[发明专利]一种基于词频的相似供应商推荐方法及装置

权利要求书

1.一种基于词频的相似供应商推荐方法，其特征在于， 包括：

从历史采购信息中获取供应商信息，对供应商信息进行预处理后形成词集列表，所述预处理包括：对供应商信息进行分词、词性还原；

根据词频计算所述词集列表中每个词的权重，获取重要特征词集及列表；

把每一个供应商的重要特征词集向量化，形成供应商集合，将供应商集合分为供应商训练集和供应商测试集；

将供应商训练集输入LSTM神经网络模型进行训练，将供应商测试集输入训练好的LSTM神经网络进行测试，得到通过测试的LSTM神经网络模型；

将拟采购标的物信息输入训练好的神经网络模型中，得到推荐的供应商集合。

2.根据权利要求1所述的一种基于词频的相似供应商推荐方法，其特征在于，所述供应商信息包括企业属性信息、企业规模信息和评价信息；所述供应商信息从历史采购信息、企业公开信息中获取。

3.根据权利要求2所述的一种基于词频的相似供应商推荐方法，其特征在于，LSTM神经网络模型的输入还包括采购方集合，所述采购方集合为每一个采购方的重要特征词集向量化后的集合。

4.根据权利要求1所述的一种基于词频的相似供应商推荐方法，其特征在于，输入LSTM神经网络时，将一个向量化的采购方重要特征词集与一个向量化的供应商重要特征词集进行堆叠操作后形成堆叠输入向量，操作公式为：

；

其中为堆叠输入向量，一个向量化的采购方重要特征词集，为一个向量化的供应商重要特征词集，将加入LSTM神经网络中进行训练。

5.根据权利要求4所述的一种基于词频的相似供应商推荐方法，其特征在于，堆叠输入向量输入LSTM神经网络后，还包括：

训练集通过LSTM神经网络的遗忘门，进行信息丢弃动作；

将信息丢弃后的训练集通过LSTM神经网络的输入门，进行信息跟新动作；

将信息更新后的训练集通过LSTM神经网络的输出门，输出训练结果；

将测试数据输入训练好的LSTM神经网络，得到测试结果，验证网络的准确性，若准确性达到要求，完成训练，得到训练好的LSTM神经网络。

6.一种基于词频的相似供应商推荐装置，其特征在于，包括：

供应商信息获取模块，所述供应商信息获取模块从历史采购信息中获取供应商信息，对供应商信息进行预处理后形成词集列表，所述预处理包括：对供应商信息进行分词、词性还原；

重要特征词集获取模块，所述重要特征词集获取模块根据词频计算所述词集列表中每个词的权重，获取重要特征词集及列表；

供应商集合生成模块，所述供应商集合生成模块把每一个供应商的重要特征词集向量化，形成供应商集合，将供应商集合分为供应商训练集和供应商测试集；

模型生成模块，所述模型生成模块将供应商训练集输入LSTM神经网络模型进行训练，将供应商测试集输入训练好的LSTM神经网络进行测试，得到通过测试的LSTM神经网络模型；

推荐模块，所述推荐模块将拟采购标的物信息输入训练好的神经网络模型中，得到推荐的供应商集合。

7.根据权利要求6所述的一种基于词频的相似供应商推荐装置，其特征在于，所述供应商信息获取模块获取的所述供应商信息包括企业属性信息、企业规模信息和评价信息；所述供应商信息获取模块从历史采购信息、企业公开信息中获取供应商信息。

8.根据权利要求6所述的一种基于词频的相似供应商推荐装置，其特征在于，还包括采购方集合生成模块，所述采购方信息获取模块获取采购方信息，进行预处理后把每一个采购商的重要特征词集向量化，形成采购商集合；

进行训练过程中，输入LSTM神经网络模型的输入还包括采购方集合，所述采购方集合为每一个采购方的重要特征词集向量化后的集合。