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

背景技術：

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

技術實現(xiàn)思路

1、本發(fā)明旨在至少一定程度上解決上述技術中的技術問題之一。為此，本發(fā)明的第一個目的在于提出基于人工智能的項目交易推送方法，通過大數(shù)據(jù)與人工智能技術，構(gòu)建公共資源交易項目和服務的推送算法模型，由公共服務平臺完成向市場主體進行信息推送，供各類型市場了解市場動向，把握交易機會。通過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，模型能夠準確識別用戶的需求和偏好，實現(xiàn)精準的個性化推送。模型采用先進的深度學習算法和分布式計算技術，能夠高效處理大規(guī)模的項目交易數(shù)據(jù)，并從中提取有價值的信息。模型具備迭代更新能力，能夠根據(jù)市場變化和用戶需求調(diào)整和優(yōu)化推送策略，實現(xiàn)精準推送。

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

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

4、通過項目信息來源獲取項目交易信息；

5、對項目交易信息進行數(shù)據(jù)預處理，得到預處理數(shù)據(jù)；

6、根據(jù)預處理數(shù)據(jù)對初始模型進行訓練，得到項目交易推送模型；

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

8、根據(jù)本發(fā)明的一些實施例，項目信息來源包括政府采購項目、建設工程項目及陽光采購項目；項目交易信息包括項目名稱、項目類型、交易方式、交易金額及項目描述。

9、根據(jù)本發(fā)明的一些實施例，對項目交易信息進行數(shù)據(jù)預處理，包括：

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

11、對清洗數(shù)據(jù)進行標準化處理及歸一化處理，得到目標數(shù)據(jù)；

12、對目標數(shù)據(jù)進行特征提取，確定項目特征；其中，所述項目特征包括廠商角色、供應商歷史成交項目數(shù)量、供應商項目類型偏好、采購人項目類型偏好。

13、根據(jù)本發(fā)明的一些實施例，根據(jù)預處理數(shù)據(jù)對初始模型進行訓練，得到項目交易推送模型，包括：

14、將預處理數(shù)據(jù)劃分為訓練集、驗證集和測試集；

15、基于機器學習算法通過訓練集對初始模型進行訓練，驗證集用于調(diào)整模型參數(shù)以防止過擬合，測試集用于評估模型性能；在訓練過程中，初始模型會不斷迭代優(yōu)化參數(shù)，最終得到項目交易推送模型。

16、根據(jù)本發(fā)明的一些實施例，還包括：根據(jù)用戶的埋點反饋數(shù)據(jù)對項目交易推送模型進行在線學習或更新；所述埋點反饋數(shù)據(jù)包括點擊率及轉(zhuǎn)化率。

17、根據(jù)本發(fā)明的一些實施例，基于機器學習算法通過訓練集對初始模型進行訓練，包括：

18、基于機器學習算法通過訓練集在采購人推薦供應商應用場景及供應商推薦采購人應用場景下對初始模型進行訓練，得到第一模型；

19、基于機器學習算法通過訓練集在供應商推薦項目應用場景及項目推薦供應商應用場景下對初始模型進行訓練，得到第二模型；

20、根據(jù)第一模型及第二模型確定項目交易推送模型。

21、根據(jù)本發(fā)明的一些實施例，基于機器學習算法通過訓練集在采購人推薦供應商應用場景及供應商推薦采購人應用場景下對初始模型進行訓練，得到第一模型，包括：

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

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

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

25、根據(jù)采購人類別表、供應商類別表及歷史成交項目信息，從歷史項目中分析學習各類別之間的關聯(lián)關系和關聯(lián)程度，并輸出第一關聯(lián)關系表，生成第一模型。

26、根據(jù)本發(fā)明的一些實施例，基于機器學習算法通過訓練集在供應商推薦項目應用場景及項目推薦供應商應用場景下對初始模型進行訓練，得到第二模型，包括：

27、獲取供應商類別表；

28、基于供應商對應的歷史項目信息構(gòu)建項目畫像表，其中包含項目基本信息、項目所屬行業(yè)；基于標訊信息訓練項目分類模型，輸出三級行業(yè)分類，結(jié)合項目畫像表，輸出項目類別表；

29、根據(jù)供應商類別表及項目類別表，從歷史成交項目中分析學習各主體類別之間的關聯(lián)關系和關聯(lián)程度，輸出第二關聯(lián)關系表，生成第二模型。

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

31、對采購人及歷史項目信息進行詞頻統(tǒng)計，得到采購人文本信息詞匯表；根據(jù)采購人文本信息詞匯表，生成帶有詞匯位置信息的和上下文關聯(lián)信息的關于采購人的第一特征向量；

32、對采購人及歷史項目信息進行項目關系剖析，獲取位于采購人的項目鄰節(jié)點處的多層次項目對象，作為采購人的第二特征向量；所述多層次項目對象包括項目時長、步驟及項目溝通次數(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習描述輸入的第一特征向量及第二特征向量與采購人標簽之間的對應關系的參數(shù)；將所述中間向量輸入至多維度標簽分類器中的n個標簽分類器中，輸出采購人在n個維度上的標簽預測概率，n為正整數(shù)；所述n個標簽分類器中的每個標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人標簽；

34、將n個維度上的標簽預測概率按照由大到小的規(guī)則進行排序；根據(jù)排序結(jié)果從n個維度上的采購人標簽中選擇前k個采購人標簽；

35、根據(jù)前k個采購人標簽構(gòu)建采購人畫像表。

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

37、獲取模塊，用于通過項目信息來源獲取項目交易信息；

38、預處理模塊，用于對項目交易信息進行數(shù)據(jù)預處理，得到預處理數(shù)據(jù)；

39、訓練模塊，用于根據(jù)預處理數(shù)據(jù)對初始模型進行訓練，得到項目交易推送模型；

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

41、本發(fā)明提出基于人工智能的項目交易推送方法及系統(tǒng)，通過大數(shù)據(jù)與人工智能技術，構(gòu)建公共資源交易項目和服務的推送算法模型，由公共服務平臺完成向市場主體進行信息推送，供各類型市場了解市場動向，把握交易機會。通過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，模型能夠準確識別用戶的需求和偏好，實現(xiàn)精準的個性化推送。模型采用先進的深度學習算法和分布式計算技術，能夠高效處理大規(guī)模的項目交易數(shù)據(jù)，并從中提取有價值的信息。模型具備迭代更新能力，能夠根據(jù)市場變化和用戶需求調(diào)整和優(yōu)化推送策略，實現(xiàn)精準推送。通過精準推送，用戶可以更快地找到符合自己需求的交易項目，縮短了交易周期，提高了交易效率。由于推送的項目更符合用戶需求，減少了用戶在篩選和對比項目上的時間和精力投入，從而降低了交易成本。通過精準推送和個性化服務，提高了用戶滿意度和忠誠度，有助于企業(yè)建立長期穩(wěn)定的客戶關系。

42、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

43、下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。