一种基于大数据和智慧工厂的部件采购方法技术

本发明专利技术涉及一种基于大数据和智慧工厂的部件采购方法，其包括：基于预设时间段内产生的历史采购检索记录和历史浏览数据生成用户的第一采购特征，基于当前时间段内产生的实时采购检索记录和实时浏览数据生成用户的第二采购特征；确定用户对相应目标采购部件的采购需求置信度，若所述采购需求置信度小于预设置信度阈值，基于用户的实时浏览数据和实时采购检索记录为所述用户生成第一采购部件推荐列表；若所述采购需求置信度大于或等于预设置信度阈值，基于用户的实时浏览数据、实时采购检索记录、历史浏览数据和历史采购检索记录为所述用户生成第二采购部件推荐列表。本发明专利技术针对智慧工厂的场景进行优化适配，能提高采购部件推荐的准确性。推荐的准确性。推荐的准确性。

【技术实现步骤摘要】
一种基于大数据和智慧工厂的部件采购方法


[0001]本专利技术涉及大数据和智慧工厂领域，尤其涉及一种基于大数据和智慧工厂的部件采购方法。

技术介绍

[0002]智慧工厂是现代工厂信息化发展的新阶段。是在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务；清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、即时正确地采集生产线数据，以及合理的生产计划编排与生产进度。
[0003]零部件采购是制造企业生产经营的重要且基础性的工作，随着企业的发展壮大和客户需求的多元化，企业极需准确实时的信息化平台对采购进行科学、透明化的管理。电子采购是电子商务模式的一种具体应用。它是指用计算机系统代替传统的文书系统，通过网络支持完成采购工作的一种业务处理方式。它的基本特点是在网上寻找供应商、寻找货品、网上订货，甚至网上付款。电子采购不仅能极大地提高效率、降低成木，而且能使企业在一定程度上减小因为信息不对称而造成的资源浪费，有利于社会资源的有效配置，从而便于企业将采购工作向更有价值的方向推进。
[0004]相关采购平台通过分析客户历史已有的浏览数据和购买历史来识别客户的采购需求以为进行零部件的推荐，难以避免推荐结果与客户的实时采购需求相距甚远，因此本
中缺乏相应的鉴别手段对用户的采购需求进行动态识别，缺少更精准的采购部件推荐方法。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于大数据和智慧工厂的部件采购方法，包括：
[0006]获取预设时间段内用户产生的历史采购检索记录和历史浏览数据，从各条历史采购检索记录和历史浏览数据中提取出对应目标采购部件的多个部件属性标签，遍历组成各个部件属性标签的标签词汇以为对应目标采购部件形成相应的属性词组，其中，所述部件属性标签用于表征对应目标采购部件的类型特征、价格特征、风格特点和群体倾向；
[0007]对所述属性词组中的各个属性词进行计数统计以得到每个属性词的出现频次，基于每个属性词的出现频次为每个属性词赋予相应的词权重，对词权重大于预设权重阈值的多个属性词进行特征提取以得到用户的第一采购特征，其中，所述第一采购特征用于表征对应用户的历史采购特征；
[0008]基于当前时间段内用户产生的实时采购检索记录和实时浏览数据确定用户的第二采购特征，将所述第一采购特征与所述第二采购特征进行对比以得到用户的采购特征差异度，其中，所述第二采购特征用于表征对应用户的实时采购特征；
[0009]基于所述采购特征差异度确定用户对相应目标采购部件的采购需求置信度，若所述采购需求置信度小于预设置信度阈值，基于用户的实时浏览数据和实时采购检索记录为
用户生成第一采购部件推荐列表，其中，所述第一采购部件推荐列表中包括多个与用户的实时采购特征符合的采购部件；
[0010]若所述采购需求置信度大于或等于预设置信度阈值，基于用户的实时浏览数据、实时采购检索记录、历史浏览数据和历史采购检索记录为用户生成第二采购部件推荐列表。
[0011]根据一个优选实施方式，所述历史浏览数据包括用户历史浏览的采购页面数量、采购页面跳转时间戳、采购页面驻留时长和采购页面交互轨迹。所述历史采购检索记录包括用户历史输入的采购部件检索词和用户在输入该采购部件检索词后从所推荐的列表中点击的采购部件数量。
[0012]根据一个优选实施方式，从各条历史采购检索记录和历史浏览数据中提取出对应目标采购部件的多个部件属性标签包括：
[0013]根据历史采购检索记录和历史浏览数据分析得到用户采购次数最多且浏览量最大的采购部件作为用户需求的目标采购部件；
[0014]基于用户产生的历史采购检索记录和历史浏览数据获取用户历史浏览的所有采购页面，对用户历史浏览的每个采购页面的页面内容进行分段提取以得到每个采购页面的文字片段集合，对所有文字片段中具有相同元素标签的文字片段进行聚合以得到对应采购页面的部件标题集合、部件描述内容集合和部件简介集合；
[0015]对部件标题集合中的每个部件标题对应的文字内容、部件简介集合中的每个部件简介对应的文字内容和部件描述内容集合中的每个部件描述内容对应的文字内容进行预处理以去除对应文字内容中的符号和停用词；
[0016]从预处理后的文字内容的每个语句段中提取出用于表征对应采购部件的部件属性特征的词汇作为对应文字内容的候选词汇，基于候选词汇在对应语句段的上下文信息确定每个候选词汇之间的语义依赖关系，基于每个候选词汇的语义依赖关系分析得到目标采购部件的多个部件属性标签。
[0017]根据一个优选实施方式，基于每个候选词汇的语义依赖关系分析得到目标采购部件的多个部件属性标签包括：
[0018]以不存在前驱语义依赖关系的候选词汇为根节点生成对应文字内容的多个属性生成树，其中，所述属性生成树中包括若干具有语义关联关系的词汇节点；
[0019]融合各个候选词汇对应的词特征向量以得到对应文字内容的多维部件属性特征，将从不同采购页面提取到的多维部件属性特征进行比较以得到相应的部件属性特征差异度，将部件属性特征差异度小于预设特征阈值的多维部件属性特征对应的文字内容的属性生成树进行聚类以得到同一类型的采购部件的属性生成树集合；
[0020]从属性生成树集合中确定与目标采购部件的原始部件特征相匹配的多个候选词汇节点作为关键词汇节点集，将包含所述关键词汇节点集中的每个关键词汇节点的属性生成树集合作为候选属性生成树集合，提取候选属性生成树集合中的所有候选词汇作为对应目标采购部件的属性词汇，基于获取到的所有属性词汇形成对应目标采购部件的多个部件属性标签。
[0021]根据一个优选实施方式，基于所述采购特征差异度确定用户对相应目标采购部件的采购需求置信度包括：
[0022]将所述采购特征差异度与差异度阈值进行比较，在确定所述采购特征差异度小于差异度阈值时，获取用户产生的实时采购检索记录与历史采购检索记录之间的记录特征变化量，获取用户产生的实时浏览数据与历史浏览数据之间的浏览特征变化量，然后根据用户的记录特征变化量和浏览特征变化量确定用户对相应目标采购部件的采购需求置信度；
[0023]在确定所述采购特征差异度大于或等于差异度阈值时，将用户对相应目标采购部件的采购需求置信度置为0。
[0024]根据一个优选实施方式，用户的记录特征变化量和浏览特征变化量的生成步骤包括：
[0025]提取每个历史采购检索记录对应的第一时间数据和每个历史浏览数据对应的第二时间数据，基于所述第一时间数据和所述第二时间数据将每个历史采购检索记录和历史浏览数据分别按序映射至时间轴上以得到预设时间段内对应用户的历史采购检索记录的第一点集结构和历史浏览数据的第二点集结构；
[0026]按照深度优先的遍历顺序依次遍历所述第一点集结构和所述第二点集结构以确定所述第一点集结构和所述第二点集结构的深度优先序列，基于所述第一点集结构的深度优先序列为所述用户生成相应的第一时序矩阵，基于所述第二点集结构的深度优先序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据和智慧工厂的部件采购方法，其特征在于，其包括：获取预设时间段内用户产生的历史采购检索记录和历史浏览数据，从各条历史采购检索记录和历史浏览数据中提取出对应目标采购部件的多个部件属性标签，遍历组成各个部件属性标签的标签词汇以为对应目标采购部件形成相应的属性词组，其中，所述部件属性标签用于表征对应目标采购部件的类型特征、价格特征、风格特点和群体倾向；对所述属性词组中的各个属性词进行计数统计以得到每个属性词的出现频次，基于每个属性词的出现频次为每个属性词赋予相应的词权重，对词权重大于预设权重阈值的多个属性词进行特征提取以得到用户的第一采购特征，其中，所述第一采购特征用于表征对应用户的历史采购特征；基于当前时间段内用户产生的实时采购检索记录和实时浏览数据确定用户的第二采购特征，将所述第一采购特征与所述第二采购特征进行对比以得到用户的采购特征差异度，其中，所述第二采购特征用于表征对应用户的实时采购特征；基于所述采购特征差异度确定用户对相应目标采购部件的采购需求置信度，若所述采购需求置信度小于预设置信度阈值，基于用户的实时浏览数据和实时采购检索记录为用户生成第一采购部件推荐列表，其中，所述第一采购部件推荐列表中包括多个与用户的实时采购特征符合的采购部件；若所述采购需求置信度大于或等于预设置信度阈值，基于用户的实时浏览数据、实时采购检索记录、历史浏览数据和历史采购检索记录为用户生成第二采购部件推荐列表。2.根据权利要求1所述的方法，其特征在于，所述历史浏览数据包括用户历史浏览的采购页面数量、采购页面跳转时间戳、采购页面驻留时长和采购页面交互轨迹；所述历史采购检索记录包括用户历史输入的采购部件检索词和用户在输入该采购部件检索词后从所推荐的列表中点击的采购部件数量。3.根据权利要求2所述的方法，其特征在于，从各条历史采购检索记录和历史浏览数据中提取出对应目标采购部件的多个部件属性标签包括：根据历史采购检索记录和历史浏览数据分析得到用户采购次数最多且浏览量最大的采购部件作为用户需求的目标采购部件；基于用户产生的历史采购检索记录和历史浏览数据获取用户历史浏览的所有采购页面，对用户历史浏览的每个采购页面的页面内容进行分段提取以得到每个采购页面的文字片段集合，对所有文字片段中具有相同元素标签的文字片段进行聚合以得到对应采购页面的部件标题集合、部件描述内容集合和部件简介集合；对部件标题集合中的每个部件标题对应的文字内容、部件简介集合中的每个部件简介对应的文字内容和部件描述内容集合中的每个部件描述内容对应的文字内容进行预处理以去除对应文字内容中的符号和停用词；从预处理后的文字内容的每个语句段中提取出用于表征对应采购部件的部件属性特征的词汇作为对应文字内容的候选词汇，基于候选词汇在对应语句段的上下文信息确定每个候选词汇之间的语义依赖关系，基于每个候选词汇的语义依赖关系分析得到目标采购部件的多个部件属性标签。4.根据权利要求3所述的方法，其特征在于，基于每个候选词汇的语义依赖关系分析得到目标采购部件的多个部件属性标签包括：
以不存在前驱语义依赖关系的候选词汇为根节点生成对应文字内容的多个属性生成树，其中，所述属性生成树中包括若干具有语义关联关系的词汇节点；融合各个候选词汇对应的词特征向量以得到对应文字内容的多维部件属性特征，将从不...

【专利技术属性】
技术研发人员：黎映波，叶海燕，
申请(专利权)人：黎映波，
类型：发明
国别省市：