商的排名分数相加得到,并根据评分排列供应商,由一个或者多个供应商组成最终推荐供应商。
一种供应商智能推荐系统,其特征在于:包括获取模块、对比模块、存储模块、评分模块及推荐模块;获取模块、对比模块、存储模块、评分模块及推荐模块之间相互连接。
获取模块,用于获取用户基础信息、用户对于供应商的条件需求、近邻用户及其反馈信息及供应商信息。
对比模块,用于对用户与近邻用户、供应商信息与用户对于供应商的条件需求的相似度。
存储模块,用于存储供应商、用户、近邻用户及推荐历史记录。
评分模块,用于结合获取模块的获取信息及对比模块的对比结果,对存储模块内的供应商信息进行评分,并将评分结果由高到低或由低到高进行排列后输送给推荐模块。
推荐模块,用于结合评分模块的评分结果,得到最终推荐供应商,并将最终推荐供应商通过显示端推荐给用户。
本实施例通过获取用户基础信息及其对于供应商的条件需求,从供应商的条件需求中提取一个或多个关键信息,对关键信息进行组合排列,组成多维组合在供应商数据库中进行检索比对,通过相似度计算,筛选得到符合条件需求的供应商,根据相似度数值设置为符合条件的供应商评分并进行由高到低或由低到高的排列,结合用户基础信息进行检索比对得到近邻用户及其历史反馈信息,通过协同过滤算法筛选得到用户的感兴趣供应商,结合供应商相似度评分与感兴趣供应商进行最后评分,根据分数高低排名,得到最终推荐供应商给用户;利用相似度计算、协同过滤算法去计算供应商与用户的匹配相似度,结合用户、近邻用户及供应商的信息在供应商数据库中进行筛选,多维度筛选得到最终推荐的供应商,从而实现根据用户需求智能推荐匹配的供应商,提高了供应商筛选的准确率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种供应商智能推荐方法,其特征在于,包括以下步骤:
S1、获取用户基础信息及用户对于供应商的条件需求;
S2、获取供应商信息并存储在供应商数据库;
S3、根据用户对于供应商的条件需求,通过与供应商数据库的供应商信息相匹配,计算不同供应商的匹配相似度,获取对应的相似度评分并进行由高到低或由低到高排列;
S4、根据用户基础信息,通过相似性比较得到近邻用户及其反馈信息,并进行协同过滤算法,筛选得到感兴趣供应商;
S5、基于步骤S3及S4,结合不同供应商的相似度评分及感兴趣供应商进行评分并排列,由排名前一个或多个组成最终推荐供应商并推荐给用户。
2.如权利要求1所述的一种供应商智能推荐方法,其特征在于:所述步骤S1中的用户基础信息包括以下的一项或者多项:
所属行业、当前位置、主营业务、交易状态;
用户对于供应商的条件需求包括以下的一项或者多项:
所属行业、当前位置、注册时间、注册资金、产品类型、人员规模。
3.如权利要求1所述的一种供应商智能推荐方法,其特征在于:所述步骤S2中的供应商信息分别通过接口调用获取、爬虫获取、ETL获取或人工录入中的一种或多种组合,将获取的供应商信息通过整理清洗存储在供应商数据库内。
4.如权利要求3所述的一种供应商智能推荐方法,其特征在于:所述整理清洗具体包括:
S21、获取字典库;
S22、将接口调用获取、爬虫获取、ETL获取或人工录入得到的供应商信息录入字典库;
S23、分别对供应商信息依次进行文本纠错、词法分析、关键词提取及词义相似度分析,将相似度超过阈值的供应商信息归为同一类,匹配相似度高的字典数据并存入供应商数据库;相似度不超过阈值则生成新的字典数据并存在字典库中,供应商信息存入供应商数据库。
5.如权利要求1所述的一种供应商智能推荐方法,其特征在于:所述步骤S3具体包括:
S31、根据用户对于供应商的条件需求,提取一个或者多个关键信息;
S32、根据关键信息组合成多维组合,多维组合通过余弦匹配算法在供应商数据库中检索符合多维组合的供应商,并获得供应商的相似度数据;
S33、根据供应商的相似度数据,得到与相似度数据数值一致的相似度评分,并将供应商根据相似度评分进行由高到底或者由低到高排列。
6.如权利要求5所述的一种供应商智能推荐方法,其特征在于:所述多维组合由所属行业、注册时间、注册资金、人员规模、营收、利润中的任意一种或多种的组成。
7.如权利要求1所述的一种供应商智能推荐方法,其特征在于:所述步骤S4具体包括:
S41、根据用户基础信息,通过相似度算法匹配得到近邻用户及其预估分值;
S42、根据近邻用户,从近邻用户的历史推荐记录中通过user-based协同过滤算法筛选得到历史供应商信息;
S43、根据预估分值对历史供应商信息由高到低或由低到高进行排列,得到分值最高的感兴趣供应商。
8.如权利要求7所述的一种供应商智能推荐方法,其特征在于:所述预估分值为通过相似度算法计算近邻用户与用户的相似度数值。
9.如权利要求1所述的一种供应商智能推荐方法,其特征在于:所述步骤S5中的评分通过相似度评分及感兴趣供应商的排名分数相加得到,并根据评分排列供应商,由一个或者多个供应商组成最终推荐供应商。
10.一种供应商智能推荐系统,其特征在于:包括获取模块、对比模块、存储模块、评分模块及推荐模块;
所述获取模块,用于获取用户基础信息、用户对于供应商的条件需求、近邻用户及其反馈信息及供应商信息;
所述对比模块,用于对用户与近邻用户、供应商信息与用户对于供应商的条件需求的相似度;
所述存储模块,用于存储供应商、用户、近邻用户及推荐历史记录;
所述评分模块,用于结合获取模块的获取信息及对比模块的对比结果,对存储模块内的供应商信息进行评分,并将评分结果由高到低或由低到高进行排列后输送给推荐模块;
所述推荐模块,用于结合评分模块的评分结果,得到最终推荐供应商,并将最终推荐供应商通过显示端推荐给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594892.4A CN112581189A (zh) | 2020-12-29 | 2020-12-29 | 一种供应商智能推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594892.4A CN112581189A (zh) | 2020-12-29 | 2020-12-29 | 一种供应商智能推荐系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581189A true CN112581189A (zh) | 2021-03-30 |
Family
ID=75144021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594892.4A Pending CN112581189A (zh) | 2020-12-29 | 2020-12-29 | 一种供应商智能推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581189A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066572A (zh) * | 2021-11-17 | 2022-02-18 | 江南大学 | 一种电缆交易智能推荐方法及系统 |
CN114282976A (zh) * | 2021-12-27 | 2022-04-05 | 赛尔网络有限公司 | 供应商推荐方法、装置、电子设备及介质 |
CN114943450A (zh) * | 2022-05-24 | 2022-08-26 | 四川华能宝兴河水电有限责任公司 | 采购项目资质自动筛选方法及系统 |
CN116226213A (zh) * | 2023-02-22 | 2023-06-06 | 广州集联信息技术有限公司 | 一种基于大数据的信息推荐系统及方法 |
CN116720896A (zh) * | 2023-08-10 | 2023-09-08 | 青岛阿斯顿工程技术转移有限公司 | 基于大数据的企业科技服务个性化推荐方法及系统 |
CN117078343A (zh) * | 2023-08-21 | 2023-11-17 | 苏州工业园区报关有限公司 | 基于云原生的供应链服务平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020013778A1 (en) * | 1999-09-10 | 2002-01-31 | Neal Michael Renn | Sequential subset catalog search engine |
US20110202400A1 (en) * | 2005-05-02 | 2011-08-18 | Cbs Interactive, Inc. | System and Method for an Electronic Product Advisor |
WO2017005014A1 (zh) * | 2015-07-09 | 2017-01-12 | 中兴通讯股份有限公司 | 搜索匹配商品的方法及装置 |
CN109064278A (zh) * | 2018-07-26 | 2018-12-21 | 北京三快在线科技有限公司 | 目标对象推荐方法及装置、电子设备、存储介质 |
CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
-
2020
- 2020-12-29 CN CN202011594892.4A patent/CN112581189A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020013778A1 (en) * | 1999-09-10 | 2002-01-31 | Neal Michael Renn | Sequential subset catalog search engine |
US20110202400A1 (en) * | 2005-05-02 | 2011-08-18 | Cbs Interactive, Inc. | System and Method for an Electronic Product Advisor |
WO2017005014A1 (zh) * | 2015-07-09 | 2017-01-12 | 中兴通讯股份有限公司 | 搜索匹配商品的方法及装置 |
CN109064278A (zh) * | 2018-07-26 | 2018-12-21 | 北京三快在线科技有限公司 | 目标对象推荐方法及装置、电子设备、存储介质 |
CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
Non-Patent Citations (3)
Title |
---|
何喜军等: "基于异构信息网络嵌入的专利技术主体间交易推荐模型", 《情报学报》 * |
吕学强等: "基于内容和兴趣漂移模型的电影推荐算法研究", 《计算机应用研究》 * |
焦亚琴等: "基于Mahout的个性化电子商务推荐系统研究", 《电脑知识与技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066572A (zh) * | 2021-11-17 | 2022-02-18 | 江南大学 | 一种电缆交易智能推荐方法及系统 |
CN114066572B (zh) * | 2021-11-17 | 2022-07-12 | 江南大学 | 一种电缆交易智能推荐方法及系统 |
CN114282976A (zh) * | 2021-12-27 | 2022-04-05 | 赛尔网络有限公司 | 供应商推荐方法、装置、电子设备及介质 |
CN114943450A (zh) * | 2022-05-24 | 2022-08-26 | 四川华能宝兴河水电有限责任公司 | 采购项目资质自动筛选方法及系统 |
CN116226213A (zh) * | 2023-02-22 | 2023-06-06 | 广州集联信息技术有限公司 | 一种基于大数据的信息推荐系统及方法 |
CN116226213B (zh) * | 2023-02-22 | 2023-11-10 | 广州集联信息技术有限公司 | 一种基于大数据的信息推荐系统及方法 |
CN116720896A (zh) * | 2023-08-10 | 2023-09-08 | 青岛阿斯顿工程技术转移有限公司 | 基于大数据的企业科技服务个性化推荐方法及系统 |
CN116720896B (zh) * | 2023-08-10 | 2023-10-24 | 青岛阿斯顿工程技术转移有限公司 | 基于大数据的企业科技服务个性化推荐方法及系统 |
CN117078343A (zh) * | 2023-08-21 | 2023-11-17 | 苏州工业园区报关有限公司 | 基于云原生的供应链服务平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581189A (zh) | 一种供应商智能推荐系统及方法 | |
CN107066599B (zh) | 一种基于知识库推理的相似上市公司企业检索分类方法及系统 | |
US11663254B2 (en) | System and engine for seeded clustering of news events | |
Aligon et al. | A collaborative filtering approach for recommending OLAP sessions | |
WO2019214245A1 (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN111708949B (zh) | 医疗资源的推荐方法及装置、电子设备、存储介质 | |
CN102236663B (zh) | 一种基于垂直搜索的查询方法、系统和装置 | |
US7912816B2 (en) | Adaptive archive data management | |
CN104077407B (zh) | 一种智能数据搜索系统及方法 | |
US20170116307A1 (en) | Automated Refinement and Validation of Data Warehouse Star Schemas | |
CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
Wu et al. | Financial fraud risk analysis based on audit information knowledge graph | |
Adhikari et al. | Advances in knowledge discovery in databases | |
Altendeitering et al. | A functional taxonomy of data quality tools: Insights from science and practice | |
CN115796924A (zh) | 一种基于大数据的云平台电子商务数据处理方法及系统 | |
US20190384812A1 (en) | Portfolio-based text analytics tool | |
US20170116306A1 (en) | Automated Definition of Data Warehouse Star Schemas | |
Ben Lahmar et al. | Provenance-based visual data exploration with EVLIN | |
Ashok et al. | E-business analytics through ETL and self-service business intelligence tool | |
TWI605351B (zh) | Query method, system and device based on vertical search | |
Pérez et al. | Towards a data warehouse contextualized with web opinions | |
Sathiyamoorthi et al. | Data mining for intelligent enterprise resource planning system | |
Righi et al. | Integration of survey data and big data for finite population inference in official statistics: statistical challenges and practical applications | |
Marcel | Log-driven user-centric OLAP | |
CN108920726A (zh) | 一种审计分析系统及方法 |
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 |