探索基于快速神经建模和语义细分的企业采购管理系统的最佳途径.
Xiaodong Wang1,2, Xinchao Shi1, Junbo Chen3
1Business School, Zhengzhou University of Aeronautics, Zhengzhou, China.
Heliyon
|May 1, 2024
概括
本研究介绍了一个智能采购系统模型,使用卷积神经网络 (CNN) 和强化学习来打击勾结. 这种新的方法在识别采购风险方面取得了很高的准确性,提高了系统优化.
科学领域:
- 工商管理 工商管理
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 在不断变化的全球市场中,企业采购面临着效率低下和不合规等挑战.
- 智能采购系统需要强大的风险减轻方法,特别是针对勾结行为.
研究的目的:
- 为智能采购系统提出一种新的采购勾结识别模型.
- 为了减轻与企业采购管理中的勾结行为相关的风险.
主要方法:
- 一种混合模型,将卷积神经网络 (CNN) 和长短期记忆 (LSTM) 结合起来进行特征分析.
- 整合强化学习来增强模型的自主性和智能,以实现优化.
- 使用五个公共数据集的各种采购数据进行实验分析.
主要成果:
- 拟议的模型在数据集中实现了95.1%的平均识别精度.
- 与现有的机器学习方法和常见识别网络相比,其表现优越.
- 经验发现证实了该模型在识别采购勾结方面的能力.
结论:
- 开发的模型为智能采购系统管理和优化提供了开创性的解决方案.
- 提供了一个强大的框架,用于降低企业采购中的勾结风险.
- 强调了将CNN,LSTM和强化学习整合到先进的采购管理中的潜力.
