CN114693215A - 采购请求处理方法、装置、计算机设备及存储介质 - Google Patents
采购请求处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114693215A CN114693215A CN202210358357.1A CN202210358357A CN114693215A CN 114693215 A CN114693215 A CN 114693215A CN 202210358357 A CN202210358357 A CN 202210358357A CN 114693215 A CN114693215 A CN 114693215A
- Authority
- CN
- China
- Prior art keywords
- purchasing
- supplier
- commodity
- purchased
- commodity information
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明为数据处理技术领域,本发明提供了一种采购请求处理方法、装置、计算机设备及存储介质,其中,所述方法包括:接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息,根据商品信息筛选提供待采购商品的至少两个供应商,获取采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商,根据商品信息生成采购计划,将采购计划发送给目标供应商,从而实现采购智能化,可以节省采购时间和成本,提高采购效率。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,本发明涉及一种采购请求处理方法、装置、计算机设备及存储介质。
背景技术
企事业单位的采购是指企事业单位为了正常工作的开展或政务活动的正常进行,在监管部门的监督下,以法定的方式、方法和程序,可以通过公开招标、公平竞争,由财务部门直接向供应商付款的方式,从国内、外市场上为企事业单位购买货物、工程和劳务的行为。
目前企事业单位等部门进行分散采购时,由于分散采购具有交易频率高、交易灵活、交易资金少等特点,因此当遇到待采购商品的数量较多、供应商也较多时,则难以为每个待采购商品选取到合适的供应商,影响采购效率。
发明内容
本发明的主要目的为提供一种采购请求处理方法、装置、计算机设备及存储介质,以为每个待采购商品选取到合适的供应商,提高采购效率。
为了实现上述发明目的,本发明提供一种采购请求处理方法,其包括:
接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
优选地,所述根据所述商品信息筛选提供所述待采购商品的至少两个供应商,包括:
获取供应商名单;其中,所述供应商名单包括多个候选供应商;
查询每个候选供应商提供商品的参考商品信息,得到多个参考商品信息;
计算所述商品信息与每个参考商品信息的匹配度,筛选出匹配度排在前N位的参考商品信息;其中,所述N为大于1的整数;
将排在前N位的参考商品信息对应的候选供应商确定为提供所述待采购商品的供应商。
优选地,所述计算所述商品信息与每个候选供应商的参考商品信息的匹配度,包括:
提取描述所述商品信息的关键词,得到第一关键词集合;
提取描述每个候选供应商的所述参考商品信息的关键词,得到每个候选供应商的第二关键词集合;
计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,得到所述商品信息与每个候选供应商的参考商品信息的匹配度。
优选地,所述计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,包括:
将所述第一关键词集合中的每个关键词转换为词向量,并计算所述第一关键词集合的平均向量,得到第一词向量;
将每个候选供应商的第二关键词集合中的每个关键词转换为词向量,并计算每个所述第二关键词集合的平均向量,得到每个候选供应商的第二词向量;
计算第一词向量与每个候选供应商的第二词向量的余弦距离,作为所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度。
优选地,所述根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,包括:
获取评估供应商的多个评估维度;
按照所述多个评估维度对所述历史采购数据进行分类,得到每个评估维度的历史采购数据;
获取预先为每个评估维度设置的权重,根据每个评估维度的所述权重及对应的历史采购数据计算每个所述供应商在每个评估维度下的子评分值;
将每个所述供应商在每个评估维度下的子评分值进行累加后,得到每个供应商的评分值。
在一实施例中,所述根据所述商品信息生成采购计划,包括:
根据所述商品信息确定所述待采购商品所属类目及对应的单价限额;
基于所述待采购商品对应的类目和单价限额生成采购计划。
优选地,所述根据所述商品信息确定所述待采购商品所属类目,包括:
根据所述商品信息获取所述待采购商品对应的交易平台中的类目集;
查找所述类目集中与所述待采购商品的名称对应的类目,作为所述待采购商品的所属类目。
本发明还提供一种采购请求处理装置,其包括:
接收模块,用于接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
筛选模块,用于根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取模块,用于获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
评分模块,用于根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
生成模块,用于根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
本发明还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
本发明所提供的一种采购请求处理方法、装置、计算机设备及存储介质,接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息,根据商品信息筛选提供待采购商品的至少两个供应商,获取采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商,根据商品信息生成采购计划,将采购计划发送给目标供应商,从而为待采购商品选取到合适的供应商,实现采购智能化,可以节省采购时间和成本,提高采购效率。
附图说明
图1为本发明一实施例的采购请求处理方法的流程示意图;
图2为本发明又一实施例的采购请求处理方法的流程示意图;
图3为本发明又一实施例的采购请求处理方法的流程示意图;
图4为本发明另一实施例的采购请求处理方法的流程示意图;
图5为本发明又一实施例的采购请求处理方法的流程示意图;
图6为本发明另一实施例的采购请求处理方法的流程示意图;
图7为本发明又一实施例的采购请求处理方法的流程示意图;
图8为本发明一实施例的采购请求处理装置的结构示意框图;
图9为本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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。
本发明提出一种采购请求处理方法,本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明提出的一种采购请求处理方法,以服务器为执行主体,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
该采购请求处理方法用于解决当前遇到待采购商品的数量较多、供应商也较多时,则难以为每个待采购商品选取到合适的供应商,影响采购效率的技术问题。参考图1,其中一个实施例中,该采购请求处理方法包括以下步骤S11-S15:
S11、接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
S12、根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
S13、获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
S14、根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
S15、根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
如上述步骤S11所述,当采购方需要采购商品时,采购方可通过计算机设备向服务器发送待采购商品的采购请求,采购请求包括待采购商品的商品信息,该商品信息具体可以是待采购商品的颜色、种类、重量、价格和型号等等,服务器接收采购方的待采购商品的采购请求,对采购请求进行解析,得到商品信息。
其中,计算机设备可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备还可以是移动式或静止式的服务器。该计算设备的部件包括但不限于存储器和处理器。处理器与存储器通过总线相连接,数据库用于保存数据。计算设备还包括接入设备,接入设备使得计算设备能够经由一个或多个网络通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
待采购商品可以为实物产品或虚拟产品或服务等。采购方是有采购需求的主体,比如采购方可以是有采购需求的企业。采购方根据采购需求,通过计算机设备提交待采购商品的采购请求,服务器通过接收采购方的待采购商品的采购请求。
如上述步骤S12所述,本实施例可获取该采购方合作过的所有供应商作为候选供应商,查询每个候选供应商提供的商品信息,将每个候选供应商提供的商品信息作为参考商品信息,将待采购商品的商品信息与每个候选供应商的参考商品信息进行比对,以判断候选供应商是否提供待采购商品,当确定参考商品信息与待采购商品的商品信息相近或完全一致时,则将与待采购商品的商品信息相近或完全一致的该参考商品信息作为目标商品信息,将目标商品信息对应的候选供应商作为待采购商品的供应商,且供应商的数量一般为两个以上,以后续从至少两个供应商中进行选取。
如上述步骤S13所述,采购方分别与每个供应商在历史周期内产生采购行为后,会产生相应的历史采购数据,服务器记录采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,将历史采购数据进行保存,以后续基于历史采购数据对每个供应商进行分析。其中,历史采购数据包括采购方的主体名称、供应商的主体名称、交易的商品、商品数量、商品质量、交货进度等等。
如上述步骤S14所述,本实施例根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,基于每个供应商的评分值,从至少两个供应商中筛选出评分值最高的供应商作为目标供应商。例如,可根据每个供应商在历史交易过程中的交货进度或商品质量对每个供应商进行评分,以筛选出交货进度最快或商品质量最优的供应商作为目标供应商,从而根据需求灵活选择合适的目标供应商。当然,服务器还可根据历史采购数据对每个供应商进行综合评分,如结合历史采购数据中的交货进度、商品质量及商品数量等等对每个供应商进行综合评分,以选取出整体评价较高的供应商。
如上述步骤S15所述,所述采购计划包括待采购商品的类目和单价限额,如果采购方提交了多个待采购商品的采购请求,则基于每个所述待采购商品对应的类目和单价限额分别生成采购计划。
服务器将生成的采购计划发送给审核端,在审核端确认无误后,将采购计划发送给目标供应商,目标供应商执行该采购计划,进行相应的供货。审核端审核采购计划时,在采购方选择交易平台上的商品后,如果选择的商品符合采购计划中类目和单价限额,则能够选择采购计划来对购买的商品进行支付,则审核通过;如果选择的商品不符合采购计划中类目和单价限额中的任一项,则无法选择采购计划来对购买的商品进行支付,则审核不通过,需要重新生成采购计划。其中,采购计划包括待采购商品的商品信息、采购数量、类目和约定交货时间等等。
本发明所提供的一种采购请求处理方法,接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息,根据商品信息筛选提供待采购商品的至少两个供应商,获取采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商,根据商品信息生成采购计划,将采购计划发送给目标供应商,从而为待采购商品选取到合适的供应商,实现采购智能化,可以节省采购时间和成本,提高采购效率。
在一实施例中,参考图2所示,所述根据所述商品信息筛选提供所述待采购商品的至少两个供应商,可具体包括以下步骤S21-S24:
S21、获取供应商名单;其中,所述供应商名单包括多个候选供应商;
S22、查询每个候选供应商提供商品的参考商品信息,得到多个参考商品信息;
S23、计算所述商品信息与每个候选供应商的参考商品信息的匹配度,筛选出匹配度排在前N位的参考商品信息;其中,所述N为大于1的整数;
S24、将排在前N位的参考商品信息对应的候选供应商确定为提供所述待采购商品的供应商。
在本实施例中,服务器可预先构建供应商名单,供应商名单记录了与采购方合作过的多个候选供应商;然后查询每个候选供应商当前提供商品的商品信息,将每个候选供应商当前提供的商品信息作为参考商品信息,不同候选供应商所提供商品的参考商品信息一般不同,将待采购商品的商品信息与每个候选供应商的参考商品信息进行比对,计算商品信息与每个候选供应商的参考商品信息的匹配度,筛选出匹配度排在前N位的参考商品信息,以判断候选供应商是否提供待采购商品,当参考商品信息与商品信息的匹配度大于预设阈值时,则确定参考商品信息与待采购商品的商品信息相近或完全一致,同时将与待采购商品的商品信息相近或完全一致的该参考商品信息作为目标商品信息,将目标商品信息对应的候选供应商作为待采购商品的供应商,且供应商的数量一般为两个以上,以后续从至少两个供应商中进行选取。
在一实施例中,在计算得到商品信息与每个候选供应商的参考商品信息的匹配度后,还可按照匹配度由高到低的顺序对每个候选供应商进行排序,筛选出匹配度排在前N位的参考商品信息,将排在前N位的参考商品信息对应的候选供应商确定为提供待采购商品的供应商;其中,N为大于2的整数。
在一实施例中,参考图3所示,所述计算所述商品信息与每个候选供应商的参考商品信息的匹配度,可具体包括以下步骤S31-S33:
S31、提取描述所述商品信息的关键词,得到第一关键词集合;
S32、提取描述每个候选供应商的所述参考商品信息的关键词,得到每个候选供应商的第二关键词集合;
S33、计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,得到所述商品信息与每个候选供应商的参考商品信息的匹配度。
在本实施例中,服务器可利用结巴分词工具对该商品信息进行分词,即对商品信息分别进行词语的划分,得到若干个分词,并标注各个分词的词性,再根据各个分词的词性删除具有预设词性的分词,并将其余未被删除的分词作为标准商品信息,调用文本识别模型识别出标准商品信息的关键词,并从标准商品信息中提取出描述所述标准商品信息的关键词,将描述所述标准商品信息的所有关键词组成第一关键词集合。其中,预设词性可以是副词、语气词和助词等无实质意义的词。
此外,本实施例也可利用LDA主题模型对商品信息进行主题提取,提取出商品信息的关键词,在此不做具体限定。
同理,本实施例的服务器可利用结巴分词工具对每个候选供应商的参考商品信息进行分词,即对参考商品信息分别进行词语的划分,得到若干个分词,并标注各个分词的词性,再根据各个分词的词性删除具有预设词性的分词,并将其余未被删除的分词作为候选商品信息,调用文本识别模型识别出候选商品信息的关键词,并从候选商品信息中提取出描述所述候选商品信息的关键词,将描述所述候选商品信息的所有关键词组成第二关键词集合。
然后计算第一关键词集合与每个候选供应商的第二关键词集合的匹配度,得到商品信息与每个候选供应商的参考商品信息的匹配度。具体的,在计算第一关键词集合与任一个候选供应商的第二关键词集合的匹配度时,可计算第一关键词集合与第二关键词集合中具有相同关键词的数量,并统计两个关键词集合中所有关键词的总数量,计算具有相同关键词的数量与所有关键词的总数量的比值,得到匹配度。若第一关键词集合与第二关键词集合相近,则对应的匹配度也较高,反之则较低。
在一实施例中,参考图4所示,所述计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,可具体包括以下步骤S41-S43:
S41、将所述第一关键词集合中的每个关键词转换为词向量,并计算所述第一关键词集合的平均向量,得到第一词向量;
S42、将每个候选供应商的第二关键词集合中的每个关键词转换为词向量,并计算每个所述第二关键词集合的平均向量,得到每个候选供应商的第二词向量;
S43、计算第一词向量与每个候选供应商的第二词向量的余弦距离,作为所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度。
本实施例可利用word2vec词向量技术计算第一关键词集合与每个候选供应商的第二关键词集合的匹配度,词向量具有良好的语义特性,是表示词语特征的常用方式,词向量每一维的值代表一个具有一定的语义和语法上解释的特征。通过词向量训练,可以把对文本内容的处理简化为向量空间中的向量运算,计算出向量空间上词与词之间的相关度,来表示词语语义上的相关度。
具体的,为了进一步提升匹配的精度,可通过词向量相似度的计算来实现匹配度计算,通过引入词向量模型,获取搜索词和语料关键词的词向量,并计算两个词向量之间的余弦距离,得到第一关键词集合与每个候选供应商的第二关键词集合的匹配度。例如,利用词向量模型word2vec第一关键词集合中的每个关键词转换为词向量,计算第一关键词集合的平均向量,得到第一词向量、将每个候选供应商的第二关键词集合中的每个关键词转换为词向量,并计算每个第二关键词集合的平均向量,得到每个候选供应商的第二词向量,最后计算第一词向量与每个候选供应商的第二词向量的余弦距离,将所述余弦距离作为所述匹配度,提高匹配度的计算准确性。
其中,word2vec是Google推出的一款基于深度学习的开源的学习工具。word2vec通过在给定语料库上训练一个模型,将词语转换成词向量形式。词向量具有良好的语义特性,是表示词语特征的常用方式,词向量每一维的值代表一个具有一定的语义和语法上解释的特征。通过词向量训练,可以把对文本内容的处理简化为向量空间中的向量运算,计算出向量空间上词与词之间的相关度,来表示词语语义上的相关度。word2vec包含了两种训练模型,分别为连续词袋(CBOW,Continuous Bag-of-Word)模型和Skip-gram模型,且CBOW模型和Skip-gram模型均基于神经网络模型,包含输入层、投影层和输出层。其中,CBOW模型是通过上下文来预测当前词语,skip-gram模型则是通过当前词语来预测其上下文。CBOW模型的输入层为当前词语W的上下文,包括W1、W2、W3和W4等的词向量,映射层的输入为上下文的词向量的累加和,输出为W的词向量。映射层模型通常采用基于哈夫曼Huffman树的层次softmax(Hierarchical Softmax)模型或者随机负采样(NEG,Negative Sampling)模型,利用随机梯度上升算法来不断迭代更新模型的参数,最终获得每个词语的词向量。
在一实施例中,参考图5所示,所述根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,可具体包括以下步骤S51-S54:
S51、获取评估供应商的多个评估维度;
S52、按照所述多个评估维度对所述历史采购数据进行分类,得到每个评估维度的历史采购数据;
S53、获取预先为每个评估维度设置的权重,根据每个评估维度的所述权重及对应的历史采购数据计算每个所述供应商在每个评估维度下的子评分值;
S54、将每个所述供应商在每个评估维度下的子评分值进行累加后,得到每个供应商的评分值。
在本实施例中,本实施例从多个评估维度对供应商进行评估,如商品数量、商品质量、交货进度和服务态度等等,按照多个评估维度对历史采购数据进行分类,得到每个评估维度的历史采购数据,按照各评估维度对应的权重对相应的历史采购数据进行加权求和,得到每个供应商的评分值。具体的,获取预先为每个评估维度设置的权重,如商品质量的权重设置为1,交货进度的权重设置为0.9,服务态度的权重设置为0.8,将属于评估商品质量的历史采购数据分为一类,将属于评估交货进度的历史采购数据分为一类,将属于评估服务态度的历史采购数据分为一类,最后根据每个评估维度的权重及对应的历史采购数据计算每个供应商在每个评估维度下的子评分值,将每个供应商在每个评估维度下的子评分值进行累加后,得到每个供应商的评分值。
在一实施例中,参考图6所示,所述根据所述商品信息生成采购计划,可具体包括以下步骤S61-S62:
S61、根据所述商品信息确定所述待采购商品所属类目及对应的单价限额;
S62、基于所述待采购商品对应的类目和单价限额生成采购计划。
本实施例可根据商品信息确定待采购商品所属类目及对应的单价限额,例如,待采购商品为笔记本电脑,获取笔记本电脑的所属类目为数码>电脑>便携式电脑,笔记本电脑的所属类目中,“数码”为一级类目,“电脑”为一级类目下的二级类目,“便携式电脑”为二级类目下的三级类目。
所述待采购商品对应的类目,基于限制类目和单价限额生成的采购计划后,根据采购计划进行采购时,只有在交易平台上选择的商品在限制类目下且选择的商品满足单价限额的条件下,才能关联目标商品与采购计划进行采购。例如,待采购商品为笔记本电脑所属类目为数码>电脑>便携式电脑,确定笔记本电脑对应的限制类目为“数码>电脑”,即只有选择属于“数码>电脑”类目下的商品,例如选择类目为“数码>电脑>便携式电脑”或“数码>电脑>电脑配件”下的商品能够与采购计划关联进行采购。
在一实施例中,参考图7所示,所述根据所述商品信息确定所述待采购商品所属类目,可具体包括以下步骤S71-S72:
S71、根据所述商品信息获取所述待采购商品对应的交易平台中的类目集;
S72、查找所述类目集中与所述待采购商品的名称对应的类目,作为所述待采购商品的所属类目。
在本实施例中,所述交易平台可以是产品提供或提供服务的电商平台,即所述交易平台能够为企业或个人提供网上交易商品或服务,平台上为满足商品生产、流通、消费活动的全部或部分需要对商品进行分类管理,获取所述待采购商品对应的交易平台中的类目集。
例如,所述待采购商品为鼠标,则查找与鼠标对应的类目为数码>电脑>电脑配件,即鼠标所属类目的一级类目为数码,二级类目为电脑,三级类目为电脑配件,实现所述待采购商品的名称对应的类目准确地查找,确保下述步骤中生成准确的采购计划。
此外,商品信息及采购计划能够存储于区块链中,以使服务器需要使用是对区块链进行广播。该区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
参照图8,本发明实施例中还提供一种采购请求处理装置,所述装置包括:
接收模块11,用于接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
筛选模块12,用于根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取模块13,用于获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
评分模块14,用于根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
生成模块15,用于根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
当采购方需要采购商品时,采购方可通过计算机设备向服务器发送待采购商品的采购请求,采购请求包括待采购商品的商品信息,该商品信息具体可以是待采购商品的颜色、种类、重量、价格和型号等等,服务器接收采购方的待采购商品的采购请求,对采购请求进行解析,得到商品信息。
其中,计算机设备可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备还可以是移动式或静止式的服务器。该计算设备的部件包括但不限于存储器和处理器。处理器与存储器通过总线相连接,数据库用于保存数据。计算设备还包括接入设备,接入设备使得计算设备能够经由一个或多个网络通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
待采购商品可以为实物产品或虚拟产品或服务等。采购方是有采购需求的主体,比如采购方可以是有采购需求的企业。采购方根据采购需求,通过计算机设备提交待采购商品的采购请求,服务器通过接收采购方的待采购商品的采购请求。
本实施例可获取该采购方合作过的所有供应商作为候选供应商,查询每个候选供应商提供的商品信息,将每个候选供应商提供的商品信息作为参考商品信息,将待采购商品的商品信息与每个候选供应商的参考商品信息进行比对,以判断候选供应商是否提供待采购商品,当确定参考商品信息与待采购商品的商品信息相近或完全一致时,则将与待采购商品的商品信息相近或完全一致的该参考商品信息作为目标商品信息,将目标商品信息对应的候选供应商作为待采购商品的供应商,且供应商的数量一般为两个以上,以后续从至少两个供应商中进行选取。
采购方分别与每个供应商在历史周期内产生采购行为后,会产生相应的历史采购数据,服务器记录采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,将历史采购数据进行保存,以后续基于历史采购数据对每个供应商进行分析。其中,历史采购数据包括采购方的主体名称、供应商的主体名称、交易的商品、商品数量、商品质量、交货进度等等。
本实施例根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,基于每个供应商的评分值,从至少两个供应商中筛选出评分值最高的供应商作为目标供应商。例如,可根据每个供应商在历史交易过程中的交货进度或商品质量对每个供应商进行评分,以筛选出交货进度最快或商品质量最优的供应商作为目标供应商,从而根据需求灵活选择合适的目标供应商。当然,服务器还可根据历史采购数据对每个供应商进行综合评分,如结合历史采购数据中的交货进度、商品质量及商品数量等等对每个供应商进行综合评分,以选取出整体评价较高的供应商。
所述采购计划包括待采购商品的类目和单价限额,如果采购方提交了多个待采购商品的采购请求,则基于每个所述待采购商品对应的类目和单价限额分别生成采购计划。
服务器将生成的采购计划发送给审核端,在审核端确认无误后,将采购计划发送给目标供应商,目标供应商执行该采购计划,进行相应的供货。审核端审核采购计划时,在采购方选择交易平台上的商品后,如果选择的商品符合采购计划中类目和单价限额,则能够选择采购计划来对购买的商品进行支付,则审核通过;如果选择的商品不符合采购计划中类目和单价限额中的任一项,则无法选择采购计划来对购买的商品进行支付,则审核不通过,需要重新生成采购计划。其中,采购计划包括待采购商品的商品信息、采购数量、类目和约定交货时间等等。
如上所述,可以理解地,本发明中提出的所述采购请求处理装置的各组成部分可以实现如上所述采购请求处理方法任一项的功能,具体结构不再赘述。
参照图9,本发明实施例中还提供一种计算机设备,其内部结构可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作系统、计算机程序和数据库。该内存器为计算机可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储所述采购请求处理方法的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种采购请求处理方法。
上述处理器执行上述的采购请求处理方法,包括:
接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种采购请求处理方法,包括步骤:
接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明的最大有益效果在于:
本发明所提供的一种采购请求处理方法、装置、计算机设备及存储介质,接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息,根据商品信息筛选提供待采购商品的至少两个供应商,获取采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据,根据历史采购数据对至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商,根据商品信息生成采购计划,将采购计划发送给目标供应商,从而为待采购商品选取到合适的供应商,实现采购智能化,可以节省采购时间和成本,提高采购效率。
需要说明的是,在本文中,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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种采购请求处理方法,其特征在于,所述方法包括:
接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
2.根据权利要求1所述的方法,其特征在于,所述根据所述商品信息筛选提供所述待采购商品的至少两个供应商,包括:
获取供应商名单;其中,所述供应商名单包括多个候选供应商;
查询每个候选供应商提供商品的参考商品信息,得到多个参考商品信息;
计算所述商品信息与每个参考商品信息的匹配度,筛选出匹配度排在前N位的参考商品信息;其中,所述N为大于1的整数;
将排在前N位的参考商品信息对应的候选供应商确定为提供所述待采购商品的供应商。
3.根据权利要求2所述的方法,其特征在于,所述计算所述商品信息与每个候选供应商的参考商品信息的匹配度,包括:
提取描述所述商品信息的关键词,得到第一关键词集合;
提取描述每个候选供应商的所述参考商品信息的关键词,得到每个候选供应商的第二关键词集合;
计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,得到所述商品信息与每个候选供应商的参考商品信息的匹配度。
4.根据权利要求3所述的方法,其特征在于,所述计算所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度,包括:
将所述第一关键词集合中的每个关键词转换为词向量,并计算所述第一关键词集合的平均向量,得到第一词向量;
将每个候选供应商的第二关键词集合中的每个关键词转换为词向量,并计算每个所述第二关键词集合的平均向量,得到每个候选供应商的第二词向量;
计算第一词向量与每个候选供应商的第二词向量的余弦距离,作为所述第一关键词集合与每个候选供应商的第二关键词集合的匹配度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,包括:
获取评估供应商的多个评估维度;
按照所述多个评估维度对所述历史采购数据进行分类,得到每个评估维度的历史采购数据;
获取预先为每个评估维度设置的权重,根据每个评估维度的所述权重及对应的历史采购数据计算每个所述供应商在每个评估维度下的子评分值;
将每个所述供应商在每个评估维度下的子评分值进行累加后,得到每个供应商的评分值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述商品信息生成采购计划,包括:
根据所述商品信息确定所述待采购商品所属类目及对应的单价限额;
基于所述待采购商品对应的类目和单价限额生成采购计划。
7.根据权利要求6所述的方法,其特征在于,所述根据所述商品信息确定所述待采购商品所属类目,包括:
根据所述商品信息获取所述待采购商品对应的交易平台中的类目集;
查找所述类目集中与所述待采购商品的名称对应的类目,作为所述待采购商品的所属类目。
8.一种采购请求处理装置,其特征在于,所述装置包括:
接收模块,用于接收采购方的待采购商品的采购请求,所述采购请求包括所述待采购商品的商品信息;
筛选模块,用于根据所述商品信息筛选提供所述待采购商品的至少两个供应商;
获取模块,用于获取所述采购方分别与每个供应商在历史周期内产生采购行为时生成的历史采购数据;
评分模块,用于根据所述历史采购数据对所述至少两个供应商进行评分,得到每个供应商的评分值,并筛选出评分值最高的供应商作为目标供应商;
生成模块,用于根据所述商品信息生成采购计划,将所述采购计划发送给所述目标供应商。
9.一种计算机设备,其特征在于,包括:
处理器;
存储器;
其中,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的采购请求处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1至7任一项所述的采购请求处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210358357.1A CN114693215A (zh) | 2022-04-06 | 2022-04-06 | 采购请求处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210358357.1A CN114693215A (zh) | 2022-04-06 | 2022-04-06 | 采购请求处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693215A true CN114693215A (zh) | 2022-07-01 |
Family
ID=82143309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210358357.1A Pending CN114693215A (zh) | 2022-04-06 | 2022-04-06 | 采购请求处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693215A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881619A (zh) * | 2022-07-06 | 2022-08-09 | 国网浙江省电力有限公司 | 多部门采购计划数据贯通协同方法、装置及可读存储介质 |
CN115082166A (zh) * | 2022-08-23 | 2022-09-20 | 青岛巨商汇网络科技有限公司 | 一种基于数字化采购渠道的采购分配方法 |
CN115759875A (zh) * | 2022-12-09 | 2023-03-07 | 广东和诚信息技术有限公司 | 一种公共资源交易的供应商分类分级管理方法及系统 |
CN115983770A (zh) * | 2023-02-14 | 2023-04-18 | 欧瑞科斯科技产业(集团)有限公司 | 一种产品部件采购方法、装置、电子设备和存储介质 |
CN116977021A (zh) * | 2023-07-21 | 2023-10-31 | 上海则一供应链管理有限公司 | 基于大数据的系统对接自动推单方法 |
-
2022
- 2022-04-06 CN CN202210358357.1A patent/CN114693215A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881619A (zh) * | 2022-07-06 | 2022-08-09 | 国网浙江省电力有限公司 | 多部门采购计划数据贯通协同方法、装置及可读存储介质 |
CN114881619B (zh) * | 2022-07-06 | 2022-09-30 | 国网浙江省电力有限公司 | 多部门采购计划数据贯通协同方法、装置及可读存储介质 |
CN115082166A (zh) * | 2022-08-23 | 2022-09-20 | 青岛巨商汇网络科技有限公司 | 一种基于数字化采购渠道的采购分配方法 |
CN115759875A (zh) * | 2022-12-09 | 2023-03-07 | 广东和诚信息技术有限公司 | 一种公共资源交易的供应商分类分级管理方法及系统 |
CN115759875B (zh) * | 2022-12-09 | 2023-09-22 | 广东和诚信息技术有限公司 | 一种公共资源交易的供应商分类分级管理方法及系统 |
CN115983770A (zh) * | 2023-02-14 | 2023-04-18 | 欧瑞科斯科技产业(集团)有限公司 | 一种产品部件采购方法、装置、电子设备和存储介质 |
CN116977021A (zh) * | 2023-07-21 | 2023-10-31 | 上海则一供应链管理有限公司 | 基于大数据的系统对接自动推单方法 |
CN116977021B (zh) * | 2023-07-21 | 2024-04-30 | 上海则一供应链管理有限公司 | 基于大数据的系统对接自动推单方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114693215A (zh) | 采购请求处理方法、装置、计算机设备及存储介质 | |
Khan | Development of an e-commerce sales Chatbot | |
KR20200115708A (ko) | 딥 러닝 기반 자원 가격 예측 방법 | |
CN112989761B (zh) | 文本分类方法及装置 | |
CN113706251B (zh) | 基于模型的商品推荐方法、装置、计算机设备和存储介质 | |
CN115098650B (zh) | 基于历史数据模型的评论信息分析方法及相关装置 | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及系统 | |
CA3060830A1 (en) | System and method for auto-populating electronic transaction process | |
CN113946754A (zh) | 基于用户画像的权益推荐方法、装置、设备及存储介质 | |
CN111062803A (zh) | 一种金融业务查询查复方法及系统 | |
CN111695024A (zh) | 对象评估值的预测方法及系统、推荐方法及系统 | |
CN115017288A (zh) | 模型训练方法、模型训练装置、设备及存储介质 | |
CN115374354A (zh) | 基于机器学习的科技服务推荐方法、装置、设备及介质 | |
US20240160642A1 (en) | Systems and methods for categorization of ingested database entries to determine topic frequency | |
CN113781246B (zh) | 基于预设标签的策略生成方法、装置及存储介质 | |
CN115099310A (zh) | 训练模型、对企业进行行业分类的方法和装置 | |
US20200210907A1 (en) | Utilizing econometric and machine learning models to identify analytics data for an entity | |
CN111626331B (zh) | 一种自动化行业分类装置及其工作方法 | |
CN112989053A (zh) | 一种期刊推荐方法及装置 | |
CN115982391B (zh) | 信息处理方法及装置 | |
CN112182126A (zh) | 用于确定匹配度的模型训练方法、装置、电子设备及可读存储介质 | |
CN114936326B (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
CN111382254A (zh) | 电子名片推荐方法、装置、设备及计算机可读存储介质 | |
CN114663194A (zh) | 产品信息推荐方法、装置、计算机设备及存储介质 | |
CN113571198A (zh) | 转化率预测方法、装置、设备及存储介质 |
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 |