[发明专利]采购商账期风险预测方法

权利要求书

1.采购商账期风险预测方法，其特征在于，包括如下步骤：

步骤一，根据采购商的账期风险结果的数据信息记录，构建训练数据集F和类别属性数据集R；

步骤二，根据步骤一获取的训练数据集F和类别属性数据集R，构建基于C4.5算法的决策树；

步骤三，采用悲观剪枝的方法，自上而下对步骤二构建的决策树进行剪枝，并确定最终的决策树模型；

步骤四，根据需预判账期风险的采购商的数据信息确定待分类样本X，并对样本X进行数据预处理，然后按照步骤二以及步骤三构建的决策树模型，对该待分类样本进行分类，确定其分类属性。

2.如权利要求1所述的采购商账期风险预测方法，其特征在于，所述步骤一中的构建训练数据集F，具体步骤包括：

构建训练数据集F，F中的一条数据对应于一个采购商的一次账期风险结果的数据信息记录；F是大小为m×n的矩阵，其中m为矩阵F的行数，表示训练集F中的数据条数；n为矩阵F的列数，表示训练集F中的属性个数，要求数据集F中的各个属性的对应的特征值不能为空，训练集F中的样本的属性包括采购商的基本信息、采购商在平台上的行为情况、采购商在平台上的供应商对其的评价。

3.如权利要求2所述的采购商账期风险预测方法，其特征在于，所述采购商的基本信息、采购商在平台上的行为情况、采购商在平台上的供应商对其的评价，具体包括：

(1)采购商的基本情况包括经营地点、注册资金、实缴资金、人员规模、参保人数、司法风险条数、经营风险条数；

(2)采购商在平台上的行为情况包括采购次数、采购金额、采购付款及时次数、采购付款超时次数、采购付款超时平均天数、采购次数的稳定性、采购金额的稳定性；

(3)采购商在平台上的供应商对其的评价包括供应商对其的点赞、点踩、评价的情感属性、评价的平均星级。

4.如权利要求2所述的采购商账期风险预测方法，其特征在于，所述步骤一中的构建类别属性数据集R，具体步骤包括：

R中的每个类别属性对应训练集中F的每条数据，对于训练集F中的每条数据：

(1)若此条数据为没有账期的数据，则该条数据的类别属性为0；

(2)若此条数据为有账期的数据，且在该账期内未及时付款，则将该条数据的类别属性标记为0；

(3)若此条数据为有账期的数据，且在账期内及时付款，则将该条数据的类别属性标记为1。

类别属性为0的样本为负样本，表示该样本的账期有风险；类别属性为1的样本为正样本，表示该样本的账期无风险。

5.如权利要求4所述的采购商账期风险预测方法，其特征在于，所述步骤二中的构建基于C4.5算法的决策树，具体步骤包括：

1、由步骤一获取，训练数据集F和类别属性数据集R；

2、对训练数据集F进行预处理，对连续型的属性特征进行离散化处理，形成集合D；

3、计算每个属性的属性熵、信息增益和信息增益率；

4、确定根节点，将信息增益率最大的节点作为根节点属性，根节点属性每一个可能的取值对应一个子集，对样本子集递归地执行以上步骤3过程，直到划分的每个子集中的样本数据在分类属性上取值都相同，生成决策树。