本發(fā)明涉及電力電商智能報價，特別涉及一種電商行業(yè)供應(yīng)鏈的訂單報價方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、目前，電力電商行業(yè)業(yè)務(wù)模式正在從以往的“自營”業(yè)務(wù)模式轉(zhuǎn)向為“自營”+“撮合”業(yè)務(wù)模式，傳統(tǒng)采購電力行業(yè)平臺報價，基于的是一單一詢的報價方法，報價路徑為：用戶詢價-銷售詢價-運(yùn)營處理-采購詢價-供應(yīng)商報價-采購定價-銷售定價-銷售報價-用戶確認(rèn)。此方法存在鏈路長、效率低、手續(xù)復(fù)雜等缺點，無法滿足多用戶、多供應(yīng)商的“撮合”業(yè)務(wù)模式，且電力行業(yè)的備件采購業(yè)務(wù)本身長期存在供貨周期長的問題，報價過程的響應(yīng)慢更是加劇了這一問題的產(chǎn)生。

2、由上可見，如何提高電商行業(yè)供應(yīng)鏈訂單報價的效率和報價過程響應(yīng)速度，實現(xiàn)多樣化、智能化的電商行業(yè)供應(yīng)鏈訂單報價是本領(lǐng)域有待解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種電商行業(yè)供應(yīng)鏈的訂單報價方法、裝置、設(shè)備及介質(zhì)，能夠提高電商行業(yè)供應(yīng)鏈訂單報價的效率和報價過程響應(yīng)速度，實現(xiàn)多樣化、智能化的電商行業(yè)供應(yīng)鏈訂單報價。其具體方案如下：

2、第一方面，本技術(shù)公開了一種電商行業(yè)供應(yīng)鏈的訂單報價方法，應(yīng)用于電商行業(yè)報價平臺，包括：

3、通過爬蟲爬取用于訓(xùn)練模型的歷史網(wǎng)頁數(shù)據(jù)，利用所述歷史網(wǎng)頁數(shù)據(jù)對隨機(jī)森林模型進(jìn)行訓(xùn)練，以得到訓(xùn)練后的所述隨機(jī)森林模型；

4、利用訓(xùn)練后的所述隨機(jī)森林模型對當(dāng)前網(wǎng)頁數(shù)據(jù)進(jìn)行分類，以得到分類結(jié)果，基于所述分類結(jié)果動態(tài)調(diào)整所述爬蟲的爬取策略，以得到爬蟲結(jié)果，根據(jù)所述爬蟲結(jié)果和電商行業(yè)供應(yīng)鏈的供應(yīng)商信息計算供應(yīng)商信用值；

5、獲取用戶的訂單信息，并將所述訂單信息發(fā)送至各供應(yīng)商，以便各所述供應(yīng)商返回基礎(chǔ)報價信息，基于所述基礎(chǔ)報價信息、所述訂單信息以及所述供應(yīng)商信用值計算對應(yīng)的目標(biāo)報價，并將所述目標(biāo)報價發(fā)送至所述用戶進(jìn)行訂單報價。

6、可選的，所述通過爬蟲爬取用于訓(xùn)練模型的歷史網(wǎng)頁數(shù)據(jù)，包括：

7、通過基于超文本傳輸協(xié)議請求的爬蟲爬取用于訓(xùn)練模型以及與企業(yè)信用評級相關(guān)的歷史網(wǎng)頁數(shù)據(jù)；

8、對所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行預(yù)處理，以得到預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)，對預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行特征提取，以得到網(wǎng)頁數(shù)據(jù)分類的特征。

9、可選的，所述對所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行預(yù)處理，以得到預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)，對預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行特征提取，以得到網(wǎng)頁數(shù)據(jù)分類的特征，包括：

10、對所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行異常值和錯誤值識別及噪聲處理、缺失值處理、重復(fù)數(shù)據(jù)處理、數(shù)據(jù)格式標(biāo)準(zhǔn)化處理，以得到預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)；

11、對預(yù)處理后的所述歷史網(wǎng)頁數(shù)據(jù)進(jìn)行特征提取，以得到網(wǎng)頁數(shù)據(jù)分類的特征；所述特征包括文本內(nèi)容、關(guān)鍵詞密度以及網(wǎng)頁結(jié)構(gòu)。

12、可選的，所述利用訓(xùn)練后的所述隨機(jī)森林模型對當(dāng)前網(wǎng)頁數(shù)據(jù)進(jìn)行分類，以得到分類結(jié)果，基于所述分類結(jié)果動態(tài)調(diào)整所述爬蟲的爬取策略，以得到爬蟲結(jié)果，包括：

13、利用訓(xùn)練后的所述隨機(jī)森林模型對當(dāng)前網(wǎng)頁數(shù)據(jù)進(jìn)行分類，并判斷所述當(dāng)前網(wǎng)頁數(shù)據(jù)與信用評級之間的相關(guān)性，以得到分類結(jié)果和信用評級相關(guān)性；

14、設(shè)定爬取策略，基于所述分類結(jié)果和所述信用評級相關(guān)性對所述爬取策略中的參數(shù)進(jìn)行動態(tài)調(diào)整，以得到爬蟲結(jié)果；

15、對所述爬取策略進(jìn)行實時監(jiān)測與優(yōu)化以及實時迭代更新。

16、可選的，所述根據(jù)所述爬蟲結(jié)果和電商行業(yè)供應(yīng)鏈的供應(yīng)商信息計算供應(yīng)商信用值，包括：

17、基于所述爬蟲結(jié)果選取模型建立指標(biāo)，根據(jù)所述模型建立指標(biāo)建立企業(yè)信用評級模型；

18、將所述供應(yīng)商信息和所述爬蟲結(jié)果輸入至所述企業(yè)信用評級模型中進(jìn)行計算，以得到供應(yīng)商信用值。

19、可選的，所述供應(yīng)商信用值的計算公式為：

20、；

21、其中，、、、、為權(quán)重數(shù)，為第i個供應(yīng)商的歷史供貨周期評分?jǐn)?shù)，為第i個供應(yīng)商針對第j個產(chǎn)品交易的供貨周期，為平臺歷史平均供貨周期，為第i個供應(yīng)商在電商行業(yè)報價平臺的交易總數(shù)，為第i個供應(yīng)商的歷史價格評分?jǐn)?shù)，為電商行業(yè)報價平臺針對第j個產(chǎn)品的歷史平均供貨價格，為第i個供應(yīng)商針對第j個產(chǎn)品的歷史供貨價格，為第i個供應(yīng)商的歷史售后率，為平臺歷史平均售后率，為爬蟲結(jié)果，為供應(yīng)商信用值。

22、可選的，所述目標(biāo)報價的計算公式為：

23、；

24、其中，為電商行業(yè)報價平臺針對供應(yīng)商報價，給出的價格系數(shù)，為第i個供應(yīng)商針對第個產(chǎn)品的基礎(chǔ)報價，為運(yùn)費，為用戶與發(fā)貨地的距離，為根據(jù)用戶下單量，所做的價格折扣部分，為用戶下單數(shù)量，為根據(jù)供應(yīng)商信用值，做出的價格補(bǔ)貼部分，為供應(yīng)商信用值，為目標(biāo)報價。

25、第二方面，本技術(shù)公開了一種電商行業(yè)供應(yīng)鏈的訂單報價裝置，應(yīng)用于電商行業(yè)報價平臺，包括：

26、模型訓(xùn)練模塊，用于通過爬蟲爬取用于訓(xùn)練模型的歷史網(wǎng)頁數(shù)據(jù)，利用所述歷史網(wǎng)頁數(shù)據(jù)對隨機(jī)森林模型進(jìn)行訓(xùn)練，以得到訓(xùn)練后的所述隨機(jī)森林模型；

27、信用值計算模塊，用于利用訓(xùn)練后的所述隨機(jī)森林模型對當(dāng)前網(wǎng)頁數(shù)據(jù)進(jìn)行分類，以得到分類結(jié)果，基于所述分類結(jié)果動態(tài)調(diào)整所述爬蟲的爬取策略，以得到爬蟲結(jié)果，根據(jù)所述爬蟲結(jié)果和電商行業(yè)供應(yīng)鏈的供應(yīng)商信息計算供應(yīng)商信用值；

28、訂單報價模塊，用于獲取用戶的訂單信息，并將所述訂單信息發(fā)送至各供應(yīng)商，以便各所述供應(yīng)商返回基礎(chǔ)報價信息，基于所述基礎(chǔ)報價信息、所述訂單信息以及所述供應(yīng)商信用值計算對應(yīng)的目標(biāo)報價信息，并將所述目標(biāo)報價信息發(fā)送至所述用戶進(jìn)行訂單報價。

29、第三方面，本技術(shù)公開了一種電子設(shè)備，包括：

30、存儲器，用于保存計算機(jī)程序；

31、處理器，用于執(zhí)行所述計算機(jī)程序，以實現(xiàn)前述的電商行業(yè)供應(yīng)鏈的訂單報價方法。

32、第四方面，本技術(shù)公開了一種計算機(jī)存儲介質(zhì)，用于保存計算機(jī)程序；其中，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)前述公開的電商行業(yè)供應(yīng)鏈的訂單報價方法的步驟。

33、可見，本技術(shù)提供了一種電商行業(yè)供應(yīng)鏈的訂單報價方法，包括通過爬蟲爬取用于訓(xùn)練模型的歷史網(wǎng)頁數(shù)據(jù)，利用所述歷史網(wǎng)頁數(shù)據(jù)對隨機(jī)森林模型進(jìn)行訓(xùn)練，以得到訓(xùn)練后的所述隨機(jī)森林模型；利用訓(xùn)練后的所述隨機(jī)森林模型對當(dāng)前網(wǎng)頁數(shù)據(jù)進(jìn)行分類，以得到分類結(jié)果，基于所述分類結(jié)果動態(tài)調(diào)整所述爬蟲的爬取策略，以得到爬蟲結(jié)果，根據(jù)所述爬蟲結(jié)果和電商行業(yè)供應(yīng)鏈的供應(yīng)商信息計算供應(yīng)商信用值；獲取用戶的訂單信息，并將所述訂單信息發(fā)送至各供應(yīng)商，以便各所述供應(yīng)商返回基礎(chǔ)報價信息，基于所述基礎(chǔ)報價信息、所述訂單信息以及所述供應(yīng)商信用值計算對應(yīng)的目標(biāo)報價，并將所述目標(biāo)報價發(fā)送至所述用戶進(jìn)行訂單報價。本技術(shù)應(yīng)用于電商行業(yè)報價平臺，利用爬蟲爬取歷史網(wǎng)頁數(shù)據(jù)，從而訓(xùn)練隨機(jī)森林模型，以便動態(tài)調(diào)整爬蟲的爬取策略，能夠使得供應(yīng)商信用值的計算更有科學(xué)依據(jù)，并且減少了傳統(tǒng)爬蟲算法產(chǎn)生的主題漂移現(xiàn)象，供應(yīng)商根據(jù)用戶的訂單信息返回基礎(chǔ)報價信息，然后基于供應(yīng)商信用值、訂單信息以及基礎(chǔ)報價信息計算出目標(biāo)報價，針對不同供應(yīng)商、不同用戶，智能生成差異化的目標(biāo)報價，實現(xiàn)多樣化、智能化的電商行業(yè)供應(yīng)鏈訂單報價，并且提高了電商行業(yè)供應(yīng)鏈訂單報價的效率和報價過程響應(yīng)速度。