[发明专利]一种基于机器学习的报价方法

说明书

技术领域

本发明涉及人工智能技术领域，具体是一种基于机器学习的报价方法。

背景技术

报价是企业活动中重要的一环。目前，企业报价时，都是由报价人员根据合同参数，以以往具有相同参数的产品的报价为基础，生成新的报价再呈现给用户。

报价人员根据合同参数，以以往具有相同参数的产品的报价为基础，生成新的报价再呈现给用户。这种报价方式需要依赖于以前相同参数的产品报价。如果当前产品的参数种类或个数发生改变，势必会影响到相应的报价。对于报价人员而言，如果改变后的参数组合和以往的任何成功报价案例都不一样，则很难准确判断当前参数的改变会对产品价格产生怎样的影响，因此极有可能会导致报价过高或过低，从而使企业遭受损失。

发明内容

本发明的目的在于提供一种基于机器学习的智能报价方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于机器学习的智能报价方法，其特征在于，包含以下步骤：

A、获取各类型产品合同参数的集合；

B、获取以往产品的报价信息；

C、系统对录入的信息进行学习；

D、更新拟合函数；

E、利用更新后的拟合函数进行新的报价。

作为本发明的进一步方案：所述步骤C具体是：把报价人员输入的数据作为学习样本，利用获取到的样本数据、输出向量，以及合适的网络结构（感知器、多层神经网络），选取合适的激活函数（如Linear,Tanh,Sigmoid,ReLu），通过计算（BP神经网络）得到相应的权值矩阵，最终得到符合预期的网络结构，即拟合函数。

与现有技术相比，本发明的有益效果是：本发明基于机器学习的智能报价方法可以根据已有产品的报价信息，自动从中学习到相关的报价规则，并在以后的报价活动中，依据新输入的合同参数和学习到的报价规则自动为报价人员推荐合适的价格，从而极大地提高了报价的准确性。

附图说明

图1是基于机器学习的智能报价方法的示意图。

具体实施方式

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。

请参阅图1，本发明实施例中，一种基于机器学习的智能报价方法，包含以下步骤：

A.获取某类型产品合同参数集合。不同类型的产品所包含的合同参数种类和个数都不尽相同，这里要获取的是某种类型的产品所包含的合同参数的全集；

B、获取以往产品的报价信息。获取以前的报价信息，将过往合同信息作为输入样本，报价信息作为输出向本，用于机器学习中的训练样本集；

C、对录入的信息进行学习。把获取到的数据作为学习样本，利用获取到的样本数据、输出向量（价格），以及合适的网络结构（感知器、多层神经网络等），选取合适的激活函数（如Linear,Tanh,Sigmoid,ReLu等），通过计算（BP神经网络等）得到相应的权值矩阵，最终得到符合预期的网络结构，即拟合函数（方程）；

D、更新拟合函数（方程）。对于每一类产品都更新其拟合函数；

E、利用更新后的拟合函数进行新的报价。对于新的合同参数值，可以直接利用已经得到的拟合函数进行计算，从而向报价人员推荐合适的价格。