一种商家匹配方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种商家匹配方法、装置、计算机设备及存储介质，涉及大数据和人工智能技术。该方法包括：根据商家历史匹配关联数据确定商家匹配模型配置参数；其中，商家匹配模型配置参数包括多维度的商家匹配因子和各商家匹配因子的权重；商家匹配因子包括商品登记信息、交易信息、采购信息和渠道信息；获取用户提供的商品询价数据，并根据商品询价数据匹配备选的商家匹配列表；根据各商家匹配因子和商家匹配列表中各商家的商家实时关联数据计算各商家与商品询价数据的匹配因子匹配度；根据各匹配因子匹配度和各商家匹配因子的权重确定与商品询价数据匹配的目标商家。本发明专利技术实施例的技术方案能够提高商家匹配的合理性、可靠性和准确性。可靠性和准确性。可靠性和准确性。

【技术实现步骤摘要】
一种商家匹配方法、装置、计算机设备及存储介质


[0001]本专利技术涉及数据处理
，具体涉及大数据处理技术和人工智能技术，尤其涉及一种商家匹配方法、装置、计算机设备及存储介质。

技术介绍

[0002]商品，指满足人们某种需要的，用来交换的劳动产品。为了规范商品交易的流程，提高商品交易的效率，商品交易平台通常会采用系统竞价的方式为用户优选商家报价。
[0003]以汽车配件为例说明，中小型修理厂的零配件采购渠道多样化，零配件质量无法得到保障，会产生维修理赔后续的相关问题，导致用户服务体验差，影响保险销售和业界口碑。用户在进行汽车保险以及维修选择时，一般只能依靠经验与别人推荐等选择修理厂、零部件供应厂家以及保险商，无法客观了解行业内上下游厂家的实际质量以及服务情况。配件交易平台常采用配件商的匹配方式能够为查询配件的用户选出最匹配的配件商，不仅能够节省人工选择配件商的操作和时间成本，同时也可以较好的避免修理厂和配件商串通风险，保证配件交易的公平性，从而最大程度维护用户的权益。
[0004]但是，现有的商品交易平台在匹配商家时，仅根据单一的因素如商家所属地区和库存进行匹配，忽略了其他相关影响因素对商家合理性、可靠性和准确性的影响。也即在匹配商家的过程中，商品交易平台仅能依据单一类型的数据对各商家进行数据处理和计算，无法根据多维度的数据类型对各商家进行分析计算，导致最终计算匹配的商家的合理性、可靠性和准确性较低。

技术实现思路

[0005]本专利技术实施例提供一种商家匹配方法、装置、计算机设备及存储介质，能够提高商家匹配的合理性、可靠性和准确性。
[0006]第一方面，本专利技术实施例提供了一种商家匹配方法，包括：
[0007]根据商家历史匹配关联数据确定商家匹配模型配置参数；其中，所述商家匹配模型配置参数包括多维度的商家匹配因子和各所述商家匹配因子的权重；所述商家匹配因子包括商品登记信息、交易信息、采购信息和渠道信息；
[0008]获取用户提供的商品询价数据，并根据所述商品询价数据匹配备选的商家匹配列表；
[0009]根据各所述商家匹配因子和所述商家匹配列表中各商家的商家实时关联数据计算各所述商家与所述商品询价数据的匹配因子匹配度；
[0010]根据各所述匹配因子匹配度和各所述商家匹配因子的权重确定与所述商品询价数据匹配的目标商家。
[0011]第二方面，本专利技术实施例还提供了一种商家匹配装置，包括：
[0012]商家匹配模型配置参数确定模块，用于根据商家历史匹配关联数据确定商家匹配模型配置参数；其中，所述商家匹配模型配置参数包括多维度的商家匹配因子和各所述商
家匹配因子的权重；所述商家匹配因子包括商品登记信息、交易信息、采购信息和渠道信息；
[0013]商家匹配列表匹配模块，用于获取用户提供的商品询价数据，并根据所述商品询价数据匹配备选的商家匹配列表；
[0014]匹配因子匹配度计算模块，用于根据各所述商家匹配因子和所述商家匹配列表中各商家的商家实时关联数据计算各所述商家与所述商品询价数据的匹配因子匹配度；
[0015]目标商家确定模块，用于根据各所述匹配因子匹配度和各所述商家匹配因子的权重确定与所述商品询价数据匹配的目标商家。
[0016]第三方面，本专利技术实施例还提供了一种计算机设备，计算机设备包括：
[0017]一个或多个处理器；
[0018]存储装置，用于存储一个或多个程序；
[0019]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所提供的商家匹配方法。
[0020]第四方面，本专利技术实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所提供的商家匹配方法。
[0021]本专利技术实施例通过根据商家历史匹配关联数据确定商家匹配模型配置参数，并获取用户提供的商品询价数据，以进一步根据商品询价数据匹配备选的商家匹配列表，再根据商家匹配模型配置参数中的各商家匹配因子和商家匹配列表中各商家的商家实时关联数据计算各商家与商品询价数据的匹配因子匹配度，从而根据各匹配因子匹配度和商家匹配模型配置参数中的各商家匹配因子的权重确定与商品询价数据匹配的目标商家，解决现有的商品交易平台在匹配商家时，仅根据单一的因素如商家所属地区和库存进行匹配造成的合理性、可靠性和准确性较低等问题，能够提高商家匹配的合理性、可靠性和准确性。
附图说明
[0022]图1是本专利技术实施例一提供的一种商家匹配方法的流程图；
[0023]图2是本专利技术实施例二提供的一种商家匹配方法的流程图；
[0024]图3是本专利技术实施例三提供的一种商家匹配装置的示意图；
[0025]图4是本专利技术实施例四提供的一种计算机设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。
[0027]另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0028]本专利技术实施例的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于
区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
[0029]实施例一
[0030]图1是本专利技术实施例一提供的一种商家匹配方法的流程图，本实施例可以适用于根据多维度影响因素在多个商家中筛选最匹配的商家的情况，该方法可以由商家匹配装置执行，该装置可以通过软件和/或硬件的方式实现，并一般可以直接集成在执行本方法的计算机设备中。如图1所示，商家匹配方法可以包括以下步骤：
[0031]S110、根据商家历史匹配关联数据确定商家匹配模型配置参数；其中，所述商家匹配模型配置参数包括多维度的商家匹配因子和各所述商家匹配因子的权重；所述商家匹配因子包括商品登记信息、交易信息、采购信息和渠道信息。
[0032]其中，商品可以是各个类型的商品，例如可以是服装、食品、配件或工具等，本专利技术实施例对此并不进行限制。在本专利技术实施例中，商品可以是各个类型设备或机器的配件，如汽车、电脑或各种机械设备等。商家历史匹配关联数据可以是与商家所关联的历史匹配数据，该历史匹配数据可以是商品交易平台存储的匹配数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商家匹配方法，其特征在于，包括：根据商家历史匹配关联数据确定商家匹配模型配置参数；其中，所述商家匹配模型配置参数包括多维度的商家匹配因子和各所述商家匹配因子的权重；所述商家匹配因子包括商品登记信息、交易信息、采购信息和渠道信息；获取用户提供的商品询价数据，并根据所述商品询价数据匹配备选的商家匹配列表；根据各所述商家匹配因子和所述商家匹配列表中各商家的商家实时关联数据计算各所述商家与所述商品询价数据的匹配因子匹配度；根据各所述匹配因子匹配度和各所述商家匹配因子的权重确定与所述商品询价数据匹配的目标商家。2.根据权利要求1所述的方法，其特征在于，所述根据商家历史匹配关联数据确定多维度的商家匹配因子，包括：根据所述商家历史匹配关联数据采用大数据统计分析方法确定所述多维度的商家匹配因子；其中，所述大数据统计分析方法包括因子分析方法和主成分分析方法中的至少一项。3.根据权利要求1所述的方法，其特征在于，所述根据商家历史匹配关联数据确定各所述商家匹配因子的权重，包括：对所述商家历史匹配关联数据划分测试集和训练集；根据所述训练集和各所述商家匹配因子建立和训练多个商家匹配模型，并确定各所述商家匹配模型的模型参数；根据所述测试集对各所述商家匹配模型进行测试，确定各所述商家匹配模型的模型准确率；根据交叉验证法和各所述商家匹配模型的模型准确率对各所述商家匹配模型进行校验，并根据校验结果计算各所述商家匹配模型的泛化误差；根据各所述商家匹配模型的泛化误差筛选待处理商家匹配模型；根据所述训练集对所述待处理商家匹配模型再次进行训练，得到目标商家匹配模型；将所述目标商家匹配模型的各个模型参数确定为各所述商家匹配因子的权重。4.根据权利要求3所述的方法，其特征在于，所述商家匹配模型基于如下公式表达：Mi＝a*baseCredit+b*tradingOrderLevel+c*commentScore+d*otherSocre其中，baseCredit表示商品登记信息匹配度，tradingOrderLevel表示交易信息匹配度，commentScore表示采购信息匹配度，otherSocre表示渠道信息匹配度，a表示所述商品登记信息的权重，b表示所述交易信息的权重，c表示所述采购信息的权重，d表示所述渠道信息的权重。5.根据权利要求1所述的方法，其特征在于，若所述商家匹配因子包括商品登记信息，则计算各所述商家与所述商品询价数据的匹配因子匹配度，包括：根据各所述商家的商家实时关联数据确定各所述商家的商品登记信息的销售性质信息、工商性质信息和工商信用等级信息；根据所述销售性质信息、所述工商性质信息和所述工商信用等级信息计算各所述商家的商品登记信息匹配度。6.根据权利要求5所述的方法，其特征在于，所述根据所述销售性质信息、所述工商性
质信息和所述工商信用等级信息计算各所述商家的商品登记信息匹配度，包括：获取销售性质映射表、工商性质信息映射表和工商信用等级信息映射表；根据各所述商家的销售性质信息和所述销售性质映射表确定各所述商家的销售性质信息对应的第一商品登记信息匹配度；根据各所述商家的工商性质信息和所述工商性质信息映射表确定各所述商家的工商性质信息对应的第二商品登记信息匹配度；根据各所述商家的工商信用等级信息和所述工商信用等级信息映射表确定各所述商家的工商信用等级信息对应的第三商品登记信息匹配度；确定所述销售性质信息、所述工商性质信息和所述工商信用等级信息分别对应的各个商品登记信息子权重；根据所述第一商品登记信息匹配度、所述第二商品登记信息匹配度、所述第三商品登记信息匹配度和所述各个商品登记信息子权重计算所述商品登记信息匹配度。7.根据权利要求1所述的方法，其特征在于，若所述商家匹配因子包括交易信息，则计算各所述商家与所述商品询价数据的匹配因子匹配度，包括：根据各所述商家的商家实时关联数据确定各所述商家的交易信息的商家交易信息、目标订单交易信息和总订单交易信息；根据所述商家交易信息、所述目标订单交易信息和所述总订单交易信息计算各所述商家的交易信息匹配度。8.根据权利要求7所述的方法，其特征在于，所述根据各所述商家的商家实时关联数据确定各所述商家的交易信息的商家交易信息、目标订单交易信息和总订单交易信息，包括：根据总商家交易量和商家数量计算商品平台平均交易量；根据商家平台总交易量和所述商品平台平均交易量计算所述商家交易信息；根据总目标商家交易量和目标商家数量计算平台目标平均交易量；根据目标商家订单总数量和所述平台目标平均交易量计算所述目标订单交易信息；根据所述商家交易信息和所述目标订单交易信息计算所述总订单交易信息。9.根据权利要求7所述的方法，其特征在于，所述根据所述商家交易信息、所述目标订单交易信息和所述总订单交易信息计算各所述商家的交易信息匹配度，包括：获取商家交易信息映射表、...

【专利技术属性】
技术研发人员：朱正中，陈洁，李静帆，王海林，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：