[发明专利]ICT供应链网络关键节点识别属性提取方法

说明书

本发明涉及ICT供应链网络关键节点的识别和关键节点识别属性提取方法，属于计算机与信息科学技术领域。本发明首先结合ICT供应链的拓扑信息、商业信息进行关键节点识别；然后使用boruta算法分析待选属性的重要性，提取出影响关键节点的重要属性；再使用待选属性构建逻辑回归模型，得到对关键节点有显著影响属性；对于两种方法筛选得到关键属性，采用交集归类的方法进行属性融合，得到最终的关键属性。本发明使用两个不同方法对影响关键节点的属性进行选择，算法之间差异明显，避免单一方法带来的局限性，提高关键属性的泛化性。

技术领域

本发明涉及ICT供应链网络关键节点的识别和关键节点关键属性提取方法，属于计算机与信息科学技术领域。

背景技术

ICT供应链是一个全球分布的，具有供应商多样性、产品服务复杂性、全生命周期覆盖性等多维特性的复杂系统。利用复杂网络理论分析ICT领域的供应链网络中节点的关键性，结合拓扑信息、商业信息识别关键节点，可以保护供应链网络的关键节点，为优化供应网络布局提供支撑。

对于ICT供应链研究领域来说，信息采集时往往没有特定具体的研究目标，导致原始数据集中包含大量属性，需要在数据分析之前对原始数据进行属性选择，得到一个具有代表性的属性子集，其主要目的有：去除不相关属性、冗余属性，提高存储效率；去除共线性属性和噪声属性，减少对数据分析的干扰和影响；提高模型的泛化性能和运行效率；得到更加简单和容易理解的学习模型，提高模型的可解释性。

在ICT供应链网络关键节点研究过程中进行属性选择，虽然现在已经有很多属性选择的方法，但是并不存在一种适用于任何问题的属性选择方法。按照评价标准区分属性选择算法，主要分为两类：

1.过滤式属性选择(Filter)

过滤式属性选择是一种计算效率较高的方法，它通过数据集本身的内在性质得到评价标准，与特定的学习算法无关，具有较好的通用性。过滤式属性选择的评价标准分为四类：即距离度量、信息度量、关联度度量和一致性度量。

(1)距离度量包括几何距离度量和概率距离度量。其中，几何距离的评价标准通常分为类内和类间散度矩阵。类内散度矩阵表示各样本点围绕均值的散布情况，类间散度矩阵表示各类模式之间在空间的散布情况。属性选择的结果应使类内散布矩阵的迹越小越好，类间散布矩阵的迹越大越好。基于概率距离的评价标准有Kullback-Leibler距离，又称相对熵，衡量相同事件空间里的两个概率分布的差异情况，由于其需要已知各个类别的概率密度函数，故具有很大的局限性。

(2)信息度量是采用信息论中基于熵的评价标准，比如最小描述长度(Minimumdescription length)、互信息(Mutual Information)、信息增益(Information Gain)等。这些评价标准描述属性的复杂程度，代表属性包含信息量的大小，属性选择往往选择复杂程度较大的属性。

(3)关联性度量主要考察属性间的关联度，即相关性和冗余性。其中线性关联有线性相关系数(皮尔逊系数和斯皮尔曼相关系数)等，非线性关联有基于信息熵的互信息、对称的不确定性等。

(4)一致性度量试图找到与全集相同分类能力的最小特征子集，不一致性定义为如果在选定的特征子集取值相同的样本，却属于不同的类。

2.封装式属性选择(Wrapper)

封装式属性选择使用学习算法的性能指标来评价属性子集的优劣，也就是封装法使用待评价的属性子集训练分类器，再根据分类器的性能对该属性子集进行评价。

封装法用以评价属性子集优劣的学习算法是多种多样的，对于使用的学习算法要求很低，大部分分类算法都可以使用封装法，例如决策树、神经网络、贝叶斯分类器、支持向量机以及近邻法等等。