[发明专利]一种基于机器学习的供应链调整方法、装置及电子设备

权利要求书

1.一种基于机器学习的供应链调整方法，其特征在于，包括：

获取预先构建的初始供应链；所述初始供应链包括各个在册企业、以及各个在册企业之间的关联关系；

获取未位于所述初始供应链中的未在册企业的企业信息，并对所述企业信息进行特征提取操作，得到待分析特征信息；

调用预先生成的数据处理模型对所述待分析特征信息以及所述各个在册企业的特征信息进行处理，得到所述未在册企业与所述各个在册企业之间的关联关系；所述数据处理模型使用训练数据训练得到，所述训练数据包括特征信息样本以及所述特征信息样本之间的样本关联关系；

输出所述关联关系，并在接收到所述关联关系的确认指令的情况下，响应所述确认指令，并依据所述关联关系，将所述未在册企业添加到所述初始供应链中。

2.根据权利要求1所述的供应链调整方法，其特征在于，获取未位于所述初始供应链中的未在册企业的企业信息，包括：

获取未位于所述初始供应链中的未在册企业的初始企业信息；

调用预设数据清洗模型对所述初始企业信息进行数据清洗操作，得到所述未在册企业的企业信息。

3.根据权利要求1所述的供应链调整方法，其特征在于，对所述企业信息进行特征提取操作，得到待分析特征信息，包括：

对所述企业信息进行特征提取操作，得到各个特征信息；

对所述各个特征信息进行相关性分析，得到所述各个特征信息之间的相关性；

基于所述各个特征信息之间的相关性，从所述各个特征信息中筛选出显著特征信息，并确定为待分析特征信息。

4.根据权利要求1所述的供应链调整方法，其特征在于，所述数据处理模型的生成过程包括：

获取训练数据；所述训练数据包括特征信息样本以及所述特征信息样本之间的样本关联关系；

使用所述训练数据，对数据处理模型进行训练，直至所述数据处理模型的损失函数小于预设阈值时停止训练。

5.根据权利要求1所述的供应链调整方法，其特征在于，获取预先构建的初始供应链，包括：

获取预先构建的目标供应链，并对所述目标供应链进行图形化处理，得到初始供应链。

6.一种基于机器学习的供应链调整装置，其特征在于，包括：

供应链获取模块，用于获取预先构建的初始供应链；所述初始供应链包括各个在册企业、以及各个在册企业之间的关联关系；

信息处理模块，用于获取未位于所述初始供应链中的未在册企业的企业信息，并对所述企业信息进行特征提取操作，得到待分析特征信息；

关系确定模块，用于调用预先生成的数据处理模型对所述待分析特征信息以及所述各个在册企业的特征信息进行处理，得到所述未在册企业与所述各个在册企业之间的关联关系；所述数据处理模型使用训练数据训练得到，所述训练数据包括特征信息样本以及所述特征信息样本之间的样本关联关系；

供应链调整模块，用于输出所述关联关系，并在接收到所述关联关系的确认指令的情况下，响应所述确认指令，并依据所述关联关系，将所述未在册企业添加到所述初始供应链中。

7.根据权利要求6所述的供应链调整装置，其特征在于，所述信息处理模块用于获取未位于所述初始供应链中的未在册企业的企业信息时，具体用于：

获取未位于所述初始供应链中的未在册企业的初始企业信息，调用预设数据清洗模型对所述初始企业信息进行数据清洗操作，得到所述未在册企业的企业信息。

8.根据权利要求6所述的供应链调整装置，其特征在于，所述信息处理模块用于对所述企业信息进行特征提取操作，得到待分析特征信息时，具体用于：

对所述企业信息进行特征提取操作，得到各个特征信息，对所述各个特征信息进行相关性分析，得到所述各个特征信息之间的相关性，基于所述各个特征信息之间的相关性，从所述各个特征信息中筛选出显著特征信息，并确定为待分析特征信息。