本發(fā)明涉及人工智能，特別涉及一種基于人工智能的項(xiàng)目交易推送方法及系統(tǒng)。

背景技術(shù)：

1、目前，在項(xiàng)目交易推送方面存在以下問(wèn)題和缺點(diǎn)：推送精準(zhǔn)度不高：現(xiàn)有的項(xiàng)目交易推送方法往往基于簡(jiǎn)單的規(guī)則匹配或關(guān)鍵詞搜索，無(wú)法實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推送。這導(dǎo)致用戶收到的推送信息中，很多并不符合其實(shí)際需求，降低了用戶體驗(yàn)。數(shù)據(jù)處理能力有限：隨著項(xiàng)目交易數(shù)據(jù)的不斷增長(zhǎng)，現(xiàn)有的數(shù)據(jù)處理方法已經(jīng)無(wú)法滿足大規(guī)模數(shù)據(jù)的處理需求。這導(dǎo)致很多有價(jià)值的信息被埋沒(méi)在海量數(shù)據(jù)中，無(wú)法得到有效的利用。模型更新困難：由于市場(chǎng)的變化快速且復(fù)雜，現(xiàn)有的推送模型往往需要人工干預(yù)才能進(jìn)行更新和調(diào)整。這不僅增加了人力成本，還可能導(dǎo)致模型更新不及時(shí)，無(wú)法適應(yīng)市場(chǎng)的變化。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少一定程度上解決上述技術(shù)中的技術(shù)問(wèn)題之一。為此，本發(fā)明的第一個(gè)目的在于提出基于人工智能的項(xiàng)目交易推送方法，通過(guò)大數(shù)據(jù)與人工智能技術(shù)，構(gòu)建公共資源交易項(xiàng)目和服務(wù)的推送算法模型，由公共服務(wù)平臺(tái)完成向市場(chǎng)主體進(jìn)行信息推送，供各類型市場(chǎng)了解市場(chǎng)動(dòng)向，把握交易機(jī)會(huì)。通過(guò)深度挖掘和分析用戶的歷史交易數(shù)據(jù)、瀏覽行為等信息，模型能夠準(zhǔn)確識(shí)別用戶的需求和偏好，實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推送。模型采用先進(jìn)的深度學(xué)習(xí)算法和分布式計(jì)算技術(shù)，能夠高效處理大規(guī)模的項(xiàng)目交易數(shù)據(jù)，并從中提取有價(jià)值的信息。模型具備迭代更新能力，能夠根據(jù)市場(chǎng)變化和用戶需求調(diào)整和優(yōu)化推送策略，實(shí)現(xiàn)精準(zhǔn)推送。

2、本發(fā)明的第二個(gè)目的在于提出基于人工智能的項(xiàng)目交易推送系統(tǒng)。

3、為達(dá)到上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于人工智能的項(xiàng)目交易推送方法，包括：

4、通過(guò)項(xiàng)目信息來(lái)源獲取項(xiàng)目交易信息；

5、對(duì)項(xiàng)目交易信息進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理數(shù)據(jù)；

6、根據(jù)預(yù)處理數(shù)據(jù)對(duì)初始模型進(jìn)行訓(xùn)練，得到項(xiàng)目交易推送模型；

7、獲取待處理數(shù)據(jù)，將待處理數(shù)據(jù)輸入到項(xiàng)目交易推送模型，輸出項(xiàng)目交易推送信息。

8、根據(jù)本發(fā)明的一些實(shí)施例，項(xiàng)目信息來(lái)源包括政府采購(gòu)項(xiàng)目、建設(shè)工程項(xiàng)目及陽(yáng)光采購(gòu)項(xiàng)目；項(xiàng)目交易信息包括項(xiàng)目名稱、項(xiàng)目類型、交易方式、交易金額及項(xiàng)目描述。

9、根據(jù)本發(fā)明的一些實(shí)施例，對(duì)項(xiàng)目交易信息進(jìn)行數(shù)據(jù)預(yù)處理，包括：

10、去除項(xiàng)目交易信息中重復(fù)、無(wú)效及格式不規(guī)范的數(shù)據(jù)，得到清洗數(shù)據(jù)；

11、對(duì)清洗數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理及歸一化處理，得到目標(biāo)數(shù)據(jù)；

12、對(duì)目標(biāo)數(shù)據(jù)進(jìn)行特征提取，確定項(xiàng)目特征；其中，所述項(xiàng)目特征包括廠商角色、供應(yīng)商歷史成交項(xiàng)目數(shù)量、供應(yīng)商項(xiàng)目類型偏好、采購(gòu)人項(xiàng)目類型偏好。

13、根據(jù)本發(fā)明的一些實(shí)施例，根據(jù)預(yù)處理數(shù)據(jù)對(duì)初始模型進(jìn)行訓(xùn)練，得到項(xiàng)目交易推送模型，包括：

14、將預(yù)處理數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；

15、基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集對(duì)初始模型進(jìn)行訓(xùn)練，驗(yàn)證集用于調(diào)整模型參數(shù)以防止過(guò)擬合，測(cè)試集用于評(píng)估模型性能；在訓(xùn)練過(guò)程中，初始模型會(huì)不斷迭代優(yōu)化參數(shù)，最終得到項(xiàng)目交易推送模型。

16、根據(jù)本發(fā)明的一些實(shí)施例，還包括：根據(jù)用戶的埋點(diǎn)反饋數(shù)據(jù)對(duì)項(xiàng)目交易推送模型進(jìn)行在線學(xué)習(xí)或更新；所述埋點(diǎn)反饋數(shù)據(jù)包括點(diǎn)擊率及轉(zhuǎn)化率。

17、根據(jù)本發(fā)明的一些實(shí)施例，基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集對(duì)初始模型進(jìn)行訓(xùn)練，包括：

18、基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集在采購(gòu)人推薦供應(yīng)商應(yīng)用場(chǎng)景及供應(yīng)商推薦采購(gòu)人應(yīng)用場(chǎng)景下對(duì)初始模型進(jìn)行訓(xùn)練，得到第一模型；

19、基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集在供應(yīng)商推薦項(xiàng)目應(yīng)用場(chǎng)景及項(xiàng)目推薦供應(yīng)商應(yīng)用場(chǎng)景下對(duì)初始模型進(jìn)行訓(xùn)練，得到第二模型；

20、根據(jù)第一模型及第二模型確定項(xiàng)目交易推送模型。

21、根據(jù)本發(fā)明的一些實(shí)施例，基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集在采購(gòu)人推薦供應(yīng)商應(yīng)用場(chǎng)景及供應(yīng)商推薦采購(gòu)人應(yīng)用場(chǎng)景下對(duì)初始模型進(jìn)行訓(xùn)練，得到第一模型，包括：

22、在模型訓(xùn)練階段，根據(jù)訓(xùn)練集確定企業(yè)主體信息及歷史項(xiàng)目信息，招標(biāo)單位記為采購(gòu)人角色，中標(biāo)單位記為供應(yīng)商角色，分別輸出采購(gòu)人及歷史項(xiàng)目信息、供應(yīng)商及歷史項(xiàng)目信息；

23、根據(jù)采購(gòu)人及歷史項(xiàng)目信息構(gòu)建采購(gòu)人畫(huà)像表；所述采購(gòu)人畫(huà)像表包括采購(gòu)人基本信息及采購(gòu)人歷史采購(gòu)項(xiàng)目偏好；根據(jù)采購(gòu)人畫(huà)像表訓(xùn)練采購(gòu)人聚類模型；采購(gòu)人聚類模型用于輸出采購(gòu)人類別；基于kmeans聚類方法根據(jù)采購(gòu)人類別進(jìn)行聚類，得到采購(gòu)人聚類結(jié)果；根據(jù)采購(gòu)人聚類結(jié)果計(jì)算簇類別到達(dá)簇中心的距離，以到達(dá)簇中心距離計(jì)算采購(gòu)人基礎(chǔ)得分，得到采購(gòu)人類別表；

24、根據(jù)供應(yīng)商及歷史項(xiàng)目信息構(gòu)建供應(yīng)商畫(huà)像表；所述供應(yīng)商畫(huà)像表包括供應(yīng)商基本信息、供應(yīng)商歷史中標(biāo)項(xiàng)目偏好、供應(yīng)商歷史投標(biāo)項(xiàng)目偏好；根據(jù)供應(yīng)商畫(huà)像表訓(xùn)練供應(yīng)商聚類模型；供應(yīng)商聚類模型用于輸出供應(yīng)商類別；基于kmeans聚類方法根據(jù)供應(yīng)商類別進(jìn)行聚類，得到供應(yīng)商聚類結(jié)果；根據(jù)供應(yīng)商聚類結(jié)果計(jì)算簇類別到達(dá)簇中心的距離，以到達(dá)簇中心距離計(jì)算供應(yīng)商基礎(chǔ)得分，得到供應(yīng)商類別表；

25、根據(jù)采購(gòu)人類別表、供應(yīng)商類別表及歷史成交項(xiàng)目信息，從歷史項(xiàng)目中分析學(xué)習(xí)各類別之間的關(guān)聯(lián)關(guān)系和關(guān)聯(lián)程度，并輸出第一關(guān)聯(lián)關(guān)系表，生成第一模型。

26、根據(jù)本發(fā)明的一些實(shí)施例，基于機(jī)器學(xué)習(xí)算法通過(guò)訓(xùn)練集在供應(yīng)商推薦項(xiàng)目應(yīng)用場(chǎng)景及項(xiàng)目推薦供應(yīng)商應(yīng)用場(chǎng)景下對(duì)初始模型進(jìn)行訓(xùn)練，得到第二模型，包括：

27、獲取供應(yīng)商類別表；

28、基于供應(yīng)商對(duì)應(yīng)的歷史項(xiàng)目信息構(gòu)建項(xiàng)目畫(huà)像表，其中包含項(xiàng)目基本信息、項(xiàng)目所屬行業(yè)；基于標(biāo)訊信息訓(xùn)練項(xiàng)目分類模型，輸出三級(jí)行業(yè)分類，結(jié)合項(xiàng)目畫(huà)像表，輸出項(xiàng)目類別表；

29、根據(jù)供應(yīng)商類別表及項(xiàng)目類別表，從歷史成交項(xiàng)目中分析學(xué)習(xí)各主體類別之間的關(guān)聯(lián)關(guān)系和關(guān)聯(lián)程度，輸出第二關(guān)聯(lián)關(guān)系表，生成第二模型。

30、根據(jù)本發(fā)明的一些實(shí)施例，根據(jù)采購(gòu)人及歷史項(xiàng)目信息構(gòu)建采購(gòu)人畫(huà)像表，包括：

31、對(duì)采購(gòu)人及歷史項(xiàng)目信息進(jìn)行詞頻統(tǒng)計(jì)，得到采購(gòu)人文本信息詞匯表；根據(jù)采購(gòu)人文本信息詞匯表，生成帶有詞匯位置信息的和上下文關(guān)聯(lián)信息的關(guān)于采購(gòu)人的第一特征向量；

32、對(duì)采購(gòu)人及歷史項(xiàng)目信息進(jìn)行項(xiàng)目關(guān)系剖析，獲取位于采購(gòu)人的項(xiàng)目鄰節(jié)點(diǎn)處的多層次項(xiàng)目對(duì)象，作為采購(gòu)人的第二特征向量；所述多層次項(xiàng)目對(duì)象包括項(xiàng)目時(shí)長(zhǎng)、步驟及項(xiàng)目溝通次數(shù)；

33、將第一特征向量及第二特征向量輸入至全連接層中，輸出中間向量，所述全連接層用于學(xué)習(xí)描述輸入的第一特征向量及第二特征向量與采購(gòu)人標(biāo)簽之間的對(duì)應(yīng)關(guān)系的參數(shù)；將所述中間向量輸入至多維度標(biāo)簽分類器中的n個(gè)標(biāo)簽分類器中，輸出采購(gòu)人在n個(gè)維度上的標(biāo)簽預(yù)測(cè)概率，n為正整數(shù)；所述n個(gè)標(biāo)簽分類器中的每個(gè)標(biāo)簽分類器包括不同的邏輯回歸函數(shù)層，用于輸出不同維度的采購(gòu)人標(biāo)簽；

34、將n個(gè)維度上的標(biāo)簽預(yù)測(cè)概率按照由大到小的規(guī)則進(jìn)行排序；根據(jù)排序結(jié)果從n個(gè)維度上的采購(gòu)人標(biāo)簽中選擇前k個(gè)采購(gòu)人標(biāo)簽；

35、根據(jù)前k個(gè)采購(gòu)人標(biāo)簽構(gòu)建采購(gòu)人畫(huà)像表。

36、為達(dá)到上述目的，本發(fā)明第二方面實(shí)施例提出了一種基于人工智能的項(xiàng)目交易推送系統(tǒng)，包括：

37、獲取模塊，用于通過(guò)項(xiàng)目信息來(lái)源獲取項(xiàng)目交易信息；

38、預(yù)處理模塊，用于對(duì)項(xiàng)目交易信息進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理數(shù)據(jù)；

39、訓(xùn)練模塊，用于根據(jù)預(yù)處理數(shù)據(jù)對(duì)初始模型進(jìn)行訓(xùn)練，得到項(xiàng)目交易推送模型；

40、輸出模塊，用于獲取待處理數(shù)據(jù)，將待處理數(shù)據(jù)輸入到項(xiàng)目交易推送模型，輸出項(xiàng)目交易推送信息。

41、本發(fā)明提出基于人工智能的項(xiàng)目交易推送方法及系統(tǒng)，通過(guò)大數(shù)據(jù)與人工智能技術(shù)，構(gòu)建公共資源交易項(xiàng)目和服務(wù)的推送算法模型，由公共服務(wù)平臺(tái)完成向市場(chǎng)主體進(jìn)行信息推送，供各類型市場(chǎng)了解市場(chǎng)動(dòng)向，把握交易機(jī)會(huì)。通過(guò)深度挖掘和分析用戶的歷史交易數(shù)據(jù)、瀏覽行為等信息，模型能夠準(zhǔn)確識(shí)別用戶的需求和偏好，實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推送。模型采用先進(jìn)的深度學(xué)習(xí)算法和分布式計(jì)算技術(shù)，能夠高效處理大規(guī)模的項(xiàng)目交易數(shù)據(jù)，并從中提取有價(jià)值的信息。模型具備迭代更新能力，能夠根據(jù)市場(chǎng)變化和用戶需求調(diào)整和優(yōu)化推送策略，實(shí)現(xiàn)精準(zhǔn)推送。通過(guò)精準(zhǔn)推送，用戶可以更快地找到符合自己需求的交易項(xiàng)目，縮短了交易周期，提高了交易效率。由于推送的項(xiàng)目更符合用戶需求，減少了用戶在篩選和對(duì)比項(xiàng)目上的時(shí)間和精力投入，從而降低了交易成本。通過(guò)精準(zhǔn)推送和個(gè)性化服務(wù)，提高了用戶滿意度和忠誠(chéng)度，有助于企業(yè)建立長(zhǎng)期穩(wěn)定的客戶關(guān)系。

42、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫(xiě)的說(shuō)明書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

43、下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。