# 印刷产品智能报价系统的设计与实现Design and Implementation of Intelligent Quotation System for Printing Products

DOI: 10.12677/CSA.2020.102028, PDF, HTML, XML, 下载: 175  浏览: 301  科研立项经费支持

Abstract: In order to achieve a more scientific prediction and quotation of printed cartridge products, this paper designs and implements an intelligent quotation system for printed products. Its main functions are intelligent quotation and intelligent robot. Among them, the intelligent quotation function is based on the printing product parameters and historical order data, as well as other quotation information obtained from the Internet through crawler technology. The regression analysis equation is calculated by the least square method, and the estimated price of the printed products is given. In addition, an intelligent quotation robot based on TF-IDF algorithm is designed. After practical use, the intelligent quotation system realized in this paper can better assist enterprises in price evaluation and analysis of future orders.

1. 引言

2. 系统概述

Figure 1. System function diagram

Figure 2. Basic quotation flow chart

3. 智能报价

3.1. 基于web爬虫爬取网上相关售价

3.2. 本系统报价信息采集功能实现

3.3. 回归分析算法

$Y={\beta }_{0}+{\beta }_{1}{X}_{1}+{\beta }_{2}{X}_{2}+{\beta }_{3}{X}_{3}+{\beta }_{4}{X}_{4}+\cdots +{\beta }_{n}{X}_{n}+\epsilon$ (1)

Figure 3. Basic flow chart of web crawler

Figure 4. Parameter input interface

$\beta ={X}^{\prime }{X}^{-1}{X}^{\prime }y$ [18] [19] (2)

$X=\left[\begin{array}{cccc}1& {x}_{1}^{1}& \cdots & {x}_{n}^{1}\\ 1& {x}_{1}^{2}& \cdots & {x}_{n}^{2}\\ ⋮& ⋮& \ddots & ⋮\\ 1& {x}_{1}^{m}& \cdots & {x}_{n}^{m}\end{array}\right]$ (3)

X代表数据库中纸张的长宽高，y为纸张的历史价格。

${\mathrm{min}}_{\alpha ,\beta ,\alpha +\beta =1}{‖\alpha {p}_{1}+\beta {p}_{2}-y‖}_{2}$ (4)

${\mathrm{min}}_{\alpha ,\beta ,\alpha +\beta =1}\left\{{\sum }_{i=1}^{n}{\left(\left(\alpha {p}_{1}^{i}+\beta {p}_{2}^{i}\right)-{y}_{i}\right)}^{2}\right\}$ $\alpha$$\beta >0$ (5)

$\alpha =\frac{{\sum }_{i=1}^{n}\left({p}_{2}^{i}-{y}^{i}\right)\left({p}_{2}^{i}-{p}_{1}^{i}\right)}{{‖{p}_{1}-{p}_{2}‖}_{2}}$$\beta =1-\alpha$ (6)

Figure 5. Intelligent quotation flow chart

3.4. 模型评估

Table 1. Model evaluation form

3.5. 基于Echarts的图表绘制

ECharts是一个使用JavaScript脚本语言实现的开源可视化库，可以非常流畅的运行在各个终端上，兼容当前绝大部分主流浏览器(IE，Firefox，Chrome，Safari等等)，底层依赖轻量级的矢量图形库ZRender提供直观，交互丰富，可以高度个性化定制数据可视化图表。

ECharts提供了常规的柱状图，折线图，K线图，散点图，饼图和用于统计的盒形图，用于地理数据可视化的地图热力图、线图，用于关系数据可视化关系图、treemap旭日图，多维数据可视的平行坐标，还有用于BI的漏斗图，仪表盘，并且支持图与图之间的混搭。

4. 智能问答

4.1. 基于TF-IDF算法完成文档的相似匹配

$q=\left({x}_{1},{x}_{2},{x}_{3},{x}_{4},\cdots ,{x}_{n}\right)$ (7)

$d=\left({y}_{1},{y}_{2},{y}_{3},{y}_{4},\cdots ,{y}_{n}\right)$ (8)

${x}_{i}=c\left({\omega }_{i},q\right)$，表示第i个关键词在查询文档中出现的次数，

${y}_{i}=c\left({\omega }_{i},d\right)\ast \text{IDF}\left({\omega }_{i}\right)$ (9)

$\text{IDF}\left({\omega }_{i}\right)=\mathrm{log}\frac{M+1}{k}$ (10)

M是文档集中文档数量，k是词在多少个文档中出现 [20]。

$\text{normalizer}=1-b+b\ast \frac{d}{\text{avdl}}$ (11)

$\text{final}=\frac{q\cdot d}{|q|\ast |d|\ast \text{normalizer}}$ (12)

4.2. 问题分类

5. 系统展示

Figure 6. Intelligent Q & A flow chart

Figure 7. Display of intelligent quotation system

6. 结束语

 [1] 王晓东. 算法设计与分析[M]. 北京: 清华大学出版社, 2014. [2] 耿祥义, 张跃平. JSP大学实用教程[M]. 北京: 电子工业出版社, 2007. [3] 百度有限公司. Echarts.JS. https://echarts.baidu.com [4] 周秀媛, 陈娜, 李晓斌. 基于“HTML” “5”的“Web”交互界面设计[J]. 科技展望, 2016, 26(18): 6. [5] 余节约, 田培娟. 印刷工艺原理[M]. 杭州: 浙江大学出版社, 2010. [6] 胡海波. 电子变压器加工报价软件设计[J]. 科技创新导报, 2017, 14(32): 126-127. [7] 陆珂. 制造企业的产品快速核报价系统设计——以无锡VLK有限公司为例[J]. 中国高新区, 2017(17): 19-20. [8] 米登斌. 基于加工特征的产品报价系统开发及其关键问题研究[D]: [硕士学位论文]. 合肥: 合肥工业大学, 2017. [9] 许力. 智能控制与智能系统[M]. 北京: 机械工业出版社, 2007. [10] 戴汝为, 王珏. 巨型智能系统的探讨[J]. 自动化学报, 1993(6): 645-655. [11] 罗文, 瞿少成, 程建平, 陈梦婷. 基于Android的纸盒智能排版及快速报价系统[J]. 计算机应用与软件, 2019, 36(5): 25-28+50. [12] 徐春雷, 周竞, 余璟, 吴海伟, 王勇. 基于强化学习模型的需求侧用户智能报价策略研究[J]. 智慧电力, 2018, 46(10): 32-37. [13] 黄群钿, 章绵生. PCB智能化报价系统的实现[J]. 印制电路信息, 2011(5): 49-52. [14] 李义华, 李夏苗. 基于多智能体的供应链报价协商系统及其实现[J]. 中南林业科技大学学报, 2010, 30(2): 107-111. [15] 曹素娥. 基于爬虫技术的就业信息管理平台设计[J]. 电子技术与软件工程, 2019(18): 47-48. http://kns.cnki.net/kcms/detail/10.1108.TP.20190927.1149.056.html [16] Terasaka, S., Kikuchi, U. and Torii, K. (2019) Radiation Imaging Using a Compact Compton Camera Mounted on a Crawler Robot Inside Reactor Buildings of Fukushima Daiichi Nuclear Power Station. Journal of Nuclear Science and Technology, 56, 801-808. https://doi.org/10.1080/00223131.2019.1581111 [17] 熊慧芳. 网络爬虫关键技术的应用探讨[J]. 计算机产品与流通, 2019(9): 171. [18] 肖黎, 张彩霞. 基于主成分回归分析的我国农产品贸易逆差影响因素研究[J]. 中国经贸导刊(中), 2019(9): 11-14+76. http://kns.cnki.net/kcms/detail/11.3876.f.20190927.1341.006.html [19] 代磊, 李雪婷. 基于多元线性回归模型的二手房价格影响因素分析——以成都市某区为例[J]. 河南建材, 2019(5): 80-82. [20] 张会昌. 基于领域词典的中文文本相似度匹配[D]: [硕士学位论文]. 济南: 山东大学, 2014.