CN115660451A - 基于rpa的供应商风险预警方法、装置、设备及介质 - Google Patents
基于rpa的供应商风险预警方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115660451A CN115660451A CN202211096597.5A CN202211096597A CN115660451A CN 115660451 A CN115660451 A CN 115660451A CN 202211096597 A CN202211096597 A CN 202211096597A CN 115660451 A CN115660451 A CN 115660451A
- Authority
- CN
- China
- Prior art keywords
- word
- information
- weight
- supplier
- words
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Machine Translation (AREA)
Abstract
本申请实施例提供了基于RPA的供应商风险预警方法、装置、设备及介质,属于数据处理技术领域。其中方法包括:通过RPA程序登录公共信息平台,从公共信息平台获取供应商的工商经营信息和舆情信息;基于NLP对舆情信息进行情感分析,得到供应商的多维度评价信息;通过数据模型根据工商经营信息和多维度评价信息计算供应商的综合评分;在综合评分小于预警阈值的情况下,触发对供应商的风险预警。这样,通过RPA程序获取供应商的工商经营信息和舆情信息,基于NLP获取评价信息,通过数据模型对工商经营信息及评价信息计算得到综合评分,综合评分小于预警阈值时,触发对供应商的风险预警,提高供应商风险识别效率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于RPA的供应商风险预警方法、装置、设备及介质。
背景技术
为了防范供应商风险,目前业内在供应商参加投标注册填写基本工商信息时,需人工审核供应商基本工商信息是否真实达标,投标文件需人工核对比较是否存在围标串标的可能性,对于供应商不良行为、负面舆情、贷款逾期、经营不善、重大诉讼等可能构成供应风险的信息,也很难人工实时监控获取。现有的人工把控审核、识别风险的方式效率低,供应商风险管控效果比较差。
发明内容
为了解决上述技术问题,本申请实施例提供了一种基于RPA的供应商风险预警方法、装置、设备及介质。
第一方面,本申请实施例提供了一种基于RPA的供应商风险预警方法,所述方法包括:
通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;
在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
在一实施方式中,所述多维度评价信息包括负面评价信息、正面评价信息和中性评价信息,所述基于NLP对所述舆情信息进行情感分析,包括:
将所述舆情信息划分为多个语句,对各所述语句进行分词处理,得到各所述语句对应的分词结果;
基于情感词典对各所述语句的分词结果进行词语匹配处理,得到各所述语句的匹配结果;
根据各所述语句的匹配结果将多个所述语句划分为所述负面评价信息、所述正面评价信息和所述中性评价信息。
在一实施方式中,所述匹配结果包括最终权重,所述分词结果包括向量词组,所述基于情感词典对各所述语句的分词结果进行词语匹配处理,包括:
基于所述情感词典判断所述向量词组中的各词语的词性类别,所述词性类别包括否定词语、积极词语及消极词语;
根据所述向量词组中的否定词语设置第一权重;
根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重;
根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重;
根据所述第一权重、第二权重及所述第三权重计算所述向量词组的最终权重。
在一实施方式中,所述根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重,包括:
在积极词语的前一相邻词语为程度副词的情况下,设置第一子权重;
在积极词语的前一相邻词语为否定词语或消极词语、积极词语的后一相邻词语为消极词语的情况下,设置第二子权重;
在积极词语的相邻词语为其他词语的情况下,设置第三子权重,所述其他词语为除消极词语、积极词语、否定词语和程度副词之外的词语;
将所述第一子权重、所述第二子权重和所述第三子权重的和值作为所述第二权重。
在一实施方式中,所述根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重,包括:
在消极词语的前一相邻词语为程度副词的情况下,设置第四子权重;
在消极词语的前一相邻词语为否定词语情况下,设置第五子权重;
在消极词语的前一相邻词语为其他词语的情况下,设置第六子权重,所述;
将所述第四子权重、所述第五子权重和所述第六子权重的和值作为所述第三权重。
在一实施方式中,所述方法还包括:
根据所述工商经营信息和所述综合评分确定所述供应商与预设采购需求的匹配度;
在所述匹配度高于预设匹配阈值的情况下,将所述供应商作为推荐采购对象。
在一实施方式中,所述方法还包括:
根据所述工商经营信息识别所述供应商的围标串标风险信息。
第二方面,本申请实施例提供了一种基于RPA的供应商风险预警装置,所述基于RPA的供应商风险预警装置包括:
取模块,用于通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
分析模块,用于基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
计算模块,用于通过数据模型根据所述工商经营信息、所述多维度评价信息计算所述供应商的综合评分;
预警模块,用于在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
第三方面,本申请实施例提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述计算机程序在所述处理器运行时执行第一方面提供的基于RPA的供应商风险预警方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行第一方面提供的基于RPA的供应商风险预警方法。
上述本申请提供的基于RPA的供应商风险预警方法、装置、电子设备及介质,通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。这样,通过RPA程序获取供应商的工商经营信息和舆情信息,基于NLP分析舆情信息得到多维度评价信息,通过数据模型对工商经营信息及多维度评价信息计算得到综合评分,综合评分可以代表供应商断供风险,综合评分小于预警阈值的情况下,触发对所述供应商的风险预警,提高供应商风险的识别效率,提高供应商风险管控效果。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的基于RPA的供应商风险预警方法的一流程示意图;
图2示出了本申请实施例提供的基于RPA的供应商风险预警方法的另一流程示意图;
图3示出了本申请实施例提供的基于RPA的供应商风险预警装置的一结构示意图;
图4示出了本申请实施例提供的电子设备的一结构示意图。
图标:300-基于RPA的供应商风险预警装置,301-获取模块,302-分析模块,303-计算模块,304-预警模块,400-电子设备,401-收发机,402-处理器,403-存储器。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
实施例1
本公开实施例提供了一种基于RPA的供应商风险预警方法。
参见图1,基于RPA的供应商风险预警方法包括:
步骤S101,通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息。
在本实施例中,机器人流程自动化(Robotic Process Automation,RPA)程序可以按照预设频率登录公共信息平台,其中,公共信息平台包括第三方资讯信息平台或者互联网公开平台,按照因素和频率查询获取对应供应商的工商经营信息和舆情信息。
需要说明的是,工商经营信息包括工商基本信息、资质财务案例、股权结构信息等,舆情信息包括不良行为信息、贷款逾期信息、重大诉讼信息、经营不善等信息。通过RPA程序下载工商经营信息和舆情信息,保证工商经营信息和舆情信息能够及时更新,这样,无需人工干预,可以节约人工成本,提高数据下载效率。
步骤S102,基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息。
在本实施例中,利用自然语言处理(Natural Language Processing,NLP)技术对舆情信息进行情感分析,通过情感分析可以得到舆情信息是正面、负面还是中性,挖掘供应商在各个维度评价信息,从而可以基于各个维度的评价信息确定供应商的风险及等级。
在一实施方式中,所述多维度评价信息包括负面评价信息、正面评价信息和中性评价信息,所述基于NLP对所述舆情信息进行情感分析,包括:
将所述舆情信息划分为多个语句,对各所述语句进行分词处理,得到各所述语句对应的分词结果;
基于情感词典对各所述语句的分词结果进行词语匹配处理,得到各所述语句的匹配结果;
根据各所述语句的匹配结果将多个所述语句划分为所述负面评价信息、所述正面评价信息和所述中性评价信息。
需要说明的是,舆情信息可以为舆情文本,将舆情文本进行分词和停用词处理等预处理过程,实现自动分词过程,得到分词结果。将分词结果载入情感词典,由于情感词典整理加入了积极词语、消极词语、否定词及程度副词等各类词语,通过情感词典可以对分词结果中的各个词语进行词性判别,将词性判别结果可以确定各个语句对应为负面评价信息、正面评价信息或者中性评价信息。
在一实施方式中,所述匹配结果包括最终权重,所述分词结果包括向量词组,所述基于情感词典对各所述语句的分词结果进行词语匹配处理,包括:
基于所述情感词典判断所述向量词组中的各词语的词性类别,所述词性类别包括否定词语、积极词语及消极词语;
根据所述向量词组中的否定词语设置第一权重;
根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重;
根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重;
根据所述第一权重、第二权重及所述第三权重计算所述向量词组的最终权重。
请参阅图2,在输入语句后,进行结巴分词,得到向量词组,对于向量词组中的各词语,逐词判断各词语的词性类别,针对当前词语的词性类别按照消极词语、积极词语和否定词语进行分类处理。具体的,当前词语为积极词语时,检测积极词语的相邻词语的词性,若积极词语的前一词语为程度副词,则设置第一子权重,若积极词语的前一词语为否定词、前一词语为消极词语、后一词语为消极词语,则设置第二子权重。若积极词语的相邻词语为其他词语,则设置第三子权重,其中,预先设置的各词语的初始分值,第一子权重为积极词语的初始分值与预设权重阈值的乘积值,第二子权重为-1,第三子权重为消极词语的初始分值与预设权重阈值的和值。
具体的,当前词语为消极词语时,检测消极词语的前一词语的词性,若消极词语的前一词语为程度副词,则设置第四子权重。若消极词语的前一词语为消极词语,则设置第五子权重。若消极词语的前一词语为其他词语,则设置第六子权重。其中,第四子权重为消极词语的初始分值与预设权重阈值的乘积值,第五子权重为-1,第六子权重为消极词语的初始分与预设权重阈值的差值。进一步补充说明的是,根据所述向量词组中的否定词语设置第一权重时,第一权重可以为-1。
在一实施方式中,所述根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重,包括:
在积极词语的前一相邻词语为程度副词的情况下,设置第一子权重;
在积极词语的前一相邻词语为否定词语或消极词语、积极词语的后一相邻词语为消极词语的情况下,设置第二子权重;
在积极词语的相邻词语为其他词语的情况下,设置第三子权重,所述其他词语为除消极词语、积极词语、否定词语和程度副词之外的词语;
将所述第一子权重、所述第二子权重和所述第三子权重的和值作为所述第二权重。
请再次参阅图2,图2中的第一子权重、第二子权重、第三子权重可以计算得到第二权重。
在一实施方式中,所述根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重,包括:
在消极词语的前一相邻词语为程度副词的情况下,设置第四子权重;
在消极词语的前一相邻词语为否定词语情况下,设置第五子权重;
在消极词语的前一相邻词语为其他词语的情况下,设置第六子权重,所述;
将所述第四子权重、所述第五子权重和所述第六子权重的和值作为所述第三权重。
请再次参阅图2,图2中的第四子权重、第五子权重、第六子权重可以计算得到第三权重。
步骤S103,通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分。
在本实施例中,数据模型可以对工商经营信息和多维度评价信息分别设置不同的配置权重,基于配置权重可以计算供应商的综合评分。例如,对工商经营信息中的工商基本信息、资质财务案例、股权结构信息分别设置不同的配置权重,分别对正面评价信息、负面评价信息及中性信息设置不同的配置权重,则可以通过数据模型根据工商基本信息、资质财务案例、股权结构信息、正面评价信息、负面评价信息及中性信息及其对应的配置权重计算供应商的综合评分。
步骤S104,在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
在本实施例中,若综合评分小于预先设置的预警阈值,则发送预警邮件提醒供应商管理员。
在一实施方式中,所述方法还包括:
根据所述工商经营信息和所述综合评分确定所述供应商与预设采购需求的匹配度;
在所述匹配度高于预设匹配阈值的情况下,将所述供应商作为推荐采购对象。
在本实施例中,由于工商经营信息可以包括商工商信息、经营范围信息、股权构成信息等,综合评分可以代表供应商的供应能力,则通过分析采购需求与供应商的经营范围、服务地区、综合评分的匹配度,为采购人员做供应商智能推荐,将匹配度大于或等于预设匹配阈值的供应商作为推荐采购对象,提高供应商推荐的自动化程度。
在一实施方式中,所述方法还包括:
根据所述工商经营信息识别所述供应商的围标串标风险信息。
在本实施例中,由于工商经营信息可以包括供应商工商信息、经营范围信息、股权构成信息,基于自然语言处理技术可以对供应商工商信息、经营范围信息、股权构成信息进行知识提取,确定供应商的围标串标风险信息。
需要补充说明的是,RPA程序可以为财务智能机器人,由财务智能机器人替代人工关注获取供应商风险信息,利用自然语言处理(NLP)技术实现了智能分析供应商舆情评论的情感属性,识别出正面评价信息、负面评价信息等多维度评价信息,构建基于供应商的工商经营信息、多维度评价信息的加权计算综合评分的数据模型,通过数据模型计算供应商的综合评分,结合设置的预警阈值触发风险预警。相较于现有的人工监控预警方式,具有显著提升财务人员工作效率、降低人工成本、更准确实时防控供应商风险的优势。不再依赖财务人员人工关注获取供应商风险信息,通过金融科技技术改进,将人力从重复性低价值劳动中释放出来,降低了人力成本;RPA获取信息具有及时高效特点,避免风险信息获取滞后,效率大大高于人工;自动触发风险预警更能防控供应商风险。
本实施例提供的基于RPA的供应商风险预警方法,通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。这样,通过RPA程序获取供应商的工商经营信息和舆情信息,基于NLP分析舆情信息得到多维度评价信息,通过数据模型对工商经营信息及多维度评价信息计算得到综合评分,综合评分可以代表供应商断供风险,综合评分小于预警阈值的情况下,触发对所述供应商的风险预警,提高供应商风险的识别效率,提高供应商风险管控效果。
实施例2
此外,本公开实施例提供了一种基于RPA的供应商风险预警装置。
如图3所示,基于RPA的供应商风险预警装置300包括:
获取模块301,用于通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
分析模块302,用于基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
计算模块303,用于通过数据模型根据所述工商经营信息、所述多维度评价信息计算所述供应商的综合评分;
预警模块304,用于在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
在一实施方式中,所述多维度评价信息包括负面评价信息、正面评价信息和中性评价信息,分析模块302,还用于将所述舆情信息划分为多个语句,对各所述语句进行分词处理,得到各所述语句对应的分词结果;
基于情感词典对各所述语句的分词结果进行词语匹配处理,得到各所述语句的匹配结果;
根据各所述语句的匹配结果将多个所述语句划分为所述负面评价信息、所述正面评价信息和所述中性评价信息。
在一实施方式中,所述匹配结果包括最终权重,所述分词结果包括向量词组,分析模块302,还用于基于所述情感词典判断所述向量词组中的各词语的词性类别,所述词性类别包括否定词语、积极词语及消极词语;
根据所述向量词组中的否定词语设置第一权重;
根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重;
根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重;
根据所述第一权重、第二权重及所述第三权重计算所述向量词组的最终权重。
在一实施方式中,分析模块302,还用于在积极词语的前一相邻词语为程度副词的情况下,设置第一子权重;
在积极词语的前一相邻词语为否定词语或消极词语、积极词语的后一相邻词语为消极词语的情况下,设置第二子权重;
在积极词语的相邻词语为其他词语的情况下,设置第三子权重,所述其他词语为除消极词语、积极词语、否定词语和程度副词之外的词语;
将所述第一子权重、所述第二子权重和所述第三子权重的和值作为所述第二权重。
在一实施方式中,分析模块302,还用于在消极词语的前一相邻词语为程度副词的情况下,设置第四子权重;
在消极词语的前一相邻词语为否定词语情况下,设置第五子权重;
在消极词语的前一相邻词语为其他词语的情况下,设置第六子权重,所述;
将所述第四子权重、所述第五子权重和所述第六子权重的和值作为所述第三权重。
在一实施方式中,基于RPA的供应商风险预警装置300还包括:
确定模块,用于根据所述工商经营信息和所述综合评分确定所述供应商与预设采购需求的匹配度;
在所述匹配度高于预设匹配阈值的情况下,将所述供应商作为推荐采购对象。
在一实施方式中,基于RPA的供应商风险预警装置300还包括:
识别模块,用于根据所述工商经营信息识别所述供应商的围标串标风险信息。
本实施例提供的基于RPA的供应商风险预警装置300可以实现实施例1所提供的基于RPA的供应商风险预警方法,为避免重复,在此不再赘述。
本实施例提供的基于RPA的供应商风险预警装置,通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。这样,通过RPA程序获取供应商的工商经营信息和舆情信息,基于NLP分析舆情信息得到多维度评价信息,通过数据模型对工商经营信息及多维度评价信息计算得到综合评分,综合评分可以代表供应商断供风险,综合评分小于预警阈值的情况下,触发对所述供应商的风险预警,提高供应商风险的识别效率,提高供应商风险管控效果。
实施例3
此外,本公开实施例提供了一种电子设备,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行实施例1所提供的基于RPA的供应商风险预警方法。
参见图4,所述电子设备400包括:收发机401、总线接口及处理器402,所述处理器402,用于:通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;
在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
在一实施方式中,所述多维度评价信息包括负面评价信息、正面评价信息和中性评价信息,所述处理器402还用于:将所述舆情信息划分为多个语句,对各所述语句进行分词处理,得到各所述语句对应的分词结果;
基于情感词典对各所述语句的分词结果进行词语匹配处理,得到各所述语句的匹配结果;
根据各所述语句的匹配结果将多个所述语句划分为所述负面评价信息、所述正面评价信息和所述中性评价信息。
在一实施方式中,所述匹配结果包括最终权重,所述分词结果包括向量词组,所述处理器402还用于:基于所述情感词典判断所述向量词组中的各词语的词性类别,所述词性类别包括否定词语、积极词语及消极词语;
根据所述向量词组中的否定词语设置第一权重;
根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重;
根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重;
根据所述第一权重、第二权重及所述第三权重计算所述向量词组的最终权重。
在一实施方式中,所述处理器402还用于:在积极词语的前一相邻词语为程度副词的情况下,设置第一子权重;
在积极词语的前一相邻词语为否定词语或消极词语、积极词语的后一相邻词语为消极词语的情况下,设置第二子权重;
在积极词语的相邻词语为其他词语的情况下,设置第三子权重,所述其他词语为除消极词语、积极词语、否定词语和程度副词之外的词语;
将所述第一子权重、所述第二子权重和所述第三子权重的和值作为所述第二权重。
在一实施方式中,所述处理器402还用于:在消极词语的前一相邻词语为程度副词的情况下,设置第四子权重;
在消极词语的前一相邻词语为否定词语情况下,设置第五子权重;
在消极词语的前一相邻词语为其他词语的情况下,设置第六子权重,所述;
将所述第四子权重、所述第五子权重和所述第六子权重的和值作为所述第三权重。
在一实施方式中,所述处理器402还用于:根据所述工商经营信息和所述综合评分确定所述供应商与预设采购需求的匹配度;
在所述匹配度高于预设匹配阈值的情况下,将所述供应商作为推荐采购对象。
在一实施方式中,所述处理器402还用于:根据所述工商经营信息识别所述供应商的围标串标风险信息。
在本发明实施例中,电子设备400还包括:存储器403。在图4中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器402代表的一个或多个处理器和存储器403代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机401可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线架构和通常的处理,存储器403可以存储处理器402在执行操作时所使用的数据。
本发明实施例提供的电子设备400,可以执行上述方法实施例中的云服务器可以执行的步骤,不再赘述。
本实施例提供的电子设备,通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。这样,通过RPA程序获取供应商的工商经营信息和舆情信息,基于NLP分析舆情信息得到多维度评价信息,通过数据模型对工商经营信息及多维度评价信息计算得到综合评分,综合评分可以代表供应商断供风险,综合评分小于预警阈值的情况下,触发对所述供应商的风险预警,提高供应商风险的识别效率,提高供应商风险管控效果。
实施例4
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现实施例1所提供的基于RPA的供应商风险预警方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本实施例提供的计算机可读存储介质可以实现实施例1所提供的基于RPA的供应商风险预警方法,为避免重复,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种基于RPA的供应商风险预警方法,其特征在于,所述方法包括:
通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
通过数据模型根据所述工商经营信息和所述多维度评价信息计算所述供应商的综合评分;
在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
2.根据权利要求1所述的方法,其特征在于,所述多维度评价信息包括负面评价信息、正面评价信息和中性评价信息,所述基于NLP对所述舆情信息进行情感分析,包括:
将所述舆情信息划分为多个语句,对各所述语句进行分词处理,得到各所述语句对应的分词结果;
基于情感词典对各所述语句的分词结果进行词语匹配处理,得到各所述语句的匹配结果;
根据各所述语句的匹配结果将多个所述语句划分为所述负面评价信息、所述正面评价信息和所述中性评价信息。
3.根据权利要求2所述的方法,其特征在于,所述匹配结果包括最终权重,所述分词结果包括向量词组,所述基于情感词典对各所述语句的分词结果进行词语匹配处理,包括:
基于所述情感词典判断所述向量词组中的各词语的词性类别,所述词性类别包括否定词语、积极词语及消极词语;
根据所述向量词组中的否定词语设置第一权重;
根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重;
根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重;
根据所述第一权重、第二权重及所述第三权重计算所述向量词组的最终权重。
4.根据权利要求3所述的方法,其特征在于,所述根据所述向量词组中的积极词语及其相邻词语的词性类别设置第二权重,包括:
在积极词语的前一相邻词语为程度副词的情况下,设置第一子权重;
在积极词语的前一相邻词语为否定词语或消极词语、积极词语的后一相邻词语为消极词语的情况下,设置第二子权重;
在积极词语的相邻词语为其他词语的情况下,设置第三子权重,所述其他词语为除消极词语、积极词语、否定词语和程度副词之外的词语;
将所述第一子权重、所述第二子权重和所述第三子权重的和值作为所述第二权重。
5.根据权利要求3所述的方法,其特征在于,所述根据所述向量词组中的消极词语及其相邻词语的词性类别设置第三权重,包括:
在消极词语的前一相邻词语为程度副词的情况下,设置第四子权重;
在消极词语的前一相邻词语为否定词语情况下,设置第五子权重;
在消极词语的前一相邻词语为其他词语的情况下,设置第六子权重;
将所述第四子权重、所述第五子权重和所述第六子权重的和值作为所述第三权重。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述工商经营信息和所述综合评分确定所述供应商与预设采购需求的匹配度;
在所述匹配度高于预设匹配阈值的情况下,将所述供应商作为推荐采购对象。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述工商经营信息识别所述供应商的围标串标风险信息。
8.一种基于RPA的供应商风险预警装置,其特征在于,所述装置包括:
获取模块,用于通过RPA程序登录公共信息平台,从所述公共信息平台获取供应商的工商经营信息和舆情信息;
分析模块,用于基于NLP对所述舆情信息进行情感分析,得到所述供应商的多维度评价信息;
计算模块,用于通过数据模型根据所述工商经营信息、所述多维度评价信息计算所述供应商的综合评分;
预警模块,用于在所述综合评分小于预警阈值的情况下,触发对所述供应商的风险预警。
9.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1至7中任一项所述的基于RPA的供应商风险预警方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的基于RPA的供应商风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211096597.5A CN115660451A (zh) | 2022-09-08 | 2022-09-08 | 基于rpa的供应商风险预警方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211096597.5A CN115660451A (zh) | 2022-09-08 | 2022-09-08 | 基于rpa的供应商风险预警方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660451A true CN115660451A (zh) | 2023-01-31 |
Family
ID=85024572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211096597.5A Pending CN115660451A (zh) | 2022-09-08 | 2022-09-08 | 基于rpa的供应商风险预警方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660451A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151840A (zh) * | 2023-04-20 | 2023-05-23 | 南京数策信息科技有限公司 | 一种基于大数据的用户服务数据智能管理系统及方法 |
-
2022
- 2022-09-08 CN CN202211096597.5A patent/CN115660451A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151840A (zh) * | 2023-04-20 | 2023-05-23 | 南京数策信息科技有限公司 | 一种基于大数据的用户服务数据智能管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829629A (zh) | 风险分析报告的生成方法、装置、计算机设备和存储介质 | |
CN108038655A (zh) | 部门需求的推荐方法、应用服务器及计算机可读存储介质 | |
CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
CN110689211A (zh) | 网站服务能力的评估方法及装置 | |
CN114303140A (zh) | 与产品和服务相关的知识产权数据分析 | |
CN113535813B (zh) | 一种数据挖掘方法、装置、电子设备以及存储介质 | |
CN113495825A (zh) | 线路告警的处理方法、装置、电子设备及可读存储介质 | |
CN114036921A (zh) | 一种政策信息匹配方法和装置 | |
CN107945034A (zh) | 基于微博财经事件的金融分析方法、应用服务器及计算机可读存储介质 | |
CN114722789B (zh) | 数据报表集成方法、装置、电子设备及存储介质 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
CN115827841A (zh) | 搜索方法及装置 | |
CN115495587A (zh) | 一种基于知识图谱的告警分析方法及装置 | |
CN108805603A (zh) | 营销活动质量评估方法、服务器及计算机可读存储介质 | |
CN114066391A (zh) | 一种用于供应商资格预审异议处理的数据处理方法及装置 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
US20180189699A1 (en) | A method and system for locating regulatory information | |
CN115269879B (zh) | 知识结构数据的生成方法、数据搜索方法和风险告警方法 | |
CN113449507B (zh) | 质量改进方法及装置、电子设备、存储介质 | |
US20180189803A1 (en) | A method and system for providing business intelligence | |
CN115034322A (zh) | 数据处理方法、装置及电子设备 |
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 |