[发明专利]采购商账期风险预测方法

说明书

本发明公开采购商账期风险预测方法，所述方法包括：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。本发明方法采用C4.5决策树的方法对采购商账期风险进行预判，给予供应商有价值的风险预测参考，能够在一定程度上改善账期风险判断的准确性和效率。

技术领域

本发明属于数据处理技术领域，具体涉及采购商账期风险预测方法。

背景技术

账期是指从供应商向采购商供货后，直到采购商付款的这段时间。给予采购商账期，采购商能够节省大量的资金，尤其是交易的时间会非常快捷，减少了沟通成本；但由于采购商会存在拖欠款的情况，对供应商造成极大的不利影响。对于供应商是否给予采购商账期，是否存在风险，目前一般采用人工评估的方法进行判断是否给予采购商账期。

而现有技术中缺乏合适的自动评估方法。有鉴于此，有必要提供一种采购商账期风险预测方法，以解决上述问题。

发明内容

本发明的目的是：针对背景技术描述的问题，本发明提供采购商账期风险预测方法，采用C4.5决策树的方法对采购商账期风险进行预判，给予供应商有价值的风险预测参考，能够在一定程度上改善账期风险判断的准确性和效率。

为了解决上述问题，本发明所采用的技术方案是：

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。

进一步的，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。

进一步的，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。

进一步的，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；