CN115130065B - 供应端特征信息处理方法、装置、设备和计算机可读介质 - Google Patents

供应端特征信息处理方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN115130065B
CN115130065B CN202211036995.8A CN202211036995A CN115130065B CN 115130065 B CN115130065 B CN 115130065B CN 202211036995 A CN202211036995 A CN 202211036995A CN 115130065 B CN115130065 B CN 115130065B
Authority
CN
China
Prior art keywords
supplier
supply end
supply
scoring
value
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
Application number
CN202211036995.8A
Other languages
English (en)
Other versions
CN115130065A (zh
Inventor
孙兴达
卢彩霞
安东升
唐志涛
何嘉
赵园园
郑凤柱
郭忻跃
杜晔
王少龙
李泽盼
高天
刘明明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Siji Location Service Co ltd
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Information and Telecommunication Co Ltd, Beijing Guodiantong Network Technology Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202211036995.8A priority Critical patent/CN115130065B/zh
Publication of CN115130065A publication Critical patent/CN115130065A/zh
Application granted granted Critical
Publication of CN115130065B publication Critical patent/CN115130065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Emergency Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开的实施例公开了供应端特征信息处理方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取供应端的供应端特征信息；对供应端特征信息包括的各个供应端特征数据进行过滤处理；对过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；将转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值；生成供应端评分告警信息，以及将供应端评分告警信息发送至相关联的终端以进行显示；根据供应端评分告警信息，删除供应端的访问权限以禁止供应端进行访问，以及控制相关联的传输设备停止传输。该实施方式避免了所选择的供应端生产的物品与实际物品生产需求不相符。

Description

供应端特征信息处理方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及供应端特征信息处理方法、装置、设备和计算机可读介质。
背景技术
在选择供应端生产物品时，可以通过对供应端进行评分的方式选择供应端。目前，在对供应端进行评分时，通常采用的方式为：获取供应端的供应端特征数据，根据供应端特征数据，通过专家对供应端进行评分，或使用预先训练的线性回归模型作为供应端评分模型对供应端进行评分。
然而，当采用上述方式生成供应端的评分时，经常会存在如下技术问题：
第一，在供应端特征数据较多时，通过专家对供应端进行评分需要耗费较长的时间，且出错率较高，从而导致所选择的供应端生产的物品与实际物品生产需求不相符；
第二，使用线性回归模型对供应端进行评分时，线性回归模型可能会因供应端特征数据异常（例如，供应端特征数据较大或供应端特征数据较小）而导致对供应端评分的准确率较低，导致所选择的供应端与实际物品生产需求不相符，影响物品生产的进度；
第三，从不同的模型中选择供应端评分模型时，通常使用单个样本从不同的模型中选择供应端评分模型，可能会因为所使用的单个样本异常，而导致选择的供应端评分模型对供应端评分的准确率较低，使得所选择的供应端与实际物品生产需求不相符，影响物品生产的进度。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了供应端特征信息处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种供应端特征信息处理方法，该方法包括：获取供应端的供应端特征信息，其中，上述供应端特征信息包括至少一个供应端特征数据，上述至少一个供应端特征数据中的供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量；对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息；对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值；响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示；根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。
第二方面，本公开的一些实施例提供了一种供应端特征信息处理装置，装置包括：获取单元，被配置成获取供应端的供应端特征信息，其中，上述供应端特征信息包括至少一个供应端特征数据，上述至少一个供应端特征数据中的供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量；过滤处理单元，被配置成对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息；转换处理单元，被配置成对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；输入单元，被配置成将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值；生成单元，被配置成响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示；删除单元，被配置成根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的供应端特征信息处理方法，避免了所选择的供应端生产的物品与实际物品生产需求不相符。具体来说，造成所选择的供应端生产的物品与实际物品生产需求不相符的原因在于：在供应端特征数据较多时，通过专家对供应端进行评分需要耗费较长的时间，且出错率较高，从而导致所选择的供应端生产的物品与实际物品生产需求不相符。基于此，本公开的一些实施例的供应端特征信息处理方法，首先，获取供应端的供应端特征信息。由此，可以为生成供应端的评分提供数据支持。其次，对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息。由此，可以将对供应端的评分影响较小的供应端特征数据进行过滤，也因为对评分影响较小的供应端特征数据进行过滤，减少了对供应端进行评分的时间。然后，对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息。由此，可以将各个供应端特征数据进行定量化处理，以便于使用定量化后的供应端特征数据生成供应端的评分。之后，将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值。由此，可以根据预先训练的供应端评分模型准确的生成供应端的评分，降低了对供应端进行评分的出错率。最后，响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示；根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。由此，及时停止了对所选择的供应端生产的物品的运输。将对供应端的评分影响较小的供应端特征数据进行了过滤，并准确的生成了供应端的评分，减少了对供应端进行评分的时间，且降低了对供应端进行评分的出错率。从而可以及时停止对所选择的供应端生产的物品的运输，避免了所选择的供应端生产的物品与实际物品生产需求不相符。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的供应端特征信息处理方法的一些实施例的流程图；
图2是根据本公开的供应端特征信息处理装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的供应端特征信息处理方法的一些实施例的流程100。该供应端特征信息处理方法，包括以下步骤：
步骤101，获取供应端的供应端特征信息。
在一些实施例中，供应端特征信息处理方法的执行主体（例如服务器）可以通过有线连接或者无线连接的方式从存储供应端特征信息的数据库中获取供应端的供应端特征信息。其中，上述供应端特征信息包括至少一个供应端特征数据。上述供应端可以是需要进行评分的供应端。上述供应端特征数据可以是用于表征供应端特征的数据。例如，上述供应端特征数据包括但不限于以下一项：供应端注册时长、供应端生产设备数量、供应端年生产量。上述供应端特征数据对应有数据名称。例如，上述数据名称可以是：“供应端注册时长”，对应上述数据名称“供应端注册时长”的供应端特征数据可以是：“供应端注册时长0.5年”。
步骤102，对供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息。
在一些实施例中，上述执行主体可以对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息。
实践中，上述执行主体可以通过以下步骤对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息：
第一步，获取预设删除供应端数据名称集合。实践中，上述执行主体可以通过有线连接或者无线连接的方式从相关联的数据库中获取预设删除数据名称集合。其中，上述预设删除数据名称集合中的预设删除数据名称可以是预先设定的需要删除的供应端特征数据对应的数据名称。上述数据库可以是存储了预设删除数据名称集合的数据库。
第二步，对于上述供应端特征信息包括的各个供应端特征数据中的每个供应端特征数据，响应于上述供应端特征数据对应的数据名称与上述预设删除数据名称集合中任一预设删除数据名称相同，删除上述供应端特征数据。
第三步，将删除了各个供应端特征数据的供应端特征信息确定为过滤供应端特征信息。
步骤103，对过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息。
在一些实施例中，上述执行主体可以对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息。
实践中，上述执行主体可以通过以下转换步骤对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息：
第一转换步骤，获取特征数据配置信息集。其中，上述特征数据配置信息集中的特征数据配置信息可以是用于对供应端特征数据进行定量化的配置信息。上述特征数据配置信息包括数据名称、特征数据范围和特征数据映射信息集合。上述特征数据范围可以是预先设定的对应数据名称的供应端特征数据的范围。上述特征数据映射信息集合中的特征数据映射信息包括映射范围和映射值。上述映射范围可以是在上述特征数据范围内的范围。实践中，可以将上述特征数据范围划分为上述特征数据映射信息集合包括的各个映射范围。这里，对于划分的各个映射范围的大小，不作限制，可以是通过实验确定的各个映射范围的大小。这里，响应于供应端特征数据表征的数值在映射范围内，上述执行主体可以将上述供应端特征数据表征的数值替换为对应上述映射范围的映射值。例如，特征数据配置信息可以是“数据名称：供应端注册时长，特征数据范围：（0，+∞），特征数据映射信息集合：(0，1年]=1，(1年，2年]=2，（2年，+∞）=3”，其中，(0，1年]=1可以是上述特征数据配置信息包括的一个特征数据映射信息，上述特征数据映射信息包括映射范围“(0，1年]”，映射值“1”。上述执行主体可以将上述供应端特征数据“供应端注册时长0.5年”表征的数值“0.5”替换为映射值“1”。
第二转换步骤，对于上述过滤供应端特征信息包括的各个供应端特征数据中的每个供应端特征数据，从上述特征数据配置信息集中选取出包括的数据名称与上述供应端特征数据对应的数据名称相同的特征数据配置信息作为目标特征数据配置信息，以及根据上述目标特征数据配置信息，对上述供应端特征数据进行转换处理，以生成转换供应端特征数据。实践中，对于上述过滤供应端特征信息包括的各个供应端特征数据中的每个供应端特征数据，首先，上述执行主体可以从上述特征数据配置信息集中选取出包括的数据名称与上述供应端特征数据对应的数据名称相同的特征数据配置信息作为目标特征数据配置信息。其次，可以从目标特征数据配置信息中选取出对应上述供应端特征数据的特征数据映射信息。然后，可以将上述供应端特征数据替换为上述特征数据映射信息包括的映射值。最后，可以将上述映射值确定为转换供应端特征数据。例如，对于步骤101所示例的供应端特征数据“供应端注册时长0.5年”，可以从目标特征数据配置信息“数据名称：供应端注册时长，特征数据映射信息集合：(0，1年]=1，(1年，2年]=2，（2年，+∞）=3”中选取出对应供应端特征数据的特征数据映射信息“(0，1年]=1”，将上述供应端特征数据表征的数值“0.5”替换为上述特征数据映射信息包括的映射值“1”，以及将上述映射值“1”确定为转换供应端特征数据。
第三转换步骤，将所生成的各个转换供应端特征数据确定为转换供应端特征信息。
可选地，在步骤103之后，删除上述转换供应端特征信息包括的各个转换供应端特征数据中满足预设删除条件的转换供应端特征数据，以对上述转换供应端特征信息进行更新。其中，上述预设删除条件可以为转换供应端特征数据为空。
步骤104，将转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值。
在一些实施例中，上述执行主体可以将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值。其中，上述第一供应端评分模型可以是预先训练的，以转换供应端特征信息为输入，以第一供应端评分值为输出的逻辑回归模型。
可选地，上述第一供应端评分模型可以是通过以下训练步骤得到的：
第一训练步骤，获取样本集合。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取样本集合。其中，上述样本集合中的样本包括至少一个样本供应端特征数据，以及与上述至少一个样本供应端特征数据对应的样本供应端评分值。
第二训练步骤，将上述样本集合进行拆分处理，以生成训练样本集合和测试样本集合。
在一些实施例中，上述执行主体可以将上述样本集合进行拆分处理，以生成训练样本集合和测试样本集合。其中，上述拆分处理可以是将样本集合包括的各个样本进行拆分，以生成训练样本集合和测试样本集合。实践中，第一，上述执行主体可以从上述样本集合包括的各个样本中随机选取预设样本数量个样本作为训练样本集合。第二，可以将样本集合中剩余的各个样本确定为测试样本集合。
第三训练步骤，根据上述训练样本集合，对初始逻辑回归模型进行拟合处理，以生成拟合系数集合。
在一些实施例中，上述执行主体可以根据上述训练样本集合，对初始逻辑回归模型进行拟合处理，以生成拟合系数集合。实践中，上述执行主体可以根据上述训练样本集合，通过拟合函数对初始逻辑回归模型中的各个系数进行拟合处理，以生成拟合系数集合。作为示例，上述拟合函数可以是fit函数。
第四训练步骤，根据上述拟合系数集合和上述初始逻辑回归模型，生成测试供应端评分模型。
在一些实施例中，上述执行主体可以根据上述拟合系数集合和上述初始逻辑回归模型，生成测试供应端评分模型。实践中，上述执行主体可以将上述初始逻辑回归模型包括的各个系数中的每个系数替换为上述拟合系数集合中对应上述系数的拟合系数，以生成测试供应端评分模型。
可选地，在第四训练步骤之后，对于上述测试样本集合中的每个测试样本，执行如下测试步骤：
第一测试步骤，将上述测试样本包括的至少一个样本供应端特征数据输入至上述测试供应端评分模型中，得到对应上述测试样本的测试供应端评分值。
在一些实施例中，上述执行主体可以将上述测试样本包括的各个样本供应端特征数据输入至上述测试供应端评分模型中，得到对应上述测试样本的测试供应端评分值。
第二测试步骤，响应于上述供应端评分值与上述测试样本包括的样本供应端评分值相同，生成对应上述测试样本的测试通过标记。
在一些实施例中，上述执行主体可以响应于上述供应端评分值与上述测试样本包括的样本供应端评分值相同，生成对应上述测试样本的测试通过标记。其中，上述测试通过标记可以表征上述供应端评分值与上述测试样本包括的样本供应端评分值相同。例如，上述测试通过标记可以为“1”。
可选地，在第四训练步骤之后，将所生成的各个测试通过标记的数量与上述测试样本集合包括的测试样本的数量的比值确定为模型准确值。
在一些实施例中，上述执行主体可以将所生成的各个测试通过标记的数量与上述测试样本集合包括的测试样本的数量的比值确定为模型准确值。
可选地，在第四训练步骤之后，响应于上述模型准确值大于等于预设准确值，将上述测试供应端评分模型确定为第一供应端评分模型。
在一些实施例中，上述执行主体可以响应于上述模型准确值大于等于预设准确值，将上述测试供应端评分模型确定为第一供应端评分模型。其中，上述预设准确值可以是预先设定的模型准确值。
步骤105，响应于第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将供应端评分告警信息发送至相关联的终端以进行显示。
在一些实施例中，上述执行主体可以响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示。其中，上述预设评分值可以是预先设定的供应端评分值。上述供应端评分告警信息可以表征供应端评分小于等于预设评分值。例如，上述供应端评分告警信息可以是：“供应端评分较低”。上述终端可以是与上述执行主体有线连接或者无线连接的用于显示供应端评分告警信息的终端。例如，上述终端可以包括但不限于：手机，电脑。
实践中，上述执行主体可以通过以下生成步骤生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示：
第一生成步骤，将上述转换供应端特征信息输入至预先训练的第二供应端评分模型中，得到第二供应端评分值。
可选地，上述第二供应端评分模型可以是通过以下子步骤训练得到的：
第一子步骤，从上述样本集合中选择样本，以及对上述样本包括的至少一个样本供应端特征数据进行预设次数的重采样处理，以生成重采样样本集。其中，上述重采样处理可以是从上述样本包括的至少一个样本供应端特征数据中进行有放回地选取目标数量个样本供应端特征数据作为重采样样本。上述预设次数可以是预先设定的进行重采样处理的次数。上述目标数量可以是上述样本包括的样本供应端特征数据的数量。
第二子步骤，获取初始评分模型。其中，上述初始评分模型包括初始评分子模型组，上述初始评分子模型组包括的初始评分子模型的数量等于上述重采样样本集包括的重采样样本的数量。上述初始评分子模型组中的初始评分子模型可以是以重采样样本为输入，以训练供应端评分值为输出的分类器模型。作为示例，上述分类器模型可以是树模型。上述树模型的层数与上述重采样样本包括的供应端特征数据的数量相同。这里，上述树模型包括一个根节点和至少一个子节点。可以通过拆分的方式将一个节点分割成至少两个子节点。
第三子步骤，对于上述重采样样本集中的每个重采样样本，从上述重采样样本包括的各个样本供应端特征数据中选取出目标数目个样本供应端特征数据，作为样本供应端特征数据集合。其中，上述目标数目可以是上述重采样样本包括的样本供应端特征数据的数量的一半。这里，响应于上述重采样样本包括的样本供应端特征数据的数量为奇数，可以将上述重采样样本包括的样本供应端特征数据的数量的一半向下取整，以生成目标数目。
第四子步骤，将各个样本供应端特征数据集合分别输入至上述初始评分模型包括的各个初始评分子模型，得到训练供应端评分值集合。实践中，第一，上述执行主体可以对上述各个样本供应端特征数据集合和上述各个初始评分子模型分别按照随机顺序进行排序，以生成样本供应端特征数据集合序列和初始评分子模型序列。第二，对于上述样本供应端特征数据集合序列中的每个样本供应端特征数据集合，可以将上述样本供应端特征数据集合输入至初始评分子模型序列中对应上述样本供应端特征数据集合的初始评分子模型中，得到训练供应端评分值。这里，上述样本供应端特征数据集合在上述样本供应端特征数据集合序列的序号与上述初始评分子模型在上述初始评分子模型序列中的序号相同。第三，将所得到的各个训练供应端评分值确定为训练供应端评分值集合。
第五子步骤，将上述训练供应端评分值集合包括的各个训练供应端评分值的平均数确定为供应端评分均值。
第六子步骤，基于预设的损失函数，确定上述供应端评分均值与上述样本包括的样本供应端评分值之间的评分损失值。例如，上述预设的损失函数可以是均方误差损失函数。
第七子步骤，响应于上述评分损失值大于等于预设阈值，调整上述初始评分模型的网络参数。这里，对于预设阈值的设定，不作限制。例如，可以对损失值和预设阈值求差值，得到损失差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结（dropout）的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
可选地，响应于上述评分损失值小于上述预设阈值，将上述初始评分模型确定为第二供应端评分模型。
在一些实施例中，上述执行主体可以响应于上述评分损失值小于上述预设阈值，将上述初始评分模型确定为第二供应端评分模型。
第二生成步骤，根据上述第一供应端评分值和上述第二供应端评分值，确定供应端评分值。
实践中，上述执行主体可以通过以下生成子步骤确定供应端评分值：
第一生成子步骤，从上述样本集合中选取出预设数目个样本，作为目标测试样本集合。其中，上述预设数目可以是预先设定的选取样本的数目。这里，上述执行主体可以从上述样本集合中随机选取出预设数目个样本，作为目标测试样本集合。
第二生成子步骤，对于上述目标测试样本集合中的每个目标测试样本，将上述目标测试样本输入至上述第一供应端评分模型，得到第一测试供应端评分值，以及将上述目标测试样本输入至上述第二供应端评分模型，得到第二测试供应端评分值。
第三生成子步骤，基于上述损失函数，确定每个第一测试供应端评分与对应上述第一测试供应端评分的目标测试样本包括的样本供应端评分值的第一测试损失值，得到第一测试损失值集合。
第四生成子步骤，基于上述损失函数，确定每个第二测试供应端评分与对应上述第二测试供应端评分的目标测试样本包括的样本供应端评分值的第二测试损失值，得到第二测试损失值集合。
第五生成子步骤，将各个第一测试损失值的平均值确定为第一测试损失均值，以及将各个第二测试损失值的平均值确定为第二测试损失均值。
第六生成子步骤，基于上述第一测试损失均值、上述第二测试损失均值、上述第一供应端评分模型和上述第二供应端评分模型，确定供应端评分模型。实践中，响应于上述第一测试损失均值大于上述第二测试损失均值，将上述第二供应端评分模型确定为供应端评分模型。响应于上述第一测试损失均值小于等于上述第二测试损失均值，将上述第一供应端评分模型确定为供应端评分模型。
第七生成子步骤，基于上述第一供应端评分值、上述第二供应端评分值和上述供应端评分模型，确定供应端评分值。实践中，响应于上述供应端评分模型为第一供应端评分模型，将上述第一供应端评分值确定为供应端评分值。响应于上述供应端评分模型为第二供应端评分模型，将上述第二供应端评分值确定为供应端评分值。
上述第一生成子步骤-第七生成子步骤中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题三“从不同的模型中选择供应端评分模型时，通常使用单个样本从不同的模型中选择供应端评分模型，可能会因为所使用的单个样本异常，而导致选择的供应端评分模型对供应端评分的准确率较低，使得所选择的供应端与实际物品生产需求不相符，影响物品生产的进度”。造成所选择的供应端与实际物品生产需求不相符，影响物品生产的进度的因素往往如下：从不同的模型中选择供应端评分模型时，通常使用单个样本从不同的模型中选择供应端评分模型，可能会因为所使用的单个样本异常，而导致选择的供应端评分模型对供应端评分的准确率较低，使得所选择的供应端与实际物品生产需求不相符，影响物品生产的进度。如果解决了上述因素，就能达到选择实际物品生产需求相符的供应端，减少对物品生产进度的影响的效果。为了达到这一效果，首先，本公开可以从上述样本集合中选取出预设数目个样本，作为目标测试样本集合。由此，可以利用多个样本确定模型评分的准确率，便于选择出评分准确率较高的模型。其次，对于上述目标测试样本集合中的每个目标测试样本，将上述目标测试样本输入至上述第一供应端评分模型，得到第一测试供应端评分值，以及将上述目标测试样本输入至上述第二供应端评分模型中，得到第二测试供应端评分值。由此，可以利用不同模型对同一批样本的评分预测，确定评分预测的准确率较高的模型。然后，基于上述损失函数，确定每个第一测试供应端评分与对应上述第一测试供应端评分的目标测试样本包括的样本供应端评分值的第一测试损失值，得到第一测试损失值集合；基于上述损失函数，确定每个第二测试供应端评分与对应上述第二测试供应端评分的目标测试样本包括的样本供应端评分值的第二测试损失值，得到第二测试损失值集合。由此，可以确定不同模型对同一批样本评分的差异值，以便于选择出评分的差异值较低的模型。之后，将各个第一测试损失值的平均值确定为第一测试损失均值，以及将各个第二测试损失值的平均值确定为第二测试损失均值；基于上述第一测试损失均值、上述第二测试损失均值、上述第一供应端评分模型和上述第二供应端评分模型，确定供应端评分模型。由此，通过多个样本对不同模型的测试，可以选择出评分差异较小的模型。从而，可以提高对供应端评分的准确率，使得所选择出的供应端可以满足物品生产需求，减少了对物品生产进度的影响。最后，基于上述第一供应端评分值、上述第二供应端评分值和上述供应端评分模型，确定供应端评分值。由此，可以根据供应端评分值选择出满足物品生产需求的供应端。减少了对物品生产进度的影响。
第三生成步骤，响应于第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将供应端评分告警信息发送至相关联的终端以进行显示。
上述第一生成步骤-第三生成步骤中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“使用线性回归模型对供应端进行评分时，线性回归模型可能会因供应端特征数据异常（例如，供应端特征数据较大或供应端特征数据较小）而导致对供应端评分的准确率较低，导致所选择的供应端与实际物品生产需求不相符，影响物品生产的进度”。造成所选择的供应端与实际物品生产需求不相符，影响物品生产的进度的因素往往如下：使用线性回归模型对供应端进行评分时，线性回归模型可能会因供应端特征数据异常（例如，供应端特征数据较大或供应端特征数据较小）而导致对供应端评分的准确率较低，导致所选择的供应端与实际物品生产需求不相符，影响物品生产的进度。如果解决了上述因素，就能达到选择出符合物品生产需求的供应端，减少对物品生产进度的影响的效果。为了达到这一效果，首先，本公开可以将上述转换供应端特征信息输入至预先训练的第二供应端评分模型中，得到第二供应端评分值。由此，可以为生成供应端评分提供数据支持。然后，根据上述第一供应端评分值和上述第二供应端评分值，生成供应端评分值。由此，可以将损失值较小的模型对应的评分确定为供应端评分，因此，可以提高对供应端评分的准确率，因此可以选择出符合物品生产需求的供应端，减少对物品生产进度的影响。最后，响应于上述供应端评分值小于等于上述预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示。由此，可以使用两个不同供应端评分模型以提高对供应端评分的准确率。可以选择出符合物品生产需求的供应端，减少对物品生产进度的影响。
步骤106，根据供应端评分告警信息，删除供应端的访问权限以禁止供应端进行访问，以及控制相关联的传输设备停止传输。
在一些实施例中，响应于将上述供应端评分告警信息发送至上述终端，上述执行主体可以删除供应端的访问权限以禁止供应端进行访问，以及控制相关联的传输设备停止传输。其中，上述访问权限可以是上述供应端访问上述执行主体的权限。上述相关联的传输设备可以是与上述执行主体有线连接或者无线连接的物品传输设备。这里，上述传输设备可以是传输上述供应端生产的物品的设备。例如，上述传输设备可以是传送带。
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的供应端特征信息处理方法，避免了所选择的供应端生产的物品与实际物品生产需求不相符。具体来说，造成所选择的供应端生产的物品与实际物品生产需求不相符的原因在于：在供应端特征数据较多时，通过专家对供应端进行评分需要耗费较长的时间，且出错率较高，从而导致所选择的供应端生产的物品与实际物品生产需求不相符。基于此，本公开的一些实施例的供应端特征信息处理方法，首先，获取供应端的供应端特征信息。由此，可以为生成供应端的评分提供数据支持。其次，对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息。由此，可以将对供应端的评分影响较小的供应端特征数据进行过滤，也因为对评分影响较小的供应端特征数据进行过滤，减少了对供应端进行评分的时间。然后，对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息。由此，可以将各个供应端特征数据进行定量化处理，以便于使用定量化后的供应端特征数据生成供应端的评分。之后，将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值。由此，可以根据预先训练的供应端评分模型准确的生成供应端的评分，降低了对供应端进行评分的出错率。最后，响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示；根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。由此，及时停止了对所选择的供应端生产的物品的运输。将对供应端的评分影响较小的供应端特征数据进行了过滤，并准确的生成了供应端的评分，减少了对供应端进行评分的时间，且降低了对供应端进行评分的出错率。从而可以及时停止对所选择的供应端生产的物品的运输，避免了所选择的供应端生产的物品与实际物品生产需求不相符。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种供应端特征信息处理装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的供应端特征信息处理装置200包括：获取单元201、过滤处理单元202、转换处理单元203、输入单元204、生成单元205和删除单元206。其中，获取单元201被配置成获取供应端的供应端特征信息，其中，上述供应端特征信息包括至少一个供应端特征数据，上述至少一个供应端特征数据中的供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量；过滤处理单元202被配置成对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息；转换处理单元203被配置成对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；输入单元204被配置成将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值；生成单元205被配置成响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示；删除单元206被配置成根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。
可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取供应端的供应端特征信息，其中，上述供应端特征信息包括至少一个供应端特征数据，上述至少一个供应端特征数据中的供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量。对上述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息。对上述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息。将上述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值。响应于上述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将上述供应端评分告警信息发送至相关联的终端以进行显示。根据上述供应端评分告警信息，删除上述供应端的访问权限以禁止上述供应端进行访问，以及控制相关联的传输设备停止传输。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、过滤处理单元、转换处理单元、输入单元、生成单元和删除单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取供应端的供应端特征信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种供应端特征信息处理方法，包括：
获取供应端的供应端特征信息，其中，所述供应端特征信息包括至少一个供应端特征数据，所述至少一个供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量；
对所述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息；
对所述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；
将所述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值，其中，所述第一供应端评分模型是预先训练的，以转换供应端特征信息为输入，以第一供应端评分值为输出的逻辑回归模型；
响应于所述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将所述供应端评分告警信息发送至相关联的终端以进行显示；
根据所述供应端评分告警信息，删除所述供应端的访问权限以禁止所述供应端进行访问，以及控制相关联的传输设备停止传输；
其中，所述生成供应端评分告警信息，以及将所述供应端评分告警信息发送至相关联的终端以进行显示，包括：
将所述转换供应端特征信息输入至预先训练的第二供应端评分模型中，得到第二供应端评分值，其中，所述第二供应端评分模型是预先训练的初始评分模型，所述初始评分模型包括初始评分子模型组，所述初始评分子模型组中的初始评分子模型是以重采样样本为输入，以训练供应端评分值为输出的分类器模型；
根据所述第一供应端评分值和所述第二供应端评分值，确定供应端评分值；
响应于所述供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将所述供应端评分告警信息发送至相关联的终端以进行显示。
2.根据权利要求1所述的方法，其中，在所述对所述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息之后，所述方法还包括：
删除所述转换供应端特征信息包括的各个转换供应端特征数据中满足预设删除条件的转换供应端特征数据，以对所述转换供应端特征信息进行更新，其中，所述预设删除条件为转换供应端特征数据为空。
3.根据权利要求1所述的方法，其中，所述第一供应端评分模型是通过以下训练步骤得到的：
获取样本集合，其中，所述样本集合中的样本包括至少一个样本供应端特征数据，以及与所述至少一个样本供应端特征数据对应的样本供应端评分值；
将所述样本集合进行拆分处理，以生成训练样本集合和测试样本集合；
根据所述训练样本集合，对初始逻辑回归模型进行拟合处理，以生成拟合系数集合；
根据所述拟合系数集合和所述初始逻辑回归模型，生成测试供应端评分模型。
4.根据权利要求3所述的方法，其中，所述训练步骤还包括：
对于所述测试样本集合中的每个测试样本，执行如下测试步骤：
将所述测试样本包括的至少一个样本供应端特征数据输入至所述测试供应端评分模型中，得到对应所述测试样本的测试供应端评分值；
响应于所述测试供应端评分值与所述测试样本包括的样本供应端评分值相同，生成对应所述测试样本的测试通过标记；
将所生成的各个测试通过标记的数量与所述测试样本集合包括的测试样本的数量的比值确定为模型准确值；
响应于所述模型准确值大于等于预设准确值，将所述测试供应端评分模型确定为第一供应端评分模型。
5.一种供应端特征信息处理装置，包括：
获取单元，被配置成获取供应端的供应端特征信息，其中，所述供应端特征信息包括至少一个供应端特征数据，所述至少一个供应端特征数据中的供应端特征数据包括以下之一：供应端年生产量，供应端生产设备数量；
过滤处理单元，被配置成对所述供应端特征信息包括的各个供应端特征数据进行过滤处理，以生成过滤后的供应端特征信息作为过滤供应端特征信息；
转换处理单元，被配置成对所述过滤供应端特征信息包括的各个供应端特征数据进行转换处理，以生成转换供应端特征信息；
输入单元，被配置成将所述转换供应端特征信息输入至预先训练的第一供应端评分模型中，得到第一供应端评分值，其中，所述第一供应端评分模型是预先训练的，以转换供应端特征信息为输入，以第一供应端评分值为输出的逻辑回归模型；
生成单元，被配置成响应于所述第一供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将所述供应端评分告警信息发送至相关联的终端以进行显示：所述生成单元被进一步配置成：将所述转换供应端特征信息输入至预先训练的第二供应端评分模型中，得到第二供应端评分值，其中，所述第二供应端评分模型是预先训练的初始评分模型，所述初始评分模型包括初始评分子模型组，所述初始评分子模型组中的初始评分子模型是以重采样样本为输入，以训练供应端评分值为输出的分类器模型；
根据所述第一供应端评分值和所述第二供应端评分值，确定供应端评分值；
响应于所述供应端评分值小于等于预设评分值，生成供应端评分告警信息，以及将所述供应端评分告警信息发送至相关联的终端以进行显示；
删除单元，被配置成根据所述供应端评分告警信息，删除所述供应端的访问权限以禁止所述供应端进行访问，以及控制相关联的传输设备停止传输。
6.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
7.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至4中任一所述的方法。
CN202211036995.8A 2022-08-29 2022-08-29 供应端特征信息处理方法、装置、设备和计算机可读介质 Active CN115130065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211036995.8A CN115130065B (zh) 2022-08-29 2022-08-29 供应端特征信息处理方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211036995.8A CN115130065B (zh) 2022-08-29 2022-08-29 供应端特征信息处理方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN115130065A CN115130065A (zh) 2022-09-30
CN115130065B true CN115130065B (zh) 2022-12-02

Family

ID=83387767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211036995.8A Active CN115130065B (zh) 2022-08-29 2022-08-29 供应端特征信息处理方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN115130065B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115599640B (zh) * 2022-11-29 2023-03-28 北京国电通网络技术有限公司 异常供应端告警方法、电子设备和介质
CN116245595A (zh) * 2022-12-07 2023-06-09 国网物资有限公司 供应端物品运输方法、装置、电子设备和计算机可读介质
CN116702168B (zh) * 2023-05-19 2024-01-12 国网物资有限公司 供应端信息检测方法、装置、电子设备和计算机可读介质
CN116388112B (zh) * 2023-05-26 2023-09-12 北京国电通网络技术有限公司 异常供应端断电方法、装置、电子设备和计算机可读介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120203824A1 (en) * 2011-02-07 2012-08-09 Nokia Corporation Method and apparatus for on-demand client-initiated provisioning
CN109523340A (zh) * 2018-10-11 2019-03-26 平安科技（深圳）有限公司 基于大数据的供应商能力的参考方法、装置、计算机设备
CN113570177A (zh) * 2020-04-28 2021-10-29 徐锦麟 农产品的品质确定系统及其使用方法
CN113435809A (zh) * 2021-06-01 2021-09-24 北京京东乾石科技有限公司 信息处理方法、装置、电子设备和计算机可读介质
CN114491220A (zh) * 2022-02-15 2022-05-13 北京百度网讯科技有限公司 对象处理方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115130065A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN115130065B (zh) 供应端特征信息处理方法、装置、设备和计算机可读介质
CN114004425B (zh) 物品流转信息预测模型生成方法、信息生成方法、装置
CN115085196B (zh) 电力负荷预测值确定方法、装置、设备和计算机可读介质
CN114928574B (zh) 信息发送方法、装置、电子设备和计算机可读介质
CN117236805B (zh) 电力设备控制方法、装置、电子设备和计算机可读介质
CN112559898B (zh) 物品信息发送方法、装置、电子设备和计算机可读介质
CN116703131B (zh) 电力资源分配方法、装置、电子设备和计算机可读介质
CN116245595A (zh) 供应端物品运输方法、装置、电子设备和计算机可读介质
CN115619170A (zh) 电量负荷调整方法、装置、设备、计算机介质和程序产品
CN112507676B (zh) 能源报表生成方法、装置、电子设备和计算机可读介质
CN115271582A (zh) 物品调度方法、装置、电子设备和计算机可读介质
CN114926234A (zh) 物品信息推送方法、装置、电子设备和计算机可读介质
CN116862319B (zh) 电力指标信息生成方法、装置、电子设备和介质
CN112364232A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN114792258B (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN116800834B (zh) 虚拟礼物合并方法、装置、电子设备和计算机可读介质
CN113077352B (zh) 基于用户信息和保险相关信息的保险服务物品推荐方法
CN116739789B (zh) 虚拟物品回测信息发送方法、装置、电子设备和介质
CN111930704B (zh) 业务报警设备控制方法、装置、设备和计算机可读介质
CN116881097B (zh) 用户终端告警方法、装置、电子设备和计算机可读介质
CN116737917B (zh) 文本推荐信息生成方法、电子设备和计算机可读介质
CN112073202B (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN112200643B (zh) 物品信息推送方法、装置、电子设备和计算机可读介质
WO2023155425A1 (zh) 调货方法、装置、电子设备和计算机可读介质
CN115689444A (zh) 基于历史案例的物流自动监控方法、装置、设备和介质

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
TR01 Transfer of patent right

Effective date of registration: 20231126

Address after: Building 4, Dongxu International Center, yard 2, sihezhuang Road, Fengtai District, Beijing 100070 (South Building of block a)

Patentee after: BEIJING GUODIANTONG NETWORK TECHNOLOGY Co.,Ltd.

Patentee after: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.

Patentee after: State Grid Siji Location Service Co.,Ltd.

Address before: Building A, Dongxu International Center, Fengtai District, Beijing 100071

Patentee before: BEIJING GUODIANTONG NETWORK TECHNOLOGY Co.,Ltd.

Patentee before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.

TR01 Transfer of patent right