CN114463079A - 计算机实施的供应商推荐方法、计算机设备及存储介质 - Google Patents
计算机实施的供应商推荐方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114463079A CN114463079A CN202111196233.XA CN202111196233A CN114463079A CN 114463079 A CN114463079 A CN 114463079A CN 202111196233 A CN202111196233 A CN 202111196233A CN 114463079 A CN114463079 A CN 114463079A
- Authority
- CN
- China
- Prior art keywords
- node
- supplier
- bidding
- suppliers
- matrix
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种计算机实施的供应商推荐方法、计算机设备及存储介质。在一具体实施方式中,该方法包括:利用历史竞标数据集对PageRank模型进行训练,其中所述历史竞标数据集包括作为模型的输入的子类别信息及所述子类别下的所有竞价场次对应的供应商报价,以及作为所述模型输出的每个供应商的胜出概率;将子类别信息输入训练好的PageRank模型,输出推荐的供应商,以供竞标前邀请所述推荐的供应商参加投标。
Description
技术领域
本发明涉及供应商推荐领域。更具体地,涉及一种计算机实施的供应商推荐方法、计算机设备及存储介质。
背景技术
竞标是指在交易市场组织下,买方或卖方通过交易市场现货竞标交易系统,将可供需商品的品牌、规格等主要属性和交货地点、交货时间、数量、底价等信息对外发布要约,由符合资格的对手方自主加价或减价,按照“价格优先”的原则,在规定时间内以最高买价或最低卖价成交并通过交易市场签订电子购销合同,按合同约定进行实物交收的交易方式。
例如在采购场景下,采购方需要在竞标事项中录入供应商信息,(例如名称、银行账户信息等),由于每个类别的供应商厂家众多,选择供应商不同直接导致本次竞标中的最终报价不同。在竞标前,目前采购方确定邀请哪几个供应商参与竞标的选择是由人工设置的,这一方式往往不能最优化供应商,导致公司以过高价格完成采购流程。
发明内容
本发明的一个目的在于提供一种计算机实施的供应商推荐方法、计算机设备及存储介质。
为达到上述目的,本发明采用下述技术方案:
本发明第一方面提供一种计算机实施的供应商推荐方法,包括:
利用历史竞标数据集对PageRank模型进行训练,其中所述历史竞标数据集包括作为模型的输入的子类别信息及所述子类别下的所有竞价场次对应的供应商报价,以及作为所述模型输出的每个供应商的胜出概率;
将子类别信息输入训练好的PageRank模型,输出推荐的供应商,以供竞标前邀请所述推荐的供应商参加投标。
可选地,所述利用历史竞标数据集对PageRank模型进行训练,包括:
对所述历史竞标数据集进行数据处理,根据最终供应商报价得到所述子类别下的每一场竞标的对应供应商的排名;
将每一场竞标的对应供应商的排名转换成互相相对胜负矩阵,得到N个互相相对胜负矩阵,其中N为所述子类别下的竞标总共场数,N场竞标中共有M个供应商参加;
对所述N个互相相对胜负矩阵做矩阵聚合,得到一个M*M的矩阵;
将所述M*M的矩阵的所有含有值沿对角线比对,若含有值的对角线为空,则补入一个第一超参值;
将所述M*M的矩阵的对角线补入第二超参值;
将所述M*M的矩阵的每一列重新等比例缩放,使每一列的和为1,得到一个状态转移矩阵。
可选地,所述第一超参值取0.1,所述第二超参值取1。
可选地,还包括:
根据所述状态转移矩阵获得网络关系图,所述网络关系图由节点和节点之间的边构成;所述网络关系图中的每个节点对应一个供应商;
按照随机游走算法迭代计算,获得每个供应商的胜出概率。
可选地,所述随机游走算法包括:
从所述M个供应商中的至少一个节点开始,以d的概率向当前节点指向的下一个节点游走,并以1-d的概率跳转回所述M个供应商集合中的任意一个节点;其中,0<d<1。
可选地,所述随机游走算法还包括:
若当前节点是所述网络关系图中的终止节点,则以d的概率跳转回所述 M个供应商集合中的任意一个节点。
可选地,所述随机游走算法迭代计算,获得每个供应商的胜出概率,包括:
在每一次迭代计算过程中,对于所述网络关系图中的第一节点,以下述公式计算所述第一节点与所述M个供应商集合之间的胜出概率:
其中,所述第一节点是M个供应商集合的任意一个节点;PPR(t)是该节点t在本次迭代计算之前与所述状态转移矩阵中的对应系数;PPRs(t)为本次迭代计算获得的,节点t与所述M个供应商集合之间的胜出概率;d为游走概率;N为指向该节点t的节点个数;Nout(i)表示节点i的所有出边的条数; Nin(t)表示所有指向节点t的节点。
可选地,所述将子类别信息输入训练好的PageRank模型,输出推荐的供应商,包括:
将所述M个供应商的胜出概率作为推荐的供应商的权重,通过有权重无放回采样n次来生成对应的供应商,其中,n为每个类别的最优推荐数量,在 PageRank模型训练过程中自动生成。
本发明第二方面提供一种计算机设备,包括处理器和存储器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如本发明第一方面所述的方法。
本发明第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明第一方面所述的方法。
本发明的有益效果如下:
本发明所述技术方案,利用历史竞标数据集对PageRank模型进行训练,之后将当前竞标的子类别信息输入训练好的PageRank模型,输出推荐的供应商,竞标方邀请推荐的供应商来参加竞标,可使得拍卖方或采购方以有利于自身的价格完成竞标。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出根据本申请的一个实施例的实现本发明方法的硬件架构图。
图2示出根据本申请实施例的计算机实施的供应商推荐方法的流程图。
图3示出本申请实施例的竞标子类别下的信息输入界面示意图。
图4示出本申请实施例的供应商推荐方法的显示界面示意图。
图5示出实现本发明实施例提供的方法的计算机系统的结构示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
本发明的一个实施例以采购场景为例进行说明。
在采购流程开始前,采购方需要创建一个竞标事项,该竞标事项中需要录入竞标的标的信息(例如采购的产品名称等)、供应商信息(例如名称、银行账户信息等),在该竞标事项中邀请哪些供应商可以参加这次竞标是至关重要的。例如,对于生产啤酒的供应商厂家不止有上千家公司,对于这次竞标信息中,邀请哪些供应商厂家,才能使得这次竞标中的采购方以有利于自身的价格完成采购流程,达到节省采购成本的目的,是采购方特别关心的问题。
实施例一
为此,本发明实施例提出了一种计算机实施的供应商推荐方法。在一个实施例中,该供应商推荐方法可以实现在如图1的硬件架构上。
计算机设备105中设置有供应商推荐模型,在本发明的实施例中,将子类别信息输入训练好的PageRank模型,PageRank模型从M个供应商中输出推荐的n个优质供应商,n<M。进而,该模型将该子类别下的优质供应商信息经由网络103提供给采购方,由采购方在计算机设备107中安装的采购管理系统中按照优质供应商信息进行设置,邀请这些优质供应商参加本次竞标。
其中,网络103是用以在用户端101和计算机设备105和107之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等。
用户端101可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
计算机设备105、107可以是任何具有处理器和存储器的设备,例如服务器。
需要说明的是,图1中的用户端、网络和计算机设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
本发明提供了一种计算机实施的供应商推荐方法,在一个具体示例中,供应商厂家可以为提供实物产品的厂家,或者为提供生产产品的原辅料的厂家,例如数码产品厂家、生产啤酒的大麦芽厂家等,本发明对此不作限定。
如图2所示,该方法包括如下步骤:
S10、利用历史竞标数据集对PageRank模型进行训练,其中所述历史竞标数据集包括作为模型的输入的子类别信息及所述子类别下的所有竞价场次对应的供应商报价,以及作为所述模型输出的每个供应商的胜出概率。
为了使用PageRank模型输出推荐的优质的供应商,需要对其先进行训练。
PageRank模型可以采用任何合适的数据集训练而成。本实施例中,所述 PageRank模型采用历史竞标数据集训练而成,所述历史竞标数据集包括作为模型的输入的子类别信息及所述子类别下的所有竞价场次对应的供应商报价,以及作为所述模型输出的每个供应商的胜出概率。
在一种可能的实现方式中,所述利用历史竞标数据集对PageRank模型进行训练,包括:
对所述历史竞标数据集进行数据处理,根据最终供应商报价得到所述子类别下的每一场竞标的对应供应商的排名;
将每一场竞标的对应供应商的排名转换成互相相对胜负矩阵,得到N个互相相对胜负矩阵,其中N为所述子类别下的竞标总共场数,N场竞标中共有M个供应商参加;
对所述N个互相相对胜负矩阵做矩阵聚合,得到一个M*M的矩阵;
将所述M*M的矩阵的所有含有值沿对角线比对,若含有值的对角线为空,则补入一个第一超参值;
将所述M*M的矩阵的对角线补入第二超参值;
将所述M*M的矩阵的每一列重新等比例缩放,使每一列的和为1,得到一个状态转移矩阵。
在一个具体示例中,例如该类别信息下有三场竞标,这三场竞标中共有四个供应商参加。
对于第一场竞标,有A、B和C三个供应商,由三个供应商最后出价转换成互相相对胜负矩阵为:
A | B | C | |
A | 1 | 1 | |
B | 1 | ||
C |
对于第二场竞标,有B、C和D三个供应商,由三个供应商最后出价转换成互相相对胜负矩阵为:
B | C | D | |
B | 1 | 1 | |
C | 1 | ||
D |
对于第三场竞标,有C和D两个供应商,由两个供应商最后出价转换成互相相对胜负矩阵为:
C | D | |
C | ||
D | 1 |
其中,A行B列的1表示A相对B胜利一场,同理,A行C列的1表示A相对C胜利一场,B行C列的1表示B相对C胜利一场等。
对该类别下的每一场竞标做矩阵聚合,将上述三场竞标的互相相对胜负矩阵做矩阵聚合,得到一个4*4的矩阵为:
A | B | C | D | |
A | 1 | 1 | ||
B | 2 | 1 | ||
C | 1 | |||
D | 1 |
将上述4*4的矩阵的所有含有值沿对角线比对,若含有值的对角线为空,则补入一个第一超参值。在一个具体示例中,第一超参值取0.1,表示互相胜负不为绝对,弱者也有小概率获胜机会,得到以下矩阵:
A | B | C | D | |
A | 1 | 1 | ||
B | 0.1 | 2 | 1 | |
C | 0.1 | 0.1 | 1 | |
D | 0.1 | 1 |
将上述4*4的矩阵的对角线补入第二超参值。在一个具体示例中,第二超参值取1,表示强者有大概率获胜机会,得到以下矩阵:
A | B | C | D | |
A | 1 | 1 | 1 | |
B | 1/10 | 1 | 2 | 1 |
C | 1/10 | 1/10 | 1 | 1 |
D | 1/10 | 1 | 1 |
将上述4*4的矩阵的每一列重新等比例缩放,使每一列的和为1,得到一个状态转移矩阵,该状态转移矩阵为:
A | B | C | D | |
A | 10/12 | 10/22 | 1/5 | |
B | 1/12 | 10/22 | 2/5 | 1/3 |
C | 1/12 | 1/22 | 1/5 | 1/3 |
D | 1/22 | 1/5 | 1/3 |
该状态转移矩阵即为马尔科夫矩阵。
在一种可能的实现方式中,该方法还包括:
根据所述状态转移矩阵获得网络关系图,所述网络关系图由节点和节点之间的边构成;所述网络关系图中的每个节点对应一个供应商;
按照随机游走算法迭代计算,获得每个供应商的胜出概率。
在一种可能的实现方式中,所述随机游走算法包括:
从所述M个供应商中的至少一个节点开始,以d的概率向当前节点指向的下一个节点游走,并以1-d的概率跳转回所述M个供应商集合中的任意一个节点;其中,0<d<1。
在一种可能的实现方式中,所述随机游走算法还包括:
若当前节点是所述网络关系图中的终止节点,则以d的概率跳转回所述 M个供应商集合中的任意一个节点。
在一种可能的实现方式中,所述随机游走算法迭代计算,获得每个供应商的胜出概率,包括:
在每一次迭代计算过程中,对于所述网络关系图中的第一节点,以下述公式计算所述第一节点与所述M个供应商集合之间的胜出概率:
其中,所述第一节点是M个供应商集合的任意一个节点;PPR(t)是该节点t在本次迭代计算之前与所述状态转移矩阵中的对应系数;PPRs(t)为本次迭代计算获得的,节点t与所述M个供应商集合之间的胜出概率;d为游走概率;N为指向该节点t的节点个数;Nout(i)表示节点i的所有出边的条数; Nin(t)表示所有指向节点t的节点。
在一种可能的实现方式中,所述将子类别信息输入训练好的PageRank模型,输出推荐的供应商,包括:
将所述M个供应商的胜出概率作为推荐的供应商的权重,通过有权重无放回采样n次来生成对应的供应商,其中,n为每个类别的最优推荐数量,在 PageRank模型训练过程中自动生成。
在一个具体示例中,编号为01,02,03,04和05的5个供应商的胜出概率分别为0.5,0.2,0.1,0.1,0.1,PageRank模型对于这次竞标的最优推荐数量为2,因此通过有权重无放回采样2次来生成对应推荐的2个供应商。其中,有权重无放回采样2次来生成对应推荐的2个供应商,具体为:
编号为01,02的2个供应商被推荐的概率为:
编号为01,03的2个供应商被推荐的概率为:
编号为01,04的2个供应商被推荐的概率为:
编号为01,05的2个供应商被推荐的概率为:
编号为02,03的2个供应商被推荐的概率为:
编号为02,04的2个供应商被推荐的概率为:
编号为02,05的2个供应商被推荐的概率为:
编号为03,04的2个供应商被推荐的概率为:
编号为03,05的2个供应商被推荐的概率为:
编号为04,05的2个供应商被推荐的概率为:
在一个具体示例中,采购方将本次竞标子类别下的信息输入到如图3所示的可视化交互界面上,采购方工作人员点击提交按钮,将图3示出的当前竞标子类别信息发送给PageRank模型。
如图4所示,在模型的交互界面上,呈现推荐的供应商个数、供应商权重、推荐的供应商名称及联系方式信息等,如下所示:
推荐个数:5
权重:2.1,邮箱:无,供应商名称:A公司,预定义:否,反馈:选择;
权重:1.3,邮箱:无,供应商名称:B公司,预定义:否,反馈:选择;
权重:0.8,邮箱:a邮箱,供应商名称:C公司,预定义:是,反馈:选择;
权重:0.8,邮箱:b邮箱,供应商名称:D公司,预定义:是,反馈:选择;
权重:0.8,邮箱:无,供应商名称:E公司,预定义:是,反馈:选择。
在这交互界面上,采购方工作人员例如通过点击提交反馈,可以将这个子类别竞标信息下的供应商推荐保存,等待采购方在竞标事项发布时,依据该保存的供应商推荐发布竞标信息。
本发明所述技术方案,利用历史竞标数据集对PageRank模型进行训练,之后将当前竞标的子类别信息输入训练好的PageRank模型,输出推荐的供应商,竞标方邀请推荐的供应商来参加竞标,可使得拍卖方或采购方以有利于自身的价格完成竞标。
实施例二
如图1所述的计算机设备105和107,可以包括如图5所示的架构,分别适于用来实现上述实施例一提供的计算机实施的供应商推荐方法。该架构包括中央处理模块(CPU),其可以根据存储在只读存储器(ROM)中的程序或者从存储部分加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有计算机系统操作所需的各种程序和数据。 CPU、ROM以及RAM通过总线被此相连。输入/输入(I/O)接口也连接至总线。
以下部件连接至I/O接口:包括键盘、鼠标等的输入部分;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分;包括硬盘等的存储部分;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器上,以便于从其上读出的计算机程序根据需要被安装入存储部分。
特别地,根据本实施例,上文流程图描述的过程可以被实现为计算机软件程序。例如,本实施例包括一种计算机程序产品,其包括有形地包含在计算机可读介质上的计算机程序,上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。
附图中的流程图和示意图,图示了本实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或示意图中的每个方框可以代表一个模块、程序段或代码的一部分,上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,示意图和/或流程图中的每个方框、以及示意和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
实施例三
作为另一方面,本实施例还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中上述装置中所包含的非易失性计算机存储介质,也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当上述一个或者多个程序被如图5所示的设备执行时,实现上述实施例一提供的计算机实施的供应商推荐方法。
本领域技术人员能够理解,尽管以上实施例均是以采购场景进行的描述,但本发明的教导显然可以用于其它竞标场景,例如拍卖,在这种场景下,最终价是最高价,采购系统可以替换为商用的拍卖系统。
在本发明的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
还需要说明的是,在本发明的描述中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种计算机实施的供应商推荐方法,其特征在于,包括:
利用历史竞标数据集对PageRank模型进行训练,其中所述历史竞标数据集包括作为模型的输入的子类别信息及所述子类别下的所有竞价场次对应的供应商报价,以及作为所述模型输出的每个供应商的胜出概率;
将子类别信息输入训练好的PageRank模型,输出推荐的优质供应商,以供竞标前邀请所述推荐的供应商参加投标。
2.根据权利要求1所述的供应商推荐方法,其特征在于,所述利用历史竞标数据集对PageRank模型进行训练,包括:
对所述历史竞标数据集进行数据处理,根据最终供应商报价得到所述子类别下的每一场竞标的对应供应商的排名;
将每一场竞标的对应供应商的排名转换成互相相对胜负矩阵,得到N个互相相对胜负矩阵,其中N为所述子类别下的竞标总共场数,N场竞标中共有M个供应商参加;
对所述N个互相相对胜负矩阵做矩阵聚合,得到一个M*M的矩阵;
将所述M*M的矩阵的所有含有值沿对角线比对,若含有值的对角线为空,则补入一个第一超参值;
将所述M*M的矩阵的对角线补入第二超参值;
将所述M*M的矩阵的每一列重新等比例缩放,使每一列的和为1,得到一个状态转移矩阵。
3.根据权利要求2所述的供应商推荐方法,其特征在于,所述第一超参值取0.1,所述第二超参值取1。
4.根据权利要求2所述的供应商推荐方法,其特征在于,还包括:
根据所述状态转移矩阵获得网络关系图,所述网络关系图由节点和节点之间的边构成;所述网络关系图中的每个节点对应一个供应商;
按照随机游走算法迭代计算,获得每个供应商的胜出概率。
5.根据权利要求4所述的供应商推荐方法,其特征在于,所述随机游走算法包括:
从所述M个供应商中的至少一个节点开始,以d的概率向当前节点指向的下一个节点游走,并以1-d的概率跳转回所述M个供应商集合中的任意一个节点;其中,0<d<1。
6.根据权利要求5所述的供应商推荐方法,其特征在于,所述随机游走算法还包括:
若当前节点是所述网络关系图中的终止节点,则以d的概率跳转回所述M个供应商集合中的任意一个节点。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述将子类别信息输入训练好的PageRank模型,输出推荐的供应商,包括:
将所述M个供应商的胜出概率作为推荐的供应商的权重,通过有权重无放回采样n次来生成对应的供应商,其中,n为每个类别的最优推荐数量,在PageRank模型训练过程中自动生成。
9.一种计算机设备,包括处理器和存储器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111196233.XA CN114463079A (zh) | 2021-10-14 | 2021-10-14 | 计算机实施的供应商推荐方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111196233.XA CN114463079A (zh) | 2021-10-14 | 2021-10-14 | 计算机实施的供应商推荐方法、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463079A true CN114463079A (zh) | 2022-05-10 |
Family
ID=81405547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111196233.XA Pending CN114463079A (zh) | 2021-10-14 | 2021-10-14 | 计算机实施的供应商推荐方法、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463079A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738067A (zh) * | 2023-08-16 | 2023-09-12 | 湖南华菱电子商务有限公司 | 一种基于大数据的供应商推荐方法及系统 |
-
2021
- 2021-10-14 CN CN202111196233.XA patent/CN114463079A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738067A (zh) * | 2023-08-16 | 2023-09-12 | 湖南华菱电子商务有限公司 | 一种基于大数据的供应商推荐方法及系统 |
CN116738067B (zh) * | 2023-08-16 | 2023-10-27 | 湖南华菱电子商务有限公司 | 一种基于大数据的供应商推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9947059B2 (en) | Group formation and dynamic pricing for E-commerce in social networks | |
US7647271B2 (en) | System and method for commodity valuation based on online auction bid information | |
US7636678B2 (en) | Systems and methods that facilitate maximizing revenue for multi-unit auctions with private budgets | |
US6952219B2 (en) | System and method for color-coding objects having multiple attributes | |
US20080275775A1 (en) | System and method for using sampling for scheduling advertisements in an online auction | |
US20150379596A1 (en) | System and method for matching buyers and sellers | |
US7401034B1 (en) | Method and system for implementing attribute-based bidding and bid comparison in an electronic exchange | |
US8249938B2 (en) | Fuzzy evaluation of responses to provide degree of satisfaction | |
CN112446764A (zh) | 游戏商品推荐方法、装置及电子设备 | |
US8108284B2 (en) | Method and system for implementing an offer/counteroffer negotiation | |
US11551194B2 (en) | System to facilitate exchange of data segments between data aggregators and data consumers | |
US7801769B1 (en) | Computing a set of K-best solutions to an auction winner-determination problem | |
CN114463079A (zh) | 计算机实施的供应商推荐方法、计算机设备及存储介质 | |
KR102211678B1 (ko) | 역경매 서비스 시스템 및 방법 | |
Balcan et al. | Generalization guarantees for multi-item profit maximization: Pricing, auctions, and randomized mechanisms | |
KR102250131B1 (ko) | 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치 | |
US20130275249A1 (en) | Best price discovery with buyer commitment | |
US20060080209A1 (en) | Submitting requests with degrees of satisfaction to be used for fuzzy evaluation of responses | |
AU2013201448A1 (en) | Method and system of optimizing a marketing campaign of a saleable commodity | |
US8086501B2 (en) | Method and system for creative collaborative marketplaces | |
KR102102788B1 (ko) | 인공 지능 기반 금융 상품 주문 시스템 및 방법 | |
US8224739B2 (en) | Allocating goods to bidders in combinatorial auctions | |
US20020152182A1 (en) | Auction method and auction system, and storage medium therefor | |
CN113781188B (zh) | 一种计算机实施的竞标方法、计算机设备及存储介质 | |
US7877311B1 (en) | System and method for analyzing transactions at an electronic exchange |
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 |