[发明专利]社区商务云环境下面向大规模商家优选的矩阵适配方法

说明书

技术领域

本发明涉及一种商家优选方法，具体是一种社区商务云环境下面向大规模商家优选的矩阵适配方法。 

背景技术

社区商务云是一个买家的代理平台。它接收大量的买家的购物信息，然后以一个“大客户”的形象来与卖家进行谈判，从而为买家购得性价比高的商品。对于社区商务云这样的“大客户”来说，商家优选技术是必不可少的。商家优选将依据商品的质量、商家信誉等因素，为买家争取了价廉物美的商品。当然，商家优选技术不只是局限于社区商务云中的，对于现有的大宗采购也能发挥出较好效果。 

商家优选是各类商务活动所必须的，然而目前各大电子商务网站往往通过半人工方式进行，主要的缺陷是无法结合用户的多种要求进行优选。比如目前很多电子商务网站提供的价格排序、服务质量排序、地域选择等，不能很好地支持同时考虑价格、服务质量、物流速度等用户要求。 

基于“买家代理平台”的社区商务云概念才刚被提出来，在现有技术中都没有提到商家优选相关的技术。不过在优选供货商的场景中有相关论文存在。陈冀生，罗卫的“用层次分析法优选供货商”，重庆理工大学学报（自然科学），第25卷第12期，2011年12月提出用层次分析法进行优选供货商。该方法在供货商优选中是可行的，而且效果还不错，但是它操作复杂，如果应用到社交商务云中，需要对每一个交易都进行一次运算，这是难以承受的计算量，同时还会导致对买家的反馈时间很长。 

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种社区商务云环境下面向大规模商家优选的矩阵适配方法，包括如下步骤：（1）买家对商品各个评价指标打分后进行购买，系统自动生成买家偏好矩阵； 

（2）根据买家购买的商品，从商品信息矩阵中找出相应的行；

（3）如果更新策略为实时，则此时从商家那里获取最新的商品信息进行更新商品评价子矩阵；

（4）对商品评价子矩阵和买家偏好矩阵进行点乘运算，得到买家对商品的评价值；

（5）按评价值从高到低对商家进行排序；

（6）结合商品库存矩阵，优选评价值最高的商家进行交易，如果商家存货不够，则选择次优商家。

进一步的，所述商品信息矩阵是由商品评价子矩阵构成的矩阵，每一行代表一种商品，每一列代表一家商家。 

进一步的，所述商品评价子矩阵是一个1*N的矩阵，其中N是商品评价指标的个数，商品评价子矩阵的每一个元素代表商品在某个指标上的得分。 

进一步的，所述买家偏好矩阵表示买家在选购商品时对商品各个评价指标的侧重情况，该买家偏好矩阵是个N*1的矩阵，N是商品评价指数的个数，所述买家偏好矩阵和商品评价子矩阵是一一对应关系。 

进一步的，所述商品库存矩阵表示商家商品的库存量。 

本发明的社区商务云环境下面向大规模商家优选的矩阵适配方法基于“买家代理平台”的社区商务云提出，其订单是综合多个用户的小订单而形成的大单，因此每次商家优选需要考虑多用户的个性需求，来综合优选商家和商品，且整个优选过程是自动进行。 

附图说明

图1是本发明的社区商务云环境下面向大规模商家优选的矩阵适配方法的原理图。 

具体实施方式

下面结合附图对本发明作进一步说明。 

如图1所示，1）、本发明采用如下数据结构： 

1、  商品信息矩阵

商品信息矩阵是由商品评价子矩阵构成的矩阵，它每一行代表一种商品，每一列代表一家商家。商品评价子矩阵是一个1*N的矩阵，其中N是商品评价指标的个数。子矩阵的每一个元素代表商品在某个指标上的得分。为了说明方便，以下只用质量、价格、销量、服务、推荐度五个指标进行演示。那么商品信息矩阵如下表

表中V即为商品评价子矩阵。表中空白表明商家没有相应的商品。

2、  买家偏好矩阵 

买家偏好矩阵描述了买家在选购商品时对商品各个评价指标的侧重情况。该矩阵是个N*1的矩阵。N是商品评价指数的个数。偏好矩阵和商品评价子矩阵是一一对应关系，所以既然上面评价子矩阵采用了质量、价格、销量、服务、推荐度五个指标，那么对应的偏好矩阵就如下：

3、  商品库存矩阵

商品库存矩阵与商品信息矩阵结构类似，除了它的每个元素是商家商品的库存量。

2）、本发明的社区商务云环境下面向大规模商家优选的矩阵适配方法，包括如下步骤：