[发明专利]一种工业物料商品推荐方法

说明书

本发明公开了一种工业物料商品推荐方法，包括以下步骤：1)生成生产企业物料商品库；2)生成购买企业物料商品库；3)提取关键词；4)计算特征向量的相似度；5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度；6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。本发明可帮购买企业快速找到可以生产物料的供应商，也可以主动推送给生产企业销售渠道；可解决物料交易过程中信息不对称的情况。

技术领域

本发明属于电子商务领域，特别是涉及一种工业物料的商品推荐方法。

背景技术

在现有的电子商务领域中，涌现了大量的商品推荐方法，通过这些方法的应用，以提高潜在消费者购买相关商品的可能性。但是，一直没有针对工业非标物料购买周期的推荐方法。

目前工业品有很多非标商品，每个工厂对商品的型号和质量要求不一，工厂通常会通过竞标的方式发布需求即物料的详细描述。生产型企业阅读物料需求后评估公司对物料的生成能力进行报价。这样会导致信息不对称，很多生产型企业无法知晓购买形企业的需求，无法挖掘更多的商机。

因此本领域技术人员致力于开发一种使生产企业和购买企业信息对称的工业物料推荐方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种使生产企业和购买企业信息对称的工业物料推荐方法。

为实现上述目的，本发明提供了一种工业物料商品推荐方法，包括以下步骤：

1)生成生产企业物料商品库：即生成生产企业能够生产的所有商品和物料的详细信息,用于推荐参加竞标的判断；

2)生成购买企业物料商品库：记录购买企业已购买的所有商品和物料的详细信息，用于企业对所有商品的偏好度计算；

3)提取关键词：根据购买企业发布的物料需求文本信息提取文本的关键词；提取方法如下：

第j篇文章中与词典里第k个词对应的TF-IDF为：

其中TF(t_K,d_j)是第k个词在文章j中出现的次数，而nk表示所有文章中包括第k个词的文章数量，N表示所有文章的总数；

最终第k个词在文章j中的权重由下面的公式获得：

提取权重最大的10个词作为物料的特征词，并转化为特征向量；

4)计算特征向量的相似度，计算方法如下：

其中，A和B是两个n维向量，A是[A1,A2,...,An]，B是[B1,B2,...,Bn]，cosθ为特征向量的相似度；

5)根据购买企业对商品的偏好度来判断对新物料的感兴趣程度，具体计算过程和运算公式如下：

其中，表示企业对商品item j偏好度，w_j表示item j的属性，可以根据商品的自有特征确定，比如商品分类，商品材质，商品的产地，商品的经销商等等都属于商品的属性，I_r与I_nr分别表示已知的购买企业u喜欢与不喜欢的item集合；而β与γ为正负反馈的权重，它们的值由系统给定；商品的正负反馈权重可以在0-1之间调节，根据多次迭代计算达到一个合适的值。

6)确定推荐系数：用户对商品的偏好度乘以特征向量的相似度为推荐系数；

7)根据推荐系数的大小顺序，向购买企业展示相应的生产企业，或者向生产企业展示购买企业。