[发明专利]基于大数据的供应商投标行为分析预测方法

摘要

本发明涉及计算机领域中的人工智能领域，特别是涉及大数据分析领域，更为具体的说是涉及基于大数据的供应商投标行为分析预测方法。跳脱出传统的静态画像行为预测模式，利用人工智能聚类算法，通过对投标大数据的归并和分析，得到能够以特征值变化而动态调整的行为分析结果预测模型，从而指导招标方进行采购策略调整，提高采购成功率，节省招标组织成本，并且利用新的采购数据不断迭代优化预测模型，从而不断提高模型的准确度和广泛度。该以模型指导采购策略形成的方式，能够显著提升采购精细化管控和差异化管理水平。

主权项

1.基于大数据的供应商动态投标行为分析预测方法，其特征在于：包括以下步骤：第一步：收集供应商历年的历史投标数据；其中所述的历史投标数据包括招标需求信息、招标方采购策略、以及隐性要素等；第二步：将数据进行结构化预处理，形成规范化的数据样本，在规范化的数据样本中，同样的特征值具有相同的项目特征值名称；结构化预处理后形成的规范化的数据样本如下：x_i＝{x_i1，x_i2，x_i3，......，x_in)，x_j＝{x_j1，x_j2，x_j3，......，x_jn}(n＝特征值数量)i，j＝1，2，3...，m(m＝样本数量)第三步：根据招标方的需求定义投标行为分析结果类型，并按照不同投标行为分析结果类型对数据样本中的数据进行标记；从而形成带有标记的数据集D；第四步：采用混合属性距离度量，即有序与无序结合的距离度量；第五步：按照以下步骤获得聚类结果：(1)输入样本集＝{x₁，x₂，...，x_m}，最大迭代次数为N；输出簇划分C＝{C₁，C₂，...，C_k}；(2)从数据集D中随机选择k(优选k＝4)个样本作为初始的k(优选k＝4)个质心向量：{μ₁，μ₂，...，μ₄}；(3)n＝1，2，...，N；将簇划分C初始值为对于i＝1，2，...m，计算样本x_i和各个质心向量μ_j(j＝1，2，...k)的距离，将x_i标记最小的为d_ij所对应的类别λ_i。此时更新对于j＝1，2，...k，对C_i所有的样本点重新计算新的质心；如果所有的k个质心向量都没有发生变化，则转到步骤(4)；(4)输出簇划分C＝{C₁，C₂，...，C_k}，即预测结果。