一种基于大数据的供应商推荐方法及系统与流程

1.本发明涉及数据处理技术领域，尤其涉及一种基于大数据的供应商推荐方法及系统。


背景技术：

2.现在招标采购的项目，一般都是采购方发布招采项目后，或由采购方主动邀请供应商投标或供应商自行发现此招采项目后来进行投标，有可能存在合适的供应商没有发现此项目的情况。企业规模的不断增长，所需求的产品也随之增加，企业在需要购买产品时，主要通过人工筛选企业信息的方式去寻找合适的供应商，随着招标系统中在库供应商数量庞大，人工查询时不能全面查询每一条供应商信息数据，且人工判断的方式容易出现差错，因此不能准确的选择出符合企业实际需求的供应商，如果将供应商与采购方进行推荐匹配，那么可以很好的有利于双方利益。然而，传统的供应商推荐方法只能将适合的供应商进行推荐，但是当推荐的供应商多了以后，又需要进行检索适合的供应商，浪费了人工时间，并且不能精准的对供应商进行匹配推荐。


技术实现要素：

3.基于此，本发明提供一种基于大数据的供应商推荐方法及系统，以解决至少一个上述技术问题。
4.为实现上述目的，一种基于大数据的供应商推荐方法，所述方法包括以下步骤：步骤s1：获取供应商及采购方信息数据并进行分析，以得供应市场数据；对供应市场数据进行数据特征提取处理，从而生成供应市场特征数据；步骤s2：对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号；步骤s3：根据预设的有效时间段对市场数字信号进行有效性筛选，从而获得有效数字信号；步骤s4：将有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据；步骤s5：将供应市场图像数据进行图像灰度值相似度计算，生成图像相似度数据；将图像相似度数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息；步骤s6：根据图像相似度数据对供应商推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
5.本实施例通过获取供应商及采购方信息数据并进行分析，以获得供应市场数据，为后续步骤提供了数据基础，对所获得的供应市场数据进行数据特征提取处理，从中提取出关键的特征信息，为后续的数字信号编码转换和图像相似度计算奠定基础；将供应市场
特征数据进行数字信号编码转换处理，使其转化为可被计算机处理的数字信号，数字信号编码后的数据更容易被计算机处理，并且可以进行各种复杂的数学运算和分析，为后续的有效性筛选和灰度图像格式转换提供了方便；通过预设的有效时间段，可以排除不必要的数据，提高了数字信号的有效性，去除无效的数字信号后，可以减少后续计算过程中所需处理的数据量，从而提高整个系统的计算效率和响应速度，筛选出有效数字信号，可以避免不必要的误差和噪声干扰，保证数据的准确性和可靠性；将有效数字信号转换为灰度图像格式，可以将抽象的数字信号转化为具体的图像数据，应用图像处理技术进行进一步分析和处理，如计算图像相似度，更加直观地展示供应市场数据，使其更具可视化和易懂性；通过计算供应市场图像数据之间的灰度值相似度，定量地评估它们之间的相似程度，通过图像相似度计算和比对，可以提高供应商推荐的准确性和精度，为采购方提供更优质的供应商选择推荐，将图像比对数据与预设的供应市场推荐阈值进行比对计算，筛选出符合条件的供应商信息数据，从而避免不必要的信息干扰和误判；根据图像相似度数据重新排序和提取最优供应商推荐信息，进一步优化供应商推荐结果，提高采购方对供应商的选择参考价值，更准确地匹配采购方的需求和供应商的能力，从而提高供应商匹配度，降低采购风险，为采购方提供了更有针对性和可信度的决策支持，帮助其做出更好的商业决策。因此，本发明的基于大数据的供应商推荐方法可以将供应商与采购方进行推荐匹配，并通过匹配结果中，找到最优匹配推荐给供应商以及采购方，不需要通过检索找到最优的供应商，节约了人工时间，并且能进行精准的供应商匹配推荐。
6.在本说明书的一个实施例中，步骤s1包括以下步骤：步骤s11：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；步骤s12：对供应市场数据进行数据可行性过滤处理，生成市场过滤数据；步骤s13：对市场过滤数据进行数据清洗处理，生成市场清洗数据；步骤s14：利用供应市场数据降噪公式对市场清洗数据进行数据降噪处理，生成市场降噪数据；步骤s15：对市场降噪数据进行时间序列数据整合处理，生成市场排序数据；步骤s16：对市场排序数据进行数据特征提取处理，从而生成供应市场特征数据。
7.本实施例通过获取供应商及采购方信息数据并进行分析，以获得供应市场数据，为后续步骤提供了数据基础；通过数据可行性过滤处理，可以确保数据的一致性，避免了因为数据来源或格式的差异导致的误差和偏差，保证后续处理的准确性；对市场过滤数据进行数据清洗处理，可以去除数据中的无用信息和冗余信息，提高数据的准确性和可信度；通过应用供应市场数据降噪公式对市场清洗数据进行降噪处理，可以去除数据中的噪声和异常值，使数据更加平滑和连续，减少了因为数据抖动或者不连续带来的误差和偏差；对市场降噪数据进行时间序列数据整合处理，可以将不同时间段的数据整合在一起，形成以时间为标准连续的数据序列，简化数据结构，减少了数据存储和处理的复杂度，提高了后续处理的效率和性能，通过对市场排序数据进行数据特征提取处理，发现其中蕴含的数据规律和特定的数据特征，减少冗余数据的处理，提高数据处理和计算的效率和性能。
8.在本说明书的一个实施例中，步骤s14中的供应市场数据降噪公式如下所示：；
式中，表示为供应市场数据降噪指数，表示为常量，表示为供应市场数据的异常值系数，表示为根据供应市场数据生成降噪指数，表示为第个供应市场数据的异常噪点数据的权重信息，表示为第个供应市场数据的异常噪点数据，表示为降噪数据初始调整值，表示为供应市场评价指标数据，表示为降噪信息修正项，表示为供应市场数据降噪指数的异常调整值。
9.本实施例提供一种供应市场数据降噪公式，该公式充分考虑了供应市场数据的异常值系数、根据供应市场数据生成降噪指数、第个供应市场数据的异常噪点数据的权重信息、第个供应市场数据的异常噪点数据、降噪数据初始调整值、供应市场评价指标数据、降噪信息修正项以及相互之间的作用关系，以形成函数关系，利用降噪指数对异常噪点数据中的异常值进行修复，并通过供应市场评价指标数据以及降噪数据初始调整值进行调整，调节降噪数据初始调整值参数进而适应不同的供应市场数据的变化情况，以此对异常噪点进行修复，得到填充异常噪点的修复噪点函数，并对修复噪点函数进行求和，得到初始降噪信息，并利用降噪信息修复项进行补充，有效避免降噪过程中出现过拟合或欠拟合的情况，去除数据中异常数据的干扰信号，从而得到对每个噪点进行修复的数据降噪信息，在保证数据的完整性的同时更好地修复噪点数据，减少了因为数据抖动或者不连续带来的误差和偏差，并通过对异常噪点数据进行求导，使数据维度降低进而计算达到快速收敛，节约了数据量与算力，并通过供应市场数据降噪指数的异常调整值进行修正，减少因外部误差数据对供应市场数据带来的误差影响，更准确地生成供应市场数据降噪指数，提高了对供应市场数据进行降噪处理的准确性和可靠性。同时，该公式中的常数项、权重信息及调整项等参数可以根据实际情况进行调整，应用于不同的供应市场数据，提高了算法的灵活性与适用性。
10.在本说明书的一个实施例中，其中市场数字信号包括供应商数字信号以及采购方数字信号，步骤s2包括以下步骤：步骤s21：对供应市场特征数据进行特征编码转换，生成市场离散特征数据；步骤s22：对市场离散特征数据进行数据标准化处理，生成市场标准特征数据；步骤s23：对市场标准特征数据进行归一化处理，生成市场归一化特征数据；步骤s24：利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，生成市场降维特征数据；步骤s25：对市场降维特征数据进行特征向量转换，生成供应商特征向量与采购方特征向量；其中，供应商特征向量包括：供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，采购方特征向量包括：需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量；步骤s26：将供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量进行供应商的无向图转换，生成供应商无向图；步骤s27：将需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时
间向量进行采购方的无向图转换，生成采购方无向图；步骤s28：将供应商无向图进行供应商数字信号编码转换处理，生成供应商数字信号；步骤s29：将采购方无向图进行采购方数字信号编码转换处理，生成采购方数字信号。
11.本实施例对供应市场特征数据进行特征编码转换，使得连续性的数据离散化并且变为分类变量，具备可读性和可解释性；对市场离散特征数据进行数据标准化处理，将不同量级和度量方式的特征数据转化为相同的标准单位和范围，提高了数据的可比性，标准化处理后的市场特征数据具有相同的数值范围和分布情况，更易于进行后续的处理和计算，降低了数据处理的难度和复杂度；归一化处理后的市场特征数据具有相同的数值范围和分布情况，更易于进行后续的处理和计算。同时，归一化后特征数据的平均值和方差都会变为0和1，有利于一些计算方式的优化，避免不同数值范围带来的影响，降低了因数据范围带来的误差和偏差，提高了数据处理和分析的准确性；利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，可以去除不相关或者冗余的特征数据，减少数据集的复杂性和冗余度，降维后的数据具有更低的维数，计算量相应地减少，提高了计算效率和算法的速度，保留数据的主要特征，使得数据的结构和规律更清晰明了，方便后续的分析和处理，同时，也避免了因为过多特征带来的过度拟合问题；将市场降维特征数据转换为供应商和采购方的特征向量，可以提取出数据中的关键信息和特定特征，从而更好地描述市场现状和各方需求，方便进一步的使用和分析；将供应商特征向量与采购方特征向量进行无向图转换，可以描述相互之间不同之间的关系，便于分析并挖掘潜在合作机会，通过无向图的形式呈现数据，可以降低数据的抽象性，方便理解和使用；将无向图进行数字信号编码转换处理，可以生成一组数字信号来描述不同无向图之间的关系，便于分析并挖掘潜在合作机会，为后续的数学运算和推荐系统建设提供了基础，方便对市场进行分析和计算，同时，数字信号也易于传输和处理，节省了计算资源和时间成本。
12.在本说明书的一个实施例中，步骤s24中的供应市场特征数据降维公式如下所示：；式中，表示为供应市场特征数据降维指数，表示为第个潜在供应市场特征数据，表示为第个潜在供应市场特征数据的权重信息，表示为第个历史供应市场特征数据，表示为第个历史供应市场特征数据的权重信息，表示为供应市场特征数据的降维初始调整值，表示为供应市场特征数据的降维合理化指数，表示为根据第个潜在供应市场特征数据与历史供应市场特征数据生成的降维调整值，表示为供应市场特征数据降维指数的异常调整值。
13.本实施例提供一种供应市场特征数据降维公式，该公式充分考虑了第个潜在供应市场特征数据、第个潜在供应市场特征数据的权重信息、第个历史供应市场特征数据、第个历史供应市场特征数据的权重信息、供应市场特征数据的降维初始调整值、供应市场特征数据的降维合理化指数、根据第个潜在供应市场特征数据与历史供应市场
特征数据生成的降维调整值以及相互之间的作用关系，以形成函数关系，通过对潜在供应市场特征数据与历史供应市场特征数据进行比对处理，精准提取供应市场特征数据的核心数据，并利用该核心数据为基础进行数据降维，将供应市场特征数据从高纬度降低到低纬度，使得计算快速达到收敛阶段，减少冗余部分维度带来的计算误差，使获得的数据更加精准，实现将数据映射在更小的空间数据中进行计算，保证数据准确的情况下提高数据处理速度，节约了算力，减少硬件处理数据的压力，清晰地反映供应市场数据之间的相互关系，便于后续的数据处理，并通过供应市场特征数据降维指数的异常调整值进行修正，减少异常数据对供应市场特征数据带来的误差影响，更准确地生成供应市场特征数据降维指数，提高了对供应市场特征数据进行降维处理的准确性和可靠性。同时，该公式中的合理化指数、权重信息及调整项等参数可以根据实际情况进行调整，应用于不同的供应市场特征数据，提高了算法的灵活性与适用性。
14.在本说明书的一个实施例中，其中有效数字信号包括供应商有效数字信号以及采购方有效数字信号，步骤s3包括以下步骤：步骤s31：根据预设的有效时间段对发布供应产品时间向量进行发布时间有效性筛选，获得供应商有效时间数据；步骤s32：根据供应商有效时间数据对供应商数字信号进行有效数据提取处理，生成供应商有效数字信号；步骤s33：根据预设的有效时间段对发布需求产品时间向量进行发布时间有效性筛选，获得采购方有效时间数据；步骤s34：根据采购方有效时间数据对采购方数字信号进行有效数据提取处理，生成采购方有效数字信号。
15.本实施例通过时间范围筛选，可以排除不符合预设时间要求的数据，提取出有效的供应商和采购方数据，去除无效、冗余或者错误的数据，提高数据的质量和准确性，便于后续的分析和使用，大幅度减少数据处理量，优化处理效率和计算速度，同时，也可避免一些不必要的误差和偏差带来的影响，为后续图像分析等操作提供了基础。
16.在本说明书的一个实施例中，其中供应市场图像数据包括供应商图像数据以及采购方图像数据，步骤s4包括以下步骤：步骤s41：将供应商有效数字信号进行灰度图像格式转换处理，生成供应商图像数据；步骤s42：将采购方有效数字信号进行灰度图像格式转换处理，生成采购方图像数据。
17.本实施例将供应商有效数字信号和采购方有效数字信号转换为灰度图像数据，可以更直观地描述不同供应商和采购方之间的特征差异和相似性，通过图像的形式呈现数据，可以降低数据的抽象性，增加数据的可读性和可解释性，方便理解和使用。
18.在本说明书的一个实施例中，步骤s5包括以下步骤：步骤s51：将供应商图像数据与采购方图像数据进行图像灰度值相似度计算，生成
图像相似度数据；步骤s52：将图像相似度数据与预设的供应市场推荐阈值进行阈值比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息。
19.本实施例通过图像灰度值相似度计算，并且选择预设的供应市场推荐阈值，可以根据实际情况调整推荐结果，将推荐结果更加符合需求和要求，量化不同供应商和采购方之间的相似度，提高推荐准确性，去除相似度低于预设阈值的数据，节省计算资源和提高处理效率。
20.在本说明书的一个实施例中，步骤s6包括以下步骤：步骤s61：对图像相似度数据进行供应商与采购方的匹配度计算处理，生成供应市场匹配数据；步骤s62：根据供应市场匹配数据将供应商推荐信息进行匹配度排序处理，生成供应商排序推荐信息；步骤s63：对供应商排序推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
21.本实施例通过匹配度计算处理，可以量化不同供应商和采购方之间的匹配程度，提高推荐准确性；通过排序处理，将供应商推荐信息按照匹配度从高到低进行排序，生成更加符合需求和要求的推荐结果；通过最优供应商推荐信息提取处理，可以针对性地去除冗余信息和不必要的数据，简化数据处理，提高处理效率，为后续操作提供了必要的数据支持。同时也为用户提供了更加优质的推荐服务。
22.在本说明书的一个实施例中，提供了一种基于大数据的供应商推荐系统，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于大数据的供应商推荐方法。
23.本发明通过网络爬虫技术采集供应市场的供应商数据与采购方数据，通过对数据进行处理并提取特征数据，生成供应市场特征数据，减少冗余数据、无效数据以及异常数据，从而使得数据更加准确；对供应市场特征数据进行编码转换，将每条数据依据供应市场特征数据转化成特定的数字信号，改变对比数据之间的不同，并且在转化的过程加将数据转化成向量及无向图，节约了数据量并且加快了数据处理速度，并且每个无向图根据特征向量进行转换，使得无向图转换成数字信号时每个数据依然存在相互关系，再对数字根据有效时间进行筛选，将可能已被挑选的供应商与采购方筛选出去，从而得到最新的供应商数据以及采购方数据的数字信号，将数字信号转换成灰度图像数据，通过将供应商与采购方的灰度图像进行比对，方便计算两者之间的匹配程度，并且清晰展示给用户，将匹配程度最高的最优供应商信息进行提取，并推荐给采购方，从而节约人力挑选供应商或采购方的时间与精力，并且可以推荐用户可能找不到，但最合适的供应商与采购方的联系，从而实现基于大数据的供应商推荐方法。因此，本发明的基于大数据的供应商推荐方法可以将供应商与采购方进行推荐匹配，并通过匹配结果中，找到最优匹配推荐给供应商以及采购方，不
需要通过检索找到最优的供应商，节约了人工时间，并且能进行精准的供应商匹配推荐。
附图说明
24.图1为本发明一种基于大数据的供应商推荐方法的步骤流程示意图；图2为图1中步骤s1的详细实施步骤流程示意图；图3为图1中步骤s2的详细实施步骤流程示意图；图4为图1中步骤s3的详细实施步骤流程示意图；图5为图1中步骤s6的详细实施步骤流程示意图；本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
25.下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
27.应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
28.本技术实例提供一种基于大数据的供应商推荐方法及系统，所述云服务器包括但不限于：房地产工程供应商云服务器及材料工程供应商云服务等至少一种。所述市场数字信号包括但不限于：由0或1组成的数字信号等至少一种。所述供应市场图像数据包括但不限于：由黑白图像格子组成的图像数据等至少一种。
29.为实现上述目的，请参阅图1至图5，一种基于大数据的供应商推荐方法，所述方法包括以下步骤：步骤s1：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；对供应市场数据进行数据特征提取处理，从而生成供应市场特征数据；步骤s2：对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号；步骤s3：根据预设的有效时间段对市场数字信号进行有效性筛选，从而获得有效数字信号；步骤s4：将有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据；
步骤s5：将供应市场图像数据进行图像灰度值相似度计算，生成图像相似度数据；将图像相似度数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息；步骤s6：根据图像相似度数据对供应商推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
30.本实施例通过获取供应商及采购方信息数据并进行分析，以获得供应市场数据，为后续步骤提供了数据基础，对所获得的供应市场数据进行数据特征提取处理，从中提取出关键的特征信息，为后续的数字信号编码转换和图像相似度计算奠定基础；将供应市场特征数据进行数字信号编码转换处理，使其转化为可被计算机处理的数字信号，数字信号编码后的数据更容易被计算机处理，并且可以进行各种复杂的数学运算和分析，为后续的有效性筛选和灰度图像格式转换提供了方便；通过预设的有效时间段，可以排除不必要的数据，提高了数字信号的有效性，去除无效的数字信号后，可以减少后续计算过程中所需处理的数据量，从而提高整个系统的计算效率和响应速度，筛选出有效数字信号，可以避免不必要的误差和噪声干扰，保证数据的准确性和可靠性；将有效数字信号转换为灰度图像格式，可以将抽象的数字信号转化为具体的图像数据，应用图像处理技术进行进一步分析和处理，如计算图像相似度，更加直观地展示供应市场数据，使其更具可视化和易懂性；通过计算供应市场图像数据之间的灰度值相似度，定量地评估它们之间的相似程度，通过图像相似度计算和比对，可以提高供应商推荐的准确性和精度，为采购方提供更优质的供应商选择推荐，将图像比对数据与预设的供应市场推荐阈值进行比对计算，筛选出符合条件的供应商信息数据，从而避免不必要的信息干扰和误判；根据图像相似度数据重新排序和提取最优供应商推荐信息，进一步优化供应商推荐结果，提高采购方对供应商的选择参考价值，更准确地匹配采购方的需求和供应商的能力，从而提高供应商匹配度，降低采购风险，为采购方提供了更有针对性和可信度的决策支持，帮助其做出更好的商业决策。因此，本发明的基于大数据的供应商推荐方法可以将供应商与采购方进行推荐匹配，并通过匹配结果中，找到最优匹配推荐给供应商以及采购方，不需要通过检索找到最优的供应商，节约了人工时间，并且能进行精准的供应商匹配推荐。
31.本发明实施例中，参考图1所述，为本发明一种基于大数据的供应商推荐方法的步骤流程示意图，在本实例中，所述基于大数据的供应商推荐方法的步骤包括：步骤s1：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；对供应市场数据进行数据特征提取处理，从而生成供应市场特征数据；本发明实施例中，通过获取外部采集的供应商及采购方信息数据，并分析供应商与采购方之间的信息关系与之间的数据及，以获得供应市场数据，根据需求设计适合的数据特征提取方法，例如对采集到的数据进行清洗、去重、归一化处理等，按照设计好的方法对采集到的数据进行处理，生成供应市场特征数据。
32.步骤s2：对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号；本发明实施例中，根据需求和特征数据的性质，定义适合的数字信号编码方案，例如可以选择二进制编码或其他编码方式。根据定义好的数字信号编码方案，设计相应的数
字信号编码转换方法对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号。
33.步骤s3：根据预设的有效时间段对市场数字信号进行有效性筛选，从而获得有效数字信号；本发明实施例中，根据需求和市场特征，确定适合的有效时间段。例如可以选择近期一周、近期一个月或其他时间段，用于根据预设的有效时间段对市场数字信号进行筛选，将有效时间段外的数据进行剔除，从而获得有效数字信号。
34.步骤s4：将有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据；本发明实施例中，根据需求和有效数字信号的性质，确定适合的灰度图像格式转换方法，例如可以选择灰度化、二值化或其他格式转换方式。设计相应的灰度图像格式转换算法，用于将有效数字信号转换为灰度图像格式，例如根据数字信号的0或1确定图像格是白色或黑色。按照设计好的方法对有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据。
35.步骤s5：将供应市场图像数据进行图像灰度值相似度计算，生成图像相似度数据；将图像相似度数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息；本发明实施例中，将供应市场图像数据中的供应商图像与采购方进行灰度值相似度计算，先对图像进行黑白格子数量匹配，如果图像的黑白格子相近，在匹配图像的黑白格子是否重合，如果重合程度越高，则生成的图像相似度数据也就越高。设计好预设的供应市场推荐阈值，如设计的供应市场阈值为80%，将图像比对数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于80%，则进行剔除，当图像相似度数据大于或等于80%，则生成供应商推荐信息。
36.步骤s6：根据图像相似度数据对供应商推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
37.本发明实施例中，根据图像相似度数据对供应商推荐信息进行最优供应商推荐信息提取处理，将数值最大的图像相似度数据对应的供应商推荐信息进行数据提取，从而生成供应商优先推荐信息。
38.在本说明书的一个实施例中，步骤s1包括以下步骤：步骤s11：利用网络爬虫技术对云服务器采集供应商及采购方信息数据，获得供应市场数据；步骤s12：对供应市场数据进行数据可行性过滤处理，生成市场过滤数据；步骤s13：对市场过滤数据进行数据清洗处理，生成市场清洗数据；步骤s14：利用供应市场数据降噪公式对市场清洗数据进行数据降噪处理，生成市场降噪数据；步骤s15：对市场降噪数据进行时间序列数据整合处理，生成市场排序数据；步骤s16：对市场排序数据进行数据特征提取处理，从而生成供应市场特征数据。
39.本实施例通过获取供应商及采购方信息数据并进行分析，以获得供应市场数据，
为后续步骤提供了数据基础；通过数据可行性过滤处理，可以确保数据的一致性，避免了因为数据来源或格式的差异导致的误差和偏差，保证后续处理的准确性；对市场过滤数据进行数据清洗处理，可以去除数据中的无用信息和冗余信息，提高数据的准确性和可信度；通过应用供应市场数据降噪公式对市场清洗数据进行降噪处理，可以去除数据中的噪声和异常值，使数据更加平滑和连续，减少了因为数据抖动或者不连续带来的误差和偏差；对市场降噪数据进行时间序列数据整合处理，可以将不同时间段的数据整合在一起，形成以时间为标准连续的数据序列，简化数据结构，减少了数据存储和处理的复杂度，提高了后续处理的效率和性能，通过对市场排序数据进行数据特征提取处理，发现其中蕴含的数据规律和特定的数据特征，减少冗余数据的处理，提高数据处理和计算的效率和性能。
40.作为本发明的一个实例，参考图2所示，为图1中步骤s1的详细实施步骤流程示意图，在本实例中所述步骤s1包括：步骤s11：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；本发明实施例中，通过获取外部采集的供应商及采购方信息数据，并分析供应商与采购方之间的信息关系与之间的数据及，以获得供应市场数据。
41.步骤s12：对供应市场数据进行数据可行性过滤处理，生成市场过滤数据；本发明实施例中，将爬取到的供应市场数据中参杂的图像数据、音频数据及无用数据等无效数据，利用编程语言及其相关的数据处理库进行过滤处理，生成市场过滤数据。
42.步骤s13：对市场过滤数据进行数据清洗处理，生成市场清洗数据；本发明实施例中，对数据中的异常值、冗余数据以及空值数据进行利用编程语言及其相关的数据处理库进行数据清洗，生成市场清洗数据。
43.步骤s14：利用供应市场数据降噪公式对市场清洗数据进行数据降噪处理，生成市场降噪数据；本发明实施例中，设计供应市场数据降噪公式，利用供应市场数据降噪公式对市场清洗数据进行数据降噪处理，将数据中的异常噪点数据进行修复，从而得到降噪效果好的市场降噪数据。
44.步骤s15：对市场降噪数据进行时间序列数据整合处理，生成市场排序数据；本发明实施例中，根据市场降噪数据中的发布时间作为时间序列标准，对市场降噪数据进行时间序列数据整合处理，如将发布时间最新的市场降噪数据排在最前，以此生成市场排序数据。
45.步骤s16：对市场排序数据进行数据特征提取处理，从而生成供应市场特征数据。
46.本发明实施例中，定义供应市场数据相关的特征信息，以此特征信息作为标准，利用机器学习算法对市场排序数据进行特征提取处理，生成数据的特征变量，将所有特征变量汇总成一个数据集，成为供应市场特征数据。
47.在本说明书的一个实施例中，步骤s14中的供应市场数据降噪公式如下所示：；式中，表示为供应市场数据降噪指数，表示为常量，表示为供应市场数据的异常值系数，表示为根据供应市场数据生成降噪指数，表示为第个供应市场数据的异常
噪点数据的权重信息，表示为第个供应市场数据的异常噪点数据，表示为降噪数据初始调整值，表示为供应市场评价指标数据，表示为降噪信息修正项，表示为供应市场数据降噪指数的异常调整值。
48.本实施例提供一种供应市场数据降噪公式，该公式充分考虑了供应市场数据的异常值系数、根据供应市场数据生成降噪指数、第个供应市场数据的异常噪点数据的权重信息、第个供应市场数据的异常噪点数据、降噪数据初始调整值、供应市场评价指标数据、降噪信息修正项以及相互之间的作用关系，以形成函数关系，利用降噪指数对异常噪点数据中的异常值进行修复，并通过供应市场评价指标数据以及降噪数据初始调整值进行调整，调节降噪数据初始调整值参数进而适应不同的供应市场数据的变化情况，以此对异常噪点进行修复，得到填充异常噪点的修复噪点函数，并对修复噪点函数进行求和，得到初始降噪信息，并利用降噪信息修复项进行补充，有效避免降噪过程中出现过拟合或欠拟合的情况，去除数据中异常数据的干扰信号，从而得到对每个噪点进行修复的数据降噪信息，在保证数据的完整性的同时更好地修复噪点数据，减少了因为数据抖动或者不连续带来的误差和偏差，并通过对异常噪点数据进行求导，使数据维度降低进而计算达到快速收敛，节约了数据量与算力，并通过供应市场数据降噪指数的异常调整值进行修正，减少因外部误差数据对供应市场数据带来的误差影响，更准确地生成供应市场数据降噪指数，提高了对供应市场数据进行降噪处理的准确性和可靠性。同时，该公式中的常数项、权重信息及调整项等参数可以根据实际情况进行调整，应用于不同的供应市场数据，提高了算法的灵活性与适用性。
49.在本说明书的一个实施例中，其中市场数字信号包括供应商数字信号以及采购方数字信号，步骤s2包括以下步骤：步骤s21：对供应市场特征数据进行特征编码转换，生成市场离散特征数据；步骤s22：对市场离散特征数据进行数据标准化处理，生成市场标准特征数据；步骤s23：对市场标准特征数据进行归一化处理，生成市场归一化特征数据；步骤s24：利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，生成市场降维特征数据；步骤s25：对市场降维特征数据进行特征向量转换，生成供应商特征向量与采购方特征向量；其中，供应商特征向量包括：供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，采购方特征向量包括：需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量；步骤s26：将供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量进行供应商的无向图转换，生成供应商无向图；步骤s27：将需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量进行采购方的无向图转换，生成采购方无向图；步骤s28：将供应商无向图进行供应商数字信号编码转换处理，生成供应商数字信
号；步骤s29：将采购方无向图进行采购方数字信号编码转换处理，生成采购方数字信号。
50.本实施例对供应市场特征数据进行特征编码转换，使得连续性的数据离散化并且变为分类变量，具备可读性和可解释性；对市场离散特征数据进行数据标准化处理，将不同量级和度量方式的特征数据转化为相同的标准单位和范围，提高了数据的可比性，标准化处理后的市场特征数据具有相同的数值范围和分布情况，更易于进行后续的处理和计算，降低了数据处理的难度和复杂度；归一化处理后的市场特征数据具有相同的数值范围和分布情况，更易于进行后续的处理和计算。同时，归一化后特征数据的平均值和方差都会变为0和1，有利于一些计算方式的优化，避免不同数值范围带来的影响，降低了因数据范围带来的误差和偏差，提高了数据处理和分析的准确性；利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，可以去除不相关或者冗余的特征数据，减少数据集的复杂性和冗余度，降维后的数据具有更低的维数，计算量相应地减少，提高了计算效率和算法的速度，保留数据的主要特征，使得数据的结构和规律更清晰明了，方便后续的分析和处理，同时，也避免了因为过多特征带来的过度拟合问题；将市场降维特征数据转换为供应商和采购方的特征向量，可以提取出数据中的关键信息和特定特征，从而更好地描述市场现状和各方需求，方便进一步的使用和分析；将供应商特征向量与采购方特征向量进行无向图转换，可以描述相互之间不同之间的关系，便于分析并挖掘潜在合作机会，通过无向图的形式呈现数据，可以降低数据的抽象性，方便理解和使用；将无向图进行数字信号编码转换处理，可以生成一组数字信号来描述不同无向图之间的关系，便于分析并挖掘潜在合作机会，为后续的数学运算和推荐系统建设提供了基础，方便对市场进行分析和计算，同时，数字信号也易于传输和处理，节省了计算资源和时间成本。
51.作为本发明的一个实例，参考图3所示，为图1中步骤s2的详细实施步骤流程示意图，在本实例中所述步骤s2包括：步骤s21：对供应市场特征数据进行特征编码转换，生成市场离散特征数据；本发明实施例中，根据供应市场特征数据选择编码方式，如独热编码或者变迁编码。利用选取好的编码方式对供应市场特征数据进行编码转换，将转换后的结果组合成一个新的离散特征数据集，从而生成市场离散特征数据。
52.步骤s22：对市场离散特征数据进行数据标准化处理，生成市场标准特征数据；本发明实施例中，选取z-score标准化对市场离散特征数据进行标准化处理，根据标准化方法将每个数据选取相同标准进行处理，使得该数据的特征的平均值为0，标准差为1，将标准化后的所有特征变量合并成一个数据集，即为市场标准特征数据。
53.步骤s23：对市场标准特征数据进行归一化处理，生成市场归一化特征数据；本发明实施例中，利用预设好的数据比例区间，将数据最大值设置为数据比例区间的最大值，最小值设置为数据比例区间的最小值，对市场标准特征数据进行min-max归一化处理，以此生成市场归一化特征数据。
54.步骤s24：利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，生成市场降维特征数据；本发明实施例中，选取供应市场特征降维公式作为数据降维的方法，将市场归一
化特征数据核心维度进行提取，冗余维度进行去除，以此对市场归一化特征数据进行特征降维处理，生成市场降维特征数据。
55.步骤s25：对市场降维特征数据进行特征向量转换，生成供应商特征向量与采购方特征向量；其中，供应商特征向量包括：供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，采购方特征向量包括：需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量；本发明实施例中，根据业务需求，将市场降维特征数据按照供应商和采购方进行划分，得到不同的数据集，再将数据进行特征向量转化，将每个数据集中得到的特征向量按照相应的供应商或采购方进行合并，以此生成供应商特征向量与采购方特征向量；其中，供应商特征向量包括：供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，采购方特征向量包括：需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量。
56.步骤s26：将供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量进行供应商的无向图转换，生成供应商无向图；本发明实施例中，选取构建无向图的供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，将每个向量作为无向图的节点进行转换，计算节点之间在选择的向量上的相似度或距离，并根据设定的阈值确定是否存在边连接，使每个供应商特征向量生成特有的无向图，将无向图进行整合生成供应商无向图。
57.步骤s27：将需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量进行采购方的无向图转换，生成采购方无向图；本发明实施例中，选取构建无向图的需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量，将每个向量作为无向图的节点进行转换，计算节点之间在选择的向量上的相似度或距离，并根据设定的阈值确定是否存在边连接，使每个采购方特征向量生成特有的无向图，将无向图进行整合生成采购方无向图。
58.步骤s28：将供应商无向图进行供应商数字信号编码转换处理，生成供应商数字信号；本发明实施例中，对于每个供应商无向图的节点，计算其在无向图中的度数，并将其作为一个标记添加到该节点上，将每个节点上的标记按照设定的位数（例如8位）转换为一个二进制码，将所有节点的二进制码按照一定的顺序连接起来，形成一个长的二进制序列，对二进制训练利用aes、des等加密方式进行加密处理，以此生成供应商数字信号。
59.步骤s29：将采购方无向图进行采购方数字信号编码转换处理，生成采购方数字信号。
60.本发明实施例中，对于每个采购方无向图的节点，计算其在无向图中的度数，并将其作为一个标记添加到该节点上，将每个节点上的标记按照设定的位数（例如8位）转换为一个二进制码，将所有节点的二进制码按照一定的顺序连接起来，形成一个长的二进制序列，对二进制训练利用aes、des等加密方式进行加密处理，以此生成采购方数字信号。
61.在本说明书的一个实施例中，步骤s24中的供应市场特征数据降维公式如下所示：；
式中，表示为供应市场特征数据降维指数，表示为第个潜在供应市场特征数据，表示为第个潜在供应市场特征数据的权重信息，表示为第个历史供应市场特征数据，表示为第个历史供应市场特征数据的权重信息，表示为供应市场特征数据的降维初始调整值，表示为供应市场特征数据的降维合理化指数，表示为根据第个潜在供应市场特征数据与历史供应市场特征数据生成的降维调整值，表示为供应市场特征数据降维指数的异常调整值。
62.本实施例提供一种供应市场特征数据降维公式，该公式充分考虑了第个潜在供应市场特征数据、第个潜在供应市场特征数据的权重信息、第个历史供应市场特征数据、第个历史供应市场特征数据的权重信息、供应市场特征数据的降维初始调整值、供应市场特征数据的降维合理化指数、根据第个潜在供应市场特征数据与历史供应市场特征数据生成的降维调整值以及相互之间的作用关系，以形成函数关系，通过对潜在供应市场特征数据与历史供应市场特征数据进行比对处理，精准提取供应市场特征数据的核心数据，并利用该核心数据为基础进行数据降维，将供应市场特征数据从高纬度降低到低纬度，使得计算快速达到收敛阶段，减少冗余部分维度带来的计算误差，使获得的数据更加精准，实现将数据映射在更小的空间数据中进行计算，保证数据准确的情况下提高数据处理速度，节约了算力，减少硬件处理数据的压力，清晰地反映供应市场数据之间的相互关系，便于后续的数据处理，并通过供应市场特征数据降维指数的异常调整值进行修正，减少异常数据对供应市场特征数据带来的误差影响，更准确地生成供应市场特征数据降维指数，提高了对供应市场特征数据进行降维处理的准确性和可靠性。同时，该公式中的合理化指数、权重信息及调整项等参数可以根据实际情况进行调整，应用于不同的供应市场特征数据，提高了算法的灵活性与适用性。
63.在本说明书的一个实施例中，其中有效数字信号包括供应商有效数字信号以及采购方有效数字信号，步骤s3包括以下步骤：步骤s31：根据预设的有效时间段对发布供应产品时间向量进行发布时间有效性筛选，获得供应商有效时间数据；步骤s32：根据供应商有效时间数据对供应商数字信号进行有效数据提取处理，生成供应商有效数字信号；步骤s33：根据预设的有效时间段对发布需求产品时间向量进行发布时间有效性筛选，获得采购方有效时间数据；步骤s34：根据采购方有效时间数据对采购方数字信号进行有效数据提取处理，生成采购方有效数字信号。
64.本实施例通过时间范围筛选，可以排除不符合预设时间要求的数据，提取出有效的供应商和采购方数据，去除无效、冗余或者错误的数据，提高数据的质量和准确性，便于后续的分析和使用，大幅度减少数据处理量，优化处理效率和计算速度，同时，也可避免一些不必要的误差和偏差带来的影响，为后续图像分析等操作提供了基础。
65.作为本发明的一个实例，参考图4所示，为图1中步骤s3的详细实施步骤流程示意图，在本实例中所述步骤s3包括：步骤s31：根据预设的有效时间段对发布供应产品时间向量进行发布时间有效性筛选，获得供应商有效时间数据；本发明实施例中，根据业务需求和分析目的，确定预设的有效时间段，例如，可以设置一个前后各30天的时间窗口作为有效时间段，超出这个时间窗口的发布时间将被视为无效时间。对于每个供应商，将其发布供应产品时间向量中的每个元素与预设的有效时间段进行比较，判断该时间是否在有效时间内，如果在有效时间内，则认为该时间是有效时间，否则为无效时间。记录其所有的有效时间，并将其存储为一个独立的数据集，即供应商有效时间数据。
66.步骤s32：根据供应商有效时间数据对供应商数字信号进行有效数据提取处理，生成供应商有效数字信号；本发明实施例中，根据供应商有效时间数据将供应商数字信号中达到有效时间段与未达到有效时间段的供应商数字信号划分开来，将达到有效时间段的供应商数字信号进行提取，未达到有效时间段的供应商数字信号进行剔除，从而生成供应商有效数字信号。
67.步骤s33：根据预设的有效时间段对发布需求产品时间向量进行发布时间有效性筛选，获得采购方有效时间数据；本发明实施例中，根据业务需求和分析目的，确定预设的有效时间段，例如，可以设置一个前后各30天的时间窗口作为有效时间段，超出这个时间窗口的发布时间将被视为无效时间。对于每个采购方，将其发布需求产品时间向量中的每个元素与预设的有效时间段进行比较，判断该时间是否在有效时间内，如果在有效时间内，则认为该时间是有效时间，否则为无效时间。记录其所有的有效时间，并将其存储为一个独立的数据集，即采购方有效时间数据。
68.步骤s34：根据采购方有效时间数据对采购方数字信号进行有效数据提取处理，生成采购方有效数字信号。
69.本发明实施例中，根据采购方有效时间数据将采购方数字信号中达到有效时间段与未达到有效时间段的采购方数字信号划分开来，将达到有效时间段的采购方数字信号进行提取，未达到有效时间段的采购方数字信号进行剔除，从而生成供应商有效数字信号。
70.在本说明书的一个实施例中，其中供应市场图像数据包括供应商图像数据以及采购方图像数据，步骤s4包括以下步骤：步骤s41：将供应商有效数字信号进行灰度图像格式转换处理，生成供应商图像数据；步骤s42：将采购方有效数字信号进行灰度图像格式转换处理，生成采购方图像数据。
71.本实施例将供应商有效数字信号和采购方有效数字信号转换为灰度图像数据，可以更直观地描述不同供应商和采购方之间的特征差异和相似性，通过图像的形式呈现数据，可以降低数据的抽象性，增加数据的可读性和可解释性，方便理解和使用。
72.本发明实施例中，将供应商有效数字信号与采购方有效数字信号进行灰度图像转换，根据数字信号的0或1生成图像块中的黑格子与白格子。根据预设的供应商图像数据标
准将供应商有效数字信号转换成黑白格子的标识图像，以此生成供应商图像数据；根据预设的采购方图像数据标准将采购方有效数字信号转换成黑白格子的标识图像，以此生成采购方图像数据。
73.在本说明书的一个实施例中，步骤s5包括以下步骤：步骤s51：将供应商图像数据与采购方图像数据进行图像灰度值相似度计算，生成图像相似度数据；步骤s52：将图像相似度数据与预设的供应市场推荐阈值进行阈值比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息。
74.本实施例通过图像灰度值相似度计算，并且选择预设的供应市场推荐阈值，可以根据实际情况调整推荐结果，将推荐结果更加符合需求和要求，量化不同供应商和采购方之间的相似度，提高推荐准确性，去除相似度低于预设阈值的数据，节省计算资源和提高处理效率。
75.本发明实施例中，将供应商图像数据与采购方图像数据进行图像灰度值计算，将两者照片进行比对，黑白格子出现在同个地方的则为匹配因子，黑白格子不出现在同个地方的则为不匹配因子，计算匹配因子所占比率，从而生成图像相似度数据。设计好预设的供应市场推荐阈值，如设计的供应市场阈值为80%，将图像比对数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于80%，则进行剔除，当图像相似度数据大于或等于80%，则生成供应商推荐信息。
76.在本说明书的一个实施例中，步骤s6包括以下步骤：步骤s61：对图像相似度数据进行供应商与采购方的匹配度计算处理，生成供应市场匹配数据；步骤s62：根据供应市场匹配数据将供应商推荐信息进行匹配度排序处理，生成供应商排序推荐信息；步骤s63：对供应商排序推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
77.本实施例通过匹配度计算处理，可以量化不同供应商和采购方之间的匹配程度，提高推荐准确性；通过排序处理，将供应商推荐信息按照匹配度从高到低进行排序，生成更加符合需求和要求的推荐结果；通过最优供应商推荐信息提取处理，可以针对性地去除冗余信息和不必要的数据，简化数据处理，提高处理效率，为后续操作提供了必要的数据支持。同时也为用户提供了更加优质的推荐服务。
78.作为本发明的一个实例，参考图5所示，为图1中步骤s6的详细实施步骤流程示意图，在本实例中所述步骤s6包括：步骤s61：对图像相似度数据进行供应商与采购方的匹配度计算处理，生成供应市场匹配数据；本发明实施例中，通过图像相似度数据可以计算出图像对应的供应商与采购方的匹配程度，将生成的匹配程度的数据进行整合，从而生成供应市场匹配数据，供应市场匹配数据与图像相似度数据呈正比关系。
79.步骤s62：根据供应市场匹配数据将供应商推荐信息进行匹配度排序处理，生成供
应商排序推荐信息；本发明实施例中，根据供应市场匹配数据的大小将对应的供应商推荐信息进行匹配度排序处理，如供应市场匹配数据最大为98%，则将该供应市场匹配数据对应的a供应商推荐信息排在最前，以此类推，从而生成供应商排序推荐信息。
80.步骤s63：对供应商排序推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。
81.本发明实施例中，将供应商排序推荐信息中最优的供应商推荐信息进行提取处理，如供应商排序推荐信息排在最前的a供应商推荐信息进行数据提取处理，从而生成供应商优先推荐信息。
82.在本说明书的一个实施例中，提供了一种基于大数据的供应商推荐系统，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于大数据的供应商推荐方法。
83.本发明通过网络爬虫技术采集供应市场的供应商数据与采购方数据，通过对数据进行处理并提取特征数据，生成供应市场特征数据，减少冗余数据、无效数据以及异常数据，从而使得数据更加准确；对供应市场特征数据进行编码转换，将每条数据依据供应市场特征数据转化成特定的数字信号，改变对比数据之间的不同，并且在转化的过程加将数据转化成向量及无向图，节约了数据量并且加快了数据处理速度，并且每个无向图根据特征向量进行转换，使得无向图转换成数字信号时每个数据依然存在相互关系，再对数字根据有效时间进行筛选，将可能已被挑选的供应商与采购方筛选出去，从而得到最新的供应商数据以及采购方数据的数字信号，将数字信号转换成灰度图像数据，通过将供应商与采购方的灰度图像进行比对，方便计算两者之间的匹配程度，并且清晰展示给用户，将匹配程度最高的最优供应商信息进行提取，并推荐给采购方，从而节约人力挑选供应商或采购方的时间与精力，并且可以推荐用户可能找不到，但最合适的供应商与采购方的联系，从而实现基于大数据的供应商推荐方法。因此，本发明的基于大数据的供应商推荐方法可以将供应商与采购方进行推荐匹配，并通过匹配结果中，找到最优匹配推荐给供应商以及采购方，不需要通过检索找到最优的供应商，节约了人工时间，并且能进行精准的供应商匹配推荐。

技术特征：
1.一种基于大数据的供应商推荐方法，其特征在于，所述方法包括以下步骤：步骤s1：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；对供应市场数据进行数据特征提取处理，从而生成供应市场特征数据；步骤s2：对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号；步骤s3：根据预设的有效时间段对市场数字信号进行有效性筛选，从而获得有效数字信号；步骤s4：将有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据；步骤s5：将供应市场图像数据进行图像灰度值相似度计算，生成图像相似度数据；将图像相似度数据与预设的供应市场推荐阈值进行比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息；步骤s6：根据图像相似度数据对供应商推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。2.根据权利要求1所述的基于大数据的供应商推荐方法，其特征在于，步骤s1包括以下步骤：步骤s11：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；步骤s12：对供应市场数据进行数据可行性过滤处理，生成市场过滤数据；步骤s13：对市场过滤数据进行数据清洗处理，生成市场清洗数据；步骤s14：利用供应市场数据降噪公式对市场清洗数据进行数据降噪处理，生成市场降噪数据；步骤s15：对市场降噪数据进行时间序列数据整合处理，生成市场排序数据；步骤s16：对市场排序数据进行数据特征提取处理，从而生成供应市场特征数据。3.根据权利要求2所述的基于大数据的供应商推荐方法，其特征在于，步骤s14中的供应市场数据降噪公式如下所示：；式中，表示为供应市场数据降噪指数，表示为常量，表示为供应市场数据的异常值系数，表示为根据供应市场数据生成降噪指数，表示为第个供应市场数据的异常噪点数据的权重信息，表示为第个供应市场数据的异常噪点数据，表示为降噪数据初始调整值，表示为供应市场评价指标数据，表示为降噪信息修正项，表示为供应市场数据降噪指数的异常调整值。4.根据权利要求2所述的基于大数据的供应商推荐方法，其特征在于，其中市场数字信号包括供应商数字信号以及采购方数字信号，步骤s2包括以下步骤：步骤s21：对供应市场特征数据进行特征编码转换，生成市场离散特征数据；步骤s22：对市场离散特征数据进行数据标准化处理，生成市场标准特征数据；步骤s23：对市场标准特征数据进行归一化处理，生成市场归一化特征数据；步骤s24：利用供应市场特征数据降维公式对市场归一化特征数据进行特征降维处理，生成市场降维特征数据；
步骤s25：对市场降维特征数据进行特征向量转换，生成供应商特征向量与采购方特征向量；其中，供应商特征向量包括：供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量，采购方特征向量包括：需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量；步骤s26：将供应产品服务向量、供应规格向量、供应价格向量及发布供应产品时间向量进行供应商的无向图转换，生成供应商无向图；步骤s27：将需求产品服务向量、需求规格向量、需求价格向量及发布需求产品时间向量进行采购方的无向图转换，生成采购方无向图；步骤s28：将供应商无向图进行供应商数字信号编码转换处理，生成供应商数字信号；步骤s29：将采购方无向图进行采购方数字信号编码转换处理，生成采购方数字信号。5.根据权利要求4所述的基于大数据的供应商推荐方法，其特征在于，步骤s24中的供应市场特征数据降维公式如下所示：；式中，表示为供应市场特征数据降维指数，表示为第个潜在供应市场特征数据，表示为第个潜在供应市场特征数据的权重信息，表示为第个历史供应市场特征数据，表示为第个历史供应市场特征数据的权重信息，表示为供应市场特征数据的降维初始调整值，表示为供应市场特征数据的降维合理化指数，表示为根据第个潜在供应市场特征数据与历史供应市场特征数据生成的降维调整值，表示为供应市场特征数据降维指数的异常调整值。6.根据权利要求4所述的基于大数据的供应商推荐方法，其特征在于，其中有效数字信号包括供应商有效数字信号以及采购方有效数字信号，步骤s3包括以下步骤：步骤s31：根据预设的有效时间段对发布供应产品时间向量进行发布时间有效性筛选，获得供应商有效时间数据；步骤s32：根据供应商有效时间数据对供应商数字信号进行有效数据提取处理，生成供应商有效数字信号；步骤s33：根据预设的有效时间段对发布需求产品时间向量进行发布时间有效性筛选，获得采购方有效时间数据；步骤s34：根据采购方有效时间数据对采购方数字信号进行有效数据提取处理，生成采购方有效数字信号。7.根据权利要求6所述的基于大数据的供应商推荐方法，其特征在于，其中供应市场图像数据包括供应商图像数据以及采购方图像数据，步骤s4包括以下步骤：步骤s41：将供应商有效数字信号进行灰度图像格式转换处理，生成供应商图像数据；步骤s42：将采购方有效数字信号进行灰度图像格式转换处理，生成采购方图像数据。8.根据权利要求7所述的基于大数据的供应商推荐方法，其特征在于，步骤s5包括以下步骤：步骤s51：将供应商图像数据与采购方图像数据进行图像灰度值相似度计算，生成图像相似度数据；
步骤s52：将图像相似度数据与预设的供应市场推荐阈值进行阈值比对计算，当图像相似度数据小于供应市场推荐阈值，则对图像相似度数据进行剔除，当图像相似度数据大于或等于供应市场推荐阈值，则生成供应商推荐信息。9.根据权利要求8所述的基于大数据的供应商推荐方法，其特征在于，步骤s6包括以下步骤：步骤s61：对图像相似度数据进行供应商与采购方的匹配度计算处理，生成供应市场匹配数据；步骤s62：根据供应市场匹配数据将供应商推荐信息进行匹配度排序处理，生成供应商排序推荐信息；步骤s63：对供应商排序推荐信息进行最优供应商推荐信息提取处理，从而生成供应商优先推荐信息。10.一种基于大数据的供应商推荐系统，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至9中任一项所述的基于大数据的供应商推荐方法。

技术总结
本发明涉及数据处理技术领域，尤其涉及一种基于大数据的供应商推荐方法及系统。所述方法包括以下步骤：获取供应商及采购方信息数据并进行分析，以获得供应市场数据；对供应市场数据进行数据特征提取处理，从而生成供应市场特征数据；对供应市场特征数据进行数字信号编码转换处理，从而生成市场数字信号；根据预设的有效时间段对市场数字信号进行有效性筛选，从而获得有效数字信号；将有效数字信号进行灰度图像格式转换处理，从而生成供应市场图像数据；将供应市场图像数据进行图像灰度值相似度计算，生成图像相似度数据。本发明通过计算供应市场中的供应商信息与采购方信息的匹配程度，以实现对供应商推荐方法。以实现对供应商推荐方法。以实现对供应商推荐方法。


技术研发人员：彭剑兵 吴景文 湛亮 熊大为
受保护的技术使用者：湖南华菱电子商务有限公司
技术研发日：2023.08.16
技术公布日：2023/9/13