基于供应商画像的采购筛选方法、系统、存储介质及终端与流程

本发明涉及人工智能，特别涉及一种基于供应商画像的采购筛选方法、系统、存储介质及终端。

背景技术：

1、随着主机厂供应链上游的供应商越来越多，建立主机厂与大批量供应商之间的双方战略伙伴关系，并通过信息手段控制优化双方之间的采购信息，能进一步降低主机厂的采购成本和对客户的延期成本，从而增加客户的价值以及提高主机厂的利润率。

2、目前，主机厂在减速机的生产调度过程中，大部分还是单纯依赖多个供应商的口头承诺制定采购计划，例如采购人员会根据采购订单交期和口头承诺进行采购计划制定和调整。但是由于供应商履单行为的不确定性会对采购计划的制定和执行造成偏差，从而造成主机厂产生产品交期延误或生产成本增加的问题，降低了主机厂采购的准确性。

技术实现思路

1、本技术实施例提供了一种基于供应商画像的采购筛选方法、系统、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

2、第一方面，本技术实施例提供了一种基于供应商画像的采购筛选方法，方法包括：

3、在接收到待处理采购需求时，获取供应商列表中每个供应商的历史采购订单所关联的供应商考评指标参数及其指标分值数据；其中，所述供应商考评指标参数是对各个预设考评指标在所述历史采购订单中匹配的采购数据，所述指标分值数据是根据评论数据集对各个预设考评指标计算的，所述评论数据集是通过大数据技术针对所述历史采购订单在一段时间周期中收集的；

4、将供应商考评指标参数及其指标分值数据输入预先训练的供应商评级模型中，输出每个供应商对应的各个考评指标的评级结果；

5、根据每个供应商对应的各个考评指标的评级结果，制定每个供应商的供应商采购画像；

6、基于每个供应商的供应商采购画像，筛选出符合待处理采购需求的目标供应商。

7、可选的，接收待处理采购需求之前，还包括：

8、获取供应商列表中每个供应商的历史采购订单；

9、对每个预设考评指标在所述历史采购订单中匹配采购数据，得到供应商的历史采购订单对应的供应商考评指标参数；供应商考评指标参数包括质量指标参数、成本指标参数、交货指标参数、服务指标参数、技术指标参数、资产指标参数以及员工流程指标参数；

10、根据供应商考评指标参数，建立每个供应商的历史采购订单对应的订单评论模版，并推送至用于评价的客户端；

11、通过大数据技术收集预设时间周期内针对每个供应商的历史采购订单所评论的评论数据集，并根据所述评论数据集计算各个考评指标的指标分值数据，生成每个供应商的历史采购订单对应的指标分值数据；

12、建立每个供应商的历史采购订单和其对应的供应商考评指标参数、指标分值数据之间的关联关系。

13、可选的，根据每个供应商对应的各个考评指标的评级结果，制定每个供应商的供应商采购画像，包括：

14、获取预先制定的多个采购策略，多个采购策略至少包括用于订单履约良好的第一采购策略、用于交期短且质量高的第二采购策略、用于交期长且成本低的第三采购策略；

15、在供应商考评指标参数中，确定第一采购策略所需的多个第一指标，并确定第二采购策略所需的多个第二指标，以及确定第三采购策略所需的多个第三指标；

16、在每个供应商对应的各个考评指标的评级结果中，匹配每个第一指标对应的评级结果，并匹配每个第二指标对应的评级结果，以及匹配每个第三指标对应的评级结果；

17、根据每个第一指标对应的评级结果，计算每个供应商与第一采购策略之间的第一相似度，并确定出第一相似度大于预设阈值的第一供应商，以及将第一采购策略作为每个第一供应商的供应商采购画像；

18、根据每个第二指标对应的评级结果，计算每个供应商与第二采购策略之间的第二相似度，并确定出第二相似度大于预设阈值的第二供应商，以及将第二采购策略作为每个第二供应商的供应商采购画像；

19、根据每个第三指标对应的评级结果，计算每个供应商与第三采购策略之间的第三相似度，并确定出第三相似度大于预设阈值的第三供应商，以及将第三采购策略作为每个第三供应商的供应商采购画像。

20、可选的，基于每个供应商的供应商采购画像，筛选出符合待处理采购需求的目标供应商，包括：

21、分析待处理采购需求的目标采购策略；

22、当目标采购策略为用于订单履约良好的第一采购策略时，计算每个供应商的供应商采购画像与第一采购策略之间的交集，并确定出交集不为空的供应商；或者，

23、当目标采购策略为用于交期短且质量高的第二采购策略时，计算每个供应商的供应商采购画像与第二采购策略之间的交集，并确定出交集不为空的供应商；或者，

24、当目标采购策略为用于交期长且成本低的第三采购策略时，计算每个供应商的供应商采购画像与第三采购策略之间的交集，并确定出交集不为空的供应商；

25、当交集不为空的供应商为一个时，将交集不为空的供应商确定为待处理采购需求的目标供应商；或者，当交集不为空的供应商为多个时，根据待处理采购需求计算每个供应商的采购成本，并将采购成本最低的供应商作为待处理采购需求的目标供应商。

26、可选的，按照以下步骤生成预先训练的供应商评级模型，包括：

27、制定每个供应商历史真实订单的多个历史考评指标参数；

28、建立每个历史考评指标参数的打分真实值；

29、对每个历史考评指标参数的打分真实值标注预设评级标签，得到每个供应商的每条历史考评指标参数及其评级标签映射数据；

30、根据每条历史考评指标参数及其评级标签映射数据，建立每个供应商的参数矩阵；

31、采用神经网络建立供应商评级模型，并将每个供应商的参数矩阵输入供应商评级模型中，输出模型损失值；

32、当模型损失值到达最小时，生成预先训练的供应商评级模型；或者，当模型损失值未到达最小时，将模型损失值进行反向传播，以更新供应商评级模型的模型参数，并继续执行将每个供应商的参数矩阵输入供应商评级模型中的步骤，直到模型损失值到达最小。

33、可选的，根据每条历史考评指标参数及其评级标签映射数据，建立每个供应商的参数矩阵，包括：

34、将每条历史考评指标参数和评级标签映射数据输入编码器，并当编码器在当前时刻下的实部和虚部均为正数时，将每条历史考评指标参数和评级标签映射数据量化为11，或者当编码器在当前时刻下的实部为正数且虚部为负数时，将每条历史考评指标参数和评级标签映射数据量化为10，或者当编码器在当前时刻下的实部为负数且虚部为正数时，将每条历史考评指标参数和评级标签映射数据量化为01，或者当编码器在当前时刻下的实部和虚部均为负时，将每条历史考评指标参数和评级标签映射数据量化为00，量化结束后输出每条历史考评指标参数的第一量化结果及其评级标签的第二量化结果；

35、将每条历史考评指标参数的第一量化结果进行进制转换，得到多个无符号第一整数值；

36、将每条历史考评指标参数的评级标签的第二量化结果进行进制转换，得到多个无符号第二整数值；

37、将多个无符号第一整数值和多个无符号第二整数值组成一个特征矩阵，得到每个供应商的参数矩阵。

38、可选的，供应商评级模型的模型损失函数表达式为：

39、

40、其中，λ为相似度矩阵损失函数的权重，p和q分别为每个供应商的参数矩阵进入归一化层后输出的向量表示，i为参数矩阵中的每个元素；

41、归一化层定义为：其中，

42、向量z为全连接层的输出的向量，qi表示参数矩阵中第i个元素的归一化概率，zi表示全连接层输出向量的第i维，zj表示全连接层输出向量的第j维，t是控制输出概率平滑度的参数。

43、第二方面，本技术实施例提供了一种基于供应商画像的采购筛选系统，系统包括：

44、数据获取模块，用于在接收到待处理采购需求时，获取供应商列表中每个供应商的历史采购订单所关联的供应商考评指标参数及其指标分值数据；其中，所述供应商考评指标参数是对各个预设考评指标在所述历史采购订单中匹配的采购数据，所述指标分值数据是根据评论数据集对各个预设考评指标计算的，所述评论数据集是通过大数据技术针对所述历史采购订单在一段时间周期中收集的；

45、评级结果输出模块，用于将供应商考评指标参数及其指标分值数据输入预先训练的供应商评级模型中，输出每个供应商对应的各个考评指标的评级结果；

46、供应商采购画像制定模块，用于根据每个供应商对应的各个考评指标的评级结果，制定每个供应商的供应商采购画像；

47、供应商筛选模块，用于基于每个供应商的供应商采购画像，筛选出符合待处理采购需求的目标供应商。

48、第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

49、第四方面，本技术实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。

50、本技术实施例提供的技术方案可以包括以下有益效果：

51、在本技术实施例中，基于供应商画像的采购筛选系统首先在接收到待处理采购需求时，获取每个供应商的历史采购订单所关联的供应商考评指标参数及其指标分值数据，然后将供应商考评指标参数及其指标分值数据输入预先训练的供应商评级模型中，输出各个考评指标的评级结果，其次根据各个考评指标的评级结果，制定每个供应商的供应商采购画像，最后基于每个供应商的供应商采购画像，筛选符合待处理采购需求的目标供应商。由于本技术通过预训练模型自动确定各个考评指标的评级结果，以各考评指标的评级结果为基础，可准确建立供应商采购画像，通过该画像可清晰制定订单交付保障和订单成本降低的采购计划，从而提升了主机厂采购的准确性。

52、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，并不能限制本发明。