[发明专利]供应商推荐方法及系统

说明书

本发明涉及计算机技术领域，公开一种供应商推荐方法及系统，以跟随用户的兴趣和特征变化处理非线性推荐问题，并确保推荐效果。本发明方法包括：接收至少一个供应商样本；基于自适应多层感知的在线迁移学习模型预测各该供应商样本对应的推荐操作；跟踪并获取供应商用户对各该供应商样本的实际采纳效果；根据推荐操作与实际采纳效果的对比调整所述自适应多层感知的在线迁移学习模型所服务采购用户的前一批次的用户特征和当前批次的用户特征之间的权重分配及非线性参数向量；重新获取新的供应商样本并以调整后的在线迁移学习模型预测对应的推荐操作，重复上述步骤，直至筛选出满足供应商用户的所有供应商样本。

技术领域

本发明涉及计算机技术领域，尤其涉及一种供应商推荐方法及系统。

背景技术

有色冶金供应商选择问题是一个多属性决策问题，企业的采购部门根据企业的需求选择合适的供应商进行采购，使企业的效益和效率最大化。而随着企业的发展，每一次采购活动的备选供应商的数量都在上升，会有新的供应商加入。而有色冶金供应商的特征也随着生产要求的提升而变得复杂，这时面对数量庞大的，信息复杂的供应商，采购部门的决策效率往往会降低。这类问题可以被归结为供应商的信息过载问题。另一方面，在有色冶金企业运营过程中采购部门对供应商的需求会发生变化。对于有色冶金这类需要保持连续生产的企业，供应商的特点决定了一段时期内企业生产的侧重点。在这段时间内企业受工况，环境等因素影响，不同时间下企业对供应商的需求也不同，且这种需求变化是快速的，是无法避免的。例如，有色冶金企业对于原料供应商有着很多种要求，在生产情况和库存量稳定的情况下，采购部门会更偏向于价格因素。而当生产情况不稳定时，采购部门则会偏向于供货质量稳定的供应商。在这种情况下，供应商的信息过载将会更加影响采购部门的决策效率，采购部门的需求变化将会使供应商的推荐变得更加复杂。面对这类采购部门对资源缺乏认知的情况，推荐系统则能够学习采购部门的需求并产生合适的供应商推荐。因此，构建能够适应采购部门需求变化，并能处理供应商信息过载的推荐系统对于有色冶金企业的采购决策具有十分重要的现实意义。

面对大量的项目信息，用户需要推荐系统来提升决策的效率。图1展示了用户需求变化的推荐系统的训练过程。S代表用户的需求特征，x和y分别代表单批次推荐的项目以及用户操作结果(标签)。推荐系统会根据每一批次采购部门的操作结果对用户需求特征进行训练，并逐渐获得稳定的需求特征。然后，推荐系统会根据训练的需求特征对新项目进行预测而完成推荐。然而，在使用过程中，用户的需求会发生变化，而推荐系统需要能跟随用户的需求来保持推荐的准确度，这可以被归结成一种概念漂移问题。首先，在初始一段时间内用户的需求保持稳定，这就意味着训练的需求特征S₁＝S₂＝…＝S_t+1＝S。此时对于任何项目x_t，任意S_t的预测的结果y_t基本上都是相同的。接下来在某一时刻j，用户的操作发生变化以至于训练的用户需求S发生变化，S_i≠S_j。

然而，现有技术存在以下缺陷：

1.有色冶金供应商推荐是一个非线性分类问题，这意味着它必须用非线性方法来解决。

2.由于运行过程中，采购部门的需求会受外界的影响而发生变化。解决方法是利用在线学习来跟随用户特征的变化，因为在线学习只根据当前样本对用户需求特征进行调整，其即时性可忽略旧数据集所带来的样本冲突问题。然而，由于用户可能的误操作所产生的错误样本，在线学习的用户特征会发生波动，进而导致推荐准确率发生波动。

发明内容

本发明目的在于公开一种供应商推荐方法及系统，以跟随用户的兴趣和特征变化处理非线性推荐问题，并确保推荐效果。

为达上述目的，本发明公开一种供应商推荐方法，包括：

接收至少一个供应商样本；

基于自适应多层感知的在线迁移学习模型预测各该供应商样本对应的推荐操作；