CN117670480A - 基于人工智能的竞价方法及系统 - Google Patents

Abstract

本发明涉及一种基于人工智能的竞价方法及系统，方法包括：获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；并基于每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名。降低需方采购商品时的人力成本及时间成本，从供方获取较低的采购价格。

Description

基于人工智能的竞价方法及系统

技术领域

本发明涉及大数据分析技术领域，特别是涉及基于人工智能竞价方法及系统。

背景技术

企业在日常采购大宗物资时，往往会先向一家或多家供应商进行询价、比价后下单，因供应商的定价会受市场行情及综合成本等诸多因素影响，这也导致采购人员比价时很难快速判断供应商的报价是否还有降价空间，难以快速决策。实际业务中，当采购人员在接到供应商的报价后，需要对报价内容进行详细分析，部分情况下还需要反复与供应商商议价格。例如1、需要分析报价单中的各项内容，包括材料成本、人工成本、运输成本等，对比原材料及物流等价格，以确定供应商是否提供了合理的价格；2、需要考察市场行情价，以确定哪几家供应商的报价仍有继续降价的空间；3、需要与供应商进一步议价，耗费大量时间与精力；如果采购人员没有足够的经验和专业知识水平，那么将很难做出正确的决策。

因此，现有技术中需方进行采购商品时需要耗费大量的人力成本以及时间成本，争取从供方获取较低的采购价格，并且从供方获取的采购价格受采购人员的经验限制，难以从供方获取较低的采购价格。

发明内容

本发明提供一种基于人工智能的竞价方法及系统，用以解决现有技术需方进行采购商品时需要耗费大量的人力成本以及时间成本，并且从供方获取的采购价格受采购人员的经验限制，难以从供方获取较低的采购价格的问题，降低需方采购商品时的人力成本及时间成本，并且从供方获取的采购价格不受采购人员的经验限制，从供方获取较低的采购价格。

一种基于人工智能的竞价方法，所述方法包括：获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

在其中一个实施例中，所述竞价机器人中包括跟单机器人和压价机器人；所述基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人，包括：在所述询价请求信息中的报价规则为报价不公开的情况下，将跟单机器人和压价机器人确定为目标需求商品的竞价机器人；所述跟单机器人用于对供方用户提供的报价进行跟单；所述压价机器人用于对供方用户提供的第一报价集进行压价；或，在所述询价请求信息中的报价规则为报价公开的情况下，将压价机器人确定为目标需求商品的竞价机器人。

在其中一个实施例中，当所述竞价机器人为跟单机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：在确定第一报价集中除了第一报价本身的报价均值与第一报价本身的差小于或等于第二预设阈值的情况下，基于所述第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；或，在确定目标需求商品对应的第一报价集中除了第一报价本身的报价均值与第一报价本身的差大于第二预设阈值的情况下，基于所述第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。

在其中一个实施例中，当所述竞价机器人为压价机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且第一报价集中除了第一报价本身的报价均值与第一报价本身的差小于或等于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，基于所述压价机器人的报价系数和第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；所述第三预设阈值大于第一预设阈值，或，在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且第一报价集中除了第一报价本身的报价均值与第一报价本身的差大于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，并基于所述压价机器人的报价系数和第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。

在其中一个实施例中，所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，包括：在确定多个供方用户以及竞价机器人的排名相同的情况下，基于以下处理重新确定多个供方用户以及竞价机器人的排名：针对每个供方用户，基于每个供方用户提交的每个需求商品的第一报价，确定每个供方用户对整单需求商品集中已提交报价的至少一个需求商品的第一个数和第一报价总额；基于竞价机器人提交的每个需求商品的第二报价，确定竞价机器人对整单需求商品集中已提交报价的至少一个需求商品的第二个数和第二报价总额；基于每个供方用户对应的第一个数、第一报价总额、第二个数和第二报价总额，确定各供方用户和竞价机器人的排名，并对所述各供方用户和竞价机器人的名称进行脱敏处理。

在其中一个实施例中，在所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名之后，所述方法还包括：获取需求商品的报价调整后每个需求商品的第二报价集；基于所述每个需求商品的第二报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第三报价；基于整单需求商品集中每个需求商品的第二报价集和第三报价，确定各供方用户和竞价机器人的排名。

在其中一个实施例中，在所述确定每个需求商品对应的竞价机器人对每个需求商品的第二报价之后，所述方法还包括：基于预设的递推预测滤波算法，确定每个需求商品的第二报价的出价时间；基于延迟队列技术将每个需求商品的第二报价按照出价时间进行发布。

本发明还提供了一种基于人工智能的竞价系统，包括：获取模块以及第一确定模块，用于获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；第二确定模块，用于针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；第三确定模块，用于针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；第四确定模块，用于基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述基于人工智能的竞价方法的步骤。

一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述基于人工智能的竞价方法的步骤。

上述基于人工智能的竞价方法及系统，通过基于需方用户提交的询价请求信息，确定对应的竞价机器人，基于对应的竞价机器人参与竞价，从而实现对供方用户的竞价过程中供方用户的排名的调整，从而促进供方进一步降价，从而降低需方采购商品时的人力成本及时间成本，也不受采购人员的经验限制，争取从供方获取较低的采购价格。

附图说明

图1为一个实施例中提供的基于人工智能的竞价方法的应用场景示意图；

图2为一个实施例中提供的基于人工智能的竞价方法的流程示意图之一；

图3为一个实施例中提供的基于人工智能的竞价方法的流程示意图之二；

图4为一个实施例中提供的基于人工智能的竞价方法的流程示意图之三；

图5为一个实施例中提供的基于人工智能的竞价方法的流程示意图之四；

图6为一个实施例中提供的基于人工智能的竞价方法的框架示意图；

图7为一个实施例中提供的基于人工智能的竞价系统的框架示意图。

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。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

下面结合附图描述本发明的基于人工智能的竞价方法及系统。

图1为一个实施例中提供的基于人工智能的竞价方法的实施环境图，该实施环境中包括：与需方用户进行人机交互的需方终端设备110、与供方方用户进行人机交互的供方终端设备120、以及用于执行本发明的基于人工智能的竞价方法的服务器130。所述需方终端设备110用于显示需方用户发布的需求商品的询价请求信息，以及将所述询价请求信息发送至服务器130。供方终端设备120用于显示供方用户提交的需求商品的报价信息，以及将所述报价信息发送至服务器130。

如图2所示，在一个实施例中，提出了一种基于人工智能的竞价方法，该基于人工智能的竞价方法可以由上述服务器130执行。具体地，如图2所示，本发明提供的基于人工智能的竞价方法可以包括以下步骤：

步骤210，获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集。

其中，整单需求商品集的询价请求信息中包括：询价商品名称、材质、规格、厂家、收货区域、报价规则、竞价时间等相关数据。具体地，询价商品名称为询价商品的名称，所述询价商品可以为建筑材料的商品名称，例如可以为低合金板。材质例如可以为Q355B，规格例如可以为PL12*1500。报价规则包括报价是否公开。具体地，可以通过实时数据处理系统(例如Apache Kafka数据处理系统)对整单需求商品集的询价请求信息进行解耦异步处理，将处理得到的询价请求信息发送至数据采集系统(例如Flume数据采集系统)并存储到存储介质中。可以理解，通过对整单需求商品集的询价请求信息进行解耦异步处理，避免影响服务器中其他正在进行的业务，使服务器能够更高效的处理询价请求信息。

其中，所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合。

具体地，为了避免供方的供方的误报数据对后续竞价方法的影响，可以对收集到的供方报价数据使用用于数据处理的计算引擎(例如Spark)进行预处理，清洗处理出有效报价数据。其中，有效报价数据为剔除异常报价数据(不符合预设规则的报价数据)后的报价数据。

可以理解，为了使服务器能够自动区分需求商品以及供方用户，可以基于现有的文字识别方法，从供方用户上报的需求商品的报价中，识别供方用户对每个需求商品的报价。

步骤220，针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人。

其中，竞价机器人用于与供方用户进行竞价，以刺激供方用户降价。

可以理解，对于每个需求商品可以有多个供方用户报名进行竞价，但是供方用户可以在一定时间段内进行竞价，并且受其他因素影响，在特定的时刻，供方用户未对目标需求商品进行报价，或者在整个竞价过程中均未对目标需求商品进行报价，因此在当前时刻对目标需求商品已经报价的供方用户数量较少的情况下，可以先不采用竞价机器人参与竞价，在供方用户的数量较多时再采用竞价机器人参与竞价。

如前所述，需方用户提交整单需求商品集的询价请求信息中可以包括报价规则，因此针对不同的报价规则，可以采用不同的竞价机器人以提出不同的竞价策略，可以刺激供方进一步降价，帮助需方用户获得足够有竞争力的报价，提升供应链的采购效率及报价竞争力。

在其中一个实施例中，所述基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人，包括：在所述询价请求信息中的报价规则为报价不公开的情况下，将跟单机器人和压价机器人确定为目标需求商品的竞价机器人；所述跟单机器人用于对供方用户提供的报价进行跟单；所述压价机器人用于对供方用户提供的第一报价集进行压价；或，在所述询价请求信息中的报价规则为报价公开的情况下，将压价机器人确定为目标需求商品的竞价机器人。

可以理解，需方用户可以在询价请求信息中的报价规则中设置供方报价是否公开。在供方报价不公开的情况下，供方用户不能看到其他供方的报价价格，只能看到所有供方用户的排名，因此，本发明的竞价机器人可以采用跟单机器人和/或压价机器人的方式对供方进行跟单和/或压价，从而使竞价机器人的排名靠前，促使供方用户进一步降价，从而实现不需要耗费大量的人力成本以及时间成本的情况下，争取从供方获取较低的采购价格。同理，在供方报价公开的情况下，供方用户可以看到其他供方的报价价格以及所有供方用户的排名，因此，本发明的竞价机器人可以采用压价机器人的方式对供方进行压价，从而促使供方用户进一步降价，从而实现不需要耗费大量的人力成本以及时间成本的情况下，争取从供方获取较低的采购价格。

步骤230，针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值。

可以理解，本发明中竞价机器人的本质是为了需方用户从多个供方用户中挑选出目标供方用户，因此，竞价机器人在竞价时可以采用与需求商品的第一报价集中的最小值相等的值作为报价，以刺激所有供方用户进行降价，也可以采用比需求商品的第一报价集中的最小值稍大的值作为报价，以刺激除了报价最小的供方用户进行降价。

步骤240，基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

具体地，可以基于JAVA8中stream流中的Collectors.collectingAndThen以及TreeSet进行对各供方用户和竞价机器人进行排序处理，得到各供方用户和竞价机器人的排名。通常情况下，各供方用户和竞价机器人的排名可以为针对每个需求商品各供方用户和竞价机器人的排名。

其中，用户端设备可以为供方用户端设备(供方终端设备)、需方用户端设备(需方终端设备)，或者正在浏览实时竞价网页的用户端设备。可以理解，确定各供方用户和竞价机器人的排名之后，可以将该排名发送给供方用户，以便供方用户可以进一步调整价格，从而降低需方采购商品时的人力成本及时间成本，也不受采购人员的经验限制，争取从供方获取较低的采购价格。还可以理解，在将所述排名发送给用户端设备后，由用户端设备在实时竞价页面上显示所述排名，能够保证竞价过程的公开性。

本发明提供的基于人工智能的竞价方法，通过基于需方用户提交的询价请求信息，确定对应的竞价机器人，基于对应的竞价机器人参与竞价，从而实现对供方用户的竞价过程中供方用户的排名的调整，从而促进供方进一步降价，从而降低需方采购商品时的人力成本及时间成本，也不受采购人员的经验限制，争取从供方获取较低的采购价格。

在其中一个实施例中，当所述竞价机器人为跟单机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：

在确定第一报价集中的报价均值与第一报价集中各第一报价的差小于或等于第二预设阈值的情况下，基于所述第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；或，

在确定第一报价集中的报价均值与第一报价集中报价最低的第一报价的差大于第二预设阈值的情况下，基于所述第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。

可以理解，对于一个需求商品，由于一个供方用户的报价可能严重低于其他供方用户的平均报价，因此为了避免跟单时跟到这种供方用户的报价，可以选择次低的报价进行跟单。

还可以理解，由于本发明的主要目的在于促进需方用户对供方用户的选择，因此，在竞价结束之前，可以对竞价机器人确定的第二报价进行调整，避免竞价机器人被选中。

因此，可选地，在其中一个实施例中，所述基于所述第一报价集中报价最低的第一报价，确定目标需求商品的第二报价，包括：在当前时刻是竞价倒计时刻的情况下，基于目标需求商品对应的预设的线性回归模型确定跟单机器人的报价系数，并基于所述跟单机器人的报价系数和所述第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；或，在当前时刻不是竞价倒计时刻的情况下，将所述第一报价集中报价最低的第一报价，确定为目标需求商品的第二报价。同理，所述基于所述第一报价集中报价次低的第一报价，确定目标需求商品的第二报价，包括：在当前时刻是竞价倒计时刻的情况下，基于目标需求商品对应的预设的线性回归模型确定跟单机器人的报价系数，并基于所述跟单机器人的报价系数和所述第一报价集中报价次低的第一报价，确定目标需求商品的第二报价；或，在当前时刻不是竞价倒计时刻的情况下，将所述第一报价集中报价次低的第一报价，确定为目标需求商品的第二报价。

其中，目标需求商品对应的预设的线性回归模型是专门针对目标需求商品确定的线性回归模型。可以理解，由于不同的目标需求商品的报价具有较大的差异，因此，针对不同的目标需求商品可以分别基于历史的供方用户的报价信息确定对应的线性回归模型，以使其对应的报价系数符合目标需求商品的实际供方用户的报价情况。

在其中一个实施例中，当所述竞价机器人为压价机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且目标需求商品对应的第一报价集中的报价均值与第一报价集中各第一报价的差小于或等于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，基于所述压价机器人的报价系数和第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；或，在在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且目标需求商品对应的第一报价集中的报价均值与第一报价集中报价最低的第一报价的差大于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，并基于所述压价机器人的报价系数和第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。所述第三预设阈值大于第一预设阈值。

具体地，可以基于第一报价集中报价最低的第一报价本身，与第一报价集中报价最低的第一报价本身和报价系数的乘积之和，确定目标需求商品的第二报价。同理，可以基于第一报价集中报价次低的第一报价本身，与第一报价集中报价次低的第一报价本身和报价系数的乘积之和，确定目标需求商品的第二报价。

可以理解，该压价过程与跟单过程的原理类似，为了简洁，此次不再赘述。而且，正如前所述，由于本发明的主要目的在于促进需方用户对供方用户的选择，因此，在压价过程中，以竞价机器人确定的第二报价进行调整，避免竞价机器人被选中。

需要说明的是，多个供方用户以及竞价机器人的排名可能相同，因此，在其中一个实施例中，如图3所示，所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，包括：

在确定多个供方用户以及竞价机器人的排名相同的情况下，基于以下处理重新确定多个供方用户以及竞价机器人的排名：

步骤310，针对每个供方用户，基于每个供方用户提交的每个需求商品的第一报价，确定每个供方用户对整单需求商品集中已提交报价的至少一个需求商品的第一个数和第一报价总额。

可以理解，由于每个供方用户可以对整单需求商品集中的一部分商品进行报价，实际情况中，需方用户在选择供方用户时的其中一个参考条件为：每个供方用户对整单需求商品集中已经提交报价的需求商品的数量以及报价总额。因此，在本发明中，在供方用户之间，或者供方用户与竞价机器人之间的排名相同的情况下，可以基于每个供方用户对整单需求商品集中已提交报价的至少一个需求商品的第一个数和第一报价总额，重新确定各供方用户和竞价机器人的排名。

步骤320，基于竞价机器人提交的每个需求商品的第二报价，确定竞价机器人对整单需求商品集中已提交报价的至少一个需求商品的第二个数和第二报价总额。

步骤330，基于每个供方用户对应的第一个数、第一报价总额、第二个数和第二报价总额，确定各供方用户和竞价机器人的排名，并对所述各供方用户和竞价机器人的名称进行脱敏处理。

具体地，可以基于第一报价总额除以第一个数，得到每个供方用户的对整单商品集的平均报价，以及基于第二报价总额除以第二个数，得到竞价机器人的对整单商品集的平均报价，基于所述每个供方用户的对整单商品集的平均报价，以及竞价机器人的对整单商品集的平均报价，重新确定排名重复的各供方用户和竞价机器人的排名。

在其中一个实施例中，如图4所示，在所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名之后，所述方法还包括：

步骤410，获取需求商品的报价调整后每个需求商品的第二报价集。

可以理解，在竞价时间段内，供方用户可以多次调整对每个需求商品的报价，因此，本发明中可以随着每个需求商品的第二报价集的变化，再次对采用竞价机器人竞价，使供方用户进一步调整价格，直到竞价结束。

具体地，该步骤410与上文步骤210类似，为了简洁，此处不再赘述。

步骤420，基于所述每个需求商品的第二报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第三报价。

具体地，该步骤420与上文步骤230类似，为了简洁，此处不再赘述。

步骤430，基于整单需求商品集中每个需求商品的第二报价集和第三报价，确定各供方用户和竞价机器人的排名。

具体地，该步骤430与上文步骤240类似，为了简洁，此处不再赘述。

在其中一个实施例中，如图5所示，在所述确定每个需求商品对应的竞价机器人对每个需求商品的第二报价之后，所述方法还包括：

步骤510，基于预设的递推预测滤波算法，确定每个需求商品的第二报价的出价时间。

其中，预设的递推预测滤波算法基于历史的供方用户的出价时间确定。可以理解，基于历史的供方用户的出价时间确定预设的递推预测滤波算法，可以使基于预设的递推预测滤波算法确定的每个需求商品的第二报价的出价时间更加符合实际的供方用户的出价时间。

步骤520，基于延迟队列技术将每个需求商品的第二报价按照出价时间进行发布。

其中，延迟队列技术例如可以通过@PostConstruct+DelayQueue实现。

图6为本发明提供的基于人工智能的竞价方法的一业务时序示意图。如图6所示，示例性地给出了竞价机器人对应的接口服务(robotservice)和实现类(robotservicelmpl)，以及与Java阻塞延迟队列javaDelayQueue之间交互实现。可以理解，竞价机器人出现时机为：当有供方报价，实现机器人出现监听，触发时机点来源为提前报价、供方报价、竞价结束。首先，响应于供方用户对个需求商品的报价操作，通过ApacheKafka在robotservice以及robotservicelmpl中异步添加多个需求商品对应的机器人报价任务，然后在robotservice中添加多个需求商品对应的跟单机器人队列以及压价机器人队列，在robotservicelmpl中添加队列任务，并在到期后执行任务，具体由robotservice中的机器人执行延迟任务，并由robotservicelmpl完成机器人执行延迟任务，查询被跟单供方、获取压价机器人信息、跟单机器人报价、压价机器人报价，并最终完成机器人报价。

下面对本发明提供的基于人工智能的竞价系统进行描述，下文描述的基于人工智能的竞价系统与上文描述的基于人工智能的竞价方法相互对应参照。

图7为本发明提供的基于人工智能的竞价系统的示意性框图。如图7所示，本发明提供的基于人工智能的竞价系统包括：

获取模块以及第一确定模块710，用于获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；

第二确定模块720，用于针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；

第三确定模块730，用于针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；

第四确定模块740，用于基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

本发明提供的基于人工智能的竞价系统，通过基于需方用户提交的询价请求信息，确定对应的竞价机器人，基于对应的竞价机器人参与竞价，从而实现对供方用户的竞价过程中供方用户的排名的调整，从而促进供方进一步降价，从而降低需方采购商品时的人力成本及时间成本，也不受采购人员的经验限制，争取从供方获取较低的采购价格。

在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下基于人工智能的竞价方法对应的步骤：获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行本发明提供的基于人工智能的竞价方法，其中，基于人工智能的竞价方法包括：获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行本发明提供的基于人工智能的竞价方法，其中，基于人工智能的竞价方法包括：获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于人工智能的竞价方法，其特征在于，所述方法包括：

获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；

针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；

针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；

基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

2.如权利要求1所述的基于人工智能的竞价方法，其特征在于，所述竞价机器人中包括跟单机器人和压价机器人；所述基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人，包括：

在所述询价请求信息中的报价规则为报价不公开的情况下，将跟单机器人和压价机器人确定为目标需求商品的竞价机器人；所述跟单机器人用于对供方用户提供的报价进行跟单；所述压价机器人用于对供方用户提供的第一报价集进行压价；或，

在所述询价请求信息中的报价规则为报价公开的情况下，将压价机器人确定为目标需求商品的竞价机器人。

3.如权利要求2所述的基于人工智能的竞价方法，其特征在于，当所述竞价机器人为跟单机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：

在确定第一报价集中除了第一报价本身的报价均值与第一报价本身的差小于或等于第二预设阈值的情况下，基于所述第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；或，

在确定目标需求商品对应的第一报价集中除了第一报价本身的报价均值与第一报价本身的差大于第二预设阈值的情况下，基于所述第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。

4.如权利要求2所述的基于人工智能的竞价方法，其特征在于，当所述竞价机器人为压价机器人时，所述基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价，包括：

在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且第一报价集中除了第一报价本身的报价均值与第一报价本身的差小于或等于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，基于所述压价机器人的报价系数和第一报价集中报价最低的第一报价，确定目标需求商品的第二报价；所述第三预设阈值大于第一预设阈值，或，

在确定目标需求商品对应的第一报价集中第一报价的个数大于第三预设阈值，且第一报价集中除了第一报价本身的报价均值与第一报价本身的差大于第二预设阈值的情况下，基于目标需求商品对应的预设线性回归模型确定压价机器人的报价系数，并基于所述压价机器人的报价系数和第一报价集中报价次低的第一报价，确定目标需求商品的第二报价。

5.如权利要求1所述的基于人工智能的竞价方法，其特征在于，所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，包括：

在确定多个供方用户以及竞价机器人的排名相同的情况下，基于以下处理重新确定多个供方用户以及竞价机器人的排名：

针对每个供方用户，基于每个供方用户提交的每个需求商品的第一报价，确定每个供方用户对整单需求商品集中已提交报价的至少一个需求商品的第一个数和第一报价总额；

基于竞价机器人提交的每个需求商品的第二报价，确定竞价机器人对整单需求商品集中已提交报价的至少一个需求商品的第二个数和第二报价总额；

基于每个供方用户对应的第一个数、第一报价总额、第二个数和第二报价总额，确定各供方用户和竞价机器人的排名，并对所述各供方用户和竞价机器人的名称进行脱敏处理。

6.如权利要求1所述的基于人工智能的竞价方法，其特征在于，在所述基于整单需求商品集中各需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名之后，所述方法还包括：

获取需求商品的报价调整后每个需求商品的第二报价集；

基于所述每个需求商品的第二报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第三报价；

基于整单需求商品集中每个需求商品的第二报价集和第三报价，确定各供方用户和竞价机器人的排名。

7.如权利要求1所述的基于人工智能的竞价方法，其特征在于，在所述确定每个需求商品对应的竞价机器人对每个需求商品的第二报价之后，所述方法还包括：

基于预设的递推预测滤波算法，确定每个需求商品的第二报价的出价时间；

基于延迟队列技术将每个需求商品的第二报价按照出价时间进行发布。

8.一种基于人工智能的竞价系统，其特征在于，包括：

获取模块以及第一确定模块，用于获取目标需方用户发布的整单需求商品集的询价请求信息，并确定当前时刻整单需求商品集中每个需求商品的第一报价集；所述每个需求商品的第一报价集为每个需求商品对应的各供方用户提交的第一报价的集合；

第二确定模块，用于针对每个需求商品，在基于每个需求商品的第一报价集中第一报价的个数大于第一预设阈值的情况下，基于所述整单需求商品集的询价请求信息，确定每个需求商品对应的竞价机器人；

第三确定模块，用于针对每个需求商品，基于所述每个需求商品对应的竞价机器人和第一报价集，确定每个需求商品对应的竞价机器人对每个需求商品的第二报价；所述每个需求商品的第二报价大于或等于每个需求商品的第一报价集中的最小值；

第四确定模块，用于基于整单需求商品集中每个需求商品的第一报价集和第二报价，确定各供方用户和竞价机器人的排名，并将所述排名发送给用户端设备。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，其特征在于，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述基于人工智能的竞价方法的步骤。

10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述基于人工智能的竞价方法的步骤。