[發(fā)明專利]一種替換物料推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110905947.7
• 申請日: 2021-08-09
• 公開（公告）號: CN113344480B
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計）人: 姚娟娟;鐘南山
• 申請（專利權(quán)）人: 明品云（北京）數(shù)據(jù)科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/23;G06F40/30;G06N3/04
• 代理公司: 上海漢之律師事務所 31378
• 代理人: 馮華

1.一種替換物料推薦方法，其特征在于，包括：

獲取物料替換需求信息，所述物料替換需求信息至少包括以下之一：待替換物料名稱和待替換物料屬性信息；

根據(jù)所述待替換物料名稱和/或待替換物料屬性信息，獲取最終替換條件，所述最終替換條件包括：一個或多個目標屬性標簽；

將所述最終替換條件輸入替換物料推薦模型進行替換物料推薦，獲取替換物料序列，所述替換物料序列包括：多個替換物料；

根據(jù)所述替換物料，獲取與替換物料相對應的購買信息，所述購買信息包括：購買途徑、購買價格、發(fā)貨地點和預計到貨時間；

根據(jù)所述購買信息和預設(shè)的排序規(guī)則，對所述替換物料序列中的多個替換物料進行排序，并進行替換物料推薦；

根據(jù)所述待替換物料名稱和/或待替換物料屬性信息，獲取最終替換條件的步驟包括：

將所述待替換物料名稱輸入預設(shè)的替換條件數(shù)據(jù)庫進行替換條件匹配，獲取與所述待替換物料名稱相對應的一個或多個替換屬性標簽，所述替換條件數(shù)據(jù)庫包括：多個物料名稱、多個替換屬性標簽，以及替換屬性標簽與物料名稱之間的關(guān)聯(lián)程度，所述替換屬性標簽與物料名稱相互對應；

根據(jù)與所述待替換物料名稱相對應的替換屬性標簽，以及對應的替換屬性標簽與待替換物料名稱之間的關(guān)聯(lián)程度，獲取第一替換條件；

將所述待替換物料屬性信息輸入預先訓練好的語義識別模型進行語義識別，獲取一個或多個與所述待替換物料屬性信息相對應的語義標簽；

根據(jù)所述語義標簽，獲取第二替換條件；

根據(jù)所述第一替換條件和/或第二替換條件，生成最終替換條件；

所述替換物料推薦模型的獲取步驟包括：

獲取第二樣本集，所述第二樣本集包括：多個樣本屬性標簽、屬性標簽權(quán)重標注和真實替換物料標注，所述樣本屬性標簽與屬性標簽權(quán)重相互關(guān)聯(lián)，所述樣本屬性標簽與真實替換物料標注相互對應；

將所述第二樣本集中的多個樣本屬性標簽輸入深度神經(jīng)網(wǎng)絡進行特征提取，獲取特征向量；

根據(jù)所述特征向量和對應的屬性標簽權(quán)重，獲取多個預測替換物料；

根據(jù)所述預測替換物料、真實替換物料標注和預先設(shè)置的第二損失函數(shù)，對所述深度神經(jīng)網(wǎng)絡進行訓練，獲取替換物料推薦模型。

2.根據(jù)權(quán)利要求1所述的替換物料推薦方法，其特征在于，獲取第一替換條件的步驟包括：

根據(jù)預先設(shè)置的目標屬性標簽數(shù)量閾值，以及多個所述替換屬性標簽與所述待替換物料的關(guān)聯(lián)程度，對多個與待替換物料名稱相對應的所述替換屬性標簽進行排序與篩選，獲取第一目標屬性標簽；

根據(jù)所述第一目標屬性標簽與所述待替換物料的關(guān)聯(lián)程度，確定多個第一目標屬性標簽的第一權(quán)重；

根據(jù)所述第一目標屬性標簽以及對應的第一權(quán)重，獲取第一替換條件。

3.根據(jù)權(quán)利要求1所述的替換物料推薦方法，其特征在于，根據(jù)所述語義標簽，獲取第二替換條件的步驟包括：

獲取所述語義標簽與所述待替換物料屬性信息的相似度；

根據(jù)所述相似度和預先設(shè)置的目標屬性標簽數(shù)量閾值，對所述語義標簽進行排序和篩選，獲取第二目標屬性標簽；

根據(jù)所述相似度，確定所述第二目標屬性標簽的第二權(quán)重；

根據(jù)所述第二目標屬性標簽以及對應的第二權(quán)重，獲取第二替換條件。

4.根據(jù)權(quán)利要求1所述的替換物料推薦方法，其特征在于，所述語義識別模型的獲取步驟包括：

獲取第一樣本集，所述第一樣本集包括：物料屬性樣本信息，以及與物料屬性樣本信息相對應的真實語義標注；

將所述第一樣本集中的物料屬性樣本信息輸入長短期記憶網(wǎng)絡進行語義特征提取，獲取樣本語義特征；

根據(jù)所述樣本語義特征，獲取對應的預測語義標簽；

根據(jù)所述預測語義標簽、真實語義標注和預先設(shè)置的第一損失函數(shù)，對所述長短期記憶網(wǎng)絡進行迭代訓練，獲取訓練好的語義識別模型。