一种标书推荐方法、系统、设备及存储介质与流程

技术特征：
1.一种标书推荐方法，其特征在于，包括如下步骤：维度获取：确定供应商的属性维度，以及确定标书的属性维度；模型训练：采用自注意力机制对供应商的属性、标书的属性进行特征交叉，得到供应商高阶特征以及标书高阶特征；再将供应商高阶特征以及标书高阶特征送入神经网络建模，生成供应商的嵌入表示、标书的嵌入表示以及边的嵌入表示；标书推荐：选择需要推荐的标书，计算供应商和标书嵌入表示的相似度得分，向供应商推荐得分最高的k个标书。2.如权利要求1所述的标书推荐方法，其特征在于，所述维度获取步骤包括：定义供应商属性集合ω
s
和标书属性集合ω
t
，对每个属性进行随机初始化d维的向量e
d
。3.如权利要求1所述的标书推荐方法，其特征在于，所述神经网络可选为图神经网络、递归神经网络、卷积神经网络、全连接神经网络。4.如权利要求1所述的标书推荐方法，其特征在于，所述再将供应商高阶特征以及标书高阶特征送入神经网络建模，生成供应商的嵌入表示、标书的嵌入表示以及边的嵌入表示包括：将供应商高阶特征以及标书高阶特征送入图神经网络，通过图卷积的方式聚合邻居信息，对各层输出的嵌入表示进行拼接或求平均，得到最终嵌入。5.如权利要求4所述的标书推荐方法，其特征在于，所述通过图卷积的方式聚合邻居信息的聚合函数如下：上式中，表示第l层供应商节点s的聚合函数，表示节点s的邻居节点，表示节点t的邻居节点；通过求平均得到的所述最终嵌入的表达式如下：上式中，表示供应商节点s的最终嵌入表示，l表示堆叠的层数。6.如权利要求5所述的标书推荐方法，其特征在于，所述计算供应商和标书嵌入表示的相似度得分的表达式如下：
上式中，表示的转置。7.一种标书推荐系统，应用到如权利要求1至6任一项所述的方法，其特征在于，包括：维度获取模块，用于确定供应商的属性维度，以及确定标书的属性维度；模型训练模块，用于采用自注意力机制对供应商的属性、标书的属性进行特征交叉，得到供应商高阶特征以及标书高阶特征；再将供应商高阶特征以及标书高阶特征送入神经网络建模，生成供应商的嵌入表示、标书的嵌入表示以及边的嵌入表示；标书推荐模块，用于选择需要推荐的标书，计算供应商和标书嵌入表示的相似度得分，向供应商推荐得分最高的k个标书。8.一种电子设备，其特征在于，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行如权利要求1至6任一项所述的方法。9.一种可读存储介质，其特征在于，所述可读存储介质存储有执行指令，所述执行指令被处理器执行时用于实现如权利要求1至6任一项所述的方法。

技术总结
本发明属于推荐系统领域，具体涉及一种标书推荐方法、系统、设备及存储介质，标书推荐方法包括：维度获取：确定供应商以及标书的属性维度；模型训练：采用自注意力机制对供应商的属性、标书的属性进行特征交叉，得到供应商高阶特征以及标书高阶特征；再将供应商高阶特征以及标书高阶特征送入神经网络建模，生成供应商的嵌入表示、标书的嵌入表示以及边的嵌入表示；标书推荐：选择需要推荐的标书，计算供应商和标书嵌入表示的相似度得分，向供应商推荐得分最高的K个标书。本发明通过属性交互捕捉属性之间的高阶特征，自注意力机制和图神经网络联合训练实现自交互和跨交互，最大化利用交互所携带的有效信息，能够有效提供推荐的准确度。度。度。


技术研发人员：谷满昌 胡小楠
受保护的技术使用者：中建电子商务有限责任公司
技术研发日：2022.01.13
技术公布日：2022/4/22