一种用于建材招投标平台的智能推荐方法与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及一种推荐方法，具体为一种用于建材招投标平台的智能推荐方法，属于智能推荐技术领域。背景技术：2.建材是土木工程和建筑工程中使用的材料的统称。可分为结构材料、装饰材料和某些专用材料，建材种类繁多，用户能够根据需求通过关注招标获取需要的建材，由于招标信息数量十分巨大，因此招标平台需要判断用户需求进行推荐，申请号为cn201910963606.8公开了一种用于建材招投标平台的智能推荐方法，包括以下步骤：确定招标平台中标书的聚类维度：利用聚类算法对招标平台中的标书进行聚类：将招标平台上用户的行为记录转化成用户-项目评分矩阵；采用基于因子分解机的负样本预填充算法填充所述用户-项目评分矩阵：使用svd算法计算出用户对所有标书的兴趣度：对得到的所有标书的兴趣度进行排序，并为用户推荐兴趣度最高的n个正在招标的标书。能够有效解决单类协同过滤负样本缺失的问题，为平台用户精准推荐感兴趣的标书，该技术方案能够为用户推荐与用户需求相近的招标信息，但是与许多推荐方法一样存在一些问题，平台判断出的许多符合用户需求的招标信息其实用户并不感兴趣，但是系统判断其符合用户需求，因此会一直霸占上置推荐位置，并且许多推荐方法忽略供货商与用户之间的位置关系，未考虑建材运输的成本，因此也会造成推荐的招标信息不符合用户心理期许的问题。3.有鉴于此特提出本发明来帮组解决上述问题。技术实现要素：4.本发明的目的就在于为了解决上述问题而提供一种用于建材招投标平台的智能推荐方法，通过能够根据用户浏览信息对历史推荐招标信息进行监管，能够判断出推荐招标信息用户感兴趣程度，从而能够提高推荐的准确性，在对筛选出的招标信息中，能够通过计算招标金额和运输运费判断与用户期望预算的契合度，从而能够选取最优推荐招标信息。5.本发明通过以下技术方案来实现上述目的，一种用于建材招投标平台的智能推荐方法，所述推荐方法包括以下步骤：6.sa1、招标信息后台处理；7.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；8.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；9.sa4、历史推荐信息推荐位判定；10.sa5、相关招标信息调出并相互对比；11.sa6、招标信息推荐。12.进一步的，所述招标信息后台处理包括以下步骤：13.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；14.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。15.进一步的，所述历史推荐信息推荐位判定包括以下步骤：16.sc1、用户近期访问信息及历史推荐招标信息调出；17.sc2、招标信息推荐次数确定；18.sc3、将历史推荐招标信息再次与用户历史访问信息对比；19.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比；20.sc4、对历史推荐招标信息评估及推荐位判定。21.进一步的，所述相关招标信息调出并相互对比包括以下步骤：22.sd1、分组搜索信息确定；23.sd2、招标金额与用户目标金额差值对比；24.sd3、招标信息位置与用户所在地运输金额差值对比；25.sd3、最终所用金额差值对比；26.sd4、确定前置招标信息推荐位。27.本发明的技术效果和优点：28.1、本发明通过能够根据用户浏览信息对历史推荐招标信息进行监管，能够判断出推荐招标信息用户感兴趣程度，从而能够提高推荐的准确性。29.2、本发明在对筛选出的招标信息中，能够通过计算招标金额和运输运费判断与用户期望预算的契合度，从而能够选取最优推荐招标信息。附图说明30.图1为本发明的流程图；31.图2为本发明的招标信息后台处理流程图；32.图3为本发明的历史推荐信息推荐位判定流程图；33.图4为本发明的相关招标信息调出并相互对比流程图。具体实施方式34.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。35.请参阅图1-4所示，一种用于建材招投标平台的智能推荐方法，所述推荐方法包括以下步骤：36.sa1、招标信息后台处理；37.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；38.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；39.sa4、历史推荐信息推荐位判定；40.sa5、相关招标信息调出并相互对比；41.sa6、招标信息推荐。42.所述招标信息后台处理包括以下步骤：43.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；44.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。45.所述历史推荐信息推荐位判定包括以下步骤：46.sc1、用户近期访问信息及历史推荐招标信息调出；47.sc2、招标信息推荐次数确定；48.sc3、将历史推荐招标信息再次与用户历史访问信息对比；49.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比；50.sc4、对历史推荐招标信息评估及推荐位判定。51.进一步的，所述相关招标信息调出并相互对比包括以下步骤：52.sd1、分组搜索信息确定；53.sd2、招标金额与用户目标金额差值对比；54.sd3、招标信息位置与用户所在地运输金额差值对比；55.sd3、最终所用金额差值对比；56.sd4、确定前置招标信息推荐位。57.实施例1：58.所述推荐方法包括以下步骤：59.sa1、招标信息后台处理；60.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；61.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；62.sa4、招标信息推荐。63.所述招标信息后台处理包括以下步骤：64.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；65.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。66.本实施例用于新用户，根据新用户搜索内容中关键词组进行相关招标信息推荐。67.实施例2：68.所述推荐方法包括以下步骤：69.sa1、招标信息后台处理；70.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；71.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；72.sa4、历史推荐信息推荐位判定；73.sa5、相关招标信息调出并相互对比；74.sa6、招标信息推荐。75.所述招标信息后台处理包括以下步骤：76.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；77.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。78.所述历史推荐信息推荐位判定包括以下步骤：79.sc1、用户近期访问信息及历史推荐招标信息调出；80.sc2、招标信息推荐次数为1次；81.sc3、将历史推荐招标信息再次与用户历史访问信息对比；82.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比并得出重合特征数量为3个；83.sc4、将该历史推荐招标信息推荐位上置。84.所述相关招标信息调出并相互对比包括以下步骤：85.sd1、分组搜索信息确定；86.sd2、招标金额与用户目标金额差值对比；87.sd3、招标信息位置与用户所在地运输金额差值对比；88.sd3、最终所用金额差值对比；89.sd4、确定前置招标信息推荐位。90.本实施例中，为客户推荐过的招标信息的历史推荐次数为1次，其中招标信息内与用户搜索相关招标信息的特征为3个，因此判断为用户感兴趣的招标信息，从而再次将该历史推荐招标信息上置推荐给用户，进而能够防止第一次漏看该招标信息。91.实施例3：92.所述推荐方法包括以下步骤：93.sa1、招标信息后台处理；94.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；95.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；96.sa4、历史推荐信息推荐位判定；97.sa5、相关招标信息调出并相互对比；98.sa6、招标信息推荐。99.所述招标信息后台处理包括以下步骤：100.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；101.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。102.所述历史推荐信息推荐位判定包括以下步骤：103.sc1、用户近期访问信息及历史推荐招标信息调出；104.sc2、招标信息推荐次数为4次；105.sc3、将历史推荐招标信息再次与用户历史访问信息对比；106.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比并得出重合特征数量为3个；107.sc4、将该历史推荐招标信息推荐位下置。108.进一步的，所述相关招标信息调出并相互对比包括以下步骤：109.sd1、分组搜索信息确定；110.sd2、招标金额与用户目标金额差值对比；111.sd3、招标信息位置与用户所在地运输金额差值对比；112.sd3、最终所用金额差值对比；113.sd4、确定前置招标信息推荐位。114.本实施例中，为客户推荐过的招标信息的历史推荐次数为4次，其中招标信息内与用户搜索相关招标信息的特征重合数量为3个，但是用户从未进入观看了解，因此判断为用户不感兴趣的招标信息，从而将该历史推荐招标信息推荐位置下置。115.实施例4：116.所述推荐方法包括以下步骤：117.sa1、招标信息后台处理；118.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；119.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；120.sa4、历史推荐信息推荐位判定；121.sa5、相关招标信息调出并相互对比；122.sa6、招标信息推荐。123.所述招标信息后台处理包括以下步骤：124.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；125.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。126.所述历史推荐信息推荐位判定包括以下步骤：127.sc1、用户近期访问信息及历史推荐招标信息调出；128.sc2、招标信息推荐次数为1次；129.sc3、将历史推荐招标信息再次与用户历史访问信息对比；130.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比并得出重合特征数量为1个；131.sc4、对历史推荐招标信息评估及推荐位判定。132.进一步的，所述相关招标信息调出并相互对比包括以下步骤：133.sd1、分组搜索信息确定；134.sd2、招标金额与用户目标金额差值对比；135.sd3、招标信息位置与用户所在地运输金额差值对比；136.sd3、最终所用金额差值对比；137.sd4、确定前置招标信息推荐位。138.本实施例中，为客户推荐过的招标信息的历史推荐次数为1次，其中招标信息内与用户搜索相关招标信息的特征数量为1个，用户可能存在漏看的情况，但是其内容与用户搜索内容重合较低，因此判断为用户不感兴趣的招标信息，从而再次将该历史推荐招标信息推荐位置下置。139.实施例5：140.所述推荐方法包括以下步骤：141.sa1、招标信息后台处理；142.sa2、获取用户近期访问信息：通过记录用户每次搜索信息数据及观看招标信息数据并将其保存到数据信息库，在该用户登录搜索网站时自动读取近期用户的搜索信息数据及观看招标信息数据，通过获取近期用户的搜索信息数据及观看招标信息数据能够从相关招标信息中寻找相似招标信息进行推荐；143.sa3、信息内容关键词提取：用户查找招标材料输入内容中关于建材品牌、产地地区、金额数和建材种类均为的关键词组，通过数据信息库能够匹配筛选出带有关键词组或关键词组在招标信息区域内的招标信息；144.sa4、历史推荐信息推荐位判定；145.sa5、相关招标信息调出并相互对比；146.sa6、招标信息推荐。147.所述招标信息后台处理包括以下步骤：148.sb1、招标信息整合及存入：各供货商通过网络将招标信息投递给后台，后台将各种建材招标信息整合后并存入数据信息库；149.sb2、招标信息分类：数据信息库将招标信息分成品牌组、地区组、金额区间组和建材种类组四个特征分组中，根据供货商提供的招标信息将该条招标信息按照品牌、产地、金额数和建材种类分别存入相应的品牌组、地区组、金额区间组和建材种类组四个特征分组中。150.所述历史推荐信息推荐位判定包括以下步骤：151.sc1、用户近期访问信息及历史推荐招标信息调出；152.sc2、招标信息推荐次数为1次；153.sc3、将历史推荐招标信息再次与用户历史访问信息对比；154.sc3、历史推荐招标信息中与历史访问信息重合特征数量对比并得出重合特征数量为1个；155.sc4、对历史推荐招标信息评估及推荐位判定。156.进一步的，所述相关招标信息调出并相互对比包括以下步骤：157.sd1、用户根据建材种类以及招标金额进行搜索；158.sd2、招标金额与用户目标金额差值对比；159.sd3、招标信息位置与用户所在地运输金额差值对比；160.sd3、最终所用金额差值对比；161.sd4、确定前置招标信息推荐位。162.本实施例中，用户在确定好建材种类与招标金额或确定好建材品牌与招标金额时，后台能够自动运算筛选出的招标信息内招标金额与用户目标金额差值对比，然后后台获取用户位置信息与供货商位置信息，通过信息资源库获取各供货位置与用户位置之间的运输费用，将招标金额差值的绝对值与运费相减得到最终差值，最终差值越接近0表示该招标信息与用户目标预算接近，因此将最终差值接近0的招标信息推荐为上置推荐给用户。163.根据实施例1与实施例2能够得到，实施例1中的推荐方法接近现有推荐方法，推荐招标信息与用户搜索记录有部分相关就会推荐，推荐的有效性较差，实施例2能够结合历史推荐以及与用户搜索记录重合特征数量进行有效排查用户的感兴趣招标信息，从而能够提高推荐的准确性。164.根据实施例2、实施例3和实施例4能够得到，本发明能够根据用户对推荐的招标信息的了解情况判断已经推荐的招标信息是否有兴趣，从而能够对推荐招标信息进行监管，最终能够更准确的推荐招标信息。165.根据实施例5能够得到，本发明在对筛选出的招标信息中，能够通过计算招标金额和运输运费判断与用户期望预算的契合度，从而能够选取最优推荐招标信息。166.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。167.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!