[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 |
| 地址： | 201900 上海市寶山*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 供應商 智能 推薦 方法 系統 | ||
本發明提供了一種供應商智能推薦方法及系統，涉及大數據分析技術領域，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。本發明能夠獲得供應商靜態評價得分，在推薦流程中加入了采購方、供應商的主要特征匹配過程，同時借用ARIMA模型中的概念，帶入了歷史數據對當前決策的影響。
技術領域
本發明涉及大數據分析技術領域，具體地，涉及一種供應商智能推薦方法及系統。
背景技術
隨著信息技術的發展，計算機和互聯網被廣泛應用于各行各業，并給人們的交流、出行方式及至工業生產方式等都帶來了很大的變化。作為信息化時代的產物，近年來，電子商務迅速崛起，并以其低成本、高效率、全球化和交互性等特點取代傳統商務，讓買賣雙方無需謀面就能夠進行各種商貿活動，從而給買賣雙方提供了極大的便利。
現有技術中涉及的主觀評價過程過于依賴個人經驗，不確定性較強，推薦效果較差，而單一客觀評價過程又過分依賴數據本身，不能利用業務專家知識。
發明內容
針對現有技術中的缺陷，本發明提供一種供應商智能推薦方法及系統。
根據本發明提供的一種供應商智能推薦方法及系統，所述方案如下：
第一方面，提供了一種供應商智能推薦方法，所述方法包括：
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。
優選地，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。
優選地，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ωS。
優選地，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：
Ej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；pij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：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于歐冶工業品股份有限公司，未經歐冶工業品股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310215311.9/2.html，轉載請聲明來源鉆瓜專利網。
