[發明專利]基于殘差神經網絡的供應商選擇方法及裝置

在審

• 申請號: 202010435118.2
• 申請日: 2020-05-21
• 公開（公告）號: CN111639843A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 王茹楠;鄔文佳;查禮
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤;湯在彥

1.一種基于殘差神經網絡的供應商選擇方法，其特征在于，包括：

獲取采集的供應商的預設的評價參數；

將所述評價參數輸入到訓練好的供應商評價模型中得到所述供應商的評價結果，以根據多個供應商的評價結果進行供應商選擇，其中，所述供應商評價模型以標注好評價結果的評價參數作為訓練數據并采用殘差神經網絡訓練得出。

2.根據權利要求1所述的基于殘差神經網絡的供應商選擇方法，其特征在于，還包括：

獲取訓練數據，其中，所述訓練數據包括：用于模型訓練的評價參數以及標注出的所述用于模型訓練的評價參數對應的評價結果；

根據所述訓練數據以及預設的殘差神經網絡不斷的進行模型訓練得到所述供應商評價模型，其中，在進行模型訓練時，將所述用于模型訓練的評價參數輸入到所述殘差神經網絡中，調節所述殘差神經網絡的參數使所述殘差神經網絡的輸出逼近所述用于模型訓練的評價參數對應的評價結果。

3.根據權利要求1所述的基于殘差神經網絡的供應商選擇方法，其特征在于，所述將所述評價參數輸入到訓練好的供應商評價模型中得到所述供應商的評價結果，具體包括：

所述供應商評價模型的第一層網絡通過第一層網絡權重以及第一層網絡偏置對所述評價參數進行加權及偏置，結果輸入到所述第一層網絡中的第一激活函數中，得到所述第一層網絡的輸出；

所述供應商評價模型的第二層網絡通過第二層網絡權重以及第二層網絡偏置對所述第一層網絡的輸出進行加權及偏置，得到所述第二層網絡的輸出；

將所述第二層網絡的輸出與所述評價參數進行疊加，并將疊加結果輸入到第二激活函數中，得到所述供應商的評價結果。

4.根據權利要求1所述的基于殘差神經網絡的供應商選擇方法，其特征在于，所述評價參數包括：質量水平參數、技術水平參數、供應能力參數、采購成本參數、財務風險水平參數以及服務水平參數中的至少一種。

5.根據權利要求4所述的基于殘差神經網絡的供應商選擇方法，其特征在于，所述質量水平參數包括：產品合格率、優良批次率以及質量保障能力參數中的至少一個；

所述技術水平參數包括：產品研發能力參數、產品設計能力參數以及自主生產能力參數中的至少一個；

所述供應能力參數包括：準時交貨率、物流效率、供應柔性以及采購成本中的至少一個；

所述采購成本參數包括：價格水平參數、價格合理性參數、售后保障成本、維修成本以及降價能力參數中的至少一個；

所述財務風險水平參數包括：是否存在財務風險指標；

所述服務水平參數包括：響應顧客需求率。

6.一種基于殘差神經網絡的供應商選擇裝置，其特征在于，包括：

評價參數獲取單元，用于獲取采集的供應商的預設的評價參數；

供應商選擇單元，用于將所述評價參數輸入到訓練好的供應商評價模型中得到所述供應商的評價結果，進而根據多個供應商的評價結果進行供應商選擇，其中，所述供應商評價模型以標注好評價結果的評價參數作為訓練數據并采用殘差神經網絡訓練得出。

7.根據權利要求6所述的基于殘差神經網絡的供應商選擇裝置，其特征在于，還包括：

訓練數據獲取單元，用于獲取訓練數據，其中，所述訓練數據包括：用于模型訓練的評價參數以及標注出的所述用于模型訓練的評價參數對應的評價結果；

模型訓練單元，用于根據所述訓練數據以及預設的殘差神經網絡不斷的進行模型訓練得到所述供應商評價模型，其中，在進行模型訓練時，將所述用于模型訓練的評價參數輸入到所述殘差神經網絡中，調節所述殘差神經網絡的參數使所述殘差神經網絡的輸出逼近所述用于模型訓練的評價參數對應的評價結果。