一种工业物料商品推荐方法技术

本发明专利技术公开了一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库；2)生成购买企业物料商品库；3)提取关键词；4)计算特征向量的相似度；5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度；6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。本发明专利技术可帮购买企业快速找到可以生产物料的供应商，也可以主动推送给生产企业销售渠道；可解决物料交易过程中信息不对称的情况。

【技术实现步骤摘要】
一种工业物料商品推荐方法
本专利技术属于电子商务领域，特别是涉及一种工业物料的商品推荐方法。
技术介绍
在现有的电子商务领域中，涌现了大量的商品推荐方法，通过这些方法的应用，以提高潜在消费者购买相关商品的可能性。但是，一直没有针对工业非标物料购买周期的推荐方法。目前工业品有很多非标商品，每个工厂对商品的型号和质量要求不一，工厂通常会通过竞标的方式发布需求即物料的详细描述。生产型企业阅读物料需求后评估公司对物料的生成能力进行报价。这样会导致信息不对称，很多生产型企业无法知晓购买形企业的需求，无法挖掘更多的商机。因此本领域技术人员致力于开发一种使生产企业和购买企业信息对称的工业物料推荐方法。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种使生产企业和购买企业信息对称的工业物料推荐方法。为实现上述目的，本专利技术提供了一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：第j篇文章中与词典里第k个词对应的TF-IDF为：其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；最终第k个词在文章j中的权重由下面的公式获得：提取权重最大的10个词作为物料的特征词，并转化为特征向量；4)计算特征向量的相似度，计算方法如下：其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度；5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：其中，表示企业对商品itemj偏好度，wj表示itemj的属性，可以根据商品的自有特征确定，比如商品分类，商品材质，商品的产地，商品的经销商等等都属于商品的属性，Ir与Inr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定；商品的正负反馈权重可以在0-1之间调节，根据多次迭代计算达到一个合适的值。6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。本专利技术的有益效果是：本专利技术可帮购买企业快速找到可以生产物料的供应商，也可以主动推送给生产企业销售渠道；可解决物料交易过程中信息不对称的情况。附图说明图1是本专利技术一具体实施方式的体系架构图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明：一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：第j篇文章中与词典里第k个词对应的TF-IDF为：其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；最终第k个词在文章j中的权重由下面的公式获得：提取权重最大的10个词作为物料的特征词，并转化为特征向量；4)计算特征向量的相似度，计算方法如下：其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度。5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：其中，表示企业对商品itemj偏好度，wj表示itemj的属性，可以根据商品的自有特征确定，比如商品分类，商品材质，商品的产地，商品的经销商等等都属于商品的属性，Ir与Inr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定；商品的正负反馈权重可以在0-1之间调节，根据多次迭代计算达到一个合适的值。6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。如图1所示，上述方法通过以下商品系统实现，包括推荐系统平台，推荐特征提取系统，相似度技术系统、用户偏好度计算系统和推荐系数计算系统。以上详细描述了本专利技术的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本专利技术的构思作出诸多修改和变化。因此，凡本
中技术人员依本专利技术的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。本文档来自技高网...

【技术保护点】
一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：第j篇文章中与词典里第k个词对应的TF‑IDF为：

【技术特征摘要】
1.一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：第j篇文章中与词典里第k个词对应的TF-IDF为：其中TF(tK,dj)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；最终第k个词在文章j中的权重由下面的公式获得：提取权重最大的10个词作为物料的特征词，并转化为特征向量；4)计算特征向量的相似度，计算方法如下：

【专利技术属性】
技术研发人员：杨旭川，张桂林，
申请(专利权)人：重庆允升科技有限公司，
类型：发明
国别省市：重庆,50