
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种基于多头自注意力与时序卷积网络的半公开动态预匹配模型,用于船舶材料采购
《Scientific Reports》:A semi-public dynamic pre-matching model based on multi-head self-attention and temporal convolutional network for ship material procurement
【字体: 大 中 小 】 时间:2026年08月06日 来源:Scientific Reports 4.9
编辑推荐:
摘要在船舶材料采购过程中,由于定制化组件、不稳定的订单周期,以及买卖双方都不愿完全公开规划信息,导致需求方与供应商的能力之间存在长期不匹配的问题。现有的匹配方法难以在这种半公开环境下发挥作用,因为在这种环境下需要在一个决策框架内同时处理较长的预测时间跨度、不同类型的数据流,以及双
在船舶材料采购过程中,由于定制化组件、不稳定的订单周期,以及买卖双方都不愿完全公开规划信息,导致需求方与供应商的能力之间存在长期不匹配的问题。现有的匹配方法难以在这种半公开环境下发挥作用,因为在这种环境下需要在一个决策框架内同时处理较长的预测时间跨度、不同类型的数据流,以及双方的保密需求。我们用“半公开”来指代那种部分、选择性且带有条件性的信息披露方式,即信息仅对匹配平台及经过筛选的特定对方可见,而不会完全公开。本文提出了一种MHA-TCN模型,该模型结合了多头自注意力机制与时间卷积网络,用于解决在这种信息披露条件下的动态预匹配问题。一种分层编码方案根据信息的敏感程度对不同属性进行分类,通过分桶处理和校准噪声来在保护信息安全与提升预测精度之间取得平衡。堆叠的扩张因果卷积能够从库存、审批和查询数据流中提取出长时段的时间模式,而掩码交叉注意力机制则通过一种学习得到的控制机制,能够在训练过程中确保双方的隐私得到保护,从而融合买卖双方的特征表示。该模型在包含明确隐私惩罚的复合损失函数指导下,同时优化兼容性评分、分时段数量预测以及交易达成概率。通过对一家中国大型造船企业3年的采购数据进行的实验表明,所提出的模型能够提高前5名匹配结果的F1值,降低数量预测误差,且即使在强隐私保护措施下也能保持较高的匹配质量;具体数值、显著性检验结果及置信区间详见第4节。消融实验结果显示,半公开编码机制和多头注意力模块对模型性能的提升作用最为显著,而基于实际采购决策的案例验证表明,该模型的准确率可超过87%。该模型为船舶制造供应链中的主动式、注重隐私的采购规划提供了可行的解决方案。
生物通微信公众号