[发明专利]一种区块链供应链金融系统

权利要求书

1.一种区块链供应链金融系统，其特征在于，包括区块链供应链模块、区块链金融模块和智能零售终端模块；

所述区块链供应链模块包括商品信息采集单元和商品信息存储单元；

所述区块链金融模块包括风控单元、借款人信息单元和资金单元；

所述商品信息采集单元用于采集商品信息，并将商品信息发送到数据存储单元中进行存储；

所述商品信息存储单元用于存储商品信息；

所述风控单元用于对借款人进行风险控制和风险提示，通过风控决策引擎借助模型得出决策，对借款人行为进行风险控制和风险提示；

所述资金单元用于解决借款人的贷款以及供应商销售回款；

所述借款人信息单元用于根据智能零售终端模块的用户信息对借款人进行模型建立；

所述智能零售终端模块包括零售终端、服务器、物联网平台以及用户端；

所述零售终端包括网络单元、中控单元、支付识别模块以及智能终端交互模块；

所述服务器包括数据处理单元、数据存储单元以及智能终端导购模块；

所述物联网平台包括Lot网络单元、Lot消息单元以及Lot规则单元；

所述网络单元用于提供网络连接；负责和Lot网络单元建立socket长连接，发送从中控单元获取的机器信息至Lot消息单元；网络单元成功连接Lot网络单元后，向服务器数据处理单元请求终端所属的商品数据，通过中控单元展示给用户；

所述中控单元用于接收通过Lot网络单元转发的数据处理单元处理后的运营人员发出的指令，解析指令操作机器，并且向Lot网络单元发送反馈信息；

所述支付识别模块用于通过用户购买商品的支付识别用户信息；

所述智能终端交互模块用于和用户进行语音对话，用户语音指令发出后，将语音指令转换后的文字指令，并将文字指令和用户信息发送至智能终端导购模块；

所述智能终端导购模块用于根据用户信息获取用户的购物信息，通过购物信息的比对以及智能分析预测用户未来的购物清单，匹配优惠劵，根据文字指令给用户推荐购物信息；

所述用户端用于显示推荐的购物信息；

所述数据处理单元用于处理api请求并且从数据存储单元中查询数据；接收运营人员发出的指令，进行处理后，将指令信息存储到数据存储单元，并且向Lot网络单元发出处理后的指令；接收Lot消息单元发送的机器状态变化消息并进行机器状态处理，同时存储到数据存储单元中；

所述数据存储单元用于存储业务数据；

所述Lot网络单元用于提供稳定的Lot连接服务连接零售终端和服务器；接收数据处理单元处理后的运营人员发出的指令，并将指令通过网络单元转发到中控单元；接受中控单元的反馈信息，根据Lot规则单元预设的规则判断是否要转发到数据处理单元；

所述Lot消息单元用于发送消息到零售终端以及数据处理单元；接收网络单元发送的机器信息，校验通过后，会定时下发心跳消息给网络单元负责维护socket连接，连接成功后，每次机器状态变化，会发送状态消息给服务器的数据处理单元进行机器状态处理；

所述Lot规则单元用于设定消息转发规则；

所述智能终端导购模块包括：

信息采集模块，用于根据用户信息获取用户每次在商场购物平台的购物记录和消费清单；

信息分析模块，用于对用户的购物习惯进行分析，统计用户的商品消耗周期，本次购买的商品距离下次购买同类商品的时长；根据收集的用户信息，做出用户的消费画像；获取商城或者实体店的购物优惠信息，自动判断优惠信息与用户购物清单的匹配度；

商品推荐模块，用于根据用户以往的商品使用时长，以及商品消耗周期，到达对应的时间点时生成用户需求商品单推荐给用户；根据用户的消费画像，将类似画像用户购买的商品推荐给用户；根据优惠信息与用户购物清单的匹配度，当优惠匹配上用户的购物习惯时生成推荐购物清单及优惠信息推荐给用户；

所述信息分析模块包括：

购物周期分析单元，用于对用户的购物习惯进行分析，统计用户的商品消耗周期，本次购买的商品距离下次购买同类商品的时长；

用户画像分析单元，用于根据收集的用户信息，做出用户的消费画像；

优惠信息分析单元，用于获取商城或者实体店的购物优惠信息，自动判断优惠信息与用户购物清单的匹配度；

所述商品推荐模块包括：

周期商品推荐单元，用于根据用户以往的商品使用时长，以及商品消耗周期，到达对应的时间点时生成用户需求商品单推荐给用户；

类似商品推荐单元，用于根据用户的消费画像，将类似画像用户购买的商品推荐给用户；

优惠商品推荐单元，用于根据优惠信息与用户购物清单的匹配度，当优惠匹配上用户的购物习惯时生成推荐购物清单及优惠信息推荐给用户；

所述商品推荐模块的推荐方法具体为：

在基于内容推荐的基础上做了协同过滤的推荐，首先计算用户对商品的偏好，形成U-V矩阵，然后根据用户属性计算U-U与V-V的相似度和根据用户对商品的偏好计算U与V的相似度，使用计算相似度的方法分别为曼哈顿距离、Pearson相关系数；

曼哈顿距离表示两个n维向量a(x11,x11,…x1n)与b(x21,x21,…x2n)在标准坐标系上的绝对轴距之和：

其中，K为第几个维度，得出所有向量的值后，最小的值为相似度最高；

Pearson相关系数来衡量两个变量X,Y之间的线性相关性，Pearson：-1～1；

-1：完全负相关；1：完全正相关；0：不相关，其计算公式为：

其中E为数学期望，N表示变量的取值个数。