[发明专利]融合ICT供应链网络拓扑特征的产品份额趋势预测方法

说明书

本发明涉及融合ICT供应链网络拓扑特征的产品份额趋势预测方法，属于自然语言处理与机器学习领域。主要解决市场趋势受到供应链网络行业特征和份额分布的双重影响，且历史敏感性强的问题。首先利用霍克斯过程对时序属性信息进行建模，学习得到时间拓扑嵌入向量表示；其次对多行业复用供应链网络拓扑结构进行嵌入，学习得到供应商节点份额拓扑嵌入向量表示；最后供应商节点的时间拓扑嵌入向量和供应商节点份额拓扑嵌入向量，训练市场趋势预测模型，实现对市场趋势的预测。对招投标平台收集到的265家供应商近三年来的数据进行了实验，结果表明本发明能达到较好的分类效果，进一步提升了产品份额趋势预测的准确率。

技术领域

本发明涉及融合ICT供应链网络拓扑特征的产品份额趋势预测方法，属于供应链需求预测领域。

背景技术

产品份额趋势预测，就是对产品份额趋势进行估计和预测，通过分析产品份额趋势相关数据以加深对市场环境和招标商偏好的认识，从而有计划的针对变化中的市场制定未来的业务计划。因此，本发明将提供一种供应链网络产品的份额趋势预测方法，来提早预测行业发展趋势的变化以及供应商的供货能力随时间的变化。

目前，市场份额趋势预测方法主要是基于时间序列统计学模型的预测方法，例如常见的ARMA模型、ARIMA模型和马尔科夫模型等，通过分析历史数据，统计归纳时序数据的内在规律，得到历史份额与未来趋势的变化关系，从而实现产品份额变化趋势的预测。

综上所述，通常现有的趋势预测方法都会考虑时序信息和中标金额信息，但是在ICT供应链网络中，任何一组节点对的供应关系发生变化都会由供应链网络拓扑结构进行传播扩散，进而影响整个产品市场的趋势变化。因此，本发明融合ICT供应链网络的时序属性、份额属性拓扑结构特征。同时，因为各个行业属性和中标份额不同，还额外考虑行业特征。

发明内容

本发明的目的是解决ICT供应链网络产品份额趋势预测受行业特征和份额分布的双重影响，且历史敏感性强的问题，提出融合供应商行业属性信息、供应商节点产品份额拓扑信息以及时序拓扑信息的市场趋势预测模型。

本发明的设计原理为：首先利用霍克斯过程对时序属性信息进行建模，学习得到时间拓扑嵌入向量表示；其次对多行业复用供应链网络拓扑结构进行嵌入，学习得到供应商节点份额拓扑嵌入向量表示；最后供应商节点的时间拓扑嵌入向量和供应商节点份额拓扑嵌入向量，训练线性分类器，实现对市场趋势的预测。

本发明的技术方案是通过如下步骤实现的：

步骤1，利用霍克斯过程对时序属性信息进行建模，将时序信息加入到节点对的拓扑连接边的条件概率表示中，学习得到供应商节点的时间拓扑嵌入向量表示。

步骤1.1，将供应商的时序属性信息按时间先后顺序构造为邻居时序序列。

步骤1.2，利用Hawkes点过程对邻居时序序列进行建模。

步骤1.3，学习得到供应商节点的时间拓扑嵌入向量表示。

步骤2，对多行业复用供应链网络拓扑结构进行学习，得到供应商节点份额拓扑嵌入向量表示。

步骤2.1，将份额信息加入到节点对的拓扑连接边的条件概率表示中，并引入层向量表征不同行业的属性信息。

步骤2.2，通过最大化网络中边的似然函数，训练融合行业属性的供应商节点份额拓扑嵌入向量。

步骤3，合并供应商节点的时间拓扑嵌入向量和供应商节点份额拓扑嵌入向量，训练线性分类器，实现对市场趋势的预测。

有益效果

相比于过去的市场趋势预测方法，本发明构建的市场趋势预测模型可以融合供应商行业特征信息、中标份额分布信息以及时序属性信息，来完成预测任务。

附图说明