一種面向醫(yī)療器械b2b網(wǎng)站用戶的智能評價方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息技術(shù)領(lǐng)域，具體涉及網(wǎng)站用戶評價技術(shù)，特別地涉及一種面向醫(yī) 療器械B2B網(wǎng)站用戶的智能評價方法和系統(tǒng)。
【背景技術(shù)】
[0002] 近年來，隨著通信技術(shù)的發(fā)展以及互聯(lián)網(wǎng)用戶數(shù)的顯著增長，基于互聯(lián)網(wǎng)的各種 應用應運而生，給人們的日常生活帶來了極大的便利。網(wǎng)上購物因其所具備的跨地域性、可 交互性和全天候性等優(yōu)點受到越來越多消費者的青睞。由于在互聯(lián)網(wǎng)上銷售商品相比實體 店的銷售模式具有一些特色和優(yōu)勢，因而引發(fā)不少商品供應商紛紛觸網(wǎng)，醫(yī)療器械供應商 也不例外。在我國，醫(yī)療器械作為較特殊的商品，其在網(wǎng)上銷售往往通過具備"互聯(lián)網(wǎng)藥品 交易服務資格證書"的醫(yī)療器械B2B網(wǎng)站進行，醫(yī)療器械買賣雙方通過這種渠道進行醫(yī)療器 械的網(wǎng)上交易，能大大減少流通環(huán)節(jié)，節(jié)約成本和降低采購難度。然而，隨著醫(yī)療器械B2B 網(wǎng)站注冊用戶數(shù)的增長，以及網(wǎng)上交易次數(shù)的增多，用戶誠信與交易風險問題凸顯。為了更 好地評估網(wǎng)上交易的成交可能性和盡可能地預防交易風險，對網(wǎng)站注冊用戶進行科學、客 觀的評價是一件非常重要和有意義的工作。
[0003] 目前，對醫(yī)療器械B2B網(wǎng)站用戶的評價大多以用戶注冊時填寫的基本信息為主， 或者照搬一些網(wǎng)上賣家考核指標里的信用評價，該評價往往由每筆交易的另一方填報，通 過這種評價方式所給的結(jié)果，在一定程度上對交易的風險預估具有意義，然而，上述評價方 法也存在一定局限性，由于僅僅只考慮到用戶注冊信息或者賣家信用，因此，普遍存在如下 問題：
[0004] (1)評價指標較為單一，無法全面、客觀反應用戶真實狀況，對網(wǎng)站用戶的評價采 用程度形容詞為主，等級間界限模糊，不便直觀解讀；
[0005] (2)所用評價規(guī)則庫缺乏反饋與自動更新機制，易出現(xiàn)評價滯后現(xiàn)象，導致所獲評 價與用戶實情差距大，準確性不高。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是針對現(xiàn)有醫(yī)療器械B2B網(wǎng)站用戶評價的不足，綜合利用數(shù)據(jù)挖 掘、多元回歸建模和自然語言處理技術(shù)對網(wǎng)站用戶的基本信息、歷史交易信息、網(wǎng)上評論進 行計算與建模，給網(wǎng)站的每個用戶一個量化的評價值，以達到客觀、全面和直觀評價用戶， 為預防網(wǎng)上交易風險作參考的目的。
[0007] 為達到上述目的，本發(fā)明采用如下技術(shù)方案，包含如下內(nèi)容：
[0008] 1、一種面向醫(yī)療器械B2B網(wǎng)站用戶的智能評價方法和系統(tǒng)，其特征在于，評價方 法包括4個步驟，具體為：
[0009] 步驟1 :建立用戶評價指標庫；
[0010] 依次包括：B2B網(wǎng)站用戶數(shù)據(jù)挖掘、用戶評價指標選取和用戶指標庫形成共3個過 程，其中：
[0011] B2B網(wǎng)站用戶數(shù)據(jù)挖掘：通過對醫(yī)療器械B2B網(wǎng)站用戶的基本信息、歷史交易信 息、網(wǎng)上評論信息進行數(shù)據(jù)預處理、自然語言處理、分類的操作，對歷史交易信息采用改進 的K均值聚類算法進行聚類的流程如下：
[0012] 流程1 :數(shù)據(jù)預處理；將網(wǎng)站的歷史交易信息里每筆交易（Ti)中的產(chǎn)品總數(shù)量 (Q)、交易總金額（M)、完成交付的天數(shù)（D)、交易完成后對方的評分（S)，進行統(tǒng)計并導出到 Excel M ;
[0013] 流程2 :初始化聚類中心；設定要劃分的聚類簇數(shù)為k個，以及這k個聚類的簇中 心 Cj(QID1S), j = 1，2, ...，k ;
[0014] 流程3:開始循環(huán)，計算歐式距離并分類；進入循環(huán)，計算每筆交易（Ti)中的產(chǎn) 品總數(shù)量（Q)、交易總金額（M)、完成交付的天數(shù)（D)、交易完成后對方的評分（S)到k個 聚類簇中心的歐式距離DCr i, Cj)，i = 1，2,…，n, j = 1，2,…，k ;如果滿足DCri, Ck)= min {D (Ti, Cj)，j = 1，2,…，η}，則將其劃分到最相近的類簇；
[0015] 流程4 :重新計算每類的均值用以確定新的聚類中心；新的聚類中心的計算公式 如下：
[0016]
【主權(quán)項】
1. 一種面向醫(yī)療器械B2B網(wǎng)站用戶的智能評價方法和系統(tǒng)，其特征在于，評價方法包 括四個步驟，具體為： 步驟1 :建立用戶評價指標庫； 依次包括：B2B網(wǎng)站用戶數(shù)據(jù)挖掘、用戶評價指標選取和用戶指標庫形成共三個過程， 其中： B2B網(wǎng)站用戶數(shù)據(jù)挖掘：通過對醫(yī)療器械B2B網(wǎng)站用戶的基本信息、歷史交易信息、網(wǎng) 上評論信息進行數(shù)據(jù)預處理、分類的操作，采用改進的K均值聚類算法對歷史交易信息進 行聚類的流程如下： 流程1 :數(shù)據(jù)預處理；將網(wǎng)站的歷史交易信息里每筆交易（Ti)中的產(chǎn)品總數(shù)量（Q)、交 易總金額（M)、完成交付的天數(shù)（D)、交易完成后對方的評分（S)，進行統(tǒng)計并導出到Excel 里； 流程2 :初始化聚類中心；設定要劃分的聚類簇數(shù)為k個，以及這k個聚類的簇中心 Cj(QID1S), j = l，2，...，k; 流程3:開始循環(huán)，計算歐式距離并分類；進入循環(huán)，計算每筆交易（Ti)中的產(chǎn)品總數(shù) 量（Q)、交易總金額（M)、完成交付的天數(shù)（D)、交易完成后對方的評分⑶到k個聚類簇中 心的歐式距離 D (Ti, Cj)，i = 1，2,…，n，j = 1，2,…，k ;如果滿足D (Ti, Ck) = min {D (Ti, Cj)，j =1，2,…，η}，則將其劃分到最相近的類簇； 流程4 :重新計算每類的均值用以確定新的聚類中心；新的聚類中心的計算公式如下： n j /=1 式中，C； 足聚類中心，&是第j個聚類域n中所包含的樣本個數(shù)，T，是 第j個聚類簇里的每筆交易； 流程5 :計算每類的誤差平方和并判斷；誤差平方和的計算公式如下： 2 J = YZV1! ~cki^M^st j=l k=\ 式中，J是誤差平方和準則函數(shù)，r^_是第j個聚類域η中所包含的樣本個數(shù)，T 是第 j個聚類簇里的k筆交易，是第j個聚類簇的聚類中心； 判斷J是否收斂，如果收斂，則結(jié)束并跳出循環(huán)；否則循環(huán)加1，返回流程3,繼續(xù)計算k 個新的聚類中心； 流程6 :輸出歷史交易信息的k個聚類集合； 用戶評價指標選?。翰扇elphi專家意見法，根據(jù)專家反饋的意見確定用于用戶評價 的指標由注冊資金、注冊時長、交易次數(shù)、交易金額、交易評分、服務評分、誠信評分、留言評 分、受罰次數(shù)共9項指標構(gòu)成； 用戶評價指標庫形成：對所選的9項用戶評價指標，采用AHP層次分析法確定指標權(quán) 重，形成醫(yī)療器械B2B網(wǎng)站用戶指標庫； 步驟2 :評價規(guī)則庫建模； 依次包括：多元回歸建模、人工智能建模和智能評價規(guī)則庫形成共三個過程，其中： 多元回歸建模：通過多元回歸模型來量化醫(yī)療器械B2B網(wǎng)站用戶綜合評價分，其多元 回歸模型形式如下： Y = α + β ^Xi 式中，Y指綜合評價分，α是截距項，i取1到9,即9項指標；β指回歸系數(shù)，由最小二 乘法估算得出；Xi指回歸變量，即：經(jīng)過數(shù)據(jù)預處理后可供回歸計算用的9項指標數(shù)值； 人工智能建模：使用BP神經(jīng)網(wǎng)絡來對醫(yī)療器械B2B網(wǎng)站用戶指標庫中的指標值進行樣 本訓練與建模，包括：設計網(wǎng)絡層數(shù)、設計神經(jīng)節(jié)點數(shù)、設計傳遞函數(shù)和學習函數(shù)共3個流 程，具體如下： 流程1 :設計網(wǎng)絡層數(shù)；考慮到3層BP神經(jīng)網(wǎng)絡能以任意精度逼近任意映射關(guān)系，因 此，BP神經(jīng)網(wǎng)絡的層數(shù)選定為3層，即：輸入層、隱含層和輸出層； 流程2 :設計神經(jīng)節(jié)點數(shù)；輸入層節(jié)點數(shù)目設置為9,即：9項指標；輸出層節(jié)點數(shù)設置 為1，即：輸出多元回歸建模得到的綜合評價分；隱含層節(jié)點數(shù)由經(jīng)驗公式VTT萬+ ?以及 反復訓練給出，式中，I是輸入層節(jié)點數(shù)，〇是輸出層節(jié)點數(shù)，η由1到10的整數(shù)構(gòu)成； 神經(jīng)網(wǎng)絡的均方誤差計算公式如下：
式中，MSE是整個BP神經(jīng)網(wǎng)絡的均方誤差，η是輸出節(jié)點總數(shù)，s是訓練樣本的總數(shù)， &是BP神經(jīng)網(wǎng)絡的期望輸出值，ysj是BP神經(jīng)網(wǎng)絡的實際輸出值； 流程3 :設計傳遞函數(shù)和學習函數(shù)；選用tansig作為隱含層神經(jīng)元傳遞函數(shù)；選用 purelin作為輸出層神經(jīng)元傳遞函數(shù)；選用traingdx作為訓練函數(shù)；采用0. 1作為學習速 率初始值；采用〇. 9作為動量因子的初始值； 智能評價規(guī)則庫形成：在多元回歸建模和人工智能建模的基礎(chǔ)上，提取規(guī)則在數(shù)據(jù) 庫"Database_B2B_MIA"中建立智能評價規(guī)則庫表"tb_AssessRule"用于智能評價，"tb_ AssessRule"的表結(jié)構(gòu)包含規(guī)則序號、內(nèi)容、規(guī)則類型、可信度共四個字段，其中： 規(guī)則序號：數(shù)據(jù)庫設計成自動增1的方式，初始值是1 ; 內(nèi)容：用varchar (200)類型表示，將之前建模所得的規(guī)律轉(zhuǎn)化成規(guī)則形式保存到數(shù)據(jù) 庫； 規(guī)則類型：用varchar(4)類型表示，并以0表示負向相關(guān)，1表示正向相關(guān)； 可信度：采用numeric^ 4)類型表示，記錄每條規(guī)則的可信程度百分比； 步驟3 :執(zhí)行評價； 依次包括：選取用戶和進行評價共兩個過程，其中： 選取用戶：從醫(yī)療器械B2B網(wǎng)站選取待評價的對象，即已經(jīng)完成網(wǎng)站注冊的用戶； 進行評價：調(diào)用智能評價規(guī)則庫里的規(guī)則，進行相似性的自動評價匹配； 步驟4 :輸出并反饋； 依次包括：輸出結(jié)果和更新智能評價規(guī)則庫共兩個過程，其中： 輸出結(jié)果：輸出所選用戶經(jīng)過智能評價后給出的分值，分值范圍是0到100 ; 更新智能評價規(guī)則庫：將所得結(jié)果反饋至智能評價規(guī)則庫，并使用觸發(fā)器自動更新對 應的規(guī)則。
2.基于權(quán)利要求1所述的面向醫(yī)療器械B2B網(wǎng)站用戶的智能評價系統(tǒng)，其特征在于包 括四個模塊：建立用戶評價指標庫模塊，評價規(guī)則庫建模模塊，執(zhí)行評價模塊，輸出并反饋 模塊，這4個模塊分別執(zhí)行對應于面向醫(yī)療器械B2B網(wǎng)站用戶的智能評價方法中的四個步 驟；其中： 所述建立用戶評價指標庫模塊，包括B2B網(wǎng)站用戶數(shù)據(jù)挖掘、用戶評價指標選取和用 戶指標庫形成共3個子模塊，這3個子模塊分別執(zhí)行權(quán)利要求1步驟1中3個過程的功能； 所述評價規(guī)則庫建模模塊，包括多元回歸建模、人工智能建模和智能評價規(guī)則庫形成 共3個子模塊，這3個子模塊分別執(zhí)行權(quán)利要求1步驟2中3過程的功能； 所述執(zhí)行評價模塊，包括選取用戶和進行評價共2個子模塊，這2個子模塊分別執(zhí)行權(quán) 利要求1步驟3中2個過程的功能； 所述輸出并反饋模塊，包括輸出結(jié)果和更新智能評價規(guī)則庫共2個子模塊，這2個子模 塊分別執(zhí)行權(quán)利要求1步驟4中2個過程的功能。
【專利摘要】本發(fā)明屬于信息技術(shù)領(lǐng)域，具體為一種面向醫(yī)療器械B2B網(wǎng)站用戶的智能評價方法和系統(tǒng)。評價方法包括四個步驟，步驟1：建立用戶評價指標庫；步驟2：評價規(guī)則庫建模；步驟3：執(zhí)行評價；步驟4：輸出并反饋；評價系統(tǒng)包括對應的四個模塊，分別執(zhí)行四個步驟的功能。本發(fā)明通過對醫(yī)療器械B2B網(wǎng)站用戶的基本信息、歷史交易信息、網(wǎng)上評論信息進行綜合計算與建模，給網(wǎng)站的每個用戶一個量化的評價值，用于網(wǎng)上交易時作參考，以達到評估成交可能性和預防潛在風險的目的。本發(fā)明優(yōu)點：(1)綜合利用數(shù)據(jù)挖掘、多元回歸建模和自然語言處理技術(shù)對網(wǎng)站用戶建模評價，客觀且全面；(2)具備反饋機制，能不斷完善智能評價規(guī)則庫，使評價結(jié)果更準確。
【IPC分類】G06F17-30
【公開號】CN104636447
【申請?zhí)枴緾N201510030203
【發(fā)明人】鄧志龍, 戴永輝, 趙衛(wèi)東, 戴偉輝
【申請人】上海天呈醫(yī)流科技股份有限公司
【公開日】2015年5月20日
【申請日】2015年1月21日