一种基于供应链管理的信息推送方法及系统技术方案

本发明专利技术涉及一种基于供应链管理的信息推送方法及系统，所述方法包括：获取供应商的偏好性特征数据和相关性特征数据，偏好性特征数据和相关性特征数据关联平台所有正在招采的采购项目关键信息；对偏好性特征数据和相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据；将偏好性量化数据和相关性量化数据特征数据输入至预设用户行为模型，得到每个采购项目的匹配分数；对每个采购项目的匹配分数进行降序排列，得到第一序列，将第一序列中前s个匹配分数对应的采购项目推送至供应商。本发明专利技术缩短了供应商在获取商机信息方面所花费的时间和投入，主动并精确为供应商匹配出他所感兴趣的采购项目信息，从而为用户推送个性化商机信息。送个性化商机信息。送个性化商机信息。

【技术实现步骤摘要】
一种基于供应链管理的信息推送方法及系统


[0001]本专利技术涉及供应链管理
，尤其涉及一种基于供应链管理的信息推送方法及系统。

技术介绍

[0002]随着现有供应链平台中用户个数和采购项目数量的快速增长，供应商陷入海量项目信息中，需要花费大量的时间才能找到与自己业务高度匹配的优质采供商机，供应商由于信息的不及时和不对称无法主动参与适合自己业务需求的采购项目，这样一方面会严重影响供应商的参与体验，降低供应商在平台的活跃度，另一方面供应商活跃度的降低会对采购商的采购质量造成较大的影响，从而可能影响整个供应链平台的日活量。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供了一种基于供应链管理的信息推送方法及系统。
[0004]本专利技术的一种基于供应链管理的信息推送方法的技术方案如下：
[0005]S1、获取供应商的偏好性特征数据和相关性特征数据，所述偏好性特征数据和所述相关性特征数据关联平台所有正在招采的采购项目关键信息；
[0006]S2、对所述偏好性特征数据和所述相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据；
[0007]S3、将所述偏好性量化数据和所述相关性量化数据特征数据输入至预设用户行为模型，得到每个采购项目的匹配分数；
[0008]S4、对每个所述采购项目的匹配分数进行降序排列，得到第一序列，将所述第一序列中前s个匹配分数对应的采购项目的信息推送至供应商，其中，s为正整数。
[0009]本专利技术的一种基于供应链管理的信息推送方法的有益效果如下：
[0010]本专利技术通过获取供应商的偏好性特征数据和相关性特征数据，偏好性特征数据和相关性特征数据关联平台所有正在招采的采购项目关键信息；对偏好性特征数据和相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据；将偏好性量化数据和相关性量化数据特征数据输入至预设用户行为模型，得到每个采购项目的匹配分数；对每个采购项目的匹配分数进行降序排列，得到第一序列，将第一序列中前s个匹配分数对应的采购项目推送至供应商。因此，本专利技术的一种基于供应链管理的信息推送方法缩短了供应商在获取商机信息方面所花费的时间和投入，主动并精确为供应商匹配出他所感兴趣的采购项目信息，从而为用户推送个性化商机信息。
[0011]在上述方案的基础上，本专利技术的一种基于供应链管理的信息推送方法还可以做如下改进。
[0012]进一步，每个所述偏好性特征数据对应一个偏好性特征类别，每个所述相关性特征数据对应一个相关性特征类别；所述偏好性特征数据包括：正向偏好性特征数据和负向
偏好性特征数据；所述偏好性量化数据包括：正向偏好性量化数据和负向偏好性量化数据；所述相关性量化数据包括：行为量化数据和属性量化数据；则所述S2具体包括：
[0013]S21、获取多个所述正向偏好性特征数据在对应的所述偏好性特征类别中的出现频率，并获取多个相关性特征数据在对应的所述相关性特征类别中的出现频率；
[0014]S22、分别对每个所述偏好性特征类别中的多个正向偏好性特征数据的出现频率进行降序排列，得到多个正向偏好性序列；
[0015]S23、分别对每个所述相关性特征类别中的多个相关性特征数据的出现频率进行降序排列，得到多个相关性序列；
[0016]S24、根据多个所述正向偏好性序列和多个所述相关性序列得到所有所述正向偏好特征数据的第一量化值和所有所述相关性特征数据的第二量化值，根据所有所述第一量化值得到所述正向偏好量化数据，并根据所有所述第二量化值得到所述相关性量化数据。
[0017]采用上述进一步方案的有益效果是：通过将获取的特征数据进行量化，便于后续进行项目信息的匹配分数的计算。
[0018]进一步，还包括：分别预设所述偏好性特征类别和所述相关性特征类别的总项基础分和总项排名，并分别预设每个所述偏好性特征类别和所述相关性特征类别中的每个分项基础分和分项权重值，根据每个所述分项基础分和所述分项权重值得到多个权重基础分，其中，每个所述偏好性特征类别和所述相关性特征类别中对应多个分项。
[0019]采用上述进一步方案的有益效果是：通过预设多个特征类别的权重与排名，能够更加便捷地获取各个采购项目的分数，从而为用户提供精准的推送信息。
[0020]进一步，所述预设用户行为模型具体为：
[0021][0022]其中，X
a
表示第a个所述采购项目关键信息的匹配分数，A1
ai
表示第a个所述采购项目关键信息的第i个所述正向偏好量化数据在对应的偏好性特征类别的所述权重基础分，A2
ai
表示A1
ai
代表的所述正向偏好量化数据的排名，表示与A1
ai
对应的所述负向偏好性量化数据的影响因子，B11
aj
表示第a个所述采购项目关键信息的第j个所述行为量化数据在对应的相关性特征类别的所述权重基础分，B12
aj
表示B11
aj
代表的所述行为量化数据的排名，B21
aj
表示第a个所述采购项目关键信息的的第j个所述属性量化数据在对应的相关性特征类别的所述权重基础分，B22
aj
表示B21
aj
代表的所述属性量化数据的排名，表示与B21
aj
对应的所述负向偏好性量化数据的影响因子，M、N为权重系数。
[0023]采用上述进一步方案的有益效果是：通过构建用户行为模型，能够根据供应商的行为实时得出符合供应商的个性化推送信息。
[0024]进一步，所述负向偏好性量化数据的影响因子采用中位降值法进行取值。
[0025]采用上述进一步方案的有益效果是：通过负向影响因子降低用户不感兴趣项目中的得分，以根据用户的需求进行信息的推送。
[0026]本专利技术的一种基于供应链管理的信息推送系统的技术方案如下：
[0027]包括：数据采集模块、数据量化模块、第一处理模块、第二处理模块；
[0028]所述数据采集模块用于：获取供应商的偏好性特征数据和相关性特征数据，所述
偏好性特征数据和所述相关性特征数据关联平台所有正在招采的采购项目关键信息；
[0029]所述数据量化模块用于：对所述偏好性特征数据和所述相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据；
[0030]所述第一处理模块用于：将所述偏好性量化数据和所述相关性量化数据特征数据输入至预设用户行为模型，得到每个采购项目的匹配分数；
[0031]所述第二处理模块用于：对每个所述采购项目的匹配分数进行降序排列，得到第一序列，将所述第一序列中前s个匹配分数对应的采购项目的信息推送至供应商，其中，s为正整数。
[0032]本专利技术的一种基于供应链管理的信息推送系统的有益效果如下：
[0033]本专利技术通过获取供应商的偏好性特征数据和相关性特征数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于供应链管理的信息推送方法，其特征在于，包括：S1、获取供应商的偏好性特征数据和相关性特征数据，所述偏好性特征数据和所述相关性特征数据关联平台所有正在招采的采购项目关键信息；S2、对所述偏好性特征数据和所述相关性特征数据分别进行量化处理，得到偏好性量化数据和相关性量化数据；S3、将所述偏好性量化数据和所述相关性量化数据特征数据输入至预设用户行为模型，得到每个采购项目的匹配分数；S4、对每个所述采购项目的匹配分数进行降序排列，得到第一序列，将所述第一序列中前s个匹配分数对应的采购项目的信息推送至供应商，其中，s为正整数。2.根据权利要求1所述的一种基于供应链管理的信息推送方法，其特征在于，每个所述偏好性特征数据对应一个偏好性特征类别，每个所述相关性特征数据对应一个相关性特征类别；所述偏好性特征数据包括：正向偏好性特征数据和负向偏好性特征数据；所述偏好性量化数据包括：正向偏好性量化数据和负向偏好性量化数据；所述相关性量化数据包括：行为量化数据和属性量化数据；则所述S2具体包括：S21、获取多个所述正向偏好性特征数据在对应的所述偏好性特征类别中的出现频率，并获取多个相关性特征数据在对应的所述相关性特征类别中的出现频率；S22、分别对每个所述偏好性特征类别中的多个正向偏好性特征数据的出现频率进行降序排列，得到多个正向偏好性序列；S23、分别对每个所述相关性特征类别中的多个相关性特征数据的出现频率进行降序排列，得到多个相关性序列；S24、根据多个所述正向偏好性序列和多个所述相关性序列得到所有所述正向偏好特征数据的第一量化值和所有所述相关性特征数据的第二量化值，根据所有所述第一量化值得到所述正向偏好量化数据，并根据所有所述第二量化值得到所述相关性量化数据。3.根据权利要求2所述的一种基于供应链管理的信息推送方法，其特征在于，还包括：分别预设所述偏好性特征类别和所述相关性特征类别的总项基础分和总项排名，并分别预设每个所述偏好性特征类别和所述相关性特征类别中的每个分项基础分和分项权重值，根据每个所述分项基础分和所述分项权重值得到多个权重基础分，其中，每个所述偏好性特征类别和所述相关性特征类别中对应多个分项。4.根据权利要求3所述的一种基于供应链管理的信息推送方法，其特征在于，所述预设用户行为模型具体为：用户行为模型具体为：其中，X
a
表示第a个所述采购项目关键信息的匹配分数，A1
ai
表示第a个所述采购项目关键信息的第i个所述正向偏好量化数据在对应的偏好性特征类别的所述权重基础分，A2
ai
表示A1
ai
代表的所述正向偏好量化数据的排名，表示与A1
ai
对应的所述负向偏好性量化数据的影响因子，B11
aj
表示第a个所述采购项目关键信息的第j个所述行为量化数据在对应的相关性特征类别的所述权重基础分，B12
aj
表示B11
aj
代表的所述行为量化数据的排名，B21
aj
表示第a个所述采购项目关键信息的的第j个所述属性量化数据在对应的相
关性特征类别的所述权重基础分，B22
aj
表示B21
aj
代表的所述属性量化数据的排名，表示与B21
aj
对应的所述负向偏好性量化数据的影响因子，M、N为权重系数。5.根据权利要求2
‑
4任一项所述的一种基于供应链管理的信息推送方法，其特征在于，所述负向偏好性量化数据的影响因子采用中位降值法进行取值。6.一种基于供应链管理的信息推送系统，其特征在于，包括：数据采集模块、数据...

【专利技术属性】
技术研发人员：吴树贵，刘挺，郭笑凯，
申请(专利权)人：北京隆道网络科技有限公司，
类型：发明
国别省市：