CN115619238B - 一种为非特定b2b平台建立企业间合作关系的方法 - Google Patents
一种为非特定b2b平台建立企业间合作关系的方法 Download PDFInfo
- Publication number
- CN115619238B CN115619238B CN202211635872.6A CN202211635872A CN115619238B CN 115619238 B CN115619238 B CN 115619238B CN 202211635872 A CN202211635872 A CN 202211635872A CN 115619238 B CN115619238 B CN 115619238B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- business
- enterprises
- supply
- demand
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims abstract description 105
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000013139 quantization Methods 0.000 claims description 7
- 244000035744 Hura crepitans Species 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 16
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000012502 risk assessment Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种为非特定B2B平台建立企业间合作关系的方法,获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容;通过业务需求,构建企业业务行为的需求树模型;通过业务内容,构建企业业务行为的供应树模型;通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱;通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数;根据业务匹配度和风险系数,生成企业合作的推荐列表。
Description
技术领域
本发明涉及B2B技术领域,特别涉及一种为非特定B2B平台建立企业间合作关系的方法。
背景技术
目前,在企业业务关系链的线上化进程中,特定B2B平台主要采用邀请和请求两种方式来帮助企业与合作伙伴建立业务关系;例如:
企业在特定B2B平台向合作伙伴发送邀请,合作伙伴通过激活邀请链接来建立与合作伙伴间的业务关系。
企业在特定B2B平台上向平台特定企业发送合作关系建立请求,经被请求企业同意后,方可建立合作关系。
但是这两种方式,对人、对业务关系所涉合作伙伴在线状态有严重依赖,不利于企业在特定B2B平台上快速、自动建立与合作伙伴间的业务关系,无法实现自动识别企业的业务需求,无法自动为企业寻找最优的合作企业等等。
发明内容
本发明提供一种为非特定B2B平台建立企业间合作关系的方法,用以解决在上述背景技术的情况。
一种为非特定B2B平台建立企业间合作关系的方法,包括:
获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容;
通过业务需求,构建企业业务行为的需求树模型;
通过业务内容,构建企业业务行为的供应树模型;
通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱;
通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数;
根据业务匹配度和风险系数,生成企业合作的目标推荐列表。
在本发明的一种实施例中:所述方法还包括:
获取B2B平台的企业属性信息和企业业务信息;其中,
企业属性信息包括:企业名称、企业行业、企业省份、企业规模、企业信用;
企业业务信息包括:业务范围信息、科技创新信息、企业产出信息;
基于企业属性信息,搭建企业分类管控网络;
基于企业业务信息,在企业分类管控网络上标注不同企业的业务交织信息;
通过业务交织信息,为不同业务行为配置行为触发函数;
在B2B平台的企业端处于活跃状态时,通过行为触发函数获取企业的行为数据,并通过行为数据,在企业分类管控网络上将企业业务行为和行为数据绑定。
在本发明的一种实施例中:所述获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容,包括:
通过企业分类管控网络,获取绑定后的企业行为数据;
通过行为数据对企业业务行为进行意图画像;
通过意图画像,构建行为价值模型,确定不同行为特征的目标诉求和诉求价值;
通过目标诉求,确定对应的诉求行为,并计算不同诉求行为的关联性;
根据关联性,对不同诉求进行特征融合,确定融合后的诉求目的,并作为业务需求;
将业务需求输入到业务网络模型数据库中,确定类似的业务行为,并获取对应的业务内容。
在本发明的一种实施例中:所述企业分类管控网络包括如下构建步骤:
步骤1:创建若干沙箱环境,将不同企业属性的本地企业统计模板分别植入一个沙箱环境;
步骤2:对企业属性进行权重赋值;
步骤3:根据权重赋值,对企业属性进行数字量化,确定每个企业不同属性的量化值;
步骤4:基于每个企业不同属性的量化值,进行企业要素评估,确定评估值和关联性;
步骤5:根据评估值,对每个沙箱环境进行企业编码;
步骤6:根据企业编码和关联性,建立不同企业的管控插件和关联插件;
步骤7:通过管控插件和关联插件,生成企业分类管控网络。
在本发明的一种实施例中:所述需求树模型包括如下搭建步骤:
获取业务需求;
根据业务需求和预先训练的树模型,确定企业的行为数据对应的第一特征及第一特征行为值;
根据树模型的树结构确定每个子行为数据的子行为特征;
通过行为特征,确定企业的主业务需求和次业务需求;其中,
次业务需求为达成主业务需求中的执行需求;
通过主业务需求和次业务需求,生成需求树模型。
在本发明的一种实施例中:所述供应树模型包括如下构建步骤:
根据需求树模型,确定达成主业务需求的行为路径;
通过行为路径,确定每个需求点对应的供应要求;
通过供应要求,确定达成供应要求的主供应企业和次供应企业;
通过主供应企业和次供应企业,生成供应树模型。
在本发明的一种实施例中:所述通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱,包括:
提取需求树模型和供应树模型中的供应枝干和需求枝干,并从数据库中匹配得到各个供应枝干和需求枝干对应的关联关系,以及依据关联关系建立特征模型;
根据关联关系从特征模型中分离出属于同一关联性的特征网络;
根据关联性从数据库中调取与特征网络对应的标准网络,筛选出与对应标准网络间的差异值小于预设值的特征网络,以及将筛选出的特征网络对应标记集表征的项目作为分析项目;
依据供应枝干的企业信息获取与需求枝干对应企业的关键信息,并根据关键信息进行风险问题分析后得到项目分析值,以及将各个分析项目的项目分析值求和得到输入信息的匹配风险值;
通过匹配风险值,构建不同需求树模型和供应树模型之间的业务决策知识图谱。
在本发明的一种实施例中:所述通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数,包括:
通过业务决策知识图谱,确定企业需求业务和供应企业之间的图谱节点;
通过图谱节点,确定需求企业和供应企业之间的业务关联属性和业务风险因素;
通过业务关联属性,计算需求企业和供应企业之间的匹配度;
通过业务风险因素,计算需求企业和供应企业之间的风险系数。
在本发明的一种实施例中:所述根据业务匹配度和风险系数,生成企业合作的目标推荐列表,包括:
获取待匹配状态的不同企业的业务匹配度和风险系数;
利用业务匹配模型对不同企业的业务匹配度和风险系数进行特征提取,并确定提取不同企业的特征向量之间的相似度;
根据相似度确定同一匹配组企业,并根据同一匹配组企业的匹配企业集合,从匹配企业集合中确定供应企业的推荐候选列表;
利用风险系数,构建排序模型对匹配组中需求企业和供应企业进行特征提取,并预测推荐候选列表中不同需求企业对供应企业的偏好度;
通过偏好度,生成企业合作的目标推荐列表。
在本发明的一种实施例中:所述方法还包括:
获取目标推荐列表,确定目标推荐列表上供应企业的企业数据;
根据企业数据,确定待供应评分企业的企业特征数据;
根据企业特征数据,对待供应评分企业进行行业分类,以获得待供应评分企业的行业分类结果;
根据待供应评分企业的行业分类结果,在若干行业分类的企业合作评分模型中确定待供应评分企业对应的企业合作评分模型;
通过企业合作评分模型,根据企业特征数据,对待评分企业进行企业合作评分,以获得待评分企业的企业合作评分结果。
本发明的有益效果在于:本发明可以不局限于地域、时空、竞争关系,让任何的企业之间都存在合作的可能性,生成的也是推荐列表,均具备评分,可以标注所有的风险因素,让企业自身进行评估。相对于现有技术中的B2B平台来说,现有技术可能也会根据企业需求进行对应企业的匹配,但是相对于现有技术,本发明的优势是全方位的企业合作匹配,定制每个企业自身单独的各项业务的需求树模型,自动通过企业的行为信息进行企业分析,然后为企业构建定制化的供应树模型,每个企业都会根据自身业务具有一个需求树模型、确定企业的所有业务需求,具有一个供应树模型,确定企业能够涉略的所有业务。然后根据供应树模型,每个企业还有个性化定制的供应树模型,进而实现企业合作的推荐,在企业合作推荐的过程中,还能根据关联性和风险,对可以供应的企业进行风险分析,从而推荐最合适最安全的合作企业,生成最牢固稳定的合作关系。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种为非特定B2B平台建立企业间合作关系的方法的原理图;
图2为本发明实施例中企业分类管控网络的构建和企业绑定流程图;
图3为本发明实施例中企业推荐评分的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提出了一种为非特定B2B平台建立企业间合作关系的方法,包括:
非特定B2B平台是一种公开的企业和企业进行商务交易的公共平台,不特定某些或者某类企业。
获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容;
企业行为数据包括企业的广告数据、企业的业务合作信息、企业的业务
通过业务需求,构建企业业务行为的需求树模型;
通过业务内容,构建企业业务行为的供应树模型;
通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱;
通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数;
根据业务匹配度和风险系数,生成企业合作的目标推荐列表。
上述技术方案的原理在于:
本发明适用于毫无关联的企业之间建立合作关系的方法,本发明会构建B2B平台,在平台上的注册企业会实施多种业务行为,包括业务需求的发布,业务内容的公开和业务请求的判定。而在本发明中,通过自动构建不同企业的需求树和供应树,进行风险匹配,从而生成推荐列表,推荐不同的企业进行合作。需求树模型上会根据企业业务行为,确定注册企业的紧急需求的商品信息或者服务信息,例如:求购办公组件,企业融资合作、法务服务等多种企业自身需要的业务。供应树模型是针对需求树模型和不同企业自身的业务规模、商业服务的经营领域、企业地域分布等,针对每个企业生成单独的供应树模型,每个企业有自身的供应树模型,供应树模型上具有自身可以进行所有商业业务。同时供应树模型还包括针对每个企业自身需求构建的定制供应树模型,可以针对企业自身的业务需求,生成完整体系的由供应公司构成的供应树模型。风险匹配的业务决策知识图谱,可以从多角度、多层次和多维度的分析不同企业之间业务需求和业务供应之间的风险因素,例如:业务决策知识图谱会显示当和供应企业合作时,会存在那些影响业务进行的风险,供应企业的信誉度、供应企业的企业规模是否足够进行全面供应需求的产品等等。最后通过业务匹配度和风险系数生成推荐列表,可以让用户根据推荐列表清楚的知道和每个企业合作的优劣势,然后进行合作企业选择。
上述技术方案的有益效果在于:本发明的优点在于,不局限于地域、时空、竞争关系,任何的企业之间都存在合作的可能性,生成的也是推荐列表,均具备评分,可以标注所有的风险因素,让企业自身进行评估。相对于现有技术中的B2B平台来说,现有技术可能也会根据企业需求进行对应企业的匹配,但是相对于现有技术,本发明的优势是全方位的企业合作匹配,定制每个企业自身单独的各项业务的需求树模型,自动通过企业的行为信息进行企业分析,然后为企业构建定制化的供应树模型,每个企业都会根据自身业务具有一个需求树模型、确定企业的所有业务需求,具有一个供应树模型,确定企业能够涉略的所有业务。然后根据供应树模型,每个企业还可以个性化定制的供应树模型,进而实现企业合作的推荐,在企业合作推荐的过程中,还能根据关联性和风险,对可以供应的企业进行风险分析,从而推荐最合适最安全的合作企业,生成最牢固稳定的合作关系。
在本发明的一种实施例中:所述方法还包括:
获取B2B平台的企业属性信息和企业业务信息;其中,
企业属性信息包括:企业名称、企业行业、企业省份、企业规模、企业信用;
企业业务信息包括:业务范围信息、科技创新信息、企业产出信息;
基于企业属性信息,搭建企业分类管控网络;
基于企业业务信息,在企业分类管控网络上标注不同企业的业务交织信息;
通过业务交织信息,为不同业务行为配置行为触发函数;
在B2B平台的企业端处于活跃状态时,通过行为触发函数获取企业的行为数据,并通过行为数据,在企业分类管控网络上将企业业务行为和行为数据绑定。
上述技术方案的原理在于:
企业的企业属性信息和企业的业务信息在企业注册之后,会通过大数据自动搜索企业的属性和业务信息,并且也会根据企业在B2B平台上进行不同业务行为进行企业分析,确定企业的企业属性信息和企业业务信息。企业分类管控网络是根据企业的地域、行业类型和规模进行分类管理。业务交织信息就是不同的企业在业务上的合作关系的业务行为、竞争关系的业务行为,进而设定的行为触发函数,可以在企业在B2B平台上存在任何业务行为的时候,触发对应的合作服务。企业业务行为和行为数据绑定是将企业进行的业务行为;例如:生产机器人的企业,会将这个企业进行机器人定制、机器人出口、机器人智能化数据更新、机器人合作研发等等所有企业进行的行为数据进行绑定存储,便于在企业具有业务需求的时候,进行风险评估和业务匹配。
本发明的有益效果在于:
本发明会统计企业的所有信息,对不同的企业进行划分,进而构建企业的分类管控网络,在企业分类管控后,设置不同业务的触发函数,及时的明确不同企业的需求信息,然后推荐合适的企业进行合作,将企业的任何行为和分类管控网络绑定。分类管控网络,可以在本发明进行企业合作的过程中,进行快速的企业标定,因为都是分类管控的,在企业信息的调取和匹配分析上,速度更快,分析的也更加全面,同时,因为分类管控,同一类的企业业务行为相似,可以通过深度神经网络不断增强***对于业务行为识别的敏感度。
在本发明的一种实施例中:所述获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容,包括:
通过企业分类管控网络,获取绑定后的企业行为数据;
通过行为数据对企业业务行为进行意图画像;通过意图画像,构建行为价值模型,确定不同行为特征的目标诉求和诉求价值;
通过目标诉求,确定对应的诉求行为,并计算不同诉求行为的关联性;
根据关联性,对不同诉求进行特征融合,确定融合后的诉求目的,并作为业务需求;
将业务需求输入到业务网络模型数据库中,确定类似的业务行为,并获取对应的业务内容。
上述技术方案的原理在于:
在确定企业的业务需求数据和业务内容方面,业务内容包括经营业务内容和需求业务内容,也就是作为供应企业时,能供应的商业服务。需求业务内容就是业务需求对应的整个业务行为,例如:需求融资的时候,业务内容就是融资的原因,融资的发展愿景和未来规划,以及融资的具体事项和融资规模需求。意图画像就是对企业需求进行对应行为数据的画像,这些数据中包括具体的需求事项,例如需要的服务,服务标准、服务地域和服务付款方式等等。行为价值模型,表示在进行业务需求判定之后,根据业务需要达到的要求和目的产生的价值的权重评估模型,例如:生产一批机器人,在生产中,功能、寿命、形状、材质、功率、应用地域等等均为目标诉求,诉求价值,就是每一项诉求在整个业务行为中所占权重。融合后的诉求目的,就是对整个业务的所有业务子项,即目标诉求融合后,生成的完整的业务需求对应的业务交易合同中不同的达标标准明细。业务网络模型数据库中存储大量的业务行为数据,可以根据业务需求,确定业务整体内容,即业务实施的整体流程。
上述技术方案的有益效果在于:
本发明通过对企业进行分类管控,通过对企业的目标诉求和诉求的价值分析,确定企业在实施不同行为的时候,企业的业务需求是需要产品还是服务,进而确定对应的业务内容,进行更好的合作企业推荐,本技术方案在进行企业合作的过程中,可以对企业的各项需求进行严谨的分析,从而确定完整的业务流程,防止人工在进行业务合作的时候,存在人为的忘记一些需要达标的要求,例如:机器人的涂漆不能含有危害人体的化学物质,但是往往企业会忽视这些需要达标的要求。
在本发明的一种实施例中:所述企业分类管控网络包括如下构建步骤:
步骤1:创建若干沙箱环境,将不同企业属性的本地企业统计模板分别植入一个沙箱环境;
步骤2:对企业属性进行权重赋值;
步骤3:根据权重赋值,对企业属性进行数字量化,确定每个企业不同属性的量化值;
步骤4:基于每个企业不同属性的量化值,进行企业要素评估,确定评估值和关联性;
步骤5:根据评估值,对每个沙箱环境进行企业编码;
步骤6:根据企业编码和关联性,建立不同企业的管控插件和关联插件;
步骤7:通过管控插件和关联插件,生成企业分类管控网络。
上述技术方案的原理在于:
现有技术中,不同的***平台对于企业的管理都是公开的管理,对企业的管理数据会公开在平台,从而造成商业损失,例如商业机密泄露。因此,本发明在进行企业分类管控网络的时候,为了企业信息的保密性,本发明建立沙箱环境,每个企业自成一个管控空间,企业的各项业务进行量化,数据量化之后,不会让企业的业务信息公开化,但是更加便于进行企业之间的合作和推荐的理论性计算。评估值是对企业业务要素的评估,也能够确定不同企业之间关联企业的关联度和相似度。但是沙箱环境相当于虚拟机,为了更加方便的进行不同企业之间的合作调配,本发明设置了管控插件和关联插件对企业进行管理控制和关联性分析。
上述技术方案的有益效果在于:本发明通过沙箱环境,可以保证企业信息的安全性,防止企业信息泄露,还可以通过管控插件和关联插件,对可以合作的企业进行单独的管控,进而进行企业的高效合作。
在本发明的一种实施例中:所述需求树模型包括如下搭建步骤:
获取业务需求;
根据业务需求和预先训练的树模型,确定企业的行为数据对应的第一特征及第一特征行为值;
根据树模型的树结构确定每个子行为数据的子行为特征;
通过行为特征,确定企业的主业务需求和次业务需求;其中,
次业务需求为达成主业务需求中的执行需求;
通过主业务需求和次业务需求,生成需求树模型。
在本发明的一种实施例中:所述供应树模型包括如下构建步骤:
根据需求树模型,确定达成主业务需求的行为路径;
通过行为路径,确定每个需求点对应的供应要求;
通过供应要求,确定达成供应要求的主供应企业和次供应企业;
通过主供应企业和次供应企业,生成供应树模型。
上述技术方案的原理在于:
本发明的供应树模型是基于企业的需求树模型搭建,供应树模型会通过企业需求树,提供更多的供应选择,让一个企业在进行一个业务的时候有更多的选择。业务需求确定之后,行为数据的第一特征和第一行为值就是行为数据对应的需求目标,就是第一特征,而在实现第一特征过程中需要达标的其它需求就是子行为数据和子行为特征,也对应主业务需求和次业务需求,然后构成基于主业务需求和次业务需求的需求树模型。
上述技术方案的有益效果在于:
本发明通过构建需求树,能够确定企业在进行不同业务行为的时候,需要达到的业务需求数据,并且将业务需求按照主次划分,生成可以根据需求进行逐一匹配的需求树模型,实现对企业业务行为进行解构后,进行多层次的细化匹配,以增强在企业合作的时候,企业排序的准确性,也可以是更精确的业务匹配。
在本发明的一种实施例中:
所述供应树模型包括如下构建步骤:
根据需求树模型,确定达成主业务需求的行为路径;
通过行为路径,确定每个需求点对应的供应要求;
通过供应要求,确定达成供应要求的主供应企业和次供应企业;
通过主供应企业和次供应企业,生成供应树模型。
上述技术方案的原理在于:
在需求树模型搭建完成之后,就需要确定每个主次业务需求对应的供应树模型,在这个过程中,行为路径为在达成主业务需求过程中,需要进行的步骤和需要执行的次业务需求,即,实现主业务需求的全流程模型。进而点对点的确定每个业务需求需要的供应要求,通过供应要求确定对应的供应企业,供应企业中,能够满足最终目的和大部分次业务需求的企业为主供应企业,其它企业,例如:生产机器人过程中,制造工厂的企业为主供应企业,而机器人身上的零部件,供应链中的企业为次供应企业。
上述技术方案的有益效果在于:
本发明能够根据需求树模型对企业进行点对点、单对单的全流程的供应分析匹配,个性化定制企业的供应树模型。
在本发明的一种实施例中:所述通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱,包括:
提取需求树模型和供应树模型中的供应枝干和需求枝干,并从数据库中匹配得到各个供应枝干和需求枝干对应的关联关系,以及依据关联关系建立特征模型;
根据关联关系从特征模型中分离出属于同一关联性的特征网络;
根据关联性从数据库中调取与特征网络对应的标准网络,筛选出与对应标准网络间的差异值小于预设值的特征网络,以及将筛选出的特征网络对应标记集表征的项目作为分析项目;
依据供应枝干的企业信息获取与需求枝干对应企业的关键信息,并根据关键信息进行风险问题分析后得到项目分析值,以及将各个分析项目的项目分析值求和得到输入信息的匹配风险值;
通过匹配风险值,构建不同需求树模型和供应树模型之间的业务决策知识图谱。
上述技术方案的原理在于:业务决策知识图谱是一种对于供应企业和需求企业,根据合作的商业行为,分析标注在合作过程中可能存在的风险的决策模型,关联关系表示供应风险程度和满足业务需求的效率性。建立的特征模型为关联强度特征的模型,也包括一个供应企业能满足一个需求企业的所有业务需求,这种强关联性。特征网络和标准网络是用来对关联的企业进行分析,分析企业合作可能产生的风险,并对风险进行计算,也就是项目分析值,每一个次需求都是一个子项目,这些次需求也包括企业的风险要求,例如企业不能存在民事诉讼。进而通过需求树模型和供应树模型,判断企业之间的风险,生成根据风险构成的业务决策知识图谱。
本发明的有益效果在于:
本发明的业务决策知识图谱,可以突出不同企业之间在进行合作的时候的项目风险,进行差异化的特征计算,防止企业之间的关联性不高,风险性太大。
在本发明的一种实施例中:所述通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数,包括:
通过业务决策知识图谱,确定企业需求业务和供应企业之间的图谱节点;
通过图谱节点,确定需求企业和供应企业之间的业务关联属性和业务风险因素;
通过业务关联属性,计算需求企业和供应企业之间的匹配度;
通过业务风险因素,计算需求企业和供应企业之间的风险系数。
上述技术方案的原理在于:
本发明可以根据业务决策知识图谱。确定供应企业和需求企业之间的业务风险因素和业务关联属性,每一个图谱节点,表示预备合作的企业之间存在的一个业务风险,业务关联属性可以判断供应企业是能够满足供应企业的业务需求的程度,也是判断供应企业是不是需求企业在业务行为上的最优合作企业。而风险系数,是通过计算需求企业和供应企业之间的风险,判断合作中可能存在的风险预估值。
上述技术方案的有益效果在于:
本发明可以判断在企业合作的时候,存在的风险系数和业务的匹配度,从而多维度判断企业合作之间的粘合性。
在本发明的一种实施例中:根据业务匹配度和风险系数,生成企业合作的目标推荐列表,包括:
获取待匹配状态的不同企业的业务匹配度和风险系数;
利用业务匹配模型对不同企业的业务匹配度和风险系数进行特征提取,并确定提取不同企业的特征向量之间的相似度;
根据相似度确定同一匹配组企业,并根据同一匹配组企业的匹配企业集合,从匹配企业集合中确定供应企业的推荐候选列表;
利用风险系数,构建排序模型对匹配组中需求企业和供应企业进行特征提取,并预测推荐候选列表中不同需求企业对供应企业的偏好度;
通过偏好度,生成企业合作的目标推荐列表。
上述技术方案的原理在于:
本发明在生成能够进行企业合作的推荐列表的过程中,通过对企业之间的匹配度和风险系数进行特征转化,然后计算不同企业之间的特征向量的相似度,在进行匹配企业集合推荐的过程中,通过风险业务匹配度的融合特征,生成企业的匹配组,根据匹配组对供应企业进行推荐,生成推荐候选的列表,进而通过排序模型和企业偏好,对可以合作的企业进行排序。业务匹配模型表示在企业之间的双层深度提取模型。第一层包括通过业务相关性,对相关性特征提取;第二层对业务风险因素的风险特征进行提取。
上述技术方案的有益效果在于:
本发明可以通过企业根据企业的偏好,生成合作企业的推荐列表,在这个过程中,本发明会根据企业风险系数和业务匹配度融合的“特征向量”进行目标候选推荐列表的偏好度推荐,相对于现有技术中的直接以最优推荐,本发明能提供更多的选择,而且还能分析企业偏好,通过偏好推荐目标企业。
在本发明的一种实施例中:所述方法还包括:
获取目标推荐列表,确定目标推荐列表上供应企业的企业数据;
根据企业数据,确定待供应评分企业的企业特征数据;
根据企业特征数据,对待供应评分企业进行行业分类,以获得待供应评分企业的行业分类结果;
根据待供应评分企业的行业分类结果,在若干行业分类的企业合作评分模型中确定待供应评分企业对应的企业合作评分模型;
通过企业合作评分模型,根据企业特征数据,对待评分企业进行企业合作评分,以获得待评分企业的企业合作评分结果。
上述技术方案的原理在于:本发明可以根据目标推荐列表,对企业进行评分,在这个过程中,会采集企业特征数据,企业特征数据包括企业的规模、企业的风险事项、企业的业务信誉度等等数据,然后通过企业合作评分模型,转换为对单一企业进行合作评分的单一评分模型,这个模型是基于深度神经网络构成,经过不同企业数据的训练,进而可以对任一企业进行单一评分,通过评分进行作为推荐列表的合作参考。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,包括:
获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容;
通过业务需求,构建企业业务行为的需求树模型;
通过业务内容,构建企业业务行为的供应树模型;
通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱;
通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数;
根据业务匹配度和风险系数,生成企业合作的目标推荐列表;
所述方法还包括:
获取B2B平台的企业属性信息和企业业务信息;其中,
企业属性信息包括:企业名称、企业行业、企业省份、企业规模、企业信用;
企业业务信息包括:业务范围信息、科技创新信息、企业产出信息;
基于企业属性信息,搭建企业分类管控网络;
基于企业业务信息,在企业分类管控网络上标注不同企业的业务交织信息;
通过业务交织信息,为不同业务行为配置行为触发函数;
在B2B平台的企业端处于活跃状态时,通过行为触发函数获取企业的行为数据,并通过行为数据,在企业分类管控网络上将企业业务行为和行为数据绑定;
所述供应树模型包括如下构建步骤:
根据需求树模型,确定达成主业务需求的行为路径;
通过行为路径,确定每个需求点对应的供应要求;
通过供应要求,确定达成供应要求的主供应企业和次供应企业;
通过主供应企业和次供应企业,生成供应树模型;
所述通过需求树模型和供应树模型构建基于风险匹配的业务决策知识图谱,包括:
提取需求树模型和供应树模型中的供应枝干和需求枝干,并从数据库中匹配得到各个供应枝干和需求枝干对应的关联关系,以及依据关联关系建立特征模型;
根据关联关系从特征模型中分离出属于同一关联性的特征网络;
根据关联性从数据库中调取与特征网络对应的标准网络,筛选出与对应标准网络间的差异值小于预设值的特征网络,并将筛选出的特征网络对应标记集表征的项目作为分析项目;
依据供应枝干的企业信息获取与需求枝干对应企业的关键信息,并根据关键信息进行风险问题分析后,确定项目分析值,并将各个分析项目的项目分析值求和,生成匹配风险值;
通过匹配风险值,构建不同需求树模型和供应树模型之间的业务决策知识图谱。
2.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,所述获取B2B平台上企业的行为数据,判断企业的业务需求和业务内容,包括:
通过企业分类管控网络,获取绑定后的企业的行为数据;
通过行为数据对企业业务行为进行意图画像;
通过意图画像,构建行为价值模型,确定不同行为特征的目标诉求和诉求价值;
通过目标诉求,确定对应的诉求行为,并计算不同诉求行为的关联性;
根据关联性,对不同诉求进行特征融合,确定融合后的诉求目的,并作为业务需求;
将业务需求输入到预设的业务网络模型数据库中,确定类似的业务行为,并获取对应的业务内容。
3.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,所述企业分类管控网络包括如下构建步骤:
步骤1:创建若干沙箱环境,将不同企业属性的本地企业统计模板分别植入一个沙箱环境;
步骤2:对企业属性进行权重赋值;
步骤3:根据权重赋值,对企业属性进行数字量化,确定每个企业不同属性的量化值;
步骤4:基于每个企业不同属性的量化值,进行企业要素评估,确定评估值和关联性;
步骤5:根据评估值,对每个沙箱环境进行企业编码;
步骤6:根据企业编码和关联性,建立不同企业的管控插件和关联插件;
步骤7:通过管控插件和关联插件,生成企业分类管控网络。
4.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于, 所述需求树模型包括如下搭建步骤:
获取业务需求;
根据业务需求和预先训练的树模型,确定企业的行为数据对应的第一特征及第一特征行为值;
根据树模型的树结构确定每个子行为数据的子行为特征;
通过行为特征,确定企业的主业务需求和次业务需求;其中,
次业务需求为达成主业务需求中的执行需求;
通过主业务需求和次业务需求,生成需求树模型。
5.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,所述通过业务决策知识图谱,计算不同企业之间的业务匹配度和风险系数,包括:
通过业务决策知识图谱,确定企业需求业务和供应企业之间的图谱节点;
通过图谱节点,确定需求企业和供应企业之间的业务关联属性和业务风险因素;
通过业务关联属性,计算需求企业和供应企业之间的匹配度;
通过业务风险因素,计算需求企业和供应企业之间的风险系数。
6.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,所述根据业务匹配度和风险系数,生成企业合作的目标推荐列表,包括:
获取待匹配状态的不同企业的业务匹配度和风险系数;
利用业务匹配模型对不同企业的业务匹配度和风险系数进行特征提取,并确定提取不同企业的特征向量之间的相似度;
根据相似度确定同一匹配组企业,并根据同一匹配组企业的匹配企业集合,从匹配企业集合中确定供应企业的推荐候选列表;
利用风险系数,构建排序模型对匹配组中需求企业和供应企业进行特征提取,并预测推荐候选列表中不同需求企业对供应企业的偏好度;
通过偏好度,生成企业合作的目标推荐列表。
7.如权利要求1所述的一种为非特定B2B平台建立企业间合作关系的方法,其特征在于,所述方法还包括:
获取目标推荐列表,确定目标推荐列表上供应企业的企业数据;
根据企业数据,确定待供应评分企业的企业特征数据;
根据企业特征数据,对待供应评分企业进行行业分类,以获得待供应评分企业的行业分类结果;
根据待供应评分企业的行业分类结果,在若干行业分类的企业合作评分模型中确定待供应评分企业对应的企业合作评分模型;
通过企业合作评分模型,根据企业特征数据,对待评分企业进行企业合作评分,以获得待评分企业的企业合作评分结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635872.6A CN115619238B (zh) | 2022-12-20 | 2022-12-20 | 一种为非特定b2b平台建立企业间合作关系的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635872.6A CN115619238B (zh) | 2022-12-20 | 2022-12-20 | 一种为非特定b2b平台建立企业间合作关系的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619238A CN115619238A (zh) | 2023-01-17 |
CN115619238B true CN115619238B (zh) | 2023-05-12 |
Family
ID=84880842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211635872.6A Active CN115619238B (zh) | 2022-12-20 | 2022-12-20 | 一种为非特定b2b平台建立企业间合作关系的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619238B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013175512A1 (en) * | 2012-05-25 | 2013-11-28 | Vissapragada Seetaramaiah | General enterprise modeling system and methodology for constructing enterprise applications |
CN112132401A (zh) * | 2020-08-28 | 2020-12-25 | 上海明寰科技有限公司 | 一种基于人工智能算法企业评级*** |
CN113836310A (zh) * | 2021-08-04 | 2021-12-24 | 欧冶工业品股份有限公司 | 知识图谱驱动的工业品供应链管理方法和*** |
CN114140036A (zh) * | 2022-02-08 | 2022-03-04 | 北京融信数联科技有限公司 | 基于数据分析的企业画像方法、***和可读存储介质 |
CN115115257A (zh) * | 2022-07-15 | 2022-09-27 | 广东粤财金融云科技股份有限公司 | 一种基于关系图谱的企业风险预警方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180053255A1 (en) * | 2016-08-19 | 2018-02-22 | Noonum | System and Method for end to end investment and portfolio management using machine driven analysis of the market against qualifying factors |
CN110458697A (zh) * | 2019-08-19 | 2019-11-15 | 北京百度网讯科技有限公司 | 用于评估风险的方法和装置 |
CN112434811A (zh) * | 2019-08-26 | 2021-03-02 | 华为技术有限公司 | 知识图谱构建方法及装置、计算设备、存储介质 |
CN110889556B (zh) * | 2019-11-28 | 2022-08-12 | 福建亿榕信息技术有限公司 | 一种企业经营风险特征数据信息提取方法和提取*** |
CN111597433B (zh) * | 2020-04-10 | 2023-08-01 | 北京百度网讯科技有限公司 | 资源搜索方法、装置以及电子设备 |
CN111581990B (zh) * | 2020-05-14 | 2023-11-21 | 中国银行股份有限公司 | 跨境交易撮合匹配方法及装置 |
CN111861268A (zh) * | 2020-07-31 | 2020-10-30 | 平安金融管理学院(中国·深圳) | 候选人推荐方法、装置、电子设备及存储介质 |
CN112308672A (zh) * | 2020-11-03 | 2021-02-02 | 上海智能制造功能平台有限公司 | 一种基于知识图谱的智能制造行业供需匹配方法 |
CN114529038A (zh) * | 2021-12-31 | 2022-05-24 | 上海阿法析地数据科技有限公司 | 一种基于企业需求的智能匹配招商策略***及方法 |
-
2022
- 2022-12-20 CN CN202211635872.6A patent/CN115619238B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013175512A1 (en) * | 2012-05-25 | 2013-11-28 | Vissapragada Seetaramaiah | General enterprise modeling system and methodology for constructing enterprise applications |
CN112132401A (zh) * | 2020-08-28 | 2020-12-25 | 上海明寰科技有限公司 | 一种基于人工智能算法企业评级*** |
CN113836310A (zh) * | 2021-08-04 | 2021-12-24 | 欧冶工业品股份有限公司 | 知识图谱驱动的工业品供应链管理方法和*** |
CN114140036A (zh) * | 2022-02-08 | 2022-03-04 | 北京融信数联科技有限公司 | 基于数据分析的企业画像方法、***和可读存储介质 |
CN115115257A (zh) * | 2022-07-15 | 2022-09-27 | 广东粤财金融云科技股份有限公司 | 一种基于关系图谱的企业风险预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115619238A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pamucar et al. | Assessment of third-party logistics provider using multi-criteria decision-making approach based on interval rough numbers | |
CN110363305B (zh) | 联邦学习方法、***、终端设备及存储介质 | |
CN103761254B (zh) | 多领域服务主题匹配推荐方法 | |
KR101847111B1 (ko) | 발주방식별 BPS 기반 전자매뉴얼 모듈을 포함하는 관리장치와 이를 이용한 관리방법 그리고 범용 건설사업 관리 시스템(G-PgMiS) | |
Zhu et al. | Application of multiple criteria decision making methods in construction: A systematic literature review | |
Kim et al. | The discovery of experts' decision rules from qualitative bankruptcy data using genetic algorithms | |
Kannan et al. | A hybrid approach using ISM and fuzzy TOPSIS for the selection of reverse logistics provider | |
CN108320171A (zh) | 热销商品预测方法、***及装置 | |
CN107274010A (zh) | 面向工业设计云服务平台的多目标创意设计评价方法 | |
CN103838857B (zh) | 一种基于语义的自动服务组合***及方法 | |
CN110310012A (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
CN117436679B (zh) | 一种元宇宙资源匹配方法及其*** | |
CN114529038A (zh) | 一种基于企业需求的智能匹配招商策略***及方法 | |
Liu et al. | Research on telecom customer churn prediction based on ensemble learning | |
CN114860916A (zh) | 知识检索方法及装置 | |
CN115619238B (zh) | 一种为非特定b2b平台建立企业间合作关系的方法 | |
CN105975508B (zh) | 个性化元搜索引擎检索结果合成排序方法 | |
Nagaraju et al. | Methodologies used for customer churn detection in customer relationship management | |
Jiao et al. | An integration model for generating and selecting product configuration plans | |
Alhawamdeh | The role of knowledge management in building e-business strategy | |
Zhang et al. | Knowledge-based active push system for ecological design | |
Sadehnezhad et al. | Using combinational method DEMATEL and ANP with fuzzy approach to evaluate business intelligence performance | |
Altuntas et al. | A novel technology intelligence tool based on utility mining | |
CN105629874A (zh) | 一种机床装备资源分级匹配方法 | |
TWI419071B (zh) | Active knowledge management system, method and computer program product for problem solving |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |