[发明专利]一种替换物料推荐方法及系统

说明书

本发明提供一种替换物料推荐方法及系统，方法包括：获取物料替换需求信息，物料替换需求信息至少包括以下之一：待替换物料名称和待替换物料属性信息；根据待替换物料名称和/或待替换物料属性信息，获取最终替换条件，最终替换条件包括：一个或多个目标属性标签；将最终替换条件输入替换物料推荐模型进行替换物料推荐，获取替换物料序列，替换物料序列包括：多个替换物料；根据替换物料，获取与替换物料相对应的购买信息，购买信息包括：购买途径、购买价格、发货地点和预计到货时间；根据购买信息和预设的排序规则，对替换物料序列中的多个替换物料进行排序，完成替换物料推荐；本发明中的方法，实现了对替换物料的智能推荐，推荐准确度较高。

技术领域

本发明涉及数据处理领域，尤其涉及一种替换物料推荐方法及系统。

背景技术

在企业研发或实验的过程中，通常需要替换物料，如：将具备相同功能，且价格较低的物料作为替换物料。目前，通常需要根据待替换物料的特性，采用人工的方式，筛选出符合需求的替换物料，然而采用人工的方式寻找替换物料效率较低，且由于人的知识受限，容易导致寻找的替换物料与原始物料的可替换性较低，给企业和用户带来极大不便。

发明内容

本发明提供一种替换物料推荐方法及系统，以解决现有技术中采用人工的方式寻找替换物料效率较低，寻找的替换物料与原始物料的可替换性较低的问题。

本发明提供的替换物料推荐方法，包括：

获取物料替换需求信息，所述物料替换需求信息至少包括以下之一：待替换物料名称和待替换物料属性信息；

根据所述待替换物料名称和/或待替换物料属性信息，获取最终替换条件，所述最终替换条件包括：一个或多个目标属性标签；

将所述最终替换条件输入替换物料推荐模型进行替换物料推荐，获取替换物料序列，所述替换物料序列包括：多个替换物料；

根据所述替换物料，获取与替换物料相对应的购买信息，所述购买信息包括：购买途径、购买价格、发货地点和预计到货时间；

根据所述购买信息和预设的排序规则，对多个所述替换物料进行排序，完成替换物料推荐；

根据所述待替换物料名称和/或待替换物料属性信息，获取最终替换条件的步骤包括：

将所述待替换物料名称输入预设的替换条件数据库进行替换条件匹配，获取与所述待替换物料名称相对应的一个或多个替换属性标签，所述替换条件数据库包括：多个物料名称、多个替换属性标签，以及替换属性标签与物料名称之间的关联程度，所述替换属性标签与物料名称相互对应；

根据与所述待替换物料名称相对应的替换属性标签，以及对应的替换属性标签与待替换物料名称之间的关联程度，获取第一替换条件；

将所述待替换物料属性信息输入预先训练好的语义识别模型进行语义识别，获取一个或多个与所述待替换物料属性信息相对应的语义标签；

根据所述语义标签，获取第二替换条件；

根据所述第一替换条件和/或第二替换条件，生成最终替换条件；

所述替换物料推荐模型的获取步骤包括：

获取第二样本集，所述第二样本集包括：多个样本属性标签、属性标签权重标注和真实替换物料标注，所述样本属性标签与属性标签权重相互关联，所述样本属性标签与真实替换物料标注相互对应；

将所述第二样本集中的多个样本属性标签输入深度神经网络进行特征提取，获取特征向量；

根据所述特征向量和对应的属性标签权重，获取多个预测替换物料；

根据所述预测替换物料、真实替换物料标注和预先设置的第二损失函数，对所述深度神经网络进行训练，获取替换物料推荐模型。