本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種基于后臺報價數(shù)據(jù)的反饋推送方法及系統(tǒng)。

背景技術：

1、隨著電子商務的快速發(fā)展，線上銷售已成為現(xiàn)代商貿(mào)活動的重要形式，在企業(yè)與客戶的交易過程中，報價是一個關鍵環(huán)節(jié)，其質(zhì)量和效率直接影響交易的成敗，傳統(tǒng)的報價方式通常依賴銷售人員手動篩選和推送，存在響應速度慢、個性化程度低、轉(zhuǎn)化率不高等問題；

2、此外，現(xiàn)有的報價推送往往是單向的，缺乏客戶反饋信息的采集和利用，客戶對報價的接受、拒絕、評價等反饋行為，隱含了其真實的偏好和意見，對于改進后續(xù)推送具有重要的指導作用，但現(xiàn)有技術鮮有將客戶反饋納入報價推送閉環(huán)的，導致推送的報價與客戶需求脫節(jié)，難以持續(xù)優(yōu)化；

3、因此，亟需一種方案解決現(xiàn)有的報價推送中存在的問題。

技術實現(xiàn)思路

1、本發(fā)明實施例提供一種基于后臺報價數(shù)據(jù)的反饋推送方法及系統(tǒng)，至少能解決現(xiàn)有技術中存在的部分問題。

2、本發(fā)明實施例的第一方面，提供一種基于后臺報價數(shù)據(jù)的反饋推送方法，包括：

3、接收客戶端上傳的報價請求，其中，所述報價請求包括商品名稱、商品屬性和客戶信息，所述商品屬性包括商品規(guī)格，商品材質(zhì)和商品數(shù)量，對所述商品名稱進行語義分析，通過自然語言處理技術提取商品名稱關鍵詞，通過預設的同義詞擴展規(guī)則對所述商品名稱關鍵詞進行擴展，得到商品名稱關鍵詞集合，對所述商品屬性進行標準化處理，通過屬性映射矩陣進行映射并通過計算相似度確定商品屬性特征，根據(jù)所述客戶信息確定客戶報價偏好特征，結合客戶畫像數(shù)據(jù)進行融合，構建客戶綜合特征向量，綜合計算得到的數(shù)據(jù)得到多維度報價請求特征向量；

4、基于所述多維度報價請求特征向量構建基于語義相似度和屬性相似度的組合檢索條件，結合改進的倒排索引技術檢索與所述組合檢索條件匹配的目標報價數(shù)據(jù)，提取所述目標報價數(shù)據(jù)的特征向量，包括供應商特征、報價特征、供貨周期特征和評分特征，通過自適應權重對所述報價特征和所述供貨周期特征進行加權，結合預設的時間衰減函數(shù)對所述評分特征進行衰減處理，通過預先設置的多準則決策模型對處理后的目標報價數(shù)據(jù)進行篩選，通過計算生成綜合匹配度矩陣并篩選得到優(yōu)質(zhì)目標報價數(shù)據(jù)；

5、對所述優(yōu)質(zhì)目標報價數(shù)據(jù)進行排序，根據(jù)排序結果確定最優(yōu)報價數(shù)據(jù)，基于客戶信息向客戶端推送所述最優(yōu)報價數(shù)據(jù)，接收所述客戶端對所述最優(yōu)報價數(shù)據(jù)的反饋信息和反饋評分，若反饋信息為接受所述最優(yōu)報價數(shù)據(jù)，則生成對應的訂單信息并發(fā)送至與所述最優(yōu)報價數(shù)據(jù)相關的供應商，若反饋信息為拒絕所述最優(yōu)報價數(shù)據(jù)，則更新所述最優(yōu)報價數(shù)據(jù)并重新推送。

6、在一種可選的實施方式中，

7、接收客戶端上傳的報價請求，其中，所述報價請求包括商品名稱、商品屬性和客戶信息，所述商品屬性包括商品規(guī)格，商品材質(zhì)和商品數(shù)量，對所述商品名稱進行語義分析，通過自然語言處理技術提取商品名稱關鍵詞，通過預設的同義詞擴展規(guī)則對所述商品名稱關鍵詞進行擴展，得到商品名稱關鍵詞集合，對所述商品屬性進行標準化處理，通過屬性映射矩陣進行映射并通過計算相似度確定商品屬性特征，根據(jù)所述客戶信息確定客戶報價偏好特征，結合客戶畫像數(shù)據(jù)進行融合，構建客戶綜合特征向量，綜合計算得到的數(shù)據(jù)得到多維度報價請求特征向量包括：

8、接收客戶端上傳的報價請求，其中，所述報價請求包括商品名稱、商品屬性和客戶信息，所述商品屬性包括商品規(guī)格，商品材質(zhì)和商品數(shù)量；

9、對于所述商品名稱，通過分詞工具將所述商品名稱進行分詞和詞性標注，結合預先訓練的命名實體識別模型對所述商品名稱中的關鍵實體進行識別，生成實體識別結果，結合詞性標注結果提取所述商品名稱中的關鍵詞，得到初始關鍵詞集合，基于所述初始關鍵詞集合，通過同義詞擴展機制構建同義詞詞表，對于所述初始關鍵詞集合中的每個元素，在所述同義詞詞表中進行匹配并確定對應的同義詞，將匹配得到的同義詞添加至所述初始關鍵詞集合中，得到所述商品名稱關鍵詞集合；

10、對于每個商品種類，構建一個對應的屬性映射矩陣，其中，所述屬性映射矩陣的行表示標準化屬性，列表示非標準化屬性，屬性映射矩陣中的元素表示兩個商品屬性之間的映射關系，對于所述報價請求中的商品屬性，確定每個所述商品屬性在所述屬性映射矩陣中的標準化屬性并將非標準化屬性轉(zhuǎn)化為標準化屬性，將轉(zhuǎn)換得到的標準化屬性轉(zhuǎn)換為向量表示，通過獨熱編碼提取當前商品屬性對應的商品屬性特征；

11、基于所述客戶信息，根據(jù)客戶歷史報價請求數(shù)據(jù)，通過關聯(lián)規(guī)則挖掘算法確定當前客戶對應的客戶報價偏好特征，從客戶信息系統(tǒng)獲取包括基本信息、消費行為和信用等級的客戶畫像數(shù)據(jù)，將所述客戶報價偏好特征和所述客戶畫像數(shù)據(jù)進行融合，得到所述客戶綜合特征向量；

12、將所述商品名稱關鍵詞集合、所述商品屬性特征和所述客戶綜合特征向量進行拼接，得到所述多維度報價請求特征向量。

13、在一種可選的實施方式中，

14、通過關聯(lián)規(guī)則挖掘算法確定當前客戶對應的客戶報價偏好特征如下公式所示：

15、

16、其中，p表示客戶報價偏好特征的向量表示，n表示關聯(lián)規(guī)則挖掘算法得到的規(guī)則總數(shù)量，d表示客戶歷史報價請求數(shù)據(jù)集d中的單個報價請求，xi表示第i條關聯(lián)規(guī)則的前提部分，yi表示第i條關聯(lián)規(guī)則的結論部分，vi表示第i條規(guī)則對應的偏好屬性組合的二進制向量表示。

17、在一種可選的實施方式中，

18、基于所述多維度報價請求特征向量構建基于語義相似度和屬性相似度的組合檢索條件，結合改進的倒排索引技術檢索與所述組合檢索條件匹配的目標報價數(shù)據(jù)，提取所述目標報價數(shù)據(jù)的特征向量，包括供應商特征、報價特征、供貨周期特征和評分特征，通過自適應權重對所述報價特征和所述供貨周期特征進行加權，結合預設的時間衰減函數(shù)對所述評分特征進行衰減處理，通過預先設置的多準則決策模型對處理后的目標報價數(shù)據(jù)進行篩選，通過計算生成綜合匹配度矩陣并篩選得到優(yōu)質(zhì)目標報價數(shù)據(jù)包括：

19、基于所述多維度報價請求特征向量，定義與所述報價請求對應的原始報價數(shù)據(jù)，對所述報價請求和所述原始報價數(shù)據(jù)進行預處理，生成規(guī)范化文本表示，通過預先設置的詞嵌入模型將所述規(guī)范化文本表示中的詞轉(zhuǎn)換為詞向量，通過加權平均得到規(guī)范化文本的向量表示，計算所述報價請求和所述原始報價數(shù)據(jù)間的余弦相似度并作為語義相似度；

20、對所述報價請求和所述原始報價數(shù)據(jù)的結構化屬性進行歸一化處理并映射至0到1區(qū)間內(nèi)，對于數(shù)值型屬性，計算所述報價請求的屬性值和所述原始報價數(shù)據(jù)的屬性值之間的相對差異，對于類別型屬性值，確定兩個屬性值是否完全匹配，將每個屬性的相似度加權求和，得到綜合屬性相似度，基于所述語義相似度和所述綜合屬性相似度，通過加權求和確定綜合相似度并將所述綜合相似度作為組合檢索條件的度量；

21、基于所述組合檢索條件，通過改進的倒排索引技術確定候選報價數(shù)據(jù)，通過聚類算法確定所述候選報價數(shù)據(jù)的關鍵詞簇和屬性簇，為每個關鍵詞簇和屬性簇分配簇識別碼并建立對應的倒排索引，通過詞嵌入和屬性歸一化處理確定所述候選報價數(shù)據(jù)的關鍵詞向量和屬性向量，分別計算每個關鍵詞向量與關鍵詞簇中心向量的相似度和每個屬性向量與屬性簇中心向量的相似度，選取具有最高相似度的前十個關鍵詞簇和前十個屬性簇并獲取對應的候選報價數(shù)據(jù)集合，對被選中的候選報價數(shù)據(jù)進行組合檢索條件的計算與排序，將綜合相似度最高的候選報價數(shù)據(jù)作為所述目標報價數(shù)據(jù)；

22、對所述目標報價數(shù)據(jù)進行特征提取，得到供應商特征、報價特征、供貨周期特征和評分特征對應的特征向量，通過自適應權重機制為所述報價特征和所述供貨周期特征進行加權處理，通過時間衰減函數(shù)對所述評分特征進行衰減處理，結合預先設置的多準則決策模型對處理后的目標報價數(shù)據(jù)進行篩選，計算每個目標報價數(shù)據(jù)對應的綜合匹配度矩陣，基于所述綜合匹配度矩陣計算每個目標報價數(shù)據(jù)對應的評估分數(shù)并與預設的評估分數(shù)閾值比較，若所述評估分數(shù)大于所述評估分數(shù)閾值，則將當前目標報價數(shù)據(jù)作為優(yōu)質(zhì)目標報價數(shù)據(jù)保留，否則刪除，得到多個優(yōu)質(zhì)目標報價數(shù)據(jù)。

23、在一種可選的實施方式中，

24、為每個屬性分配權重如下公式所示：

25、

26、其中，ωi表示第i個屬性的權重，λ1表示值域權重，ri表示第i個屬性的值域范圍，λ2表示穩(wěn)定性權重，si表示第i個屬性的穩(wěn)定性，λ3表示區(qū)分度權重，di表示第i個屬性的可區(qū)分度，rj表示第j個屬性的值域范圍，sj表示第j個屬性的穩(wěn)定性，dj表示第j個屬性的可區(qū)分度，n表示屬性的總數(shù)。

27、在一種可選的實施方式中，

28、對所述優(yōu)質(zhì)目標報價數(shù)據(jù)進行排序，根據(jù)排序結果確定最優(yōu)報價數(shù)據(jù)，基于客戶信息向客戶端推送所述最優(yōu)報價數(shù)據(jù)，接收所述客戶端對所述最優(yōu)報價數(shù)據(jù)的反饋信息和反饋評分，若反饋信息為接受所述最優(yōu)報價數(shù)據(jù)，則生成對應的訂單信息并發(fā)送至與所述最優(yōu)報價數(shù)據(jù)相關的供應商，若反饋信息為拒絕所述最優(yōu)報價數(shù)據(jù)，則更新所述最優(yōu)報價數(shù)據(jù)并重新推送包括：

29、基于所述優(yōu)質(zhì)目標報價數(shù)據(jù)，通過改進的逼近理想解排序法進行排序，生成所述優(yōu)質(zhì)目標報價數(shù)據(jù)的決策矩陣，對所述決策矩陣進行標準化處理生成標準矩陣，結合客戶權重偏好計算加權標準化決策矩陣，基于所述加權標準化決策矩陣確定正理想解和負理想解，計算每個優(yōu)質(zhì)目標報價數(shù)據(jù)與所述正理想解和負理想解之間的加權歐氏距離，基于所述加權歐氏距離定義相對貼近度系數(shù)；

30、以所述正理想解作為參考數(shù)列，以所述優(yōu)質(zhì)目標報價數(shù)據(jù)作為對比數(shù)列，計算所述對比數(shù)列與所述參考數(shù)列的關聯(lián)系數(shù)，基于所述關聯(lián)系數(shù)計算灰色關聯(lián)度，基于所述灰色關聯(lián)度和所述相對貼近度系數(shù)，計算每個優(yōu)質(zhì)目標報價數(shù)據(jù)的綜合評價值，基于所述綜合評價值進行降序排序，將位于第一位的優(yōu)質(zhì)目標報價數(shù)據(jù)作為所述最優(yōu)報價數(shù)據(jù)；

31、基于客戶信息將所述最優(yōu)報價數(shù)據(jù)發(fā)送至客戶端并接收客戶端對所述最優(yōu)報價數(shù)據(jù)的反饋信息和反饋評分，若所述反饋信息為接收所述最優(yōu)報價數(shù)據(jù)，則生成對應的訂單信息并發(fā)送至對應的供應商進行確認和執(zhí)行，將當前反饋信息添加至所述客戶綜合特征向量并基于當前反饋信息對應的反饋評分更新所述綜合評價值；

32、若所述反饋信息為拒絕所述最優(yōu)報價數(shù)據(jù)，則定義懲罰項系數(shù)并對所述綜合匹配度矩陣進行懲罰項調(diào)整和更新，根據(jù)調(diào)整后的綜合匹配度矩陣更新所述最優(yōu)報價數(shù)據(jù)并重新推送至所述客戶端。

33、在一種可選的實施方式中，

34、基于所述關聯(lián)系數(shù)計算灰色關聯(lián)度如下公式所示：

35、

36、其中，ψm表示第m個優(yōu)質(zhì)目標報價數(shù)據(jù)的灰色關聯(lián)度，m表示評價指標的個數(shù)，x0n表示參考數(shù)列在第n個評價指標上的值，xmn表示第m個對比數(shù)列在第n個評價指標上的值，ρ表示分辨系數(shù)，表示所有對比數(shù)列與參考數(shù)列在各評價指標上的最大絕對差值，表示所有對比數(shù)列與參考數(shù)列在各評價指標上的最小絕對差值。

37、本發(fā)明實施例的第二方面，提供一種基于后臺報價數(shù)據(jù)的反饋推送系統(tǒng)，包括：

38、第一單元，用于接收客戶端上傳的報價請求，其中，所述報價請求包括商品名稱、商品屬性和客戶信息，所述商品屬性包括商品規(guī)格，商品材質(zhì)和商品數(shù)量，對所述商品名稱進行語義分析，通過自然語言處理技術提取商品名稱關鍵詞，通過預設的同義詞擴展規(guī)則對所述商品名稱關鍵詞進行擴展，得到商品名稱關鍵詞集合，對所述商品屬性進行標準化處理，通過屬性映射矩陣進行映射并通過計算相似度確定商品屬性特征，根據(jù)所述客戶信息確定客戶報價偏好特征，結合客戶畫像數(shù)據(jù)進行融合，構建客戶綜合特征向量，綜合計算得到的數(shù)據(jù)得到多維度報價請求特征向量；

39、第二單元，用于基于所述多維度報價請求特征向量構建基于語義相似度和屬性相似度的組合檢索條件，結合改進的倒排索引技術檢索與所述組合檢索條件匹配的目標報價數(shù)據(jù)，提取所述目標報價數(shù)據(jù)的特征向量，包括供應商特征、報價特征、供貨周期特征和評分特征，通過自適應權重對所述報價特征和所述供貨周期特征進行加權，結合預設的時間衰減函數(shù)對所述評分特征進行衰減處理，通過預先設置的多準則決策模型對處理后的目標報價數(shù)據(jù)進行篩選，通過計算生成綜合匹配度矩陣并篩選得到優(yōu)質(zhì)目標報價數(shù)據(jù)；

40、第三單元，用于對所述優(yōu)質(zhì)目標報價數(shù)據(jù)進行排序，根據(jù)排序結果確定最優(yōu)報價數(shù)據(jù)，基于客戶信息向客戶端推送所述最優(yōu)報價數(shù)據(jù)，接收所述客戶端對所述最優(yōu)報價數(shù)據(jù)的反饋信息和反饋評分，若反饋信息為接受所述最優(yōu)報價數(shù)據(jù)，則生成對應的訂單信息并發(fā)送至與所述最優(yōu)報價數(shù)據(jù)相關的供應商，若反饋信息為拒絕所述最優(yōu)報價數(shù)據(jù)，則更新所述最優(yōu)報價數(shù)據(jù)并重新推送。

41、本發(fā)明實施例的第三方面，

42、提供一種電子設備，包括：

43、處理器；

44、用于存儲處理器可執(zhí)行指令的存儲器；

45、其中，所述處理器被配置為調(diào)用所述存儲器存儲的指令，以執(zhí)行前述所述的方法。

46、本發(fā)明實施例的第四方面，

47、提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)前述所述的方法。

48、本發(fā)明中，通過對商品名稱進行語義分析，運用自然語言處理技術提取關鍵詞并進行同義詞擴展，得到更加全面和準確的商品名稱表，綜合考慮客戶報價偏好特征和客戶畫像數(shù)據(jù)，構建客戶綜合特征向量，提高了報價請求的理解和處理準確性，通過預設的多準則決策模型對處理后的目標報價數(shù)據(jù)進行篩選，生成綜合匹配度矩陣，得到優(yōu)質(zhì)目標報價數(shù)據(jù)，實現(xiàn)了精準的報價數(shù)據(jù)檢索和匹配，提高了報價方案的質(zhì)量和針對性，通過自動化的報價請求處理、數(shù)據(jù)檢索、匹配、排序和推送流程，大大提高了報價效率，減少了人工處理的工作量，綜上，本發(fā)明，實現(xiàn)了精準的報價數(shù)據(jù)檢索和匹配，優(yōu)化了報價數(shù)據(jù)的排序和推送流程，提高了報價效率和質(zhì)量，增強了數(shù)據(jù)處理和分析能力，為企業(yè)提供了智能化的報價解決方案，具有顯著的技術效果和應用價值。