供应商评价方法、装置、终端设备及介质与流程

本申请属于绿色环保评价，尤其涉及一种供应商评价方法、装置、终端设备及介质。

背景技术：

1、近年来，供应链管理可以提升企业的市场反应速度，大大缩短满足消费者需求的时间，从而使企业在这个快速变化的世界里获得无法复制的竞争优势。越来越多的企业认识到实施供应链管理所带来的巨大好处，供应商的选择是供应链合作关系运行的基础。对于生产型企业而言，供应商的优劣直接影响到产品的成本、质量和交货期及供应链的整体绩效。因此，科学、合理、客观地评价并选择供应商是供应链上核心企业的重要工作之一。

2、同时，为了应对全球变暖和环境污染等问题，需将二氧化碳排放量力争于较早达到峰值，争取实现碳中和。根据相关调查数据，产品碳足迹总量的75％来源于供应链。此时，对各个生产型企业有了绿色低碳方面的更高的要求。

3、而现有的供应商评价方法中没有考虑在绿色低碳方面对供应商评价的影响，导致对每个供应商的判断不够准确，如何更加全面和准确地评价供应商亟待解决。

技术实现思路

1、为克服相关技术中存在的问题，本申请实施例提供了一种供应商评价方法、装置、终端设备及介质，能够更加全面和准确地评价供应商，提高绿色低碳对于评价供应商的重要性。

2、本申请是通过如下技术方案实现的：

3、第一方面，本申请实施例提供了供应商评价方法，包括：

4、获取供应商的企业数据；供应商的企业数据包括的供应商的碳足迹；

5、将供应商的企业数据输入预先训练好的bp神经网络模型，得到供应商的评价结果；bp神经网络模型中设置有注意力机制模块；在bp神经网络模型中，注意力机制模块用于调整与供应商的碳足迹相关特征的权重。

6、在第一方面的一种可能的实现方式中，bp神经网络模型包括输入层、第一隐藏层、第二隐藏层、输出层和注意力机制模块；注意力机制模块包括第一注意力机制单元和第二注意力机制单元；

7、输入层用于输入供应商的企业数据；

8、第一隐藏层用于输出供应商的评价指标特征；供应商的评价指标特征为多个，用于表征供应商的企业数据之间的相关性；第二隐藏层用于输出供应商的总评价指标特征；供应商的总评价指标特征的数量大于或等于2，用于表征供应商的评价指标特征之间的相关性；

9、第一注意力机制单元设置在第一隐藏层与第二隐藏层之间；第二注意力机制单元设置在第二隐藏层与输出层之间。

10、在第一方面的一种可能的实现方式中，评价指标特征输入到第一注意力机制单元中，第一注意力机制单元用于赋予第一隐藏层的评价指标特征中与碳足迹相关的特征所对应的神经元，映射到第二隐藏层的权重，该权重为第一注意力权重；

11、总评价指标特征输入到第二注意力机制单元中，第二注意力机制单元用于赋予第二隐藏层的总评价指标特征中与碳足迹相关的特征所对应的神经元，映射到输出层的权重，该权重为第二注意力权重。

12、在第一方面的一种可能的实现方式中，第二隐藏层输出的特征为：

13、

14、其中，y'i为第二隐藏层中第i个神经元的输出特征；ω'bi为第一隐藏层中第b个神经元映射到第二隐藏层中第i个神经元的权重；yb为第一隐藏层中第b个神经元的输出特征；ω'ci为第一隐藏层的第c个神经元到第二隐藏层中第i个神经元的第一注意力权重；第c个神经元包含与碳足迹相关的特征；yc为第一隐藏层中第c个神经元的输出特征；f'()为第二隐藏层的激活函数，θ'为第二隐藏层的神经元阈值；m为第一隐藏层的神经元的数量。

15、在第一方面的一种可能的实现方式中，第二隐藏层输出总评价指标特征；总评价指标特征输入到第二注意力机制单元中，第二注意力机制单元用于赋予第二隐藏层的总评价指标特征中与碳足迹相关特征所对应的神经元，映射到输出层的第二注意力权重。

16、在第一方面的一种可能的实现方式中，输出层的输出特征为：

17、

18、其中，为输出层中第j个神经元的输出特征；为第二隐藏层中第i个神经元映射到输出层中第j个神经元的权重；y'i为第二隐藏层中第i个神经元的输出特征；为第二隐藏层的第d个神经元到输出层中第j个神经元的第二注意力权重；第d个神经元包含与碳足迹相关的特征；y'd为第二隐藏层中第d个神经元的输出特征；为输出层的激活函数，为输出层的神经元阈值；p为第二隐藏层的神经元的数量。

19、在第一方面的一种可能的实现方式中，输入层的神经元的数量根据供应商的企业数据的类型的数量确定，输入层的神经元的数量为n。

20、第一隐藏层的神经元的数量根据第一隐藏层的评价指标特征的数量确定，第一隐藏层的神经元的数量为m，m<n；

21、第二隐藏层的神经元的数量根据第二隐藏层的总评价指标特征的数量确定，第二隐藏层的神经元的数量为p，p<m；

22、输出层的神经元的数量根据评价结果的数量确定，输出层的神经元的数量为q，q<p。

23、第二方面，本申请实施例提供了一种供应商评价装置，包括：

24、企业数据获取模块，用于获取供应商的企业数据；供应商的企业数据包括的供应商的碳足迹；

25、评价结果输出模块，用于将供应商的企业数据输入预先训练好的bp神经网络模型，得到供应商的评价结果；bp神经网络模型中设置有注意力机制模块；在bp神经网络模型中，注意力机制模块用于调整与供应商的碳足迹相关特征的权重。

26、第三方面，本申请实施例提供了一种终端设备，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如第一方面中任一项的供应商评价方法。

27、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面中任一项所述的供应商评价方法。

28、本申请实施例与相关技术相比存在的有益效果是：

29、本申请实施例，通过在bp神经网络模型中引入注意力机制，使bp神经网络模型中能够自动关注与评价供应商的碳足迹相关的重要特征；bp神经网络通过学习注意力权重，动态地调整其关注度，从而提高bp神经网络模型的准确性。同时，通过调整与所述供应商的碳足迹相关特征的权重，能够科学地评价供应商，提高绿色低碳对于评价供应商的重要性。

30、可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

31、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

技术特征：

1.一种供应商评价方法，其特征在于，包括：

2.如权利要求1所述的供应商评价方法，其特征在于，所述bp神经网络模型包括输入层、第一隐藏层、第二隐藏层、输出层和所述注意力机制模块；所述注意力机制模块包括第一注意力机制单元和第二注意力机制单元；

3.如权利要求2所述的供应商评价方法，其特征在于，所述评价指标特征输入到第一注意力机制单元中，所述第一注意力机制单元用于赋予所述第一隐藏层的评价指标特征中与碳足迹相关的特征所对应的神经元，映射到所述第二隐藏层的权重，该权重为第一注意力权重。

4.如权利要求3所述的供应商评价方法，其特征在于，所述第二隐藏层的输出特征为：

5.如权利要求2所述的供应商评价方法，其特征在于，所述第二隐藏层输出总评价指标特征；所述总评价指标特征输入到第二注意力机制单元中，所述第二注意力机制单元用于赋予所述第二隐藏层的总评价指标特征中与碳足迹相关特征所对应的神经元，映射到所述输出层的第二注意力权重。

6.如权利要求5所述的供应商评价方法，其特征在于，所述输出层的输出特征为：

7.如权利要求2至6任一项所述的供应商评价方法，其特征在于，

8.一种供应商评价装置，其特征在于，包括：

9.一种终端设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的供应商评价方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7任一项所述的供应商评价方法。

技术总结
本申请适用于绿色环保评价技术领域，提供了一种供应商评价方法、装置、终端设备及介质，该方法包括：获取供应商的企业数据；供应商的企业数据包括的供应商的碳足迹；将供应商的企业数据输入预先训练好的BP神经网络模型，得到供应商的评价结果；BP神经网络模型中设置有注意力机制模块；在BP神经网络模型中，注意力机制模块用于调整与供应商的碳足迹相关特征的权重。本申请能够更加全面和准确地评价供应商，提高绿色低碳对于评价供应商的重要性。

技术研发人员：相辉,张静,王宏宇,史依茗,郭路遥,卢焱,张弘媛,杨青倬,米文博
受保护的技术使用者：国网河北省电力有限公司物资分公司
技术研发日：
技术公布日：2024/1/15