本發(fā)明涉及航運(yùn)行業(yè)的數(shù)字化轉(zhuǎn)型與智能化發(fā)展，具體涉及一種針對(duì)航運(yùn)行業(yè)的供應(yīng)商智能推薦方法及系統(tǒng)。

背景技術(shù)：

1、航運(yùn)行業(yè)面臨著數(shù)字化轉(zhuǎn)型和智能化發(fā)展的需求。不僅船舶運(yùn)輸企業(yè)，集采企業(yè)優(yōu)化供應(yīng)鏈管理、提升采購(gòu)供應(yīng)服務(wù)水平，可以提升企業(yè)整體競(jìng)爭(zhēng)力。比價(jià)采購(gòu)模式作為b端企業(yè)常用的采購(gòu)模式，如何從眾多供應(yīng)商中挑選出優(yōu)質(zhì)低價(jià)的供應(yīng)商、快速獲取供應(yīng)商報(bào)價(jià)，決定了比選結(jié)果中標(biāo)概率的高低，直接影響著企業(yè)的運(yùn)營(yíng)。傳統(tǒng)模式中供應(yīng)商的選擇靠人為判斷，主要存在以下方面的問題：

2、(1)設(shè)備型號(hào)、備件種類繁多，且供應(yīng)商庫(kù)數(shù)據(jù)量大，人為選擇效率不高；

3、(2)人為選擇缺乏客觀性，容易偏向某些特定供應(yīng)商或忽略潛在優(yōu)質(zhì)供應(yīng)商；

4、(3)人為選擇準(zhǔn)確性不高，不一定找到價(jià)格合理、質(zhì)量可靠的供應(yīng)商，從而無(wú)法降低采購(gòu)成本。

5、為了解決以上業(yè)務(wù)痛點(diǎn)，一些系統(tǒng)引入了基于歷史交易數(shù)據(jù)的通用性供應(yīng)商推薦方案，一定程度上解決了效率低、不客觀的問題。但由于行業(yè)不同、業(yè)務(wù)特征不同導(dǎo)致推薦數(shù)據(jù)不準(zhǔn)確，實(shí)際應(yīng)用上仍然存在一些問題和挑戰(zhàn)。另外，數(shù)據(jù)采集環(huán)節(jié)依賴歷史數(shù)據(jù)，一方面歷史數(shù)據(jù)如果質(zhì)量不高(如數(shù)據(jù)不全、數(shù)據(jù)來(lái)源單一、數(shù)據(jù)量少等)會(huì)導(dǎo)致訓(xùn)練結(jié)果不理想、進(jìn)而影響推薦結(jié)果；另一方面歷史數(shù)據(jù)也存在一定的偏向行，例如偏向某些特定供應(yīng)商或忽略某些潛在優(yōu)質(zhì)供應(yīng)商，從而影響推薦結(jié)果的客觀性和準(zhǔn)確性。

6、綜上，歷史交易數(shù)據(jù)和推薦規(guī)則直接決定了供應(yīng)商智能推薦結(jié)果的準(zhǔn)確性和客觀性。數(shù)據(jù)質(zhì)量的問題主要分為數(shù)據(jù)來(lái)源問題和數(shù)據(jù)質(zhì)量問題兩個(gè)方面：數(shù)據(jù)來(lái)源問題包括來(lái)源單一不夠多樣化、數(shù)據(jù)更新不及時(shí)不能反映最新的供應(yīng)商信息和市場(chǎng)變化等；數(shù)據(jù)質(zhì)量問題則包括數(shù)據(jù)重復(fù)、不完整或錯(cuò)誤，數(shù)據(jù)格式和標(biāo)準(zhǔn)不統(tǒng)一、不利于數(shù)據(jù)分析和比較；歷史數(shù)據(jù)可能存在泄露、篡改或未經(jīng)授權(quán)訪問的安全問題，導(dǎo)致數(shù)據(jù)質(zhì)量受損和系統(tǒng)受到威脅。推薦規(guī)則的問題主要包括：存在不適用于航運(yùn)行業(yè)特點(diǎn)，過度依賴某一數(shù)據(jù)源或特征，不同類別歷史數(shù)據(jù)處理不夠均衡，推薦結(jié)果監(jiān)控不到位、不能及時(shí)發(fā)現(xiàn)和糾正數(shù)據(jù)偏向性問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決現(xiàn)有航運(yùn)行業(yè)供應(yīng)商相關(guān)的數(shù)據(jù)質(zhì)量差、推薦規(guī)則過度依賴某一數(shù)據(jù)源從而導(dǎo)致供應(yīng)商推薦結(jié)果的準(zhǔn)確性和客觀性比較差的問題，提出一種針對(duì)航運(yùn)行業(yè)的供應(yīng)商智能推薦方法，對(duì)歷史和實(shí)時(shí)業(yè)務(wù)單據(jù)進(jìn)行采集和分析，智能推薦出合適的供應(yīng)商，提升采購(gòu)供應(yīng)效率、規(guī)避人工干預(yù)的風(fēng)險(xiǎn)。

2、本發(fā)明要求保護(hù)的技術(shù)方案如下：

3、一種針對(duì)航運(yùn)行業(yè)的供應(yīng)商智能推薦方法，包括如下步驟：

4、s1：采用數(shù)據(jù)采集技術(shù)收集從多個(gè)業(yè)務(wù)系統(tǒng)產(chǎn)生的歷史業(yè)務(wù)單據(jù)和實(shí)時(shí)業(yè)務(wù)單據(jù)，并對(duì)業(yè)務(wù)單據(jù)進(jìn)行統(tǒng)一歸集和存儲(chǔ)；所述業(yè)務(wù)單據(jù)包括詢價(jià)單和訂購(gòu)單；

5、s2：對(duì)s1中收集的業(yè)務(wù)單據(jù)進(jìn)行清洗，去除重復(fù)數(shù)據(jù)、剔除缺失值和異常值；

6、s3：從s2處理得到的數(shù)據(jù)中提取特征數(shù)據(jù)，并將特征數(shù)據(jù)轉(zhuǎn)化為模型可理解的特征向量，分別構(gòu)建訂購(gòu)頻率模型和詢價(jià)頻率模型，分別采用訂購(gòu)單和詢價(jià)單對(duì)應(yīng)的特征向量對(duì)訂購(gòu)頻率模型和詢價(jià)頻率模型進(jìn)行訓(xùn)練和優(yōu)化；

7、s4：基于業(yè)務(wù)權(quán)重，計(jì)算s3中所述訂購(gòu)頻率模型和詢價(jià)頻率模型的輸出結(jié)果的行推薦得分，結(jié)合top?k推薦算法，綜合推薦滿足需求的多個(gè)供應(yīng)商。

8、優(yōu)選地，s1中所述數(shù)據(jù)采集技術(shù)包括api接口、實(shí)時(shí)數(shù)據(jù)采集、分布式數(shù)據(jù)采集。

9、優(yōu)選地，s2中所述清洗根據(jù)業(yè)務(wù)單據(jù)唯一標(biāo)志和關(guān)鍵數(shù)據(jù)字段進(jìn)行清洗，去除重復(fù)數(shù)據(jù)；s2中通過線性遍歷方法檢測(cè)業(yè)務(wù)單據(jù)中的缺失值和異常值。

10、優(yōu)選地，所述供應(yīng)商智能推薦方法還包括：對(duì)s4得到供應(yīng)商進(jìn)行可視化展示，采用前端頁(yè)面對(duì)供應(yīng)商推薦結(jié)果進(jìn)行展示，并支持根據(jù)頁(yè)面不同展示要求返回推薦供應(yīng)商對(duì)應(yīng)的的相關(guān)屬性數(shù)據(jù)。

11、上述方法中，s3中所述詢價(jià)單對(duì)應(yīng)的特征數(shù)據(jù)包括:船舶、設(shè)備、備件、供應(yīng)商、時(shí)間、詢價(jià)，所述詢價(jià)頻率模型輸入詢價(jià)單對(duì)應(yīng)的特征向量，輸出供應(yīng)商推薦結(jié)果；所述訂購(gòu)單對(duì)應(yīng)的特征數(shù)據(jù)包括:船舶、設(shè)備、備件、供應(yīng)商、時(shí)間、訂購(gòu)；所述訂購(gòu)頻率模型輸入訂購(gòu)單對(duì)應(yīng)的特征向量，輸出供應(yīng)商推薦結(jié)果。

12、上述方法中，s3中所述訓(xùn)練和優(yōu)化是指s2得到的數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，選擇合適的損失函數(shù)和優(yōu)化算法，調(diào)節(jié)模型參數(shù)以及進(jìn)行模型評(píng)估和性能優(yōu)化。

13、上述方法中，s4具體為：對(duì)于s3中所述訂購(gòu)頻率模型和詢價(jià)頻率模型的輸出的供應(yīng)商推薦結(jié)果，根據(jù)不同業(yè)務(wù)場(chǎng)景訴求，設(shè)置業(yè)務(wù)權(quán)重，并根據(jù)業(yè)務(wù)權(quán)重計(jì)算得到供應(yīng)商推薦結(jié)果中每個(gè)供應(yīng)商的推薦得分，基于所述推薦得分，采用top?k推薦算法篩選滿足需求的多個(gè)供應(yīng)商進(jìn)行推薦。

14、上述方法中所述推薦得分的具體計(jì)算公式為：

15、推薦得分＝選擇項(xiàng)頻率×?xí)r間衰減因子；

16、時(shí)間衰減因子tdf(t)的計(jì)算公式為：

17、

18、其中：λ是衰減率；t是當(dāng)前時(shí)間；t0是事件發(fā)生的時(shí)間；

19、選擇項(xiàng)頻率的計(jì)算公式為：

20、fbrss＝isfi×tdf(t)

21、其中：isfi是參與項(xiàng)的頻率；所述參與項(xiàng)的頻率包括：訂購(gòu)頻率和詢價(jià)頻率。

22、優(yōu)選地，所述訂購(gòu)頻率和詢價(jià)頻率分別通過統(tǒng)計(jì)某一時(shí)間段內(nèi)的訂購(gòu)次數(shù)和詢價(jià)次數(shù)得到。

23、本發(fā)明提供一種針對(duì)航運(yùn)行業(yè)的供應(yīng)商智能推薦系統(tǒng)，包括依次連接的采用數(shù)據(jù)采集技術(shù)收集從多個(gè)業(yè)務(wù)系統(tǒng)產(chǎn)生的歷史業(yè)務(wù)單據(jù)和實(shí)時(shí)業(yè)務(wù)單據(jù)并對(duì)業(yè)務(wù)單據(jù)進(jìn)行統(tǒng)一歸集和存儲(chǔ)的數(shù)據(jù)采集存儲(chǔ)模塊、用于對(duì)數(shù)據(jù)采集存儲(chǔ)模塊收集的業(yè)務(wù)單據(jù)進(jìn)行清洗并去除重復(fù)數(shù)據(jù)、剔除缺失值和異常值的數(shù)據(jù)處理模塊、用于從數(shù)據(jù)處理模塊處理得到數(shù)據(jù)中提取特征數(shù)據(jù)并將特征數(shù)據(jù)轉(zhuǎn)化為模型可理解的特征向量并分別構(gòu)建訂購(gòu)頻率模型和詢價(jià)頻率模型的模型構(gòu)建訓(xùn)練模塊以及用于基于業(yè)務(wù)權(quán)重計(jì)算模型構(gòu)建訓(xùn)練模塊中所述訂購(gòu)頻率模型和詢價(jià)頻率模型的輸出結(jié)果的推薦得分并結(jié)合top?k推薦算法綜合推薦滿足需求的多個(gè)供應(yīng)商的供應(yīng)商推薦模塊；所述業(yè)務(wù)單據(jù)包括詢價(jià)單和訂購(gòu)單；所述訂購(gòu)頻率模型和詢價(jià)頻率模型分別采用訂購(gòu)單和詢價(jià)單對(duì)應(yīng)的特征向量對(duì)模型進(jìn)行訓(xùn)練。

24、有益效果

25、本發(fā)明提供一種針對(duì)航運(yùn)行業(yè)的供應(yīng)商智能推薦方法及系統(tǒng)，所述方法包括：采用數(shù)據(jù)采集技術(shù)收集從多個(gè)業(yè)務(wù)系統(tǒng)產(chǎn)生的歷史業(yè)務(wù)單據(jù)和實(shí)時(shí)業(yè)務(wù)單據(jù)，保證數(shù)據(jù)的及時(shí)性和準(zhǔn)確性，為后續(xù)的分析和推薦提供了基礎(chǔ)，并對(duì)業(yè)務(wù)單據(jù)進(jìn)行統(tǒng)一歸集和存儲(chǔ)；對(duì)收集的業(yè)務(wù)單據(jù)進(jìn)行清洗，去除重復(fù)數(shù)據(jù)、剔除缺失值和異常值，確保數(shù)據(jù)的完整性和準(zhǔn)確性，提高數(shù)據(jù)質(zhì)量，解決現(xiàn)有航運(yùn)行業(yè)供應(yīng)商相關(guān)的數(shù)據(jù)質(zhì)量差的問題，提高后續(xù)模型訓(xùn)練的準(zhǔn)確性；根據(jù)行業(yè)特點(diǎn)和數(shù)據(jù)特點(diǎn)，對(duì)上述處理得到的數(shù)據(jù)進(jìn)行處理和轉(zhuǎn)換，提取出對(duì)建模和預(yù)測(cè)有意義的特征特征，并將特征數(shù)據(jù)轉(zhuǎn)化為模型可理解的特征向量，分別構(gòu)建訂購(gòu)頻率模型和詢價(jià)頻率模型，分別采用訂購(gòu)單和詢價(jià)單對(duì)應(yīng)的特征向量對(duì)訂購(gòu)頻率模型和詢價(jià)頻率模型進(jìn)行訓(xùn)練；基于業(yè)務(wù)權(quán)重，計(jì)算所述訂購(gòu)頻率模型和詢價(jià)頻率模型的輸出結(jié)果的推薦得分，結(jié)合top?k推薦算法，綜合推薦滿足需求的多個(gè)供應(yīng)商，采用詢價(jià)單和訂購(gòu)單分別訓(xùn)練模型，并綜合考慮兩個(gè)模型的推薦結(jié)果進(jìn)行供應(yīng)商的選擇，解決現(xiàn)有航運(yùn)行業(yè)供應(yīng)商推薦規(guī)則過度依賴某一數(shù)據(jù)源的問題，通過上述方法，解決了現(xiàn)有航運(yùn)行業(yè)供應(yīng)商相關(guān)的數(shù)據(jù)質(zhì)量差、推薦規(guī)則過度依賴某一數(shù)據(jù)源從而導(dǎo)致供應(yīng)商推薦結(jié)果的準(zhǔn)確性和客觀性比較差的問題。

26、所述數(shù)據(jù)采集技術(shù)包括api接口，通過api接口采集數(shù)據(jù)，可以保證數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性。

27、所述清洗根據(jù)業(yè)務(wù)單據(jù)唯一標(biāo)志和關(guān)鍵數(shù)據(jù)字段進(jìn)行清洗，去除重復(fù)冗余的數(shù)據(jù)，能進(jìn)一步提高業(yè)務(wù)單據(jù)的質(zhì)量，提供后續(xù)模型的準(zhǔn)確性。

28、所述供應(yīng)商智能推薦方法還包括：對(duì)s4得到的供應(yīng)商進(jìn)行可視化展示，采用前端頁(yè)面對(duì)供應(yīng)商推薦結(jié)果進(jìn)行展示，并支持根據(jù)頁(yè)面不同展示要求返回推薦供應(yīng)商對(duì)應(yīng)的的相關(guān)屬性數(shù)據(jù)，滿足業(yè)務(wù)多樣化需求，提高用戶體驗(yàn)。

29、本發(fā)明提供的方法和系統(tǒng)搭建具備航運(yùn)行業(yè)特性的供應(yīng)商智能推薦模型與應(yīng)用，能夠根據(jù)行業(yè)特性和用戶需求精準(zhǔn)推薦供應(yīng)商，提供數(shù)據(jù)支持和參考，幫助用戶做出更明智的決策，提升業(yè)務(wù)處理效率，降低風(fēng)險(xiǎn)。同時(shí)，智能推薦技術(shù)的成熟可以復(fù)用到航運(yùn)行業(yè)其他供應(yīng)鏈業(yè)務(wù)中，為航運(yùn)行業(yè)數(shù)智化賦能。