[發明專利]一種基于機器學習的供應鏈調整方法、裝置及電子設備

在審

• 申請號: 202011457285.3
• 申請日: 2020-12-10
• 公開（公告）號: CN112418893A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 張春光;于卓;邵志妍;郝艷亞;崔蔚;顏擁;蔣煒
• 申請（專利權）人: 北京中電普華信息技術有限公司;國網信息通信產業集團有限公司;國網浙江省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06F16/25;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 尹秀

1.一種基于機器學習的供應鏈調整方法，其特征在于，包括：

獲取預先構建的初始供應鏈；所述初始供應鏈包括各個在冊企業、以及各個在冊企業之間的關聯關系；

獲取未位于所述初始供應鏈中的未在冊企業的企業信息，并對所述企業信息進行特征提取操作，得到待分析特征信息；

調用預先生成的數據處理模型對所述待分析特征信息以及所述各個在冊企業的特征信息進行處理，得到所述未在冊企業與所述各個在冊企業之間的關聯關系；所述數據處理模型使用訓練數據訓練得到，所述訓練數據包括特征信息樣本以及所述特征信息樣本之間的樣本關聯關系；

輸出所述關聯關系，并在接收到所述關聯關系的確認指令的情況下，響應所述確認指令，并依據所述關聯關系，將所述未在冊企業添加到所述初始供應鏈中。

2.根據權利要求1所述的供應鏈調整方法，其特征在于，獲取未位于所述初始供應鏈中的未在冊企業的企業信息，包括：

獲取未位于所述初始供應鏈中的未在冊企業的初始企業信息；

調用預設數據清洗模型對所述初始企業信息進行數據清洗操作，得到所述未在冊企業的企業信息。

3.根據權利要求1所述的供應鏈調整方法，其特征在于，對所述企業信息進行特征提取操作，得到待分析特征信息，包括：

對所述企業信息進行特征提取操作，得到各個特征信息；

對所述各個特征信息進行相關性分析，得到所述各個特征信息之間的相關性；

基于所述各個特征信息之間的相關性，從所述各個特征信息中篩選出顯著特征信息，并確定為待分析特征信息。

4.根據權利要求1所述的供應鏈調整方法，其特征在于，所述數據處理模型的生成過程包括：

獲取訓練數據；所述訓練數據包括特征信息樣本以及所述特征信息樣本之間的樣本關聯關系；

使用所述訓練數據，對數據處理模型進行訓練，直至所述數據處理模型的損失函數小于預設閾值時停止訓練。

5.根據權利要求1所述的供應鏈調整方法，其特征在于，獲取預先構建的初始供應鏈，包括：

獲取預先構建的目標供應鏈，并對所述目標供應鏈進行圖形化處理，得到初始供應鏈。

6.一種基于機器學習的供應鏈調整裝置，其特征在于，包括：

供應鏈獲取模塊，用于獲取預先構建的初始供應鏈；所述初始供應鏈包括各個在冊企業、以及各個在冊企業之間的關聯關系；

信息處理模塊，用于獲取未位于所述初始供應鏈中的未在冊企業的企業信息，并對所述企業信息進行特征提取操作，得到待分析特征信息；

關系確定模塊，用于調用預先生成的數據處理模型對所述待分析特征信息以及所述各個在冊企業的特征信息進行處理，得到所述未在冊企業與所述各個在冊企業之間的關聯關系；所述數據處理模型使用訓練數據訓練得到，所述訓練數據包括特征信息樣本以及所述特征信息樣本之間的樣本關聯關系；

供應鏈調整模塊，用于輸出所述關聯關系，并在接收到所述關聯關系的確認指令的情況下，響應所述確認指令，并依據所述關聯關系，將所述未在冊企業添加到所述初始供應鏈中。

7.根據權利要求6所述的供應鏈調整裝置，其特征在于，所述信息處理模塊用于獲取未位于所述初始供應鏈中的未在冊企業的企業信息時，具體用于：

獲取未位于所述初始供應鏈中的未在冊企業的初始企業信息，調用預設數據清洗模型對所述初始企業信息進行數據清洗操作，得到所述未在冊企業的企業信息。

8.根據權利要求6所述的供應鏈調整裝置，其特征在于，所述信息處理模塊用于對所述企業信息進行特征提取操作，得到待分析特征信息時，具體用于：

對所述企業信息進行特征提取操作，得到各個特征信息，對所述各個特征信息進行相關性分析，得到所述各個特征信息之間的相關性，基于所述各個特征信息之間的相關性，從所述各個特征信息中篩選出顯著特征信息，并確定為待分析特征信息。