[發明專利]供應商智能推薦方法及系統

在審

• 申請號: 202310215311.9
• 申請日: 2023-03-06
• 公開（公告）號: CN116188039A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 周建平;閆晨光;朱俊;李燕北;夏竟翔;戴智鑫;沈達峰;姚澤坤
• 申請（專利權）人: 歐冶工業品股份有限公司
• 主分類號: G06Q30/018
• 分類號: G06Q30/018;G06Q30/0601
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 單雯

1.一種供應商智能推薦方法，其特征在于，包括：

步驟S1：識別并建立供應商主要特征集合，確定不同特征在供應商評價中的影響權重；

步驟S2：計算得出供應商靜態評價得分，作為供應商精排的依據，對采購方、供應商進行匹配，推薦候選對象。

2.根據權利要求1所述的供應商智能推薦方法，其特征在于，所述步驟S1包括：數據預處理及特征工程，數據預處理工作包括缺失數據填充、不平衡數據過濾、異常數據剔除以及數據相關性分析；基于數據預處理及分析結果，在特征工程部分，建立供應商主要特征集合，作為供應商的靜態評價對象。

3.根據權利要求1所述的供應商智能推薦方法，其特征在于，所述供應商靜態評價得分由供應商特征加權求和計算得出，其中特征權重包括主觀權重和客觀權重；

所述主觀權重采取層次分析法，針對影響程度對比和得分提出以下對比標準：

當兩特征同等重要，則兩特征得分均為1；

當兩特征影響程度稍有差別，則影響大的特征得分為3，影響小的特征得分為

當兩特征影響程度有明顯差別，則影響大的特征得分為5，影響小的特征得分為

當兩特征影響程度有強烈差別，則影響大的特征得分為7，影響小的特征得分為

當兩特征影響程度有極端差別，則影響大的特征得分為9，影響小的特征得分為

當特征影響差別介于上述分級之間，則影響大的特征取得分2，4，6，8，影響小的特征取

通過以上方法獲得的比較矩陣是一個主對角線為1，且以主對角線為軸的對稱元素互為倒數的n階方陣，其中n為供應商特征數量；通過和積法對所述比較矩陣求取近似特征向量，并通過一致性檢測，該特征向量即為供應商特征的主觀權向量ω_S。

4.根據權利要求3所述的供應商智能推薦方法，其特征在于，所述客觀權重采用熵權法，信息熵越大的供應商特征，在靜態評價體系中的計算權重也越大，依據信息論中信息熵的定義，供應商第j個特征的歸一化信息熵計算公式為：

E_j表示第j個供應商特征對應的信息熵歸一化結果，n表示供應商數量；p_ij表示第i個供應商對第j個特征取值的歸一化結果，計算方法如下式：

其中，Y_j表示第j個供應商特征所對應隨機向量的標準化結果；f_ij表示Y_ij的取值在Y_j中的出現頻次；Y_ij表示第i個供應商對第j個特征取值的標準化結果；n表示供應商數量，標準化方法見下式3)：

X_ij表示第i個供應商對第j個特征的取值；X_j表示第j個供應商特征所對應的隨機向量；利用公式1)的結果，客觀權向量ω_O計算公式如下：

其中，m表示特征數量。

5.根據權利要求4所述的供應商智能推薦方法，其特征在于，所述供應商靜態評價得分中，得到主、客觀權向量后，綜合權向量表達式如下：

ω＝α*ω_O+(1-α)*ω_S????5)

其中，α為客觀權重系數，主、客觀權重影響程度相同時，α＝0.5；

使用綜合權重的Assess靜態評估對第i個供應商的綜合得分s_i計算如下：

其中，X_i為第i個供應商的供應商特征向量。