宋君遠,楊興紅

(1.滁州職業(yè)技術學院 經(jīng)濟貿(mào)易系,安徽 滁州 239000;2.安徽省機構編制委員會辦公室,安徽 合肥 230001)

供應鏈合作潛力評價中的知識應用

宋君遠1,楊興紅2

(1.滁州職業(yè)技術學院 經(jīng)濟貿(mào)易系,安徽 滁州 239000;2.安徽省機構編制委員會辦公室,安徽 合肥 230001)

供應鏈選擇是合作關系建立的基礎,一定程度上決定了供應鏈合作的成敗和效率,科學的供應鏈合作伙伴選擇方法有利于企業(yè)準確鎖定合適的合作對象。文章將案例推理技術應用于供應鏈合作伙伴的選擇過程中,提出了基于案例推理的供應鏈合作伙伴的應用框架和選擇模式,并就供應鏈合作伙伴案例知識表示、案例檢索、案例修正等關鍵技術進行了系統(tǒng)研究,重點是融合傳統(tǒng)算法和模糊集計算方法提高檢索的適應性和準確性。

案例推理;供應鏈;合作伙伴

Abstract:Choosing supply chain is the foundation of partnership.It deter mines efficiency and feasibility of cooperation.A scientific method of choosing supply chain partners can help companies to achieve right target.In this article,the theory of Case-based Reasoning is adopted in the process of how to select the partners in the supply chain,and an application frame and selection model are established according to this theory.Knowledge representation,case adjustment,case retrieve and some othermethods are also systemically discussed in this article.The key point of this article is Fuzzy Set and some traditional ones are adopted to improve adaptability and correctness of case retrieval.

Key words:case-based reasoning;supply chain;partners

基于案例的推理是近十幾年來人工智能中發(fā)展起來的一種重要的推理模式,是一種基于經(jīng)驗知識進行推理的人工智能方法,是對人類認知過程的一種模擬,一般區(qū)別于基于規(guī)則的推理[1]。CBR是基于已有的經(jīng)驗,從中搜索和新問題相似的案例,然后根據(jù)相似案例的解決方案作適當?shù)恼{(diào)整來得出新問題的處理方案?？梢?在CBR的整個過程中,主要包括以下幾個重要的組成部分:案例的知識表示,案例的搜索,案例解決方案的調(diào)整和確定、案例的學習[2],如圖1所示。

圖1 基于案例的推理的流程

一、基于案例推理的供應鏈合作伙伴選擇模式分析

1.供應鏈合作伙伴選擇案例庫的建立。所建案例庫存儲的是該企業(yè)或典型供應鏈企業(yè)在近幾年內(nèi)所有供應鏈合作伙伴選擇的成功或失敗的典型案例。它是基于案例推理的供應鏈合作伙伴選擇的基礎。

2.對供應鏈合作伙伴選擇新案例的知識表示。搜集新案例的相關特征,并據(jù)此實現(xiàn)對新案例的知識表示。將案例表示為可辨別的特征屬性是進行案例搜索的前提。

3.案例的搜索。在案例庫中根據(jù)相關特征及其權重搜索出跟新案例最為相似的案例。

4.調(diào)整舊方案并確定新方案。根據(jù)新案例不同于舊案例的特征對舊案例的解決方案進行調(diào)整,并確定新問題的解決方案。

5.案例的評價及學習。對新案例的解決方案進行評價、分析,并更新方案庫。

二、案例庫的組織

案例是案例推理的基礎,案例庫是實現(xiàn)基于案例的推理的前提,能否建立一個涵蓋廣泛、內(nèi)容準確的案例庫對基于案例推理的供應鏈合作伙伴選擇是至關重要的。

(一)供應鏈合作伙伴選擇案例的收集與處理

供應鏈合作伙伴選擇案例具有復雜性、不精確性等特性,這要求收集案例時必須有的放矢,注重案例選擇的代表性和資料的可得性,同時必須組織多個領域的專家組制定專門針對案例收集的方案,根據(jù)同行業(yè)和非同行業(yè),甚至是單個特定類別分別進行案例的收集,以達到案例對問題解決的真正有效性。在案例選取時要遵循案例的目的性、系統(tǒng)性、可行性、可比性、獨立性、結構層次性原則[3]。建立案例庫時把案例描述知識和案例特征指標值分別以數(shù)據(jù)的形式存放,通過建立案例存儲的關系數(shù)據(jù)庫對案例進行管理。

供應鏈合作伙伴選擇系統(tǒng)通過一定的搜索方法和相似度來獲取其需要的案例,但在這些過程中存在以下三個問題。

1.案例存儲耗費空間較大。

2.案例獲取效率和獲取精度隨系統(tǒng)運行的次數(shù)增加迅速下降。

3.案例調(diào)整的難度較大。

以上問題可通過適當?shù)陌咐M合與分解來實現(xiàn)。這樣在減少案例庫容量的同時還增加了案例獲取的效率和案例的調(diào)整能力。供應鏈合作伙伴選擇系統(tǒng)在案例獲取的過程中,對案例庫、目標分析庫,方案評價庫三個內(nèi)容進行訪問,為了使系統(tǒng)中的設計為可分解的,可以增加另外一個案例分解組件,如通過DLL語句自動生成一個TTable組件完成。當訪問案例分解組件時,系統(tǒng)把用戶輸入的問題拆開并調(diào)用相似尺度進行篩選,然后將案例組合起來后再通過一定的算法從中取出最適合目標問題的一組案例作為給用戶的解答。

(二)供應鏈合作伙伴選擇案例特征指標體系的建立

供應鏈合作伙伴選擇的影響因素可以分為供應鏈合作伙伴的核心能力因素、供應鏈合作伙伴關系的協(xié)同因素、供應鏈合作伙伴關系運行環(huán)境因素、供應鏈合作伙伴運行績效因素四類[4]。這四類因素是選擇供應鏈合作伙伴的關鍵因素,即一級指標體系。這四類具體包括上述14個因素,即每一個一級指標體系包括若干個二級指標,一級指標體系和二級指標體系構成供應鏈合作伙伴選擇的遞階指標體系,具體因素和因素權重需要根據(jù)具體情況有所不同。本文建立的評價指標體系結構,在根據(jù)合作伙伴選擇指標體系選擇了合作伙伴之后,判定選擇是否成功可檢驗是否達到企業(yè)最初所要達到的目標[5]。

1.所選擇的合作伙伴與本企業(yè)具有共同的戰(zhàn)略目標和戰(zhàn)略計劃,以便供應鏈管理能達到同步的戰(zhàn)略管理。

2.所選擇的合作伙伴的生產(chǎn)能力達到企業(yè)預期的標準,且在技術創(chuàng)新方面有自己的優(yōu)勢。

3.所選擇的合作伙伴具有足夠的合作精神。所建立的基于案例推理的供應鏈合作伙伴選擇案例的特征指標體系如圖2所示。

(三)供應鏈合作伙伴選擇案例庫的設計

本文采用關系數(shù)據(jù)庫來建庫,案例庫中用各個指標作為域名,采用案例號作為關鍵字。目標分析庫中采用分析結果作為域名,采用案例號作為主關鍵字。方案評價庫中采用評價結果作為域名,也采用案例號作為主關鍵字。利用關系數(shù)據(jù)庫存儲案例后,對案例庫、目標分析庫、方案評價庫進行管理和維護。案例庫包含三個內(nèi)容:案例庫,目標分析庫,方案評價庫,如圖3所示。

圖2 基于案例推理的供應鏈合作伙伴選擇案例的特征指標體系

圖3 案例庫的組成

三、供應鏈合作伙伴選擇案例的知識表示方法

供應鏈合作伙伴選擇案例的知識表示具體做法應該先將伙伴選擇用領域知識表示,然后用規(guī)范的知識表示來描述,形成伙伴選擇案例,以方便以后的案例推理[6]。根據(jù)整個案例推理過程所包含的信息,主要由問題目標、問題描述、問題解決辦法和專家評價組成,用多元式描述為:

其中,O={o1,o2,...,om}是一個有限非空集合,表示案例解決的問題所要達到的目標;P={p1,p2,…,pm}是一個有限集合,表示案例所具有的各種問題特征的描述;S= {s1,s2,…,sm}是一個有限非空集合,表示由問題特征集產(chǎn)生的解決辦法集;E={e1,e2,…,em}是一個有限集合,表示專家對此案例的評價集。針對上述供應鏈合作伙伴選擇的特點和案例指標體系的建立,需要選擇一種有效的知識表達方式較為全面。

本文采用框架表示法來表示供應鏈合作伙伴選擇案例。框架中的槽表示某一方面的屬性,并根據(jù)各個屬性重要程度的不同,賦予相應的權值。側面用于描述相應屬性的一個方面[7]。槽和側面的屬性值分別稱為槽值和側面值。各個屬性對應的權值在實際情況中并不是固定的,它是由各個領域的專家組給出的。本文的案例知識表示如表1所示。

四、供應鏈合作伙伴選擇案例檢索

本文首先選擇使用目前常用的案例的索引算法——最近相鄰法,又鑒于在供應鏈合作伙伴選擇案例中,描述案例特征的屬性很多,且有的特征屬性在不同的案例里會有不同的權重值[8],因此,本文同時也使用了改進TC相似法來檢索最優(yōu)案例。

表1 案例的知識表示

案例的檢索常用的方法有三種:相聯(lián)檢索、層次檢索和基于知識的檢索[9]。本文選擇與最近相鄰法相對應的案例檢索方法——相聯(lián)檢索。案例庫將每個案例合作項目設為該案例的作業(yè)類別字段,并將案例的作業(yè)類別作為第一檢索條件。同時由于案例庫采用關系數(shù)據(jù)庫技術存儲,可將案例特征的第一描述符作為第二檢索條件。在出現(xiàn)新問題時可以利用搜索語句對眾多的案例先后進行兩次檢索,找出與新問題在這兩個檢索條件上相匹配的關聯(lián)案例,形成候選案例集合。

經(jīng)上述處理得到候選案例集合之后,將候選案例集合中各個案例的案例特征與新問題的內(nèi)容描述進行匹配,通過算法得出兩者的相似度,再得到兩案例之間的相似度,從中選出相似度最大的案例,此案例即為搜索得到的最優(yōu)案例[10]?？紤]到供應鏈合作伙伴選擇案例特征屬性的不確定性等,直接應用歐拉距離計算會導致結果偏離實際。因此,本文首先在歐拉距離計算相似度的基礎上結合了模糊數(shù)學的相關算法,然后結合使用最鄰近法和改進TC相似法計算相似度,形成簡單有效的混合檢索方法,稱之為TF-KNN法。

(一)對數(shù)據(jù)進行歸一化處理

把案例屬性值按照某種函數(shù)歸一化到某一無量綱區(qū)間,并將所有相關特征屬性歸一化到同一量級內(nèi),以便計算結果能更準確地反映源案例與目標案例間的匹配度。為了使計算結果更為準確,筆者引入一種歸一化效用函數(shù),將不同量綱的原始特征屬性值轉換到[-1,1]區(qū)間,同時盡可能將特征屬性值轉換成與原始屬性值成正比關系的值。

設S=(S1,S2,…,Sm-1,Sm)是源案例集,C=(C1,C2,…,Cm-1,Cn)是案例的屬性集,構造特征屬性矩陣:

式(2)中Xij代表第i個案例的第j個屬性值。

記第i個特征屬性的平均值為ˉCj,j=1,2,…,n,中間變量為Mij,有:

將原始特征屬性值轉換到[-1,1]區(qū)間上的效用函數(shù)為X′ij,令Xij=X′ij,可得歸一化效用函數(shù)為:

Yij=F(Mij)是一條曲線,其中Mij反映了原始數(shù)據(jù)Xij與均值的偏離程度:

當Xij=時候,Mij=0;

當Xij>時候,Mij>0,此時,Yij隨著Mij的增長而非線性遞增;

當Xij<ˉCj時候,Mij<0,此時,Yij隨著Mij的增長而非線性遞減。

通過進一步的研究發(fā)現(xiàn),當Xij>時,經(jīng)過轉換后其效用函數(shù)值Yij大于0,原始值越大效用函數(shù)值越大;當原始值Xij=2時,效用函數(shù)值Yij達到0.9以上;當Xij>4時,效用函數(shù)值Yij接近上限值1。同理,當Xij<ˉCj時,經(jīng)過轉換后其效用函數(shù)值Yij小于0,原始值越大效用函數(shù)值越小;當原始值Xij=-2ˉCj時,效用函數(shù)值Yij達到-0.9以下;當Xij<4ˉCj時,效用函數(shù)值Yij接近下限值-1。

(二)特征屬性的分類及其對應的相似度計算方法

結合供應鏈合作伙伴選擇案例的特點,將其特征屬性分為三類:確定數(shù)字屬性集(如79%、29%等)、確定符號屬性集(如是,不是,有,沒有,等)和模糊概念屬性集。不同類型屬性之間的相似度采用不同的計算方式。具體做法如下:

1.確定的數(shù)字屬性值:該種屬性值可以是連續(xù)的,也可以是離散的,相似度計算方法為:

式(5)中,max(i)和min(i)分別表示存儲在數(shù)據(jù)庫中的經(jīng)驗值,由專家組確定,代表一般情況下該屬性的取值范圍。其起著將特征屬性間的絕對差值轉為相對差值的作用。當難以確定時,可簡單地由專家確定兩者之差為一正實數(shù)k。

2.確定符號屬性值:該種屬性值通常用明確的術語表示,如“是”或“不是”、“有”或“沒有”等。此種數(shù)值的相似度計算為:

3.模糊概念屬性值:該種屬性值可以認為是一概念變量,所有這樣的屬性值可構成一項目集。項目集中,每一項目對應一模糊概念。模糊關系和模糊數(shù)可以用高斯函數(shù)表示,為了簡化計算,這里采用基于梯形的模糊集合來模擬模糊屬性,其函數(shù)為:

所以模糊集的隸屬函數(shù)為:

式(8)中c,c′,p是參數(shù),一般由領域專家確定。

通過計算兩個隸屬函數(shù)對應余弦的夾角作為模糊集之間的相似度,具有既準確又簡單的優(yōu)點。其計算公式為:

(三)最終相似度的計算

為了提高基于案例推理的供應鏈合作伙伴選擇案例檢索的準確性,本文結合使用了最鄰近法和改進TC相似法計算源案例與目標案例之間的相似度。具體過程為:

1.判斷目標案例與源案例各個指標的權重是否一樣,一樣則按式(10)計算最終相似度,如不一樣則據(jù)式(11)計算最終相似度。

2.根據(jù)最近相鄰近法的相似度定義計算案例之間的相似度。按照上述不同的計算方法將各個不同種類的特征屬性的相似度sim0(xi,yi)求出,代入即可得到源案例和目標案例的相似值。

式(10)中,wi為各屬性的權重?！苭i=1初始默認權重由專家評估法給出,如表2所示,使用過程中不滿足時可以調(diào)整。

表2 基于案例推理的供應鏈合作伙伴選擇案例特征屬性的權重

3.據(jù)改進TC相似法的相似度定義計算案例之間的相似度。因為目標案例與源案例之間指標的權值不一樣,所以不能直接使用上述不同類型屬性的計算方法計算各指標之間的相似度[11]。為了減少案例檢索的計算量,減輕系統(tǒng)負荷,直接對目標案例與源案例的權值進行處理,求其平均值,然后按照上述計算方法求出各個不同種類的特征屬性的相似度sim1(xi,yi),代入即可求得源案例和目標案例的最終相似度。

式(11)中,wiX是第i個指標在案例X中的權值,是第i個指標在案例G中的權值

本文的案例檢索算法如圖4所示。

圖4 案例檢索算法的流程

從候選案例集中選出相似度最大的案例,此案例即為搜索得到的最優(yōu)案例。

五、案例指標權重的確定

(一)初始權重的確定

考慮到供應鏈合作伙伴選擇指標的不確定性,本文選擇特菲爾法,它的特點是征詢專家意見,不受他人影響,具有權威性。通過專家評估法確定權重值,一般需要經(jīng)過幾上幾下的過程[12],具體過程如圖5所示。

圖5 專家評估法定權重的流程

1.邀請奇數(shù)名在供應鏈合作伙伴選擇領域的專家參加。

2.向專家發(fā)“權重征詢表(表3)”,請各專家依自己的看法填寫權重和子權重。在第一次調(diào)查中不提供參考權重,第二次調(diào)查起,提供參考權重,供專家借鑒。

3.用數(shù)理統(tǒng)計方法將每個專家填寫的權重和子權重計算出均值,可得一級指標參考權重Wi和第i個一級指標的第j個二級指標的子權重Wij。

表3 權重征詢表

4.將Wi和Wij填入“權重征詢表”參考權重內(nèi),重復操作,直到專家對權重和子權重意見一致,即為最終確定的權重。

由專家評估法得到的權重會受專家個人偏好影響,主觀性比較強,因此,為了提高檢索的準確性,在使用過程中,要對權重進行調(diào)整。

(二)權重的調(diào)整

在供應鏈合作伙伴選擇案例中,有的特征屬性在不同的案例里會有不同的權重值,這就涉及案例修正中一個關鍵的內(nèi)容,即為權重優(yōu)化[13]。

在系統(tǒng)中,特征屬性權重的初始值是由專家組設定的,大致體現(xiàn)了這些特征屬性的重要程度。在此基礎上,為了進一步提高權重的準確性和合理性,本文使用交叉式權重優(yōu)化算法對供應鏈合作伙伴選案例特征屬性的權重進行調(diào)整。這是在主觀賦權法得到初始權重的基礎利用歷史數(shù)據(jù)對權重進行優(yōu)化和調(diào)整,減少權重的主觀性。進行優(yōu)化的原則使每個案例的滿意度PE盡可能大。

1.求系統(tǒng)參考權重W1。對于第i個案例,可以通過以下優(yōu)化問題求解wij。目標函數(shù)為:

在求得單個案例的局部最優(yōu)權重Wi,需要對這m組權重向量進行調(diào)整和綜合,以便找到一個各案例都能接受的最優(yōu)系統(tǒng)權重,使各案例的滿意度盡可能大。權重的綜合可以采用許多方法,如算術平均、加權平均等[15],本文采用構造系統(tǒng)權重W1,,使得它與這m組局部最優(yōu)權重的總體貼近程度最高,即系統(tǒng)權重向量與其他m個權重向量的夾角余弦之和最大,這一問題可以通過如下優(yōu)化問題求解:

得到系統(tǒng)參考權重矩陣W1,利用滿意度矩陣P對W1進行優(yōu)化。

2.求綜合滿意度PE,綜合滿意度PE是各案例在系統(tǒng)權重作用下的滿意度[16]。

3.求綜合滿意度偏差。

4.偏差判斷。

若δ>0,則說明W1比W0的綜合滿意度更大,因此需要對權重進一步調(diào)整,用W1代替W0。重復上述步驟進行權重優(yōu)化,直至δ≤0時迭代終止,得到優(yōu)化后的權重Wk[17]。

5.權重綜合。Wk使得綜合滿意度大,但是不一定符合實際要求,這時需要考慮W0,對W0和Wk進行綜合。以W0為標準,求W0和Wk的關聯(lián)度計算R,最后求得經(jīng)綜合后的權重W。

六、供應鏈合作伙伴選擇案例的調(diào)整方法及過程

為了提高基于案例推理的供應鏈合作伙伴選擇案例庫的使用效率,本文綜合采用多種調(diào)整方式,把各種調(diào)整方式有機結合在一起,建立統(tǒng)一的調(diào)整策略,對解元素進行調(diào)整,并設定了闕值α=0.6,即當所檢索到的最優(yōu)案例與目標案例的相似度大于或等于0.6時,方對所檢索到的案例進行調(diào)整,否則,建立新案例[18-20],具體調(diào)整流程如圖6所示。

Step1:判斷檢索到的最優(yōu)案例(即與目標案例相似度最大的案例)相似度是否大于或等于0.6,是轉入Step2,否則結束;

Step2:求目標案例與最優(yōu)案例之間的差異屬性集,并判斷其是否滿足結構化調(diào)整,滿足則調(diào)用結構化算法對解元素重新進行組織,否則,轉入Step3;

Step3:取一解元素d,根據(jù)差異屬性集判斷其是否滿足空調(diào)整,滿足則返回Step3,不滿足則轉入Step4;

Step4:根據(jù)差異屬性集判斷d是否滿足替代調(diào)整,滿足則先調(diào)用替代算法對d進行調(diào)整,然后轉入Step5,不滿足則直接轉入Step5;

圖6 案例調(diào)整流程

Step5:根據(jù)差異屬性集判斷d是否滿足誘導調(diào)整,滿足則先調(diào)用誘導算法對d進行調(diào)整,然后轉入Step6,不滿足則直接轉入Step6;

Step6:判斷是否存在未調(diào)整的解元素,存在則轉入Step3,不存在則轉入Step7;

Step7:判斷解是否滿意,滿意則調(diào)整過程結束,不滿意則轉入Step8;

Step8:進行人機交互調(diào)整,然后調(diào)整過程結束。

七、案例的學習

當原有案例庫中的案例不能解決新出現(xiàn)的問題時,可以考慮增加新的案例,使系統(tǒng)具有解決新情況的能力,即向案例庫中添加新的案例。在對一個新的測驗結果進行驗證分析之后,將其加入案例庫中,可以使案例庫中可用的成功案例增加,從而提高推理的準確性。當案例庫中的一個案例基本上沒有被其他的案例所匹配的時候,這個案例的就沒有必要存在了,這時將它刪除能提高了案例推理的效率。

[1]倪志偉,李學俊,胡彩平,等.基于范例和規(guī)則相結合的推理技術[J].小型微型計算機系統(tǒng),2004,25 (7):1156-1159.

[2]孫偉,王雅林,龔麗蓉.基于案例推理的利益相關者管理戰(zhàn)略制定研究[J].計算機集成制造系統(tǒng),2008,14 (10):2031-2035.

[3]李海穎.基于案例的推理綜述[J].邢臺學院學報, 2004,19(2):66-68.

[4]楊健,趙秦怡.基于案例的推理技術研究進展及應用[J].計算機工程與設計,2008,29(3):710-713.

[5]欒好利,張翼英,曾文.基于案例推理的技術研究[J].沈陽工程學院學報,2005,1(2/3):95-97.

[6]王新華,晏蘭蓀.基于案例推理的機制[J].山東礦業(yè)學院學報,1995,14(2):145-150.

[7]王玉,邢淵,阮雪榆.基于事例的推理循環(huán)中人工神經(jīng)網(wǎng)絡和遺傳算法的四種應用模型[J].上海交通大學學報,2000,2(37):202-204.

[8]倪志偉,蔡慶生,賈瑞玉.用神經(jīng)網(wǎng)絡來實現(xiàn)基于范例的推理系統(tǒng)[J].計算機工程,2002,28(7):12-14.

[9]麻芳蘭,何玉林,李尚平,等.基于CBR和神經(jīng)網(wǎng)絡摩托車智能設計系統(tǒng)研究[J].計算機工程與應用, 2005,(35):204-206.

[10]段軍,耿瑞平,涂序彥.基于Rough Set和神經(jīng)網(wǎng)絡的CBR快捷檢索方法[J].計算機工程與應用,2003, (3):25-27.

[11]雷萍.基于案例推理的供應鏈合作伙伴選擇與評價[J].集團經(jīng)濟研究,2007,(25):313-314.

[12]劉伯超.供應鏈合作伙伴選擇指標體系研究[J].鐵路采購與物流,2008,(11):28-29.

[13]張飛龍.基于海事案例推理的決策支持系統(tǒng)的設計和實現(xiàn)[J].南通航運職業(yè)技術學院學報,2006,5 (1):41-44.

[14]王永成.案例檢索的若干問題[J].情報學報,2000, 19(6):587-591.

[15]Salton.Introduction toModern Infor mation Retrieval[J]. McGraw-Hill Company,1983:120-130.

[16]高陽,蔡紅彬.基于案例的推理及其在專家系統(tǒng)中的應用[J].中南礦冶學院學報,1994,25(3):406-410.

[17]李磊,程晨.供應鏈合作伙伴的分類及評價研究[J].江南大學學報,2008,7(5):71-74.

[18]喬忠,陳新輝.關于企業(yè)銷售量的模糊預測[J].中國管理科學,2001,9(6):31-35.

[19]戴聞戰(zhàn).基于三層BP網(wǎng)絡的多指標綜合評估方法及應用[J].系統(tǒng)工程理論與實踐,1999,5(5):30-34.

[20]謝梅芳,李孟軍.交互式權重優(yōu)化法及其在產(chǎn)品研制決策中的應用[J].系統(tǒng)工程,2005,23(2):124-126.

[責任編輯:楊 洋]

The Application of the Knowledge from Evaluation on Supply Cha in Cooperative Potentiality

SONG Jun-yuan1,YANG Xing-hong2
(1.School of Econom icM anagem ent,Chuzhou Vocational and Technical College,Chuzhou239000,China; 2.Anhui Comm ission Office for Public Sector Refor m,Hefei230001,China)

F271.1

A

1007—5097(2011)08—0141—06

2010—05—16

宋君遠(1976—),男,黑龍江虎林人,副主任,講師,研究方向:智能電子商務;楊興紅(1970—),男,安徽宿州人,綜合處副處長,副研究員,研究方向:網(wǎng)絡商務數(shù)據(jù)挖掘。