本发明专利技术公开了一种基于AI的电商选品方法及系统，方法包括：收集供应链平台上供应商上传的所有商品信息的多维度数据；对所述多维度数据进行预处理，得到预处理后的供应商品特征数据；获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据；计算所述采购商品特征数据与各个供应商品特征数据的相似评分，根据所述相似评分，为采购商生成个性化的供应商品推送列表。利用本发明专利技术实施例，能够全面收集和预处理供应商上传的商品信息和采购商的历史行为数据，有效提取出能反映采购商偏好的商品特征，提高供应链平台的选品效率和精准度，为采购商提供更优质的商品推荐服务。
【技术实现步骤摘要】
本专利技术属于数据挖掘推荐，特别是一种基于ai的电商选品方法及系统。
技术介绍
1、在当前全球化和信息化迅速发展的背景下，供应链管理的重要性日益凸显。供应链的高效运作不仅依赖于各个环节的紧密合作，更需要依托于科学、合理的选品机制，以满足不断变化的市场需求和客户偏好。传统的选品方式往往依赖于经验判断或简单的市场反馈，难以实时适应多变的市场环境，导致采购效率低下、库存积压，以及客户满意度下降等一系列问题。
2、随着电子商务和在线交易平台的兴起，越来越多的企业开始将其供应链管理集成到数字平台上。这些平台不仅促进了供应商与采购商的高效对接，同时也产生了海量的商品和用户数据。这些数据包含了丰富的信息，如商品的类别、价格、销量、评价、采购商的浏览和购买记录等，多维度的数据为优化选品提供了良好的基础。然而，仅仅依靠数据的积累并不足以实现供应链的智能化、精准化管理，如何有效地处理和分析这些数据，以实现在复杂环境下的精准推送，成为了供应链平台面临的主要挑战。
技术实现思路
1、本专利技术的目的是提供一种基于ai的电商选品方法及系统，以解决现有技术中的不足，能够全面收集和预处理供应商上传的商品信息和采购商的历史行为数据，有效提取出能反映采购商偏好的商品特征，提高供应链平台的选品效率和精准度，为采购商提供更优质的商品推荐服务。
2、本申请的一个实施例提供了一种基于ai的电商选品方法，所述方法包括：
3、收集供应链平台上供应商上传的所有商品信息的多维度数据；
>4、对所述多维度数据进行预处理，得到预处理后的供应商品特征数据；5、获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据；
6、计算所述采购商品特征数据与各个供应商品特征数据的相似评分，根据所述相似评分，为采购商生成个性化的供应商品推送列表。
7、可选的，所述多维度数据至少包括：商品描述、价格、销量、评价数据；
8、所述对所述多维度数据进行预处理，得到预处理后的供应商品特征数据，包括：
9、对所述多维度数据进行分类，其中，所述分类的类型至少包括数值型、字符型数据；
10、对数值型数据进行离群值处理，对离群值处理后的数值型数据和字符型数据进行特征提取，得到数值型特征和字符型特征；
11、将所述字符型特征转换为数值型特征数据，对各数值型特征数据进行归一化及正则化处理，以使不同量纲的特征能在同一尺度下进行比较。
12、可选的，所述获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据，包括：
13、获取采购商在供应链平台上的历史行为数据中浏览或采购的历史供应商品，以及与历史供应商品的交互数据；
14、根据所述交互数据，计算采购商对各个历史供应商品的兴趣评分；
15、根据当前需求数据，筛选满足当前需求数据中一个或多个需求维度的历史供应商品；
16、基于筛选的历史供应商品，提取所满足的各个需求维度分别对应的历史供应商品维度特征；
17、根据各个历史供应商品维度特征和各个历史供应商品的兴趣评分，构建采购商偏好的采购商品特征。
18、可选的，所述根据各个历史供应商品维度特征和各个历史供应商品的兴趣评分，构建采购商偏好的采购商品特征，包括：
19、如果一个需求维度存在多个历史供应商品的历史供应商品维度特征，利用该多个历史供应商品的兴趣评分，对该多个历史供应商品维度特征进行加权，得到一个历史供应商品加权维度特征；
20、将各个需求对应的历史供应商品加权维度特征进行合并，得到采购商偏好的采购商品特征。
21、本申请的又一实施例提供了一种基于ai的电商选品系统，所述系统包括：
22、收集模块，用于收集供应链平台上供应商上传的所有商品信息的多维度数据；
23、处理模块，用于对所述多维度数据进行预处理，得到预处理后的供应商品特征数据；
24、预测模块，用于获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据；
25、推送模块，用于计算所述采购商品特征数据与各个供应商品特征数据的相似评分，根据所述相似评分，为采购商生成个性化的供应商品推送列表。
26、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
27、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
28、与现有技术相比，本专利技术提供的一种基于ai的电商选品方法，收集供应链平台上供应商上传的所有商品信息的多维度数据；对所述多维度数据进行预处理，得到预处理后的供应商品特征数据；获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据；计算所述采购商品特征数据与各个供应商品特征数据的相似评分，根据所述相似评分，为采购商生成个性化的供应商品推送列表，从而能够全面收集和预处理供应商上传的商品信息和采购商的历史行为数据，有效提取出能反映采购商偏好的商品特征，提高供应链平台的选品效率和精准度，为采购商提供更优质的商品推荐服务。
本文档来自技高网...
【技术保护点】
1.一种基于AI的电商选品方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多维度数据至少包括：商品描述、价格、销量、评价数据；
3.根据权利要求2所述的方法，其特征在于，所述获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据各个历史供应商品维度特征和各个历史供应商品的兴趣评分，构建采购商偏好的采购商品特征，包括：
5.一种基于AI的电商选品系统，其特征在于，所述系统包括：
6.根据权利要求5所述的系统，其特征在于，所述多维度数据至少包括：商品描述、价格、销量、评价数据；所述处理模块，具体用于：
7.根据权利要求6所述的系统，其特征在于，所述预测模块，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述预测模块，具体用于：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-4中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-4中任一项所述的方法。
...
【技术特征摘要】
1.一种基于ai的电商选品方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多维度数据至少包括：商品描述、价格、销量、评价数据；
3.根据权利要求2所述的方法，其特征在于，所述获取采购商在供应链平台上的历史行为数据及当前需求数据，以预测采购商偏好的采购商品特征数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据各个历史供应商品维度特征和各个历史供应商品的兴趣评分，构建采购商偏好的采购商品特征，包括：
5.一种基于ai的电商选品系统，其特征在于，所述系统包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：何文强，邓璧燕，
申请(专利权)人：广州美萌信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。