[发明专利]一种基于人工智能的针对供方协同的物料档案检索方法

权利要求书

1.一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，该方法包括以下步骤：

获取用户输入的需求标签向量；

根据所述需求标签向量从物料库的历史物料库中选取相关的多个历史物料，构建直接检索库；所述物料库包括所述历史物料库和非历史物料库；从非历史物料库中选取与所述直接检索库中历史物料相关的多个非历史物料，构建预加载库；

扩增所述物料库中物料的初始标签向量，由扩增前后物料的被选择次数占比计算更新权重系数，根据所述更新权重系数更新初始标签向量；根据更新后的初始标签向量对直接检索库进行更新；

获取所述物料每次更新初始标签向量后的第一被选次数，构建物料被选次数序列；获取每次初始标签向量更新前后两个初始标签向量的相似度，构建标签相似度序列；由所述物料被选次数序列的方差和所述标签相似度序列的均值得到每个物料对应的稳定性；多个物料对应的所述稳定性作为更新条件首次更新预加载库，获取首次更新后预加载库中各非历史物料的第二被选次数，根据所述第二被选次数计算二次更新系数，二次更新预加载库；根据更新后的直接检索库和预加载库进行检索。

2.根据权利要求1所述的一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，所述物料的初始标签向量的获取方法，包括：

获取物料库中各物料的物料标签库，所述物料标签库包括物料标签向量和对应的标签权重向量；所述标签权重向量由物料标签向量中各标签元素在检索平台被检索的次数构建；所述物料在不同的检索平台具有不同的标签；

获取当前检索平台的各物料的历史标签构建历史标签库；根据所述历史标签库得到每个物料对应的匹配向量；

所述匹配向量和所述标签权重向量的相同位置处的元素的乘积作为初始权重向量；根据所述初始权重向量从物料标签向量中选取部分标签向量作为初始标签向量。

3.根据权利要求1所述的一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，所述根据所述需求标签向量从物料库的历史物料库中选取相关的多个历史物料，构建直接检索库，包括：

计算所述历史物料库中各历史物料的初始标签向量和所述需求标签向量的相似度作为第二匹配程度；

对所述第二匹配程度进行排序，选取最大的前k个第二匹配程度对应的历史物料，并按照所述第二匹配程度的大小顺序对k个历史物料进行排序，构建所述直接检索库。

4.根据权利要求1所述的一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，所述根据所述需求标签向量从物料库的历史物料库中选取相关的多个历史物料，构建直接检索库之前，还包括：

计算所述需求标签向量和物料库中多个物料的初始标签向量的相似度作为第一匹配程度；

按照所述第一匹配程度的大小顺序对所述物料库中的多个物料进行排序，构建系统库。

5.根据权利要求1所述的一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，所述从非历史物料库中选取与所述直接检索库中历史物料相关的多个非历史物料，构建预加载库，包括：

计算所述非历史物料库中各非历史物料的初始标签向量和所述直接检索库中各历史物料的初始标签向量的相似度作为相关度；

对所述相关度进行排序，选取最大的前k个相关度对应的非历史物料，并按照所述相关度的大小顺序对k个非历史物料进行排序，构建所述预加载库。

6.根据权利要求1所述的一种基于人工智能的针对供方协同的物料档案检索方法，其特征在于，所述由扩增前后物料的被选择次数占比计算更新权重系数，包括：

获取扩增前物料的被选择次数占比和扩增后物料的被选择次数占比；

所述更新权重系数的计算公式为：

其中，为所述更新权重系数；为所述扩增后物料的被选择次数占比；为所述扩增前物料的被选择次数占比。