[发明专利]供应商的推荐方法及相关装置

权利要求书

1.一种供应商的推荐方法，其特征在于，所述方法包括：

获取待推荐企业的特征信息；

获取多个供应商中每一个供应商的特征信息；

将所述待推荐企业的特征信息和所述每一个供应商的特征信息输入至供应商推荐模型中，得到所述待推荐企业的供应商推荐信息，所述供应商推荐模型为基于企业的特征信息和供应商的特征信息训练得到的神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述供应商推荐模型包括图卷积神经网络模型和分类模型。

3.根据权利要求1或2所述的方法，其特征在于，所述企业的特征信息包括以下信息中的一种或多种：业务需求、营销模式、所属地域、成本预算和付款方式。

4.根据权利要求1或2所述的方法，其特征在于，所述供应商的特征信息包括以下信息中的一种或多种：产品类型、产品价格、生产周期、收款方式和所属地区。

5.一种供应商推荐模型的训练方法，其特征在于，所述方法包括：

获取多个企业中每个企业的特征信息和与所述多个企业中的每个企业具有签约关系的供应商的特征信息；

使用所述多个企业中每个企业的特征信息和与所述多个企业中的每个企业具有签约关系的供应商的特征信息对神经网络模型进行训练，得到所述供应商推荐模型。

6.根据权利要求5所述的方法，其特征在于，所述神经网络模型包括图卷积神经网络模型和分类模型；

其中，所述使用所述多个企业中每个企业的特征信息和与所述多个企业中的每个企业具有签约关系的供应商的特征信息，对神经网络模型进行训练，包括：

将所述多个企业中每个企业的特征信息和所述与所述多个企业中的每个企业具有签约关系的供应商的特征信息输入所述图卷积神经网络模型，得到所述多个企业中每个企业的特征向量和所述与所述多个企业中的每个企业具有签约关系的供应商的特征向量；

将所述多个企业中每个企业的特征向量和所述与所述多个企业中的每个企业具有签约关系的供应商的特征向量输入所述分类模型，得到分类结果；

基于所述分类结果对所述图卷积神经网络模型和所述分类模型的参数进行调整。

7.根据权利要求6所述的方法，其特征在于，所述将所述多个企业中每个企业的特征信息和所述与所述多个企业中的每个企业具有签约关系的供应商的特征信息输入所述图卷积神经网络模型，得到所述多个企业中每个企业的特征向量和所述与所述多个企业中的每个企业具有签约关系的供应商的特征向量，包括：

获取所述多个企业中每个企业的发票信息和所述与所述多个企业中的每个企业具有签约关系的供应商的发票信息；

根据所述多个企业中每个企业的发票信息计算所述多个企业中每个企业的嵌入向量；

根据所述与所述多个企业中的每个企业具有签约关系的供应商的发票信息计算所述与所述多个企业中的每个企业具有签约关系的供应商的嵌入向量；

将所述多个企业中每个企业的嵌入向量和所述与所述多个企业中的每个企业具有签约关系的供应商的嵌入向量输入所述图卷积神经网络模型，得到所述多个企业中每个企业的特征向量和所述与所述多个企业中的每个企业具有签约关系的供应商的特征向量。

8.根据权利要求5至7中任一项所述的方法，其特征在于，所述企业的特征信息包括以下信息中的一种或多种：业务需求、营销模式、所属地域、成本预算和付款方式。

9.根据权利要求5至7中任一项所述的方法，其特征在于，所述供应商的特征信息包括以下信息中的一种或多种：产品类型、产品价格、生产周期、收款方式和所属地区。

10.一种供应商的推荐装置，其特征在于，包括用于实现权利要求1至4中任一项所述的方法的各个功能模块。

11.一种供应商推荐模型的训练装置，其特征在于，包括用于实现权利要求5至9中任一项所述的方法的各个功能模块。

12.一种计算机可读介质，其特征在于，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如权利要求1至4中任一项所述的方法的指令或权利要求5至9中任一项所述的方法的指令。