导航：X技术最新专利计算;推算;计数设备的制造及其应用技术

　　本发明针对废钢交易竞价中信息不对称、模式单一、资源匹配不准等问题，提出通过多元匹配算法提升精准度。采用标签化运营、订阅关注机制及协同过滤算法，结合用户行为与业务特征构建综合算法模型，实现供需智能匹配与资源高效推送，解决竞价透明度低、成交率差等痛点。

　　1、废钢是指在工业生产或者日常生活中产生的废钢材，经过处理和分拣后可以进行回收利用。废钢交易竞价是指通过竞价方式确定废钢的价格和交易过程。但现有废钢交易竞价存在以下问题：

　　2、1.在废钢交易中，传统的竞价方式往往依赖人工操作，存在信息不对称、竞价不透明等问题，质检判罚标准不一的痛点，对产废企业和用废企业在交易过程中带来了一定的挑战。

　　3、2.平台通过引入竞价交易，通过线上交易，为买卖双方提供均等业务机会，通过平台提供海量市场，即保障了产废企业卖出高价，又解决了用废企业采购性价比，但是平台竞价模式单一，用户缺少标签化运营，资源成交率不高，业务增值价值不明显，业务买球平台机会丢失严重，评标不够透明。

　　4、3.现有的智能竞价系统，虽然能够提高竞价效率，但缺乏对多种因素的综合考量，导致竞价结果不够准确，仍需要人工干预。

　　5、4.买卖双方权益无法保证，通过线上成交的业务，平台管控力度弱，纠纷处理能力低，无法走出熟人模式，业务推广出现瓶颈。

　　6、5.平台用户缺少标签化运营，相关的信息，不能及时有效的传达到用户手中，导致业务存在一定滞后性。

　　1、本发明的目的在于提供一种废钢交易智能竞价方法，通过在匹配逻辑上进行了优化和处理，付原有的单一匹配演进成多元匹配逻辑，在粘结用户和平台之间，引入了标签算法、订阅算法、关注算法，间距算法，将以上计算逻辑的结果，进行加权平均计算，形成综合算法，从而提高资源推送的精准度，解决了上述背景技术中提出的问题。

　　2、为实现上述目的，本发明提供如下技术方案：一种废钢交易智能竞价方法，包括以下步骤：

　　3、数据采集：采集用户数据和采集业务数据，用户数据为平台用户的信息，包括基本信息、交易信息和行为信息，业务数据为平台发布的竞价数据，包括业务属性、场次属性和规则属性，将采集到的用户数据和业务数据存储到数据处理中心；

　　10、数据特征提取：对数据处理中心存储的用户数据和业务数据进行特征提取，以提取出影响竞价的特征；

　　11、算法模型计算：基于提取的特征，构建智能竞价算法模型，以此进行货源地距离匹配和用户偏好匹配，通过货源地距离匹配计算出资源到用户之间的距离，通过用户偏好匹配将符合用户特征的业务数据进行智能排序；

　　12、参数优化配置：根据业务需要，提供参数设置服务，包括用户配置、业务配置和基础配置；

　　13、模型算法执行：完成上述步骤后，用户发布竞价场次成功，并启动智能竞价方法，综合距离、偏好、关注和订阅因素，为用户推送最优质的场次，以便用户进行响应，评估成本、利润及业务周期，及时促成交易。

　　14、进一步地，对于用户数据，通过与平台合作的方式进行采集，对于业务数据,通过api接口方式进行采集。

　　16、数据查询和分析功能：提供实时的数据查询和分析功能，包括数据筛选、统计分析和报告生成，以便用户快速获取和分析数据处理中心中存储的用户数据和业务数据；

　　17、数据导出和分享功能：提供数据导出和分享功能，包括数据格式转换、导出报告和分享链接，以便用户将数据处理中心中存储的用户数据和业务数据进行导出和分享；

　　18、数据保障功能：为数据提供安全保障机制，包括数据加密、访问控制以及数据备份和恢复，以确保数据处理中心中存储的用户数据和业务数据的安全性和可靠性。

　　20、数据加密，通过对称加密或非对称加密方法对用户数据和业务数据进行加密存储，用户通过密钥解密数据；

　　21、访问控制，通过验证用户身份和角色，控制用户对用户数据和业务数据的访问权限，通过对不同的用户角色提供不同的操作权限，防止未经授权的访问和窃取；

　　22、数据备份和恢复，定期将用户数据和业务数据复制到安全的位置，以防原始数据丢失或损坏，若用户数据和业务数据出现丢失或损坏时，从备份的数据中恢复用户数据和业务数据。

　　24、在数据处理中心将采集的用户数据进行归类处理，提取用户操作偏好、位置、操作路径和浏览的频次，对用户进行标签化处理及分群；

　　25、在数据处理中心将采集的业务数据进行归类处理，提取业务数据中的品种、规则和保证金数据，对竞价场次进行标签化处理及归类，按照品种、货源地和保证金进行分组。

　　27、货源地距离匹配：利用用户当前位置坐标和货源地坐标，计算出资源到用户之间的距离，并在数处理中心进行智能排序；

　　28、用户偏好匹配：根据用户的偏好、距离、关注和订阅的权重占比，将符合用户特征的业务数据进行智能排序。

　　29、进一步地，算法模型计算构建的智能竞价算法模型，包括协同过滤算法，其中，协同过滤算法包含基于用户的协同过滤、基于物品的协同过滤和基于内容的推荐算法，具体为：

　　30、基于用户的协同过滤：通过寻找与目标用户兴趣相似的其他用户，将用户喜欢的内容推荐给目标用户，其中，对于用户u和用户v，共同关注过的物品集合为i，用户u对物品i的关注为rui，用户v对品种i的关注为rvi，用户u和用户v的平均关注度分别为rui和rvi，则用户u和用户v之间的皮尔逊相关系数计算公式为:

　　36、基于物品的协同过滤：将场次内容以推荐的方式发送给目标用户，其中，使用皮尔逊相关系数或余弦相似度等方法计算物品之间的相似度，以余弦相似度为例，对于物品i和物品j，共同关注过它们的用户集合为uij，用户u对物品i的关注为ri，对物品j的关注为rj，品种i和品种关注向量分别为ri和rj，则品种i和品种j之间的余弦相似度计算公式为:

　　41、基于内容的推荐算法，通过场次数据的特征与用户的历史行为进行匹配，推荐与用户兴趣相符的内容，具体如下式表示：

　　48、用户配置：根据用户喜好和特征，为用户设置匹配的竞价场次推送的频次、时间、效率和周期，保障信息的快速触达；

　　49、业务配置：根据业务特征及交易规则，为竞价场次提供定向服务、设置销售范围和标签用户，保障业务的传播；

　　50、基础配置：提供基础服务配置，提供灵活可变的标签配置，形成智能算法。

　　52、本发明通过在匹配逻辑上进行了优化和处理，由原有的单一匹配演进成多元匹配逻辑，在粘结用户和平台之间，引入了标签算法、订阅算法、关注算法以及间距算法，将以上计算逻辑的结果，进行加权平均计算，形成综合算法，从而提高资源推送的精准度，提升用户的感知度，形成用户共鸣，提高资源的价值。

上一篇：中交电商公司助力中交二公局开展闲废物资装备竞拍平台业务培训

下一篇：暂无