2、智能寻源算法基础：算法输入输出、特征工程、模型选型（分类/回归/排序）
智能寻源算法的核心任务是从海量供应商与物料组合中，自动筛选出符合品类策略的最优候选集。本章聚焦算法的数据流与模型选择，为后续安全权限注入与异常调试奠定技术基础。
2.1 算法输入输出定义
寻源算法的输入可归纳为三个维度：需求特征、供应商特征、约束条件。输出则根据业务场景分为候选集、评分排序或决策标签。
| 维度 | 典型字段 | 数据类型 | 示例 |
|---|---|---|---|
| 需求特征 | 物料编码、品类、数量、期望交期、目标价格 | 数值 / 类别 / 时间 | “MTR-001, 电子元器件, 5000pcs, 2025-06-30, ¥0.85” |
| 供应商特征 | 历史准交率、质量评分、产能、距离、信用等级 | 数值 / 类别 | “98.5%, A级, 200K/月, 120km, 优秀” |
| 约束条件 | 合规清单、配额比例、最低起订量、区域限制 | 布尔 / 数值 | “合规=true, 配额≤30%, MOQ=1000” |
| 输出 | 候选供应商列表、推荐分数、决策标签 | 列表 / 浮点 / 枚举 | “[V001:0.92, V003:0.87, V007:0.76]” |
输入校验要点： 在安全架构中，输入层必须做权限标签注入（如品类可见域、供应商黑白名单），否则模型可能泄露越权数据。
2.2 特征工程核心流程
特征工程将原始业务字段转化为模型可学习的数值向量。在寻源场景中，特征工程需同时处理数值型、类别型、时序型与文本型数据。
- 缺失值处理： 供应商评分缺失时，使用品类均值或中位数填充；关键字段（如合规状态）缺失则直接剔除。
- 类别编码： 品类、区域等低基数类别使用 One-Hot 编码；供应商 ID 等高基数类别使用 Target Encoding 或 Embedding。
- 数值标准化： 价格、产能等量纲差异大的字段，采用 Z-Score 或 Min-Max 归一化。
- 时序特征提取： 从历史订单中提取“近30天准交率波动”、“季度质量趋势”等统计量。
- 交叉特征： 品类×区域的历史合作次数、价格×距离的物流成本估算。
特征安全过滤： 在特征工程阶段，需根据用户权限动态屏蔽不可见的供应商特征（如竞争对手价格），避免模型间接推断敏感信息。
2.3 模型选型：分类 / 回归 / 排序
寻源算法根据业务目标选择不同的模型范式。下表对比三种模型在寻源场景中的适用性：
| 模型类型 | 业务目标 | 典型输出 | 常用算法 | 评估指标 |
|---|---|---|---|---|
| 分类 | 供应商是否合格 / 是否推荐 | 0/1 标签或概率 | 逻辑回归、XGBoost、LightGBM | 准确率、召回率、F1、AUC |
| 回归 | 预测供应商报价、交期天数 | 连续数值 | 线性回归、随机森林回归、GBRT | MAE、RMSE、R² |
| 排序 | 对候选供应商进行优先级排序 | 有序列表 + 分数 | LambdaMART、ListNet、BERT-Ranker | NDCG@K、MRR、MAP |
品类策略对模型选型的影响： 战略品类（高价值、高风险）更适合排序模型，以精细权衡质量与成本；杠杆品类（低风险、高竞争）可用分类模型快速筛选；瓶颈品类（低价值、高风险）则需回归模型预测供应稳定性。
2.4 模型选型决策流程
实际项目中，模型选型需结合品类策略、数据量与可解释性要求。以下为推荐决策步骤：
- 品类分组： 根据品类矩阵（Kraljic模型）将物料分为战略、杠杆、瓶颈、常规四类。
- 目标定义： 战略品类→排序（多目标优化）；杠杆品类→分类（快速过滤）；瓶颈品类→回归（风险预测）。
- 数据量评估： 样本量 < 1K 时优先选择逻辑回归或线性回归；样本量 > 10K 时启用树模型或深度排序模型。
- 可解释性约束： 受监管品类（如医疗、军工）强制使用可解释模型（决策树、逻辑回归），避免黑箱。
- 安全权限注入： 在模型推理层前插入权限掩码层，确保输出结果不包含用户无权查看的供应商。
2.5 安全权限在算法层的注入点
智能寻源算法必须与安全架构深度耦合。以下为三个关键注入点：
- 输入层： 根据用户角色过滤需求物料与供应商列表，确保模型只看到授权数据。
- 特征层： 对敏感特征（如供应商利润率）进行脱敏或掩码，防止模型通过特征组合推断越权信息。
- 输出层： 对模型输出的候选列表进行二次权限校验，剔除用户无权查看的供应商记录。
异常调试提示： 当模型输出结果与预期严重偏离时，优先检查输入层权限过滤是否误拦截了合法数据，或特征层是否因权限掩码导致特征分布偏移。
本章为后续安全权限设计（第3章）与异常调试框架（第4章）提供了算法层面的完整上下文。理解输入输出规范、特征工程要点与模型选型逻辑，是构建安全、可解释的智能寻源系统的前提。