[发明专利]一种采购计划拆分方法、装置、计算设备及存储介质在审

专利信息
申请号: 201910369130.5 申请日: 2019-05-05
公开(公告)号: CN110111052A 公开(公告)日: 2019-08-09
发明(设计)人: 耿霞 申请(专利权)人: 政采云有限公司
主分类号: G06Q10/08 分类号: G06Q10/08;G06Q50/26
代理公司: 北京智信禾专利代理有限公司 11637 代理人: 吴肖肖
地址: 310024 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 采购 存储介质 关键信息 计划信息 计算设备 权重 排序 接收用户 用户推荐 匹配
【权利要求书】:

1.一种采购计划拆分方法,其特征在于,包括:

接收用户的采购计划信息;

识别并提取所述用户的采购计划信息中的至少一个第一采购关键信息;

获取与所述至少一个第一采购关键信息相匹配的至少两个拆分方案;

计算所述至少两个拆分方案的推荐权重,根据每个拆分方案的推荐权重对所述至少两个拆分方案进行排序;

按照所述排序向所述用户推荐至少一个拆分方案。

2.根据权利要求1所述的方法,其特征在于,在按照所述排序向所述用户推荐至少一个拆分方案之后,还包括:

将所述至少一个拆分方案进行可视化展示;

根据所述用户的请求判断所述用户是否选择所述至少一个拆分方案中的任一所述拆分方案;

若是,则根据所述用户选择的拆分方案对所述用户的采购计划进行拆分;

若否,则根据用户的请求修改所述至少一个拆分方案中的任一所述拆分方案,或者,创建新的拆分方案,根据所述用户修改后的拆分方案或者新建的拆分方案对所述用户的采购计划进行拆分。

3.根据权利要求1所述的方法,其特征在于,识别并提取所述用户的采购计划信息中的至少一个第一采购关键信息包括:

识别并提取所述用户的采购计划信息中的计划文号信息、采购内容信息、采购数量信息和/或计划总额信息。

4.根据权利要求1所述的方法,其特征在于,获取与所述至少一个第一采购关键信息相匹配的至少两个拆分方案包括:

调用预存的全部拆分方案,每个所述拆分方案均包括至少一个第二采购关键信息;

将所述至少一个第一采购关键信息中的每个所述第一采购关键信息分别与每个所述拆分方案中对应的每个所述第二采购关键信息进行匹配程度计算,得到每个所述第一采购关键信息与每个所述拆分方案中对应的每个所述第二采购关键信息的符合程度权重;

根据每个所述第一采购关键信息与每个所述拆分方案中对应的每个所述第二采购关键信息的符合程度权重确定至少两个拆分方案。

5.根据权利要求4所述的方法,其特征在于,计算所述至少两个拆分方案的推荐权重包括:

获取每个所述第一采购关键信息与所述至少两个拆分方案中每个所述拆分方案对应的每个所述第二采购关键信息的符合程度权重;

根据每个所述第一采购关键信息与所述至少两个拆分方案中每个所述拆分方案对应的每个所述第二采购关键信息的符合程度权重,分别计算出所述至少两个拆分方案中每个拆分方案的推荐权重。

6.根据权利要求1所述的方法,其特征在于,根据每个拆分方案的推荐权重对所述至少两个拆分方案进行排序包括:

将所述至少两个拆分方案中的每个拆分方案按照对应的推荐权重由大到小进行排序;

按照所述排序向所述用户推荐至少一个拆分方案包括:

根据预设的推荐阈值在所述排序中确定推荐权重大于所述推荐阈值的前n个拆分方案,其中,n为大于等于1的正整数;

按照所述前n个拆分方案的排序向所述用户推荐前n个拆分方案。

7.一种智能平台训练方法,其特征在于,包括:

获取训练样本集合,其中,所述训练样本集合包括多组训练样本以及每组所述训练样本对应的训练标签,每组所述训练样本包括商品类型分类数据、用户的偏好选择数据、用户的历史拆分数据和供应商类型范围数据,所述训练标签包括拆分方案;

通过所述训练样本集合对智能平台进行训练,得到所述智能平台,所述智能平台使得所述训练样本和所述训练标签相关联。

8.根据权利要求7所述的方法,其特征在于,获取训练样本集合包括:

从预存的商品分类列表中收集所述商品类型分类数据;

从用户的历史采购计划信息和用户的历史拆分方案中收集所述用户的偏好选择数据和用户的历史拆分数据;

从商家在线上店铺中设置的商品所属分类信息中收集所述供应商类型范围数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于政采云有限公司,未经政采云有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910369130.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top