本發(fā)明涉及電子商務領域，尤其涉及一種基于神經網絡的跨界易物平臺實現方法和跨界易物平臺。

背景技術：

隨著互聯網的發(fā)展，電子商務也在蓬勃的發(fā)展，通過互聯網能購買各式各樣的商品，而天貓、京東為代表的網上商城，即是其中的代表，但是隨著產能過剩以及經濟發(fā)展不景氣，網上商城的商品的同質化很嚴重，同時，如盜版之類的問題也愈發(fā)嚴重。國家對此提出了大眾創(chuàng)新的口號，即鼓勵民眾創(chuàng)新，發(fā)展自己的品牌，但是口碑并不是憑空出現，因此廠家的廣告與產品說明就顯得很重要，但是同時，消費者也存在一個問題，就是如何檢索到合乎自己需求的商品，現在的網上商城普遍提供的是基于價格高低、商品名稱的檢索功能，但是這樣對新生代的產品會造成檢索上的不利，而消費者也不能很好很快的找到想要的產品。

技術實現要素：

本發(fā)明通過提供一種基于神經網絡的跨界易物平臺實現方法和平臺，能夠實現快速的找到合適的商品，提高消費者的消費體驗。

本發(fā)明采用的技術方案一方面提供一種基于神經網絡的跨界易物平臺實現方法，其應用于一易物平臺，該易物平臺包括管理伺服器及數據庫，該方法包括下列步驟：步驟1)由該管理伺服器接受交易會員的加入申請；步驟2)在該易物平臺與該交易會員之間建立易物及會員之間易物，例如在該易物平臺與該交易會員之間建立資金流且在該易物平臺與該交易會員的金融交易系統之間建立信息流；步驟3)由該管理伺服器接收該交易會員通過會員終端機所輸入的查詢數據，搜索對應的商品，包括以下步驟：a、接收交易會員輸入的查詢數據，令其名為查詢數據；b、簡化查詢數據，得到由關鍵字組成的需求索引；c、通過神經網絡算法，從數據庫中提取符合需求索引的商品信息，標記其為目標信息，計算目標信息的權值并按照權值大小進行排序；d、輸出經過排序的目標信息；步驟4)由該管理伺服器接收該交易會員通過會員終端機所輸入的購買信息，處理生成購買訂單，并將購買訂單發(fā)送至處理單元以完成訂單。

優(yōu)選地所述易物平臺通過網際網絡、有線通訊裝置和無線通訊裝置的方式與該交易會員的金融交易系統建立信息流，由該易物平臺的交割賬戶與該交易會員進行交割金額的匯寄，以建立兩者的資金流，由該會員終端機通過網際網絡、有線通訊裝置和無線通訊裝置的方式操作該易物平臺。

優(yōu)選地步驟b還包括通過關鍵字檢測提取查詢數據中名詞、動詞和形容詞。

優(yōu)選地步驟c還包括通過神經網絡模型計算所述關鍵字之間的相關性。

優(yōu)選地步驟c還包括通過tf-idf方法對目標信息進行排序。

優(yōu)選地步驟4)還包括管理伺服器根據購買信息，計算出一個用戶積分并賦予交易用戶。

本發(fā)明的技術方案的另一方面提供一種基于神經網絡的跨界易物平臺，其特征在于包括用于存儲商品信息的數據庫和管理伺服器，其中所述管理伺服器用于執(zhí)行以下步驟：接受交易會員的加入申請；在該易物平臺與該交易會員之間建立易物及會員之間易物，例如在該易物平臺與該交易會員之間建立資金流且在該易物平臺與該交易會員的金融交易系統之間建立信息流；接收交易會員輸入的查詢數據；簡化查詢數據，得到由關鍵字組成的需求索引；通過神經網絡算法，從數據庫中提取符合需求索引的商品信息，標記其為目標信息，計算目標信息的權值并按照權值大小進行排序；輸出經過排序的目標信息；接收該交易會員通過會員終端機所輸入的購買信息，處理生成購買訂單，并將購買訂單發(fā)送至處理單元以完成訂單。

本發(fā)明的有益效果為通過神經網絡，能夠對用戶想要檢索的內容進行檢索并排序，客戶能夠根據順序對檢索結果進行瀏覽，然后從中選擇中意的商品，這樣作為新產品的廠商能夠完成宣傳和盈利，消費者也能找到符合自己獨特需求的商品，提高了消費者的購物體驗，實現廠商和消費者的雙贏。

附圖說明

圖1為實施例根據本發(fā)明方案的一種基于神經網絡的跨界易物平臺實現方法的流程圖；

圖2為實施例根據本發(fā)明方案的易物平臺操作的流程示意圖。

具體實施方式

下面結合實施例對本發(fā)明的技術方案進行說明。

實施例1，如圖1所示，一種基于神經網絡的跨界易物平臺實現方法的流程圖，其應用于一易物平臺，該易物平臺包括管理伺服器及數據庫，該方法包括下列步驟：步驟1)由該管理伺服器接受交易會員的加入申請；步驟2)在該易物平臺與該交易會員之間建立易物及會員之間易物，例如在該易物平臺與該交易會員之間建立資金流且在該易物平臺與該交易會員的金融交易系統之間建立信息流；步驟3)由該管理伺服器接收該交易會員通過會員終端機所輸入的查詢數據，搜索對應的商品，包括以下步驟：a、接收交易會員輸入的查詢數據，令其名為查詢數據；b、簡化查詢數據，得到由關鍵字組成的需求索引；c、通過神經網絡算法，從數據庫中提取符合需求索引的商品信息，標記其為目標信息，計算目標信息的權值并按照權值大小進行排序；d、輸出經過排序的目標信息；步驟4)由該管理伺服器接收該交易會員通過會員終端機所輸入的購買信息，處理生成購買訂單，并將購買訂單發(fā)送至處理單元以完成訂單。

用戶通過如手機、個人電腦等終端進入易物平臺，完成注冊之后，即可進行檢索，例如輸入“買利于身體健康的飲用水”，管理伺服器會先對該內容進行一個簡化，通過關鍵字匹配，可以將“買利于身體健康的飲用水”簡化為“買”“健康”“水”的形式，然后在數據庫中提取符合上述特點的商品的介紹(即商品信息)，但是人與人之間的用詞習慣與文化教育水平的原因，可能在簡化過程中會出現一些引起誤會的輸入例子，如“喝的水，買點”，那么簡化結果就可能為“喝”“水”“買”。針對這個情況，引入神經網絡的算法，通過神經網絡，能排除語言習慣使用人數較少的例子，或者語法有問題的例子，實現精確檢索的目的。

神經網絡是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節(jié)點之間相互連接的關系，從而達到處理信息的目的。

交易會員為具有行為能力的個人和具有合法資格的企業(yè)體。系統面向個人和企業(yè)。

所述易物平臺通過網際網絡、有線通訊裝置和無線通訊裝置的方式與該交易會員的金融交易系統建立信息流，由該易物平臺的交割賬戶與該交易會員進行交割金額的匯寄，以建立兩者的資金流，由該會員終端機通過網際網絡、有線通訊裝置和無線通訊裝置的方式操作該易物平臺。

會員能通過各種方式連入易物平臺，同時經過建立易物平臺與金融系統的連接，實現資金的轉移。

所述步驟b還包括通過關鍵字檢測提取查詢數據中名詞、動詞和形容詞。

名詞可以作為商品名來進行區(qū)別，動詞可以做為交易類型進行區(qū)別，形容詞作為客戶所需的功能進行區(qū)別。如上述例子“買”“健康”“水”中“買”為動詞，作為交易類型，“健康”為形容詞，作為客戶關心的功能，“水”為名詞，即商品名。

步驟c還包括通過神經網絡模型計算所述關鍵字之間的相關性。采用的算法公式如下：

其中u(i)，u(j)，u(i∧j)，u(i∨j)表示在n篇文獻中出現詞語i，j，i與j，i或j的集合。領域權值lij的作用為排除不相關的文獻，因為使用“買”對應“水”檢索時和使用“水”檢索時定義權值是完全不一樣的。lij＝pij-pi，其中pij為詞i與詞j一起時檢索的查準率，pij＝(詞i與詞j共同出現時的文獻數)/(包含詞i與詞j的文獻數)；pi為只有詞i進行檢索時的查準率，pi＝為(詞i出現時的文獻數)/(包含詞i與詞j的文獻數)；

然后根據wij＝sij*lij，計算出wij，當wij＞0時，則說明其中一關鍵字對另一個關鍵字起到促進作用，即實際上這個組合出現的概率更大；當wij＜0時，則說明其中一關鍵字對另一個關鍵字起到抑制作用，即這個組合出現概率很低，即這個組合可能是錯誤的組合。

如上述“點喝的水，要買”的例子，簡化結果為“喝”“水”“要買”，那么定義連接權值wij，wij＝sij*lij。其中sij為其中一個關鍵字”買”(詞i)對另一個關鍵字“水”(詞j)的關聯度權值，lij為一個關鍵字”買”(詞i)對另一個關鍵字“水”“水”的領域權值。sij＝ti*cij，ti為“買”的權值，ti＝log(n/ni)其中n為一定商品信息的文獻數，ni為該n篇文獻中“買”(詞i)出現的個數。cij＝為“買”(詞i)“水”(詞j)這兩個關鍵字的共現率。

步驟c還包括通過tf-idf方法對目標信息進行排序。

tf-idf是一種統計方法，用以評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現的次數成正比增加，但同時會隨著它在語料庫中出現的頻率成反比下降。tfidf的主要思想是：如果某個詞或短語在一篇文章中出現的頻率tf高，并且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區(qū)分能力，適合用來分類。tfidf實際上是：tf*idf，tf詞頻(termfrequency)，idf逆向文件頻率(inversedocumentfrequency)。tf表示詞條在文檔d中出現的頻率。idf的主要思想是：如果包含詞條t的文檔越少，也就是n越小，idf越大，則說明詞條t具有很好的類別區(qū)分能力。如果某一類文檔c中包含詞條t的文檔數為m，而其它類包含t的文檔總數為k，顯然所有包含t的文檔數n＝m+k，當m大的時候，n也大，按照idf公式得到的idf的值會小，就說明該詞條t類別區(qū)分能力不強。但是實際上，如果一個詞條在一個類的文檔中頻繁出現，則說明該詞條能夠很好代表這個類的文本的特征，這樣的詞條應該給它們賦予較高的權重，并選來作為該類文本的特征詞以區(qū)別與其它類文檔。

使用tf-idf方法計算詞i對于文獻k的權值：其中fid，i＝log(n/ni)是詞i對應的逆文獻頻率，i表示所有詞的集合，fik為詞i在文獻k中出現的次數。文獻k的相似度其中wik為詞i的神經元激活值，為神經網絡通過一定學習準則進行的識別判斷能力0≤wik≤1，當wik越接近1則說明，對詞i的識別能力就越強。

將sk大于一定閾值的文獻作為檢索結果提交給客戶，順序是按sk從大到小排列。

步驟4)還包括管理伺服器根據購買信息，計算出一個用戶積分并賦予交易用戶。

如圖2所示易物平臺操作的流程示意圖。

第一步，用戶輸入查詢內容；第二步，通過神經網絡處理查詢信息；第三步，數據塊根據查詢信息提取匹配的信息；第四步，通過神經網絡對從數據庫提取的信息進行排序；第五步，將經過排序的信息反饋到客戶。

根據本發(fā)明的實施例，一種基于神經網絡的跨界易物平臺，其特征在于包括用于存儲商品信息的數據庫和管理伺服器，其中所述管理伺服器用于執(zhí)行以下步驟：接受交易會員的加入申請；在該易物平臺與該交易會員之間建立易物及會員之間易物，例如在該易物平臺與該交易會員之間建立資金流且在該易物平臺與該交易會員的金融交易系統之間建立信息流；接收交易會員輸入的查詢數據；簡化查詢數據，得到由關鍵字組成的需求索引；通過神經網絡算法，從數據庫中提取符合需求索引的商品信息，標記其為目標信息，計算目標信息的權值并按照權值大小進行排序；輸出經過排序的目標信息；接收該交易會員通過會員終端機所輸入的購買信息，處理生成購買訂單，并將購買訂單發(fā)送至處理單元以完成訂單。

神經網絡的商品信息樣本可以從多個渠道獲取，所述渠道包括b2b渠道和/或b2c渠道和/或c2c渠道和/或c2b渠道和/或o2o渠道和/或c2f渠道等。當用戶輸入檢索關鍵字時，中心平臺接收關鍵字并通過基于多渠道樣本的神經網絡智能搜索匹配。通過該方法可實現各渠道之間、各渠道與中心平臺之間的數據交互，進而實現多渠道跨界易物。

采用購買商品贈送積分形式，積分承當的易物媒介作用，實現拉動消費、盤活庫存的有益效果。

當消費者在跨界易物平臺中消費時，消費者身份轉化為消費商。

以上所述，只是本發(fā)明的較佳實施例而已，本發(fā)明并不局限于上述實施方式，只要其以相同的手段達到本發(fā)明的技術效果，都應屬于本發(fā)明的保護范圍。在本發(fā)明的保護范圍內其技術方案和/或實施方式可以有各種不同的修改和變化。