CN107292690A - 一种基于神经网络的跨界易物平台实现方法及平台 - Google Patents

一种基于神经网络的跨界易物平台实现方法及平台 Download PDF

Info

Publication number
CN107292690A
CN107292690A CN201610199770.2A CN201610199770A CN107292690A CN 107292690 A CN107292690 A CN 107292690A CN 201610199770 A CN201610199770 A CN 201610199770A CN 107292690 A CN107292690 A CN 107292690A
Authority
CN
China
Prior art keywords
easy
thing platform
transboundary
neutral net
trading
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610199770.2A
Other languages
English (en)
Inventor
杨舜凯
殷全军
李晓漪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610199770.2A priority Critical patent/CN107292690A/zh
Publication of CN107292690A publication Critical patent/CN107292690A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于神经网络的跨界易物平台实现方法及跨界易物平台，该跨界易物平台包括管理伺服器及数据库，该方法包括下列步骤：步骤1)由该管理伺服器接受交易会员的加入申请；步骤2)在该易物平台与该交易会员之间建立易物及会员之间易物；步骤3)由该管理伺服器接收该交易会员通过会员终端机所输入的查询数据，搜索对应的商品；步骤4)由该管理伺服器接收该交易会员购买信息，处理生成购买订单。本发明通过神经网络，能够对用户想要检索的内容进行检索并排序，消费者能找到符合自己独特需求的商品，提高了消费者的购物体验，实现厂商和消费者的双赢。

Description

一种基于神经网络的跨界易物平台实现方法及平台
技术领域
本发明涉及电子商务领域，尤其涉及一种基于神经网络的跨界易物平台实现方法和跨界易物平台。
背景技术
随着互联网的发展，电子商务也在蓬勃的发展，通过互联网能购买各式各样的商品，而天猫、京东为代表的网上商城，即是其中的代表，但是随着产能过剩以及经济发展不景气，网上商城的商品的同质化很严重，同时，如盗版之类的问题也愈发严重。国家对此提出了大众创新的口号，即鼓励民众创新，发展自己的品牌，但是口碑并不是凭空出现，因此厂家的广告与产品说明就显得很重要，但是同时，消费者也存在一个问题，就是如何检索到合乎自己需求的商品，现在的网上商城普遍提供的是基于价格高低、商品名称的检索功能，但是这样对新生代的产品会造成检索上的不利，而消费者也不能很好很快的找到想要的产品。
发明内容
本发明通过提供一种基于神经网络的跨界易物平台实现方法和平台，能够实现快速的找到合适的商品，提高消费者的消费体验。
本发明采用的技术方案一方面提供一种基于神经网络的跨界易物平台实现方法，其应用于一易物平台，该易物平台包括管理伺服器及数据库，该方法包括下列步骤：步骤1)由该管理伺服器接受交易会员的加入申请；步骤2)在该易物平台与该交易会员之间建立易物及会员之间易物，例如在该易物平台与该交易会员之间建立资金流且在该易物平台与该交易会员的金融交易***之间建立信息流；步骤3)由该管理伺服器接收该交易会员通过会员终端机所输入的查询数据，搜索对应的商品，包括以下步骤：A、接收交易会员输入的查询数据，令其名为查询数据；B、简化查询数据，得到由关键字组成的需求索引；C、通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；D、输出经过排序的目标信息；步骤4)由该管理伺服器接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
优选地所述易物平台通过网际网络、有线通讯装置和无线通讯装置的方式与该交易会员的金融交易***建立信息流，由该易物平台的交割账户与该交易会员进行交割金额的汇寄，以建立两者的资金流，由该会员终端机通过网际网络、有线通讯装置和无线通讯装置的方式操作该易物平台。
优选地步骤B还包括通过关键字检测提取查询数据中名词、动词和形容词。
优选地步骤C还包括通过神经网络模型计算所述关键字之间的相关性。
优选地步骤C还包括通过TF-IDF方法对目标信息进行排序。
优选地步骤4)还包括管理伺服器根据购买信息，计算出一个用户积分并赋予交易用户。
本发明的技术方案的另一方面提供一种基于神经网络的跨界易物平台，其特征在于包括用于存储商品信息的数据库和管理伺服器，其中所述管理伺服器用于执行以下步骤：接受交易会员的加入申请；在该易物平台与该交易会员之间建立易物及会员之间易物，例如在该易物平台与该交易会员之间建立资金流且在该易物平台与该交易会员的金融交易***之间建立信息流；接收交易会员输入的查询数据；简化查询数据，得到由关键字组成的需求索引；通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；输出经过排序的目标信息；接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
本发明的有益效果为通过神经网络，能够对用户想要检索的内容进行检索并排序，客户能够根据顺序对检索结果进行浏览，然后从中选择中意的商品，这样作为新产品的厂商能够完成宣传和盈利，消费者也能找到符合自己独特需求的商品，提高了消费者的购物体验，实现厂商和消费者的双赢。
附图说明
图1为实施例根据本发明方案的一种基于神经网络的跨界易物平台实现方法的流程图；
图2为实施例根据本发明方案的易物平台操作的流程示意图。
具体实施方式
下面结合实施例对本发明的技术方案进行说明。
实施例1，如图1所示，一种基于神经网络的跨界易物平台实现方法的流程图，其应用于一易物平台，该易物平台包括管理伺服器及数据库，该方法包括下列步骤：步骤1)由该管理伺服器接受交易会员的加入申请；步骤2)在该易物平台与该交易会员之间建立易物及会员之间易物，例如在该易物平台与该交易会员之间建立资金流且在该易物平台与该交易会员的金融交易***之间建立信息流；步骤3)由该管理伺服器接收该交易会员通过会员终端机所输入的查询数据，搜索对应的商品，包括以下步骤：A、接收交易会员输入的查询数据，令其名为查询数据；B、简化查询数据，得到由关键字组成的需求索引；C、通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；D、输出经过排序的目标信息；步骤4)由该管理伺服器接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
用户通过如手机、个人电脑等终端进入易物平台，完成注册之后，即可进行检索，例如 输入“买利于身体健康的饮用水”，管理伺服器会先对该内容进行一个简化，通过关键字匹配，可以将“买利于身体健康的饮用水”简化为“买”“健康”“水”的形式，然后在数据库中提取符合上述特点的商品的介绍(即商品信息)，但是人与人之间的用词***的原因，可能在简化过程中会出现一些引起误会的输入例子，如“喝的水，买点”，那么简化结果就可能为“喝”“水”“买”。针对这个情况，引入神经网络的算法，通过神经网络，能排除语言习惯使用人数较少的例子，或者语法有问题的例子，实现精确检索的目的。
神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠***的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
交易会员为具有行为能力的个人和具有合法资格的企业体。***面向个人和企业。
所述易物平台通过网际网络、有线通讯装置和无线通讯装置的方式与该交易会员的金融交易***建立信息流，由该易物平台的交割账户与该交易会员进行交割金额的汇寄，以建立两者的资金流，由该会员终端机通过网际网络、有线通讯装置和无线通讯装置的方式操作该易物平台。
会员能通过各种方式连入易物平台，同时经过建立易物平台与金融***的连接，实现资金的转移。
所述步骤B还包括通过关键字检测提取查询数据中名词、动词和形容词。
名词可以作为商品名来进行区别，动词可以做为交易类型进行区别，形容词作为客户所需的功能进行区别。如上述例子“买”“健康”“水”中“买”为动词，作为交易类型，“健康”为形容词，作为客户关心的功能，“水”为名词，即商品名。
步骤C还包括通过神经网络模型计算所述关键字之间的相关性。采用的算法公式如下：
其中U(i)，U(j)，U(i∧j)，U(i∨j)表示在N篇文献中出现词语i，j，i与j，i或j的集合。领域权值Lij的作用为排除不相关的文献，因为使用“买”对应“水”检索时和使用“水”检索时定义权值是完全不一样的。Lij＝Pij-Pi，其中Pij为词i与词j一起时检索的查准率，Pij＝(词i与词j共同出现时的文献数)/(包含词i与词j的文献数)；Pi为只有词i进行检索时的查准率，Pi＝为(词i出现时的文献数)/(包含词i与词j的文献数)；
然后根据Wij＝Sij*Lij，计算出Wij，当Wij＞0时，则说明其中一关键字对另一个关键字起到促进作用，即实际上这个组合出现的概率更大；当Wij＜0时，则说明其中一关键字对另一个关键字起到抑制作用，即这个组合出现概率很低，即这个组合可能是错误的组合。
如上述“点喝的水，要买”的例子，简化结果为“喝”“水”“要买”，那么定义连接权值Wij，Wij＝Sij*Lij。其中Sij为其中一个关键字”买”(词i)对另一个关键字“水”(词j)的关联度权值，Lij为一个关键字”买”(词i)对另一个关键字“水”“水”的领域权值。Sij＝Ti*Cij，Ti为“买”的权值，Ti＝log(N/ni)其中N为一定商品信息的文献数，ni为该N篇文献中“买”(词i)出现的个数。Cij＝为“买”(词i)“水”(词j)这两个关键字的共现率。
步骤C还包括通过TF-IDF方法对目标信息进行排序。
TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF*IDF，TF词频(Term Frequency)，IDF逆向文件频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n＝m+k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。
使用TF-IDF方法计算词i对于文献k的权值：其中fid，i＝log(N/ni)是词i对应的逆文献频率，I表示所有词的集合，fik为词i在文献k中出现的次数。文献k的相似度其中Wik为词i的神经元激活值，为神经网络通过一定学习准则进行的识别判断能力0≤wik≤1，当Wik越接近1则说明，对词i的识别能力就越强。
将Sk大于一定阈值的文献作为检索结果提交给客户，顺序是按Sk从大到小排列。
步骤4)还包括管理伺服器根据购买信息，计算出一个用户积分并赋予交易用户。
如图2所示易物平台操作的流程示意图。
第一步，用户输入查询内容；第二步，通过神经网络处理查询信息；第三步，数据块根据查询信息提取匹配的信息；第四步，通过神经网络对从数据库提取的信息进行排序；第五步，将经过排序的信息反馈到客户。
根据本发明的实施例，一种基于神经网络的跨界易物平台，其特征在于包括用于存储商品信息的数据库和管理伺服器，其中所述管理伺服器用于执行以下步骤：接受交易会员的加入申请；在该易物平台与该交易会员之间建立易物及会员之间易物，例如在该易物平台与该交易会员之间建立资金流且在该易物平台与该交易会员的金融交易***之间建立信息流；接 收交易会员输入的查询数据；简化查询数据，得到由关键字组成的需求索引；通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；输出经过排序的目标信息；接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
神经网络的商品信息样本可以从多个渠道获取，所述渠道包括B2B渠道和/或B2C渠道和/或C2C渠道和/或C2B渠道和/或O2O渠道和/或C2F渠道等。当用户输入检索关键字时，中心平台接收关键字并通过基于多渠道样本的神经网络智能搜索匹配。通过该方法可实现各渠道之间、各渠道与中心平台之间的数据交互，进而实现多渠道跨界易物。
采用购买商品赠送积分形式，积分承当的易物媒介作用，实现拉动消费、盘活库存的有益效果。
当消费者在跨界易物平台中消费时，消费者身份转化为消费商。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (7)

1.一种基于神经网络的跨界易物平台实现方法，其应用于一易物平台，该易物平台包括管理伺服器及数据库，其特征在于该方法包括下列步骤：
步骤1)由该管理伺服器接受交易会员的加入申请；
步骤2)在该易物平台与该交易会员之间建立易物及会员之间易物；
步骤3)由该管理伺服器接收该交易会员通过会员终端机所输入的查询数据，搜索对应的商品，包括以下步骤：
A、接收交易会员输入的查询数据；
B、简化查询数据，得到由关键字组成的需求索引；
C、通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；
D、输出经过排序的目标信息；
步骤4)由该管理伺服器接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
2.根据权利要求1所述的一种基于神经网络的跨界易物平台实现方法，其中所述易物平台通过网际网络、有线通讯装置和无线通讯装置的方式与该交易会员的金融交易***建立信息流，由该易物平台的交割账户与该交易会员进行交割，由该会员终端机通过网际网络、有线通讯装置和无线通讯装置的方式操作该易物平台。
3.根据权利要求1所述的一种基于神经网络的跨界易物平台实现方法，其中步骤B还包括通过关键字检测提取查询数据中名词、动词和形容词。
4.根据权利要求1所述的一种基于神经网络的跨界易物平台实现方法，其中步骤C还包括通过神经网络模型计算所述关键字之间的相关性。
5.根据权利要求1所述的一种基于神经网络的跨界易物平台实现方法，其中步骤C还包括通过TF-IDF方法对目标信息进行排序。
6.根据权利要求1所述的一种基于神经网络的跨界易物平台实现方法，其中步骤4)还包括管理伺服器根据购买信息，计算出一个用户积分并赋予交易用户。
7.一种基于神经网络的跨界易物平台，其特征在于包括用于存储商品信息的数据库和管理伺服器，其中所述管理伺服器用于执行以下步骤：
接受交易会员的加入申请；
在该易物平台与该交易会员之间建立易物及会员之间易物；
接收交易会员输入的查询数据；
简化查询数据，得到由关键字组成的需求索引；
通过神经网络算法，从数据库中提取符合需求索引的商品信息，标记其为目标信息，计算目标信息的权值并按照权值大小进行排序；
输出经过排序的目标信息；
接收该交易会员通过会员终端机所输入的购买信息，处理生成购买订单，并将购买订单发送至处理单元以完成订单。
CN201610199770.2A 2016-03-31 2016-03-31 一种基于神经网络的跨界易物平台实现方法及平台 Pending CN107292690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610199770.2A CN107292690A (zh) 2016-03-31 2016-03-31 一种基于神经网络的跨界易物平台实现方法及平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610199770.2A CN107292690A (zh) 2016-03-31 2016-03-31 一种基于神经网络的跨界易物平台实现方法及平台

Publications (1)

Publication Number Publication Date
CN107292690A true CN107292690A (zh) 2017-10-24

Family

ID=60086882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610199770.2A Pending CN107292690A (zh) 2016-03-31 2016-03-31 一种基于神经网络的跨界易物平台实现方法及平台

Country Status (1)

Country Link
CN (1) CN107292690A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180754B1 (en) * 2008-04-01 2012-05-15 Dranias Development Llc Semantic neural network for aggregating query searches
CN102486781A (zh) * 2010-12-03 2012-06-06 阿里巴巴集团控股有限公司 一种搜索排序方法和装置
CN103838735A (zh) * 2012-11-21 2014-06-04 大连灵动科技发展有限公司 一种提高检索效率和质量的数据检索方法
CN104143005A (zh) * 2014-08-04 2014-11-12 五八同城信息技术有限公司 一种相关搜索***及方法
CN104598611A (zh) * 2015-01-29 2015-05-06 百度在线网络技术（北京）有限公司 对搜索条目进行排序的方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180754B1 (en) * 2008-04-01 2012-05-15 Dranias Development Llc Semantic neural network for aggregating query searches
CN102486781A (zh) * 2010-12-03 2012-06-06 阿里巴巴集团控股有限公司 一种搜索排序方法和装置
CN103838735A (zh) * 2012-11-21 2014-06-04 大连灵动科技发展有限公司 一种提高检索效率和质量的数据检索方法
CN104143005A (zh) * 2014-08-04 2014-11-12 五八同城信息技术有限公司 一种相关搜索***及方法
CN104598611A (zh) * 2015-01-29 2015-05-06 百度在线网络技术（北京）有限公司 对搜索条目进行排序的方法及***

Similar Documents

Publication Publication Date Title
Kim et al. Analyzing the discriminative attributes of products using text mining focused on cosmetic reviews
Alharbi et al. Evaluation of sentiment analysis via word embedding and RNN variants for Amazon online reviews
CN104794154A (zh) 基于文本挖掘的医疗器械o2o服务质量评价模型
CN105740382A (zh) 一种对短评论文本进行方面分类方法
Lin et al. A consumer review-driven recommender service for web e-commerce
Almaghrabi et al. A deep learning based collaborative neural network framework for recommender system
Prasetyo Searching cheapest product on three different e-commerce using k-means algorithm
Yao et al. Online deception detection refueled by real world data collection
Wu et al. Sentiment analysis of online product reviews based on SenBERT-CNN
CN116501840B (zh) 一种用于获客营销的nlp智能分析方法
Prabaningtyas et al. Mining customers opinion on services and applications of mobile payment companies in Indonesia using sentiment analysis approach
Alamsyah et al. A Comparison of Indonesia’ s E-Commerce Sentiment Analysis for Marketing Intelligence Effort (case study of Bukalapak, Tokopedia and Elevenia)
Clarizia et al. Sentiment analysis in social networks: A methodology based on the latent dirichlet allocation approach
CN107292690A (zh) 一种基于神经网络的跨界易物平台实现方法及平台
van Dalen et al. Profiling dutch authors on twitter: Discovering political preference and income level
Kalaivani et al. Machine learning approach to analyze classification result for twitter sentiment
Barushka et al. The effect of text preprocessing strategies on detecting fake consumer reviews
Raj et al. Automated Cyberstalking Classification using Social Media
KR20220118703A (ko) 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법
Arora et al. Evaluation Of Product Reviews Using Deep Learning Classifier Models
Hoiriyah et al. Lexicon-Based and Naive Bayes Sentiment Analysis for Recommending the Best Marketplace Selection as a Marketing Strategy for MSMEs
Setievi et al. A Comparative Study of Supervised Machine Learning Algorithms for Fake Review Detection
Iftikhar et al. Amazon products reviews classification based on machine learning, deep learning methods and BERT
Sagvekar et al. Study on product opinion analysis for customer satisfaction on e-commerce websites
Dorthi et al. A study on effective product marketing on e-commerce based on early reviews

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171024