(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211186964.0 (22)申请日 2022.09.28 (71)申请人 国网浙江省电力有限公司物资 分公 司 地址 310005 浙江省杭州市拱 墅区凤起路 378号5-6层 (72)发明人 王伟　洪文明　杜亮　金雅婷　 翁慧颖　章迪　郭威　李均毅　 励艳萍　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之 (51)Int.Cl. G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 基于人工智能的供应商多元分类方法、 系统 及存储介质 (57)摘要 本发明公开了一种基于人工智能的供应商 多元分类方法、 系统及存储介质， 涉及供应商分 类评价技术领域。 获取供应商样 本数据以及分类 指标数据， 所述分类指标数据包括第一分类指标 以及所述第一分类指标对应的二级分类指标； 对 所述二级分类指标通过熵权 法计算客观权重， 通 过层次分析法计算主观权重； 根据所述主观权重 和所述客观权重得到综合权重指数， 利用所述综 合权重指数对 所述供应商样本数据进行评分； 根 据评分结果通过K ‑means聚类算法对供应商进行 分类。 本发 明建立了一个科学的指标体系对供应 商进行群体划分， 分类准确且高效。 权利要求书1页 说明书4页 附图3页 CN 115456689 A 2022.12.09 CN 115456689 A 1.一种基于人工智能技 术的供应商 多元分类方法， 其特 征在于， 具体步骤 包括如下： 获取供应商样本数据以及 分类指标数据， 所述分类指标数据包括第 一分类指标以及所 述第一分类指标对应的二级分类指标； 对所述二级分类指标通过熵权法计算 客观权重， 通过层次分析法计算主观权 重； 根据所述主观权重和所述客观权重得到综合权重指数， 利用所述综合权重指数对所述 供应商样本数据进行评分； 根据评分结果 通过K‑means聚类算法对供应商 进行分类。 2.根据权利要求1所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 所述第一分类指标包括企业实力、 质量管控、 信用评价、 未来发展。 3.根据权利要求2所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 所述企业实力对应的所述二级分类指标为： 财务年报数据、 融资历史数据、 质押数据； 所述 质量管控对应的所述二级分类指标为： 历史抽检数据、 工艺数据、 质量报告数据； 所述信用 评价对应的所述二级分类指标为： 失信数据、 违约数据、 司法事件数据； 所述未来发展对应 的所述二级分类指标为： 税务评级数据、 投资数据、 团队数据。 4.根据权利要求1所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 采用最大最小方法对所述二级分类指标进行归一化处理， 得到第一数据； 运用熵权法计算 所述第一数据中的各二级分类指标的特 征比重以及信息熵， 从而确定各指标的客观权 重。 5.根据权利要求1所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 所述综合权 重指数的计算公式为： W＝ η ai+α bi； 其中， ai为第i个二级分类指标的主观权 重， bi为客观权重， α ＝ η＝0.5 。 6.根据权利要求1所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 当聚类簇中的结点数 大于预设值时， 对所述聚类簇进行 再次聚类， 获取多个新的聚类簇 。 7.根据权利要求1所述的一种基于人工智能技术的供应商多元分类方法， 其特征在于， 在K‑means聚类算法进行聚类过程中， 采用Rsim函数来衡量样本间的相似度。 8.一种基于人工智能技术的供应商多元分类系统， 其特征在于， 包括依次相连的数据 获取模块、 权 重确定模块、 评分模块、 分类模块； 其中， 所述数据获取模块， 用于获取供应商样本数据以及分类指标数据， 所述分类指标数据 包括第一分类指标以及所述第一分类指标对应的二级分类指标； 所述权重确定模块， 用于对所述二级分类指标通过熵权法计算客观权重， 通过层次分 析法计算主观权 重； 所述评分模块， 用于根据所述主观权重和所述客观权重得到综合权重指数， 利用所述 综合权重指数对所述供应商样本数据进行评分； 所述分类模块， 用于根据评分结果 通过K‑means聚类算法对供应商 进行分类。 9.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储有计算机程序， 所述 计算机程序被处理器执行时实现如权利要求 1‑7中任意一项 所述的一种基于人工智能技术 的供应商 多元分类方法的步骤。权　利　要　求　书 1/1 页 2 CN 115456689 A 2基于人工智能的供应商多元分类方 法、 系统及存 储介质 技术领域 [0001]本发明涉及供应商分类评价技术领域， 更具体的说是涉及一种基于人工智能的供 应商多元分类方法、 系统及存 储介质。 背景技术 [0002]在现有技术中， 对供应商的评价主要是通过企业资产财务信息、 主营产品信息、 合 同履约和合同评价等方面对供应商的综合实力和能力进行人工 分级分类评价， 效率低下且 评估不准确。 随着人工智能的技术日渐成熟， 对于 当今企业而言， 应用大数据进 行供应链管 理决策、 控制及 优化等工作， 已经成为趋势。 供应商的评估、 选择是供应链管 理的核心内容。 企业内部大量的供应商信息积累， 为应用大数据技术开展 供应商的评估与选择提供了良好 的数据基础。 利用人工智能技术对供应商建立全息画像体系成为了解决这些问题的重要途 径， 为招标采购、 供应商全息多维评价、 质量 监督业务运营决策场景提供辅助支撑 。 [0003]但是， 固定 的评价指标会忽略供应商其他方面的能力， 至使选择的供应商无法满 足公司的核心需求， 而群体专家综合知识的主观性对解决模糊性、 非确定性的问题也存在 局限性， 缺 乏一套操作性好、 实用性强、 智能多元的供应商分类评价体系， 以辅助做出准确 判断。 发明内容 [0004]有鉴于此， 本发明提供了一种基于人工智能的供应商多元分类方法、 系统及存储 介质， 以解决背景技 术中的问题。 [0005]为了实现上述目的， 本发明采用如下技术方案： 一种基于人工智能技术的供应商 多元分类方法， 具体步骤 包括如下： [0006]获取供应商样本数据以及分类指标数据， 所述分类指标数据包括第一分类指标以 及所述第一分类指标对应的二级分类指标； [0007]对所述二级分类指标通过熵权法计算 客观权重， 通过层次分析法计算主观权 重； [0008]根据所述主观权重和所述客观权重得到综合权重指数， 利用所述综合权重指数对 所述供应商样本数据进行评分； [0009]根据评分结果 通过K‑means聚类算法对供应商 进行分类。 [0010]可选的， 所述第一分类指标包括企业实力、 质量管控、 信用评价、 未来发展。 [0011]可选的， 所述企业实力对应的所述二级分类指标为： 财务年报数据、 融资历史数 据、 质押数据； 所述质量管控对应的所述二级分类指标为： 历史抽检数据、 工艺数据、 质量报 告数据； 所述信用评价对应的所述二级分类指标为： 失信数据、 违约数据、 司法事件 数据； 所 述未来发展对应的所述 二级分类指标为： 税务评级数据、 投资数据、 团队数据。 [0012]可选的， 采用最大最小方法对所述二级分类指标进行归一化 处理， 得到第一数据； 运用熵权法计算所述第一数据中的各二级分类指标的特征比重以及信息熵， 从而确定各指 标的客观权 重。说　明　书 1/4 页 3 CN 115456689 A 3