基于人工智能的供应关系管理方法与流程

本技术涉及人工智能，具体地，涉及一种基于人工智能的供应关系管理方法。

背景技术：

1、在化工领域，化工企业与供应商之间的供应关系管理是企业运营的重要环节，其涉及到原料采购、生产协作、产品分销等多个层面，直接关系到化工企业的生产效率、成本控制、产品质量以及市场响应速度。

2、稳定、优质的供应商能够提供高质量的原材料，提升企业产品质量，并确保原材料的稳定供应，避免因供应中断导致的生产延误或停产。随着全球市场竞争的日益激烈，化工企业需要实时跟踪和评估供应商的性能，及时发现潜在的供应风险，如供应商的财务稳定性、合规性、交货准时性等问题，以优化供应链管理，增强企业的竞争力。

3、然而，在供应商的资质评估和风险预测方面，传统的管理方式主要依赖于人工审核和经验判断，效率低下且易受人为因素影响，容易出现疏漏，难以实现全面、精准的供应商管理。因此，期待一种基于人工智能的供应关系管理方法。

技术实现思路

1、提供该
技术实现要素：
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本技术提供了一种基于人工智能的供应关系管理方法，所述方法包括：

3、获取被跟踪供应商的公开文本资料，以及与所述被跟踪供应商的通信记录；

4、对所述通信记录进行段粒度语义编码以得到通信记录段粒度语义编码特征向量的序列；

5、以所述被跟踪供应商的公开文本资料的语义特征作为背景语义特征，与所述通信记录段粒度语义编码特征向量的序列中的各个通信记录段粒度语义编码特征向量分别进行特征自适应融合以得到背景语义下通信记录段粒度语义编码特征向量的序列；

6、对所述背景语义下通信记录段粒度语义编码特征向量的序列进行上下文语义关联编码以得到背景语义下通信记录全文语义编码特征向量；

7、基于所述背景语义下通信记录全文语义编码特征向量，确定所述被跟踪供应商存在潜在风险的等级标签。

8、可选地，对所述通信记录进行段粒度语义编码以得到通信记录段粒度语义编码特征向量的序列，包括：对所述通信记录进行分段处理以得到通信记录段描述的序列；对所述通信记录段描述的序列进行语义编码以得到所述通信记录段粒度语义编码特征向量的序列。

9、可选地，以所述被跟踪供应商的公开文本资料的语义特征作为背景语义特征，与所述通信记录段粒度语义编码特征向量的序列中的各个通信记录段粒度语义编码特征向量分别进行特征自适应融合以得到背景语义下通信记录段粒度语义编码特征向量的序列，包括：对所述跟踪供应商的公开文本资料进行语义编码以得到跟踪供应商公开信息语义编码特征向量；以所述跟踪供应商公开信息语义编码特征向量为背景语义特征向量，将所述通信记录段粒度语义编码特征向量的序列中的各个通信记录段粒度语义编码特征向量分别和所述背景语义特征向量输入基于门限的特征向量自适应融合模块以得到所述背景语义下通信记录段粒度语义编码特征向量的序列。

10、可选地，将所述通信记录段粒度语义编码特征向量的序列中的各个通信记录段粒度语义编码特征向量分别和所述背景语义特征向量输入基于门限的特征向量自适应融合模块以得到所述背景语义下通信记录段粒度语义编码特征向量的序列，包括：将所述通信记录段粒度语义编码特征向量和所述背景语义特征向量通过多维度融合模块以得到第一背景语义-通信记录段粒度语义融合特征向量、第二背景语义-通信记录段粒度语义融合特征向量和第三背景语义-通信记录段粒度语义融合特征向量；分别计算所述第一背景语义-通信记录段粒度语义融合特征向量、所述第二背景语义-通信记录段粒度语义融合特征向量和所述第三背景语义-通信记录段粒度语义融合特征向量的均衡门限值以得到第一均衡门限值、第二均衡门限值和第三均衡门限值；基于所述第一均衡门限值、所述第二均衡门限值和所述第三均衡门限值，对所述通信记录段粒度语义编码特征向量和所述背景语义特征向量进行均衡化融合以得到所述背景语义下通信记录段粒度语义编码特征向量。

11、可选地，将所述通信记录段粒度语义编码特征向量和所述背景语义特征向量通过多维度融合模块以得到第一背景语义-通信记录段粒度语义融合特征向量、第二背景语义-通信记录段粒度语义融合特征向量和第三背景语义-通信记录段粒度语义融合特征向量，包括：将所述通信记录段粒度语义编码特征向量和所述背景语义特征向量进行级联以得到所述第一背景语义-通信记录段粒度语义融合特征向量；将所述通信记录段粒度语义编码特征向量和所述背景语义特征向量进行按位置相加以得到所述第二背景语义-通信记录段粒度语义融合特征向量；将所述通信记录段粒度语义编码特征向量和所述背景语义特征向量进行按位置点乘以得到所述第三背景语义-通信记录段粒度语义融合特征向量。

12、可选地，分别计算所述第一背景语义-通信记录段粒度语义融合特征向量、所述第二背景语义-通信记录段粒度语义融合特征向量和所述第三背景语义-通信记录段粒度语义融合特征向量的均衡门限值以得到第一均衡门限值、第二均衡门限值和第三均衡门限值，包括：使用第一预定变换向量乘以所述第一背景语义-通信记录段粒度语义融合特征向量以得到第一门限打分系数；将所述第一门限打分系数和第一偏置参数相加后通过sigmoid激活函数以得到所述第一均衡门限值。

13、可选地，基于所述第一均衡门限值、所述第二均衡门限值和所述第三均衡门限值，对所述通信记录段粒度语义编码特征向量和所述背景语义特征向量进行均衡化融合以得到所述背景语义下通信记录段粒度语义编码特征向量，包括：基于所述第一均衡门限值、所述第二均衡门限值和所述第三均衡门限值确定第一权重参数和第二权重参数，其中，所述第一权重参数为所述第一均衡门限值、所述第二均衡门限值和所述第三均衡门限值的均值，所述第二权重参数为一与所述第一权重参数的差值；以所述第一权重参数对所述通信记录段粒度语义编码特征向量进行逐位置加权以得到加权通信记录段粒度语义编码特征向量，以所述第二权重参数对所述背景语义特征向量进行逐位置加权以得到加权背景语义特征向量；将所述加权通信记录段粒度语义编码特征向量和所述加权背景语义特征向量进行对应元素相加以得到所述背景语义下通信记录段粒度语义编码特征向量。

14、可选地，对所述背景语义下通信记录段粒度语义编码特征向量的序列进行上下文语义关联编码以得到背景语义下通信记录全文语义编码特征向量，包括：将所述背景语义下通信记录段粒度语义编码特征向量的序列输入基于bi-lstm模型的上下文编码器以得到所述背景语义下通信记录全文语义编码特征向量。

15、可选地，基于所述背景语义下通信记录全文语义编码特征向量，确定所述被跟踪供应商存在潜在风险的等级标签，包括：将所述背景语义下通信记录全文语义编码特征向量输入基于分类器的供应关系管理生成器以得到供应关系管理结果，所述供应关系管理结果用于表示所述被跟踪供应商存在潜在风险的等级标签。

16、采用上述技术方案，通过采用基于深度学习的人工智能技术对供应商的公开文本资料和通信记录进行数据分析，分别提取出供应商公开文本资料和通信记录的语义特征表示，并对两者进行语义特征自适应融合处理，进而基于公开文本资料与通信记录的交叉验证分析来判断供应商的潜在风险等级。这样，可以帮助企业更精准地识别和管理供应链中的潜在风险，从而提升企业生产运营的稳定性和安全性。

17、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。