本发明属于数据分析，涉及一种基于双向transformer的选取合作企业的预测方法及系统。
背景技术：
1、在全球化和数字化深度融合的商业格局中，尤其在印刷装备制造业这一细分领域，构建高效、低成本的印刷装备制造生态已成为塑造核心竞争力不可或缺的一环。而印刷装备制造生态的构建，关键在于如何科学地选择企业伙伴来实现印刷机的外协生产。
2、在传统的印刷供应链合作模式下，印刷装备制造企业一般是通过合同的方式或固定的配套企业展开合作，由于严重缺乏必要的数据支持和客观参照基准，对优质、高效外协企业的发掘与甄选在很大程度上过度依赖于人的主观判断。这种高度依赖性在面对瞬息万变的市场需求以及技术持续革新的大背景下，使得供应链体系很难充分发掘最具性价比及效能最优的外协合作伙伴，从而限制了整体供应链效率和竞争力的提升。
3、随着大数据、云计算、物联网以及人工智能的快速发展，实时获取和处理海量异构数据的能力显著增强。尽管技术进步带来了前所未有的机遇，印刷装备制造企业合作伙伴预测仍面临着一系列挑战：
4、第一、印刷装备制造企业合作伙伴间的交互关系复杂多变，涉及到企业的多个维度，需要有并行处理大量数据的能力。
5、第二、数据质量和完整性问题突出，在处理伙伴信息时难以兼顾全局信息，容易导致预测局限在局部范围。
6、第三、面对印刷装备制造业中不断变化的伙伴数量和交易模式，现有的预测方法难以灵活适应。
技术实现思路
1、本发明的目的在于解决现有技术中印刷装备制造企业合作伙伴间的交互关系复杂多变，涉及到企业的多个维度，在选取合作伙伴时缺少理想的预测辅助方法，导致在处理伙伴信息时难以兼顾全局信息，很难找到更符合自身需求的合作伙伴的问题，提供一种基于双向transformer的选取合作企业的预测方法及系统。
2、为达到上述目的，本发明采用以下技术方案予以实现：
3、一种基于双向transformer的选取合作企业的预测方法，包括以下步骤：
4、获取待合作企业相关信息的数据集；
5、构建基于双向transformer的预测模型，将数据集作为预测模型的输入，获取企业特征向量；
6、在预测模型的输出层后添加全连接层和softmax层，将企业特征向量作为全连接层和softmax层的输入，依次完成企业特征向量的映射和数值转换，获取企业预测的概率值。
7、本发明的进一步改进在于：
8、所述待合作企业相关信息的数据集包括：
9、获取一个区域内印刷装备制造企业的业务数据，包括加工企业基本信息、加工企业制造能力和加工企业历史合作；
10、所述加工企业基本信息包括企业id、企业名称、成立日期、企业地址和注册资本；
11、所述加工企业制造能力包括金属切削机床类型、可加工零件类型、零件尺寸和零件加工精度，所述零件加工精度包括表面粗糙度、零件同轴度、零件平行度、零件垂直度和重复定位精度；
12、所述加工企业历史合作包括合作方名称、具体合作项目和合作满意度，所述合作满意度包括产品满意度、服务水平满意度和沟通效率满意度。
13、还包括对数据集进行清洗和预处理。
14、所述双向transformer的预测模型的结构包括词嵌入模块、位置编码模块、前向多头注意力模块、后向多头注意力模块、残差连接模块和归一化模块和前馈神经网络模块。
15、所述获取企业特征向量，包括以下步骤：
16、将预处理好的数据集输入至嵌入模块中，建立嵌入矩阵向量，其中每行表示一个企业的token嵌入；
17、将嵌入矩阵向量输入至位置编码模块中，输出带有位置信息的token嵌入向量；
18、将带有位置信息的token嵌入向量依次输入至前向多头注意力模块和后向多头注意力模块中，获得企业特征信息的注意力权重，使用注意力权重对所有token嵌入进行加权求和，生成加权向量；
19、将注意力权重和加权向量经过残差连接模块和归一化模块处理，提取印刷制造企业特征，然后经过前馈神经网络模块处理，捕捉印刷制造企业数据间中的模式和关系。
20、所述位置编码模块通过下式计算：
21、奇数维度：
22、pe(pos,2i)＝sin(pos/10000)2i/dmodel
23、偶数维度：
24、pe(pos,2i+1)＝cos(pos/10000)2i/dmodel
25、其中，pos表示印刷制造企业顺序序列，i表示维度索引，dmodel是模型的隐藏层维度大小；
26、所述前向多头注意力模块和后向多头注意力模块均通过下式计算：
27、
28、其中，q是查询矩阵，表示查询印刷制造企业的编码向量；k是键矩阵，表示候选伙伴企业的特征编码向量集合；v是值矩阵，表示候选伙伴企业的特征价值向量集合；dk是键向量的维度；
29、前馈神经网络计算如下：
30、fnn(xi)＝max(0,xiwi+bi)wi+1+bi+1
31、式中，xi是第i印刷制造企业的特征向量、wi是第i层的权重矩阵、bi是第i层的偏置项。
32、还包括利用交叉损失函数计算获取的企业预测的概率值与真实标签之间的误差，将误差作为优化目标，调整模型参数。
33、一种基于双向transformer的选取合作企业的预测系统，包括：
34、数据集获取模块，用于获取待合作企业相关信息的数据集；
35、特征获取模块，用于构建基于双向transformer的预测模型，将数据集作为预测模型的输入，获取企业特征向量；
36、预测模块，用于在预测模型的输出层后添加全连接层和softmax层，将企业特征向量作为全连接层和softmax层的输入，依次完成企业特征向量的映射和数值转换，获取企业预测的概率值。
37、一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本发明任一项所述方法的步骤。
38、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明任一项所述方法的步骤。
39、与现有技术相比，本发明具有以下有益效果：
40、本发明公开了一种基于双向transformer的选取合作企业的预测方法，本方法是基于双向transformer的架构构建了预测模型，将预先获得数据作为预测模型的输入进行处理，提取企业的特征向量，保证前期企业特征提取的全面性和充分性，更好地捕捉印刷制造企业数据间中的复杂模式和关系，同时在预测模型的输出层后添加全连接层和softmax层，能够更全面可靠的分析企业特征，并获取最后的预测值，本方法中，双向transformer的架构的预测模型在处理多企业信息时，可以捕捉并整合企业在不同时期的关键动态信息，能捕到未来伙伴的选择可能与过去某个特殊时期的合作决策有着密切联系的特征信息，实现远距离依赖关系的信息预测，可以兼顾全局信息，有助于帮助企业发掘并遴选兼具性价比与卓越效能的外协合作伙伴，以此有力推进印刷装备制造企业构建一个高效、低成本的印刷装备制造生态。
1.一种基于双向transformer的选取合作企业的预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，所述待合作企业相关信息的数据集包括：
3.根据权利要求1所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，还包括对数据集进行清洗和预处理。
4.根据权利要求1所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，所述双向transformer的预测模型的结构包括词嵌入模块、位置编码模块、前向多头注意力模块、后向多头注意力模块、残差连接模块和归一化模块和前馈神经网络模块。
5.根据权利要求4所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，所述获取企业特征向量，包括以下步骤：
6.根据权利要求5所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，所述位置编码模块通过下式计算：
7.根据权利要求1所述的一种基于双向transformer的选取合作企业的预测方法，其特征在于，还包括利用交叉损失函数计算获取的企业预测的概率值与真实标签之间的误差，将误差作为优化目标，调整模型参数。
8.一种基于双向transformer的选取合作企业的预测系统，其特征在于，包括：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
