带量采购业务对象的确定方法、装置及计算机设备与流程

1.本发明涉及人工智能领域，尤其是涉及一种带量采购业务对象的确定方法、装置及计算机设备。


背景技术：

2.随着国家明确深化药品集中带量采购制度和人工智能技术的兴起，越来越多的省、市及联盟地区迫切需要开展本地组织的站投标业务，以响应国家对实行带量采购趋于常态化、制度化的要求，如何能够有效地协助政府遴选合格的带量采购业务对象，对于保障中选药品质量有重要意义。
3.目前，通常通过专家评审的方式，挑选合适的带量采购业务对象。然而，由于专家的业务水平参差不齐，因此不同专家给出的评审结果很可能不同，这种方式过于依赖专家经验，从而导致评审结果的准确度不高，无法有效地协助政府遴选合适的带量采购业务对象，此外，这种人工评审的方式会影响带量采购业务对象的选取效率。


技术实现要素：

4.本发明提供了一种带量采购业务对象的确定方法、装置及计算机设备，主要在于能够提高带量采购业务对象的选取准确度和选取效率。
5.根据本发明的第一个方面，提供一种带量采购业务对象的确定方法，包括：
6.获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；
7.根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；
8.根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；
9.基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
10.根据本发明的第二个方面，提供一种带量采购业务对象的确定装置，包括：
11.获取单元，用于获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；
12.第一确定单元，用于根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；
13.计算单元，用于根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；
14.第二确定单元，用于基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
15.根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
16.获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；
17.根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；
18.根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；
19.基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
20.根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
21.获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；
22.根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；
23.根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；
24.基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
25.根据本发明提供的一种带量采购业务对象的确定方法、装置及计算机设备，与目前专家通过评审来挑选合适的带量采购业务对象的方式相比，本技术通过获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；并根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；与此同时，根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；最终基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象，由此通过计算多个带量采购业务对象分别距离正理想向量的第一距离和距离负理想向量的第二距离，并基于所述第一距离和所述第二距离筛选目标带量采购业务对象，能够提高带量采购业务对象选取的准确度，从而能够有效地协助政府遴选合适的带量采购业务对象，同时也能够降低人工成本，提高带量采购业务对象的选取效率。
附图说明
26.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
27.图1示出了本发明实施例提供的一种带量采购业务对象的确定方法流程图；
28.图2示出了本发明实施例提供的另一种带量采购业务对象的确定方法流程图；
29.图3示出了本发明实施例提供的一种带量采购业务对象的确定装置的结构示意图；
30.图4示出了本发明实施例提供的另一种带量采购业务对象的确定装置的结构示意
图；
31.图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
32.下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
33.目前，通过专家评审来挑选合适的带量采购业务对象的方式，由于专家的业务水平参差不齐，导致评审结果的准确度不高，同时这种人工评审的方式会影响带量采购业务对象的选取效率。
34.为了解决上述问题，本发明实施例提供了一种带量采购业务对象的确定方法，如图1所示，所述方法包括：
35.101、获取多个带量采购业务对象分别在不同指标维度下的第一指标数据。
36.其中，带量采购业务对象具体可以为参加投标的企业，不同指标维度具体可以分为极大型(有益型)指标、极小型指标(成本型)指标、中间型指标、区间型指标、先决指标、客观指标，极大型指标具体包括市场占有率、利润、配送率、采购量占比和供应范围等，极小型指标具体包括临床不良反应、假劣药记录、产品报价和行业排名等，中间型指标具体包括报价降幅，区间型指标具体包括参比制剂、临床疗效、安全性等，先决指标具体包括过一致性评价、药品质量检验，客观指标具体包括gmp认证、新药专项品种、创新示范企业等。
37.对于本发明实施例，为了克服现有技术中无法有效地协助政府遴选合适的带量采购业务对象，且对带量采购业务对象的选取效率较低的缺陷，本发明实施例通过计算带量采购业务对象分别与正理想向量的第一距离和距离负理想向量的第二距离，并基于第一距离与第二距离在多个带量采购业务对象中筛选出目标带量采购业务对象，从而能够避免由于专家的业务水平参差不齐，导致评审结果的准确度不高的缺陷，进而能够有效地协助政府遴选合适的带量采购业务对象，提高了带量采购业务对象的选取效率。本发明实施例还可以预先收集大量样本业务对象对应的评审等级，并基于该评审等级对样本业务对象进行标注，将标注后的样本业务对象作为训练数据，基于该训练数据，利用机器学习算法构建评审等级评估模型，利用该评审等级评估模型对待评估的带量采购业务对象的评审等级进行评估，进而得到带量采购业务对象对应的评审等级。本发明实施例主要应用于对带量采购业务对象进行选取的场景，本发明实施例的执行主体为能够对带量采购业务对象进行选取的装置或者设备，具体可以设置在客户端或者服务器一侧。
38.具体地，为了从多个带量采购业务对象中选取出合适的带量采购业务对象，首先需要从参与投标的多个带量采购业务对象对应的历史数据中，收集多个带量采购业务对象分别在不同指标维度下的指标数据，以便利用该指标数据，确定多个带量采购业务对象分别对应的指标向量。
39.102、根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量。
40.对于本发明实施例，在从历史数据中获取到多个带量采购业务对象分别在不同指标维度下的第一指标数据后，需要对该第一指标数据进行标准化处理，得到第二指标数据，根据第二指标数据，确定多个带量采购业务对象分别对应的指标向量，例如，若第一个带量
采购业务对象在不同指标维度下的第一指标数据经过标准化处理后(第二指标数据)为c
1j
，则第一个带量采购业务对象对应的指标向量为c1＝{c
11
,c
12
,......c
1n
}，第m个带量采购业务对象在不同指标维度下的第一指标数据经过标准化处理后(第二指标数据)为c
mj
，则第m个带量采购业务对象对应的指标向量为c
m
＝{c
m1
,c
m2
,......c
mn
}，其中j＝1,2,......,n。
41.进一步地，针对不同指标维度，从多个带量采购业务对象分别对应的第二指标数据中确定最大第二指标数据和最小第二指标数据，根据不同指标维度下的最大第二指标数据，确定多个带量采购业务对象共同对应的正理想向量，同时根据不同指标维度下的最小第二指标数据，确定多个带量采购业务对象共同对应的负理想向量，以便根据指标向量、正理想向量和负理想向量，计算多个带量采购业务对象分别距离所述正理想向量和负理想向量的第一距离和第二距离，并根据第一距离和第二距离，确定目标带量采购业务对象，从而能够避免由于专家水平参差不齐造成评审准确度不高的缺陷。
42.103、根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离。
43.对于本发明实施例，在根据第一指标数据获取指标向量、正理想向量和负理想向量之后，需要计算多个带量采购业务对象分别对应的指标向量中各个指标分量与正理想向量中各个正理想分量的差值，然后将所有差值求平方和，得到多个带量采购业务对象分别与正理想向量之间的第一距离，同理计算多个带量采购业务对象分别对应的指标向量中各个指标分量与负理想向量中各个负理想分量的差值，然后将所有差值求平方和，得到多个带量采购业务对象分别与负理想向量之间的第二距离，以便根据计算得到的第一距离和第二距离，确定多个带量采购业务对象中的目标带量采购业务对象，由此可知，通过计算多个带量采购业务对象分别与正理想向量之间的第一距离和距离负理想向量的第二距离，并根据第一距离和第二距离，确定目标带量采购业务对象，能够减少人工评审的工作量和成本，提高了带量采购业务对象的选取效率。
44.104、基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
45.其中，目标带量采购业务对象是政府遴选的合适的带量采购业务对象。
46.对于本发明实施例，为了在多个带量采购业务对象中遴选出合适的带量采购业务对象，需要根据多个带量采购业务对象分别与正理想向量的第一距离和与负理想向量的第二距离，确定多个带量采购业务对象分别对应的评分，并根据该评分，在多个带量采购业务对象中选取出目标带量采购业务对象，从而能够协助政府遴选合适的带量采购业务对象，避免由于专家水平参差不齐导致评审准确度不高的缺陷，提高了带量采购业务对象的选取准确度。
47.根据本发明提供的一种带量采购业务对象的确定方法，与目前专家通过评审来挑选合适的带量采购业务对象的方式相比，本技术通过获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；并根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；与此同时，根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；最终基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采
购业务对象，由此通过计算多个带量采购业务对象分别距离正理想向量的第一距离和距离负理想向量的第二距离，并基于所述第一距离和所述第二距离筛选目标带量采购业务对象，能够提高带量采购业务对象选取的准确度，从而能够有效地协助政府遴选合适的带量采购业务对象，同时也能够降低人工成本，提高带量采购业务对象的选取效率。
48.进一步的，为了更好的说明上述对带量采购业务对象的确定过程，作为对上述实施例的细化和扩展，本发明实施例提供了另一种带量采购业务对象的确定方法，如图2所示，所述方法包括：
49.201、获取多个带量采购业务对象分别在不同指标维度下的第一指标数据。
50.对于本发明实施例，在多个带量采购业务对象对应的历史数据库中获取多个带量采购业务对象在极大型指标、极小型指标指标、中间型指标、区间型指标、先决指标、客观指标等指标维度下的第一指标数据，并根据该第一指标数据，确定多个带量采购业务对象分别对应的指标向量，以及多个带量采购业务对象共同对应的正理想向量和负理想向量。
51.202、根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量。
52.对于本发明实施例，为了确定多个带量采购业务对象分别对应的指标向量，以及多个带量采购业务对象共同对应的正理想向量和负理想向量，步骤202具体包括：对所述第一指标数据进行标准化处理，得到所述多个带量采购业务对象分别在不同指标维度下的第二指标数据；基于所述第二指标数据，确定所述不同指标维度下的分量，并根据所述分量，确定所述多个带量采购业务对象分别对应的指标向量；针对所述不同指标维度，确定所述多个带量采购业务对象分别对应的第二指标数据中的最大第二指标数据和最小第二指标数据；基于所述不同指标维度下的最大第二指标数据和最小第二指标数据，分别构建所述多个带量采购业务对象共同对应的正理想向量和负理想向量。
53.具体地，由于不同维度的指标对应的评价标准不同，指标数据的类型和量纲等也可能存在差异，例如极大型指标中的配送率是越大越好，而极小型指标中的不良反应是越小越好，因此为了提高带量采购业务对象选取的准确度，需要对第一指标数据进行标准化处理，得到第二指标数据，具体对第一指标数据进行标准化处理的方法为：对所述第一指标数据进行归一化处理，得到所述多个带量采购业务对象分别在不同指标维度下的第三指标数据；确定所述不同指标维度对应的指标权重，并将所述指标权重与相应维度下的第三指标数据相乘，得到所述多个带量采购业务对象分别在不同指标维度下的第二指标数据。
54.对于本发明实施例，对第一指标数据进行归一化处理的具体公式如下：
[0055][0056]
其中，a
ij
代表第i个带量采购业务对象在指标维度j下的第一指标数据，b
ij
代表经过归一化处理后得到的第三指标数据，共有m个带量采购业务对象，n个指标，按照上述公式对多个带量采购业务对象分别在不同指标维度下的第一指标数据进行归一化处理，得到归一化处理后的指标数据，即第三指标数据。
[0057]
进一步地，由于不同指标维度对应的重要程度不同，因此可以根据实际的业务需求，确定各个指标维度对应的指标权重，指标权重越高，代表指标维度对应的重要程度越
高，在确定不同指标维度对应的指标权重之后，将不同指标维度下的经过归一化处理后得到的第三指标数据与对应的指标权重相乘，得到多个带量采购业务对象分别在不同指标维度下的第二指标数据，具体公式如下：
[0058]
c
ij
＝w
j
·
b
ij
,i＝1,2,...,m；j＝1,2,...,n
[0059]
其中，c
ij
为经过加权后的第二指标数据，w
j
为第j个指标对应的指标权重，b
ij
为第三指标数据。
[0060]
进一步地，在确定多个带量采购业务对象分别在不同指标维度下的第二指标数据之后，根据该第二指标数据，分别确定同一个带量采购业务对象分别在不同指标维度下的分量，根据所述分量，能够确定该带量采购业务对象在不同指标维度下对应的指标向量，按照此方法，能够确定多个带量采购业务对象分别对应的指标向量，例如，如果第一个带量采购业务对象在不同指标维度下加权后的第二指标数据为c
1j
，则第一个带量采购业务对象在不同指标维度下的分量分别为c
11
，c
12
，...，c
1n
，其对应的指标向量为c1＝{c
11
,c
12
,...,c
1n
}；如果第m个带量采购业务对象在不同指标维度下加权后的第二指标数据为c
mj
，则第m个带量采购业务对象在不同指标维度下的分量分别为c
m1
，c
m2
，...，c
mn
，其对应的指标向量为c
m
＝{c
m1
,c
m2
,...,c
mn
}。
[0061]
进一步地，为了确定正理想向量和负理想向量，在确定多个带量采购业务对象在不同指标维度下的第二指标数据c
ij
之后，针对不同指标维度j，确定多个带量采购业务对象分别对应的指标数据中的最大第二指标数据，并基于不同指标维度下的最大第二指标数据，构建正理想向量c*＝(max{c
11
,c
21
,c
31
,...,c
m1
}，max{c
12
,c
22
,c
32
,...,c
m2
}，...，max{c
1n
,c
2n
,c
3n
,...,c
mn
})，进一步地，针对不同指标维度j，确定多个带量采购业务对象分别对应的指标数据中的最小第二指标数据，并基于不同指标维度下的最小第二指标数据，构建负理想向量c0＝(min{c
11
,c
21
,c
31
,...,c
m1
}，min{c
12
,c
22
,c
32
,...,c
m2
}，...，min{c
1n
,c
2n
,c
3n
,...,c
mn
})，以便根据多个带量采购业务对象分别对应的指标向量、正理想向量和负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离。
[0062]
203、根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离。
[0063]
对于本发明实施例，为了计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离，步骤203具体包括：将所述指标向量中的各个分量与所述正理想向量中的各个分量对应相减后求平方和，得到所述多个带量采购业务对象分别距离所述正理想向量的第一距离；将所述指标向量中的各个分量与所述负理想向量中的各个分量对应相减后求平方和，得到所述多个带量采购业务对象分别距离所述负理想向量的第二距离。
[0064]
具体地，在确定多个带量采购业务对象在不同指标维度下的指标分量和指标向量，以及多个带量采购业务对象共同对应的正理想向量和负理想向量之后，将多个带量采购业务对象对应的指标向量中的各个分量分别与正理想向量中的各个分量对应相减后再求平方和，得到多个带量采购业务对象分别距离该正理想向量的第一距离，针对该第一距离的具体计算公式如下：
[0065][0066]
其中，d
i*
代表第i个带量采购业务对象距离正理想向量的距离，c
ij
为第i个带量采购业务对象在不同指标维度下的指标向量，c
j*
为正理想向量。同理可以根据多个带量采购业务对象分别对应的指标向量中的各个分量和负理想向量中的各个分量，计算多个带量采购业务对象分别距离负理想向量的第二距离，针对该第二距离的具体计算公式如下：
[0067][0068]
其中，d
i0
代表第i个带量采购业务对象距离负理想向量的第二距离，c
ij
为第i个带量采购业务对象在不同指标维度下的指标向量，c
j0
为负理想向量。
[0069]
204、基于所述第一距离和所述第二距离，对所述多个带量采购业务对象进行评价，得到所述多个带量采购业务对象分别对应的评价结果。
[0070]
对于本发明实施例，为了对多个带量采购业务对象进行评价，得到评价结果，步骤204具体包括：将所述多个带量采购业务对象分别对应的所述第一距离和所述第二距离相加，得到所述多个带量采购业务对象分别对应的总距离；将所述第二距离与所述总距离相除，得到所述多个带量采购业务对象分别对应的评分。
[0071]
具体地，在得到多个带量采购业务对象分别与正理想向量的第一距离和距离负理想向量的第二距离之后，将该第一距离和第二距离相加，得到多个带量采购业务对象分别对应的总距离，之后将第二距离与该总距离相除，最终得到多个带量采购业务对象分别对应的评分，具体公式如下：
[0072][0073]
其中，s
i
为第i个带量采购业务对象对应的评分，d
i0
为第i个带量采购业务对象距离负理想向量的距离，d
i*
为第i个带量采购业务对象距离正理想向量的距离，通过上述公式可知，s
i
越大，d
i*
越小，即当评分越高时，带量采购业务对象越接近正理想向量，同时越远离负理想向量。
[0074]
205、基于所述评价结果，从所述多个带量采购业务对象中确定目标带量采购业务对象。
[0075]
对于本发明实施例，在计算多个带量采购业务对象对应的评分之后，为了根据该评分，从多个带量采购业务对象中确定目标带量采购业务对象，步骤205具体包括：确定多个评分中的最高评分，并将所述最高评分对应的带量采购业务对象确定为目标带量采购业务对象，具体地，因为评分越高，带量采购业务对象距离正理想向量的距离越近，所以从多个带量采购业务对象分别对应的评分中挑选出最高评分，该最高评分对应的带量采购业务对象即为目标带量采购业务对象，即政府遴选的合适的带量采购业务对象。
[0076]
根据本发明提供的另一种带量采购业务对象的确定方法、装置、存储介质及计算机设备，与目前专家通过评审来挑选合适的带量采购业务对象的方式相比，本技术通过获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；并根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；与此同时，根据所述指标向量、所述正理想向量和
所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；最终基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象，由此通过计算多个带量采购业务对象分别距离正理想向量的第一距离和距离负理想向量的第二距离，并基于所述第一距离和所述第二距离筛选目标带量采购业务对象，能够提高带量采购业务对象选取的准确度，从而能够有效地协助政府遴选合适的带量采购业务对象，同时也能够降低人工成本，提高带量采购业务对象的选取效率。
[0077]
进一步地，作为图1的具体实现，本发明实施例提供了一种带量采购业务对象的确定装置，如图3所示，所述装置包括：获取单元31、第一确定单元32、计算单元33和第二确定单元34。
[0078]
所述获取单元31，可以用于获取多个带量采购业务对象分别在不同指标维度下的第一指标数据。
[0079]
所述第一确定单元32，可以用于根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量。
[0080]
所述计算单元33，可以用于根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离。
[0081]
所述第二确定单元34，可以用于基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
[0082]
在具体应用场景中，为了确定多个带量采购业务对象分别对应的指标向量，以及多个带量采购业务对象共同对应的正理想向量和负理想向量，如图4所示，所述第一确定单元32，包括标准化模块321、第一确定模块322、第二确定模块323和构建模块324。
[0083]
所述标准化模块321，可以用于对所述第一指标数据进行标准化处理，得到所述多个带量采购业务对象分别在不同指标维度下的第二指标数据。
[0084]
所述第一确定模块322，可以用于基于所述第二指标数据，确定所述不同指标维度下的分量，并根据所述分量，确定所述多个带量采购业务对象分别对应的指标向量。
[0085]
所述第二确定模块323，可以用于针对所述不同指标维度，确定所述多个带量采购业务对象分别对应的第二指标数据中的最大第二指标数据和最小第二指标数据。
[0086]
所述构建模块324，可以用于基于所述不同指标维度下的最大第二指标数据和最小第二指标数据，分别构建所述多个带量采购业务对象共同对应的正理想向量和负理想向量。
[0087]
在具体应用场景中，为了获取多个带量采购业务对象分别在不同指标维度下的第二指标数据，所述标准化模块321，包括归一化子模块和相乘子模块。
[0088]
所述归一化子模块，可以用于对所述第一指标数据进行归一化处理，得到所述多个带量采购业务对象分别在不同指标维度下的第三指标数据。
[0089]
所述相乘子模块，可以用于确定所述不同指标维度对应的指标权重，并将所述指标权重与相应维度下的第三指标数据相乘，得到所述多个带量采购业务对象分别在不同指标维度下的第二指标数据。
[0090]
在具体应用场景中，为了获取多个带量采购业务对象分别距离正理想向量的第一距离和距离负理想向量的第二距离，所述计算单元33具体可以用于将所述指标向量中的各个分量与所述正理想向量中的各个分量对应相减后求平方和，得到所述多个带量采购业务对象分别距离所述正理想向量的第一距离；同时将所述指标向量中的各个分量与所述负理想向量中的各个分量对应相减后求平方和，得到所述多个带量采购业务对象分别距离所述负理想向量的第二距离。
[0091]
在具体应用场景中，为了确定目标带量采购业务对象，所述第二确定单元34，包括评价模块341和第三确定模块342。
[0092]
所述评价模块341，可以用于基于所述第一距离和所述第二距离，对所述多个带量采购业务对象进行评价，得到所述多个带量采购业务对象分别对应的评价结果。
[0093]
所述第三确定模块342，可以用于基于所述评价结果，从所述多个带量采购业务对象中确定目标带量采购业务对象。
[0094]
在具体应用场景中，为了得到多个带量采购业务对象对应的评价结果，所述评价模块341，包括相加子模块和相除子模块。
[0095]
所述相加子模块，可以用于将所述多个带量采购业务对象分别对应的所述第一距离和所述第二距离相加，得到所述多个带量采购业务对象分别对应的总距离。
[0096]
所述相除子模块，可以用于将所述第二距离与所述总距离相除，得到所述多个带量采购业务对象分别对应的评分。
[0097]
在具体应用场景中，为了确定目标带量采购业务对象，所述第三确定模块342，具体可以用于确定多个评分中的最高评分，并将所述最高评分对应的带量采购业务对象确定为目标带量采购业务对象。
[0098]
需要说明的是，本发明实施例提供的一种带量采购业务对象的确定装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
[0099]
基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
[0100]
基于上述如图1所示方法和如图3所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图5所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；基于所述第一距
离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象。
[0101]
通过本发明的技术方案，本发明通过获取多个带量采购业务对象分别在不同指标维度下的第一指标数据；并根据所述第一指标数据，确定所述多个带量采购业务对象分别对应的指标向量，以及所述多个带量采购业务对象共同对应的正理想向量和负理想向量；与此同时，根据所述指标向量、所述正理想向量和所述负理想向量，计算所述多个带量采购业务对象分别距离所述正理想向量的第一距离和距离所述负理想向量的第二距离；最终基于所述第一距离和所述第二距离，从所述多个带量采购业务对象中确定目标带量采购业务对象，由此通过计算多个带量采购业务对象分别距离正理想向量的第一距离和距离负理想向量的第二距离，并基于所述第一距离和所述第二距离筛选目标带量采购业务对象，能够提高带量采购业务对象选取的准确度，从而能够有效地协助政府遴选合适的带量采购业务对象，同时也能够降低人工成本，提高带量采购业务对象的选取效率。
[0102]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0103]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。