[发明专利]一种基于机器学习的商圈树构建方法及系统

说明书

本发明公开了一种基于机器学习的商圈树构建方法及系统，包括：收集未在册供应商的数据；基于数据仓库技术对数据进行预处理，得到预处理后的数据；基于预处理后的数据构建目标评估模型；基于目标评估模型预测未在册供应商与商圈树中供应商的供需关系，当供需关系满足预设条件时，将未在册供应商加入商圈树构建出新的商圈树。本发明通过不断完善并细化商圈树结构，有助于核心企业掌握供应链上下游情况以及供应商间的供需关系，便于对一级供应商提供的产品服务进行全流程的质量追溯，以及还能有效撮合供应商间的贸易关系，为商圈树中的中小企业提供信任背书，使得中小企业能够更加快速地获得融资福利，加快供应链资金流通速度，提升产品服务质量。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于机器学习的商圈树构建方法及系统。

背景技术

目前，在供应链行业，对于核心企业来说，仅掌握了一级供应商及备案在册的部分下游供应商信息，针对核心企业的供应链来说，仍有很多未在册的供应商，由于缺乏对整体供应链上下游供需关系的了解，可能导致核心企业对产品质量不能有效管控也无法实现质量追溯。不仅如此，目前的供应链金融领域，对于下游供应商来说，供应链金融门槛较高，只能服务核心企业的较小一部分一级供应商，由于缺乏核心企业的信任背书，而一级供应商又未向核心企业报备信息，导致中小企业贷款额度低、融资难等问题。

因此，如何有助于核心企业掌握供应链上下游情况以及供应商间的供需关系，便于对一级供应商提供的产品服务进行全流程的质量追溯，以及如何有效撮合供应商间的贸易关系，为商圈树中的中小企业提供信任背书，使得中小企业能够更加快速地获得融资福利，加快供应链资金流通速度，提升产品服务质量，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于机器学习的商圈树构建方法，通过构建以核心企业为起始节点的供应链商圈树，引入机器学习技术，对未在册供应商的资料进行关联分析，判断未在册供应商与商圈树中供应商节点的贸易关系，不断完善并细化商圈树结构，能够有助于核心企业掌握供应链上下游情况以及供应商间的供需关系，便于对一级供应商提供的产品服务进行全流程的质量追溯，以及还能有效撮合供应商间的贸易关系，为商圈树中的中小企业提供信任背书，使得中小企业能够更加快速地获得融资福利，加快供应链资金流通速度，提升产品服务质量。

本发明提供了一种基于机器学习的商圈树构建方法，包括：

收集未在册供应商的数据；

基于数据仓库技术对所述数据进行预处理，得到预处理后的数据；

基于所述预处理后的数据构建目标评估模型；

基于所述目标评估模型预测所述未在册供应商与商圈树中供应商的供需关系，当所述供需关系满足预设条件时，将所述未在册供应商加入商圈树构建出新的商圈树。

优选地，所述基于数据仓库技术对所述数据进行预处理，包括：

基于数据仓库技术对所述数据中的缺失值和偏离值进行处理，以及对所述数据进行规范化和转换处理。

优选地，所述基于所述预处理后的数据构建评估模型，包括：

对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征；

基于所述显著特征将所述预处理后的数据分割为训练数据、验证数据和测试数据；

利用所述训练数据进行算法训练评估模型；

利用所述测试数据计算训练生成的评估模型的最终准确率；

基于所述最终准确率，利用所述验证数据对训练生成的评估模型的参数进行调整，得到目标评估模型。

优选地，所述对所述预处理后的数据进行特征构建与特征选择，得到所述预处理后的数据的显著特征，包括：