本发明涉及大数据分析,具体地,涉及一种供应商智能推荐方法及系统。
背景技术:
1、随着信息技术的发展,计算机和互联网被广泛应用于各行各业,并给人们的交流、出行方式及至工业生产方式等都带来了很大的变化。作为信息化时代的产物,近年来,电子商务迅速崛起,并以其低成本、高效率、全球化和交互性等特点取代传统商务,让买卖双方无需谋面就能够进行各种商贸活动,从而给买卖双方提供了极大的便利。
2、现有技术中涉及的主观评价过程过于依赖个人经验,不确定性较强,推荐效果较差,而单一客观评价过程又过分依赖数据本身,不能利用业务专家知识。
技术实现思路
1、针对现有技术中的缺陷,本发明提供一种供应商智能推荐方法及系统。
2、根据本发明提供的一种供应商智能推荐方法及系统,所述方案如下:
3、第一方面,提供了一种供应商智能推荐方法,所述方法包括:
4、步骤s1:识别并建立供应商主要特征集合,确定不同特征在供应商评价中的影响权重;
5、步骤s2:计算得出供应商静态评价得分,作为供应商精排的依据,对采购方、供应商进行匹配,推荐候选对象。
6、优选地,所述步骤s1包括:数据预处理及特征工程,数据预处理工作包括缺失数据填充、不平衡数据过滤、异常数据剔除以及数据相关性分析;基于数据预处理及分析结果,在特征工程部分,建立供应商主要特征集合,作为供应商的静态评价对象。
7、优选地,所述供应商静态评价得分由供应商特征加权求和计算得出,其中特征权重包括主观权重和客观权重;
8、所述主观权重采取层次分析法,针对影响程度对比和得分提出以下对比标准:
9、当两特征同等重要,则两特征得分均为1;
10、当两特征影响程度稍有差别,则影响大的特征得分为3,影响小的特征得分为
11、当两特征影响程度有明显差别,则影响大的特征得分为5,影响小的特征得分为
12、当两特征影响程度有强烈差别,则影响大的特征得分为7,影响小的特征得分为
13、当两特征影响程度有极端差别,则影响大的特征得分为9,影响小的特征得分为
14、当特征影响差别介于上述分级之间,则影响大的特征取得分2,4,6,8,影响小的特征取
15、通过以上方法获得的比较矩阵是一个主对角线为1,且以主对角线为轴的对称元素互为倒数的n阶方阵,其中n为供应商特征数量;通过和积法对所述比较矩阵求取近似特征向量,并通过一致性检测,该特征向量即为供应商特征的主观权向量ωs。
16、优选地,所述客观权重采用熵权法,信息熵越大的供应商特征,在静态评价体系中的计算权重也越大,依据信息论中信息熵的定义,供应商第j个特征的归一化信息熵计算公式为:
17、
18、ej表示第j个供应商特征对应的信息熵归一化结果,n表示供应商数量;pij表示第i个供应商对第j个特征取值的归一化结果,计算方法如下式:
19、
20、其中,yj表示第j个供应商特征所对应随机向量的标准化结果;fij表示yij的取值在yj中的出现频次;yij表示第i个供应商对第j个特征取值的标准化结果,n依然表示供应商数量,标准化方法见下式3):
21、
22、xij表示第i个供应商对第j个特征的取值;xj表示第j个供应商特征所对应的随机向量;利用公式1)的结果,客观权向量ωo计算公式如下:
23、
24、其中,表示特征数量。
25、优选地,所述供应商静态评价得分中,得到主、客观权向量后,综合权向量表达式如下:
26、ω=α*ωo+(1-α)*ωs 5)
27、其中,α为客观权重系数,主、客观权重影响程度相同时,α=0.5;
28、使用综合权重的assess静态评估对第i个供应商的综合得分si计算如下:
29、
30、其中,xi为第i个供应商的供应商特征向量。
31、优选地,所述对采购方、供应商进行匹配包括:确定用于采购方、供应商匹配的关键属性,及匹配方法;
32、其中,关键属性包括:供应商、采购方地理距离、企业规模、企业所属行业以及物料;
33、匹配方法包括:采购方、供应商匹配将以历史询、报价记录作为主要依据,通过对比分析进行;首先依据历史报价单行数据确定供应商可供物料集合,其次,积累的询单数据将按照采购方进行分组,各采购方所发询单对应的中标供应商取做对比对象;
34、针对匹配属性的使用,物料属性将作为供应商召回条件,被推荐过程最先考虑;推荐开始时,取采购方本次询单行中的全部物料,匹配可同时供应所有发询物料的供应商,为本次推荐的候选对象;可供物料不匹配的供应商将直接被舍弃;除物料外的匹配属性,将被作为供应商粗排的依据。
35、优选地,所述方法还包括:
36、考虑历史影响因素的供应商评估及推荐:分析历史数据能够带来的决策影响,并确定历史数据评估手段;借鉴arima在内的相关时序数据模型的概念,特征数据的时间影响程度依据包括:时间段距离影响和时间段内信息重要程度影响;
37、时间距今越短的数据,对本次推荐结果影响越大,在推荐过程中,将强化考虑;对历史信息进行周期性分析,同周期内的数据较来自其他周期的数据影响程度更高,在推荐过程中,将强化考虑。
38、第二方面,提供了一种供应商智能推荐系统,所述系统包括:
39、模块m1:识别并建立供应商主要特征集合,确定不同特征在供应商评价中的影响权重;
40、模块m2:计算得出供应商静态评价得分,作为供应商精排的依据,对采购方、供应商进行匹配,推荐候选对象。
41、优选地,所述模块m1包括:数据预处理及特征工程,数据预处理工作包括缺失数据填充、不平衡数据过滤、异常数据剔除以及数据相关性分析;基于数据预处理及分析结果,在特征工程部分,建立供应商主要特征集合,作为供应商的静态评价对象;
42、所述模块m2中供应商静态评价得分由供应商特征加权求和计算得出,其中特征权重包括主观权重和客观权重;
43、所述主观权重采取层次分析法,针对影响程度对比和得分提出以下对比标准:
44、当两特征同等重要,则两特征得分均为1;
45、当两特征影响程度稍有差别,则影响大的特征得分为3,影响小的特征得分为
46、当两特征影响程度有明显差别,则影响大的特征得分为5,影响小的特征得分为
47、当两特征影响程度有强烈差别,则影响大的特征得分为7,影响小的特征得分为
48、当两特征影响程度有极端差别,则影响大的特征得分为9,影响小的特征得分为
49、当特征影响差别介于上述分级之间,则影响大的特征取得分2,4,6,8,影响小的特征取
50、通过以上方法获得的比较矩阵是一个主对角线为1,且以主对角线为轴的对称元素互为倒数的n阶方阵,其中n为供应商特征数量;通过和积法对所述比较矩阵求取近似特征向量,并通过一致性检测,该特征向量即为供应商特征的主观权向量ωs;
51、所述客观权重采用熵权法,信息熵越大的供应商特征,在静态评价体系中的计算权重也越大,依据信息论中信息熵的定义,供应商第j个特征的归一化信息熵计算公式为:
52、
53、ej表示第j个供应商特征对应的信息熵归一化结果,n表示供应商数量;pij表示第i个供应商对第j个特征取值的归一化结果,计算方法如下式:
54、
55、其中,yj表示第j个供应商特征所对应随机向量的标准化结果;fij表示yij的取值在yj中的出现频次;yij表示第i个供应商对第j个特征取值的标准化结果,n依然表示供应商数量,标准化方法见下式3):
56、
57、xij表示第i个供应商对第j个特征的取值;xj表示第j个供应商特征所对应的随机向量;利用公式1)的结果,客观权向量ωo计算公式如下:
58、
59、其中,m表示特征数量;
60、所述供应商静态评价得分中,得到主、客观权向量后,综合权向量表达式如下:
61、ω=α*ωo+(1-α)*ωs 5)
62、其中,α为客观权重系数,主、客观权重影响程度相同时,α=0.5;
63、使用综合权重的assess静态评估对第i个供应商的综合得分si计算如下:
64、
65、其中,xi为第i个供应商的供应商特征向量。
66、优选地,所述对采购方、供应商进行匹配包括:确定用于采购方、供应商匹配的关键属性,及匹配方法;
67、其中,关键属性包括:供应商、采购方地理距离、企业规模、企业所属行业以及物料;
68、匹配方法包括:采购方、供应商匹配将以历史询、报价记录作为主要依据,通过对比分析进行;首先依据历史报价单行数据确定供应商可供物料集合,其次,积累的询单数据将按照采购方进行分组,各采购方所发询单对应的中标供应商取做对比对象;
69、针对匹配属性的使用,物料属性将作为供应商召回条件,被推荐过程最先考虑;推荐开始时,取采购方本次询单行中的全部物料,匹配可同时供应所有发询物料的供应商,为本次推荐的候选对象;可供物料不匹配的供应商将直接被舍弃;除物料外的匹配属性,将被作为供应商粗排的依据;
70、所述方法还包括:
71、考虑历史影响因素的供应商评估及推荐:分析历史数据能够带来的决策影响,并确定历史数据评估手段;借鉴arima在内的相关时序数据模型的概念,特征数据的时间影响程度依据包括:时间段距离影响和时间段内信息重要程度影响;
72、时间距今越短的数据,对本次推荐结果影响越大,在推荐过程中,将强化考虑;对历史信息进行周期性分析,同周期内的数据较来自其他周期的数据影响程度更高,在推荐过程中,将强化考虑。
73、与现有技术相比,本发明具有如下的有益效果:
74、1、本发明中的assess部分建立了较合理的供应商描述指标体系,并开创性地利用“层次分析法”和“熵权法”对指标体系进行了主、客观综合加权评估,融合二者优点,规避了传统主客观评价中的缺点;
75、2、本发明在assess静态评估的基础上,采购方及供应商的match匹配过程,为推荐增加了个性化、针对性的元素,相比单一基于供应商评价的泛化推荐,可用性更强。对历史数据影响的考虑,为推荐过程加入了时间维度,使其具备了“记忆”特性,推荐效果因而可能随数据量增长而持续改善。
76、本发明的其他有益效果,将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述,本领域技术人员通过这些技术特征和技术方案的介绍,应能理解所述技术特征和技术方案带来的有益技术效果。