一种供应链金融方案匹配方法及装置与流程

本申请涉及供应链金融技术领域，尤其涉及一种供应链金融方案匹配方法及装置。

背景技术：

目前中国经济发展进入了动能转换期,经济增速放缓,市场需求不足。供应链金融是有效解决中小企业融资难、融资贵等问题，帮助核心企业及金融机构开拓市场,实现差异化竞争、提高资金效率、降低风险的有效手段,是产业转型升级的需要。同时,在互联网模式下,供应链金融服务效率的大幅提升需要依赖金融科技的应用创新来实现。

目前传统的供应链金融方案匹配流程主要是：融资需求方(中小企业)线下或在金融中介平台发起融资需求，金融中介获取需求，人工分析需求信息，提炼出关键要点信息；根据关键信息，人工推荐现有金融产品，若推荐成功，则进入金融产品申请流程；若推荐失败，则转给其他金融中介或资金方，由其他金融中介或资金方匹配其金融需求，直至匹配成功或遍历所有产品均失败。

现有的供应链金融方案的匹配过程中，审核、分析等环节需要人工介入，导致效率低且容易受主观因素影响，同时由于需求方和服务方的数据不通畅，信息不对称导致供应链金融方案匹配的成功率较低。

技术实现要素：

本申请提供了一种供应链金融方案匹配方法及装置，解决了现有的供应链金融方案的匹配过程中，审核、分析等环节需要人工介入，导致的效率低且容易受主观因素影响，同时由于需求方和服务方的数据不通畅，信息不对称导致的供应链金融方案匹配的成功率较低的技术问题。

有鉴于此，本申请第一方面提供了一种供应链金融方案匹配方法，所述方法包括：

获取融资方在数字化服务贸易平台中的业务数据；

获取融资方在数字化服务贸易平台中的行为数据；

根据所述融资方的授权，获取所述融资方的基本数据；

将所述业务数据、所述行为数据以及所述基本数据作为预设金融方案匹配模型的输入，得到所述融资方与预设金融方案的匹配值，按照所述匹配值降序排列进行推荐显示。

可选地，还包括：

接收资金方发送的预设金融方案；

对所述资金方的基本信息以及所述预设金融方案进行数据预处理，将所述资金方的基本信息以及所述预设金融方案转换为标准数据；

对所述标准数据进行指标分析，得到指标数据；

将所述指标数据作为训练数据，对机器学习模型进行训练，得到预设金融方案匹配模型。

可选地，所述按照所述匹配值降序排列进行推荐显示之后还包括：

根据所述融资方在接收到推荐显示后的行为数据以及推荐显示的预设金融方案，对所述预设金融方案匹配模型进行进一步地训练和更新。

可选地，所述对所述标准数据进行指标分析，得到指标数据具体包括：

对标准数据进行加权、汇总、运算分析，得到影响机器学习模型的指标数据。

可选地，所述机器学习模型为协同过滤模型、因子分解机模型、gbdt+lr模型以及deepfm模型中的任意一种模型。

本申请第二方面提供一种供应链金融方案匹配装置，所述装置包括：

第一获取单元，用于获取融资方在数字化服务贸易平台中的业务数据；

第二获取单元，用于获取融资方在数字化服务贸易平台中的行为数据；

第三获取单元，用于根据所述融资方的授权，获取所述融资方的基本数据；

匹配单元，用于将所述业务数据、所述行为数据以及所述基本数据作为预设金融方案匹配模型的输入，得到所述融资方与预设金融方案的匹配值，按照所述匹配值降序排列进行推荐显示。

可选地，还包括：

接收单元，用于接收资金方发送的预设金融方案；

预处理单元，用于对所述资金方的基本信息以及所述预设金融方案进行数据预处理，将所述资金方的基本信息以及所述预设金融方案转换为标准数据；

指标分析单元，用于对所述标准数据进行指标分析，得到指标数据；

训练单元，用于将所述指标数据作为训练数据，对机器学习模型进行训练，得到预设金融方案匹配模型。

可选地，还包括：

更新单元，用于根据所述融资方在接收到推荐显示后的行为数据以及推荐显示的预设金融方案，对所述预设金融方案匹配模型进行进一步地训练和更新。

可选地，所述指标分析单元具体用于：

对标准数据进行加权、汇总、运算分析，得到影响机器学习模型的指标数据。

可选地，所述机器学习模型为协同过滤模型、因子分解机模型、gbdt+lr模型以及deepfm模型中的任意一种模型。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中，提供了一种供应链金融方案匹配方法，将融资方在数字化服务贸易平台上的业务数据、行为数据以及授权的基本数据作为预设金融方案匹配模型的输入，通过预设金融方案匹配模型智能地为融资方匹配预设金融方案，并根据匹配值从高到低为融资方进行推荐显示，解决了现有的供应链金融方案的匹配过程中，审核、分析等环节需要人工介入，导致的效率低且容易受主观因素影响，同时由于需求方和服务方的数据不通畅，信息不对称导致的供应链金融方案匹配的成功率较低的技术问题。

附图说明

图1为本申请实施例中一种供应链金融方案匹配方法中方案匹配的方法流程图；

图2为本申请实施例中一种供应链金融方案匹配方法中模型训练的方法流程图；

图3为本申请实施例中一种供应链金融方案匹配装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请设计了一种供应链金融方案匹配方法及装置，解决了现有的供应链金融方案的匹配过程中，审核、分析等环节需要人工介入，导致的效率低且容易受主观因素影响，同时由于需求方和服务方的数据不通畅，信息不对称导致的供应链金融方案匹配的成功率较低的技术问题。

本申请实施例中的数字化服务贸易平台，是一种为接入平台的需求服务贸易的客户以及提供服务贸易的服务商之间合作渠道的平台，实现了客户与服务商之间的快速对接、达成合作以及便捷合作。

为了便于理解，请参阅图1，图1为本申请实施例中一种供应链金融方案匹配方法中方案匹配的方法流程图，如图1所示，具体为：

101、获取融资方在数字化服务贸易平台中的业务数据；

需要说明的是，融资方接入数字化服务贸易平台后，在数字化服务贸易平台中可能产生相关业务数据，例如融资方通过数字化服务贸易平台选择了物流业务，从而产生了物流数据；或者选择了仓储业务，从而产生了仓储数据等，业务数据包括物流数据、仓储数据、结算数据以及外汇数据等。

102、获取融资方在数字化服务贸易平台中的行为数据；

需要说明的是，融资方在登陆其在数字化服务贸易平台后，会在数字化服务贸易平台中产生各类行为数据，例如登陆、点击、浏览、搜索等。

103、根据融资方的授权，获取融资方的基本数据；

需要说明的是，融资方与数字化服务贸易平台达成协议，授权允许获取融资方的基本数据，基本数据包括财务数据、运营数据、工商数据、司法数据以及征信数据等。

104、将业务数据、行为数据以及基本数据作为预设金融方案匹配模型的输入，得到融资方与预设金融方案的匹配值，按照匹配值降序排列进行推荐显示。

需要说明的是，将获取到的融资方的业务数据、行为数据、基本数据作为预设金融方案匹配模型的输入，由预设金融方案匹配模型计算融资方的业务数据、行为数据以及基本数据与预设金融方案之间的匹配值，从而按照匹配值从高到低的排序结果，将前预设数量的预设金融方案推荐和显示给融资方，以供融资方进行挑选。

本申请实施例中，提供了一种供应链金融方案匹配方法，将融资方在数字化服务贸易平台上的业务数据、行为数据以及授权的基本数据作为预设金融方案匹配模型的输入，通过预设金融方案匹配模型智能地为融资方匹配预设金融方案，并根据匹配值从高到低为融资方进行推荐显示，解决了现有的供应链金融方案的匹配过程中，审核、分析等环节需要人工介入，导致的效率低且容易受主观因素影响，同时由于需求方和服务方的数据不通畅，信息不对称导致的供应链金融方案匹配的成功率较低的技术问题。

请参阅图2，图2为本申请实施例中一种供应链金融方案匹配方法中模型训练的方法流程图，如图2所示，具体为：

201、接收资金方发送的预设金融方案；

需要说明的是，资金方在授权后，将预设金融方案上传，预设金融方案之中将包括金融产品信息以及融资方要求信息等。

202、对资金方的基本信息以及预设金融方案进行数据预处理，将资金方的基本信息以及预设金融方案转换为标准数据；

需要说明的是，接收到资金方发送的预设金融方案后，同时将资金方的基本信息以及预设金融方案进行数据预处理，主要是进行结构化清洗，并对数据进行指标化预处理，包括空值、异常值、非标值和运算处理等，从而得到标准数据。

203、对标准数据进行指标分析，得到指标数据；

需要说明的是，进一步地对标准数据进行指标分析，通过对标准数据进行加权、汇总、运算等处理，提炼出对机器学习模型有影响的有效指标，即指标数据。

204、将指标数据作为训练数据，对机器学习模型进行训练，得到预设金融方案匹配模型。

需要说明的是，将指标数据作为训练数据，对机器学习模型进行训练，从而得到预设金融方案匹配模型，其中，机器学习模型包括但不限于协同过滤模型、因子分解机模型、gbdt+lr模型以及deepfm模型。可以设想的是，可以同时训练多个机器学习模型，在实际匹配过程中，将最合适的机器学习模型作为预设金融方案匹配模型进行匹配。

进一步地，根据融资方在接收到推荐显示后的行为数据以及推荐显示的预设金融方案，对预设金融方案匹配模型进行进一步地训练和更新；

需要说明的是，融资方在接收了预设金融方案的推荐后，即可进入后续交易流程，但若融资方拒绝了预设金融方案的推荐，可以进一步积累融资方的行为数据以及推荐显示的预设金融方案，对预设金融方案匹配模型进一步地进行训练和迭代更新。

请参阅图3，图3为本申请实施例中一种供应链金融方案匹配装置的结构示意图，如图3所示，具体为：

第一获取单元301，用于获取融资方在数字化服务贸易平台中的业务数据；

第二获取单元302，用于获取融资方在数字化服务贸易平台中的行为数据；

第三获取单元303，用于根据融资方的授权，获取融资方的基本数据；

匹配单元304，用于将业务数据、行为数据以及基本数据作为预设金融方案匹配模型的输入，得到融资方与预设金融方案的匹配值，按照匹配值降序排列进行推荐显示。

进一步地，还包括：

接收单元305，用于接收资金方发送的预设金融方案；

预处理单元306，用于对资金方的基本信息以及预设金融方案进行数据预处理，将资金方的基本信息以及预设金融方案转换为标准数据；

指标分析单元307，用于对标准数据进行指标分析，得到指标数据；

训练单元308，用于将指标数据作为训练数据，对机器学习模型进行训练，得到预设金融方案匹配模型。

进一步地，还包括：

更新单元309，用于根据融资方在接收到推荐显示后的行为数据以及推荐显示的预设金融方案，对预设金融方案匹配模型进行进一步地训练和更新。

进一步地，指标分析单元307具体用于：

对标准数据进行加权、汇总、运算分析，得到影响机器学习模型的指标数据。

进一步地，机器学习模型为协同过滤模型、因子分解机模型、gbdt+lr模型以及deepfm模型中的任意一种模型。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read-onlymemory，英文缩写：rom)、随机存取存储器(英文全称：randomaccessmemory，英文缩写：ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。