一种面向医疗器械b2b网站用户的智能评价方法和系统的制作方法
【技术领域】
[0001] 本发明属于信息技术领域，具体涉及网站用户评价技术，特别地涉及一种面向医 疗器械B2B网站用户的智能评价方法和系统。
【背景技术】
[0002] 近年来，随着通信技术的发展以及互联网用户数的显著增长，基于互联网的各种 应用应运而生，给人们的日常生活带来了极大的便利。网上购物因其所具备的跨地域性、可 交互性和全天候性等优点受到越来越多消费者的青睐。由于在互联网上销售商品相比实体 店的销售模式具有一些特色和优势，因而引发不少商品供应商纷纷触网，医疗器械供应商 也不例外。在我国，医疗器械作为较特殊的商品，其在网上销售往往通过具备"互联网药品 交易服务资格证书"的医疗器械B2B网站进行，医疗器械买卖双方通过这种渠道进行医疗器 械的网上交易，能大大减少流通环节，节约成本和降低采购难度。然而，随着医疗器械B2B 网站注册用户数的增长，以及网上交易次数的增多，用户诚信与交易风险问题凸显。为了更 好地评估网上交易的成交可能性和尽可能地预防交易风险，对网站注册用户进行科学、客 观的评价是一件非常重要和有意义的工作。
[0003] 目前，对医疗器械B2B网站用户的评价大多以用户注册时填写的基本信息为主， 或者照搬一些网上卖家考核指标里的信用评价，该评价往往由每笔交易的另一方填报，通 过这种评价方式所给的结果，在一定程度上对交易的风险预估具有意义，然而，上述评价方 法也存在一定局限性，由于仅仅只考虑到用户注册信息或者卖家信用，因此，普遍存在如下 问题：
[0004] (1)评价指标较为单一，无法全面、客观反应用户真实状况，对网站用户的评价采 用程度形容词为主，等级间界限模糊，不便直观解读；
[0005] (2)所用评价规则库缺乏反馈与自动更新机制，易出现评价滞后现象，导致所获评 价与用户实情差距大，准确性不高。
【发明内容】
[0006] 本发明的目的是针对现有医疗器械B2B网站用户评价的不足，综合利用数据挖 掘、多元回归建模和自然语言处理技术对网站用户的基本信息、历史交易信息、网上评论进 行计算与建模，给网站的每个用户一个量化的评价值，以达到客观、全面和直观评价用户， 为预防网上交易风险作参考的目的。
[0007] 为达到上述目的，本发明采用如下技术方案，包含如下内容：
[0008] 1、一种面向医疗器械B2B网站用户的智能评价方法和系统，其特征在于，评价方 法包括4个步骤，具体为：
[0009] 步骤1 :建立用户评价指标库；
[0010] 依次包括：B2B网站用户数据挖掘、用户评价指标选取和用户指标库形成共3个过 程，其中：
[0011] B2B网站用户数据挖掘：通过对医疗器械B2B网站用户的基本信息、历史交易信 息、网上评论信息进行数据预处理、自然语言处理、分类的操作，对历史交易信息采用改进 的K均值聚类算法进行聚类的流程如下：
[0012] 流程1 :数据预处理；将网站的历史交易信息里每笔交易（Ti)中的产品总数量 (Q)、交易总金额（M)、完成交付的天数（D)、交易完成后对方的评分（S)，进行统计并导出到 Excel M ;
[0013] 流程2 :初始化聚类中心；设定要划分的聚类簇数为k个，以及这k个聚类的簇中 心 Cj(QID1S), j = 1，2, ...，k ;
[0014] 流程3:开始循环，计算欧式距离并分类；进入循环，计算每笔交易（Ti)中的产 品总数量（Q)、交易总金额（M)、完成交付的天数（D)、交易完成后对方的评分（S)到k个 聚类簇中心的欧式距离DCr i, Cj)，i = 1，2,…，n, j = 1，2,…，k ;如果满足DCri, Ck)= min {D (Ti, Cj)，j = 1，2,…，η}，则将其划分到最相近的类簇；
[0015] 流程4 :重新计算每类的均值用以确定新的聚类中心；新的聚类中心的计算公式 如下：
[0016]
【主权项】
1. 一种面向医疗器械B2B网站用户的智能评价方法和系统，其特征在于，评价方法包 括四个步骤，具体为： 步骤1 :建立用户评价指标库； 依次包括：B2B网站用户数据挖掘、用户评价指标选取和用户指标库形成共三个过程， 其中： B2B网站用户数据挖掘：通过对医疗器械B2B网站用户的基本信息、历史交易信息、网 上评论信息进行数据预处理、分类的操作，采用改进的K均值聚类算法对历史交易信息进 行聚类的流程如下： 流程1 :数据预处理；将网站的历史交易信息里每笔交易（Ti)中的产品总数量（Q)、交 易总金额（M)、完成交付的天数（D)、交易完成后对方的评分（S)，进行统计并导出到Excel 里； 流程2 :初始化聚类中心；设定要划分的聚类簇数为k个，以及这k个聚类的簇中心 Cj(QID1S), j = l，2，...，k; 流程3:开始循环，计算欧式距离并分类；进入循环，计算每笔交易（Ti)中的产品总数 量（Q)、交易总金额（M)、完成交付的天数（D)、交易完成后对方的评分⑶到k个聚类簇中 心的欧式距离 D (Ti, Cj)，i = 1，2,…，n，j = 1，2,…，k ;如果满足D (Ti, Ck) = min {D (Ti, Cj)，j =1，2,…，η}，则将其划分到最相近的类簇； 流程4 :重新计算每类的均值用以确定新的聚类中心；新的聚类中心的计算公式如下： n j /=1 式中，C； 足聚类中心，&是第j个聚类域n中所包含的样本个数，T，是 第j个聚类簇里的每笔交易； 流程5 :计算每类的误差平方和并判断；误差平方和的计算公式如下： 2 J = YZV1! ~cki^M^st j=l k=\ 式中，J是误差平方和准则函数，r^_是第j个聚类域η中所包含的样本个数，T 是第 j个聚类簇里的k笔交易，是第j个聚类簇的聚类中心； 判断J是否收敛，如果收敛，则结束并跳出循环；否则循环加1，返回流程3,继续计算k 个新的聚类中心； 流程6 :输出历史交易信息的k个聚类集合； 用户评价指标选取：采取Delphi专家意见法，根据专家反馈的意见确定用于用户评价 的指标由注册资金、注册时长、交易次数、交易金额、交易评分、服务评分、诚信评分、留言评 分、受罚次数共9项指标构成； 用户评价指标库形成：对所选的9项用户评价指标，采用AHP层次分析法确定指标权 重，形成医疗器械B2B网站用户指标库； 步骤2 :评价规则库建模； 依次包括：多元回归建模、人工智能建模和智能评价规则库形成共三个过程，其中： 多元回归建模：通过多元回归模型来量化医疗器械B2B网站用户综合评价分，其多元 回归模型形式如下： Y = α + β ^Xi 式中，Y指综合评价分，α是截距项，i取1到9,即9项指标；β指回归系数，由最小二 乘法估算得出；Xi指回归变量，即：经过数据预处理后可供回归计算用的9项指标数值； 人工智能建模：使用BP神经网络来对医疗器械B2B网站用户指标库中的指标值进行样 本训练与建模，包括：设计网络层数、设计神经节点数、设计传递函数和学习函数共3个流 程，具体如下： 流程1 :设计网络层数；考虑到3层BP神经网络能以任意精度逼近任意映射关系，因 此，BP神经网络的层数选定为3层，即：输入层、隐含层和输出层； 流程2 :设计神经节点数；输入层节点数目设置为9,即：9项指标；输出层节点数设置 为1，即：输出多元回归建模得到的综合评价分；隐含层节点数由经验公式VTT万+ ?以及 反复训练给出，式中，I是输入层节点数，〇是输出层节点数，η由1到10的整数构成； 神经网络的均方误差计算公式如下：
式中，MSE是整个BP神经网络的均方误差，η是输出节点总数，s是训练样本的总数， &是BP神经网络的期望输出值，ysj是BP神经网络的实际输出值； 流程3 :设计传递函数和学习函数；选用tansig作为隐含层神经元传递函数；选用 purelin作为输出层神经元传递函数；选用traingdx作为训练函数；采用0. 1作为学习速 率初始值；采用〇. 9作为动量因子的初始值； 智能评价规则库形成：在多元回归建模和人工智能建模的基础上，提取规则在数据 库"Database_B2B_MIA"中建立智能评价规则库表"tb_AssessRule"用于智能评价，"tb_ AssessRule"的表结构包含规则序号、内容、规则类型、可信度共四个字段，其中： 规则序号：数据库设计成自动增1的方式，初始值是1 ; 内容：用varchar (200)类型表示，将之前建模所得的规律转化成规则形式保存到数据 库； 规则类型：用varchar(4)类型表示，并以0表示负向相关，1表示正向相关； 可信度：采用numeric^ 4)类型表示，记录每条规则的可信程度百分比； 步骤3 :执行评价； 依次包括：选取用户和进行评价共两个过程，其中： 选取用户：从医疗器械B2B网站选取待评价的对象，即已经完成网站注册的用户； 进行评价：调用智能评价规则库里的规则，进行相似性的自动评价匹配； 步骤4 :输出并反馈； 依次包括：输出结果和更新智能评价规则库共两个过程，其中： 输出结果：输出所选用户经过智能评价后给出的分值，分值范围是0到100 ; 更新智能评价规则库：将所得结果反馈至智能评价规则库，并使用触发器自动更新对 应的规则。
2.基于权利要求1所述的面向医疗器械B2B网站用户的智能评价系统，其特征在于包 括四个模块：建立用户评价指标库模块，评价规则库建模模块，执行评价模块，输出并反馈 模块，这4个模块分别执行对应于面向医疗器械B2B网站用户的智能评价方法中的四个步 骤；其中： 所述建立用户评价指标库模块，包括B2B网站用户数据挖掘、用户评价指标选取和用 户指标库形成共3个子模块，这3个子模块分别执行权利要求1步骤1中3个过程的功能； 所述评价规则库建模模块，包括多元回归建模、人工智能建模和智能评价规则库形成 共3个子模块，这3个子模块分别执行权利要求1步骤2中3过程的功能； 所述执行评价模块，包括选取用户和进行评价共2个子模块，这2个子模块分别执行权 利要求1步骤3中2个过程的功能； 所述输出并反馈模块，包括输出结果和更新智能评价规则库共2个子模块，这2个子模 块分别执行权利要求1步骤4中2个过程的功能。
【专利摘要】本发明属于信息技术领域，具体为一种面向医疗器械B2B网站用户的智能评价方法和系统。评价方法包括四个步骤，步骤1：建立用户评价指标库；步骤2：评价规则库建模；步骤3：执行评价；步骤4：输出并反馈；评价系统包括对应的四个模块，分别执行四个步骤的功能。本发明通过对医疗器械B2B网站用户的基本信息、历史交易信息、网上评论信息进行综合计算与建模，给网站的每个用户一个量化的评价值，用于网上交易时作参考，以达到评估成交可能性和预防潜在风险的目的。本发明优点：(1)综合利用数据挖掘、多元回归建模和自然语言处理技术对网站用户建模评价，客观且全面；(2)具备反馈机制，能不断完善智能评价规则库，使评价结果更准确。
【IPC分类】G06F17-30
【公开号】CN104636447
【申请号】CN201510030203
【发明人】邓志龙, 戴永辉, 赵卫东, 戴伟辉
【申请人】上海天呈医流科技股份有限公司
【公开日】2015年5月20日
【申请日】2015年1月21日