CN110991841A - 一种基于ai技术的对招投标过程中不规范行为的分析方法 - Google Patents
一种基于ai技术的对招投标过程中不规范行为的分析方法 Download PDFInfo
- Publication number
- CN110991841A CN110991841A CN201911151845.XA CN201911151845A CN110991841A CN 110991841 A CN110991841 A CN 110991841A CN 201911151845 A CN201911151845 A CN 201911151845A CN 110991841 A CN110991841 A CN 110991841A
- Authority
- CN
- China
- Prior art keywords
- bidding
- behavior
- behaviors
- bidding process
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000001788 irregular Effects 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 2
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract 1
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于AI技术的对招投标过程中不规范行为的分析方法,步骤一根据招投标过程中的行为样本数据预先构建学习模型,构建期间会根据不断输入的数据给出的结果,由人工对机器学习的结果进行调整优化,对行为数据内容、权重值进行优化,让预测结果更趋向于真实情况;步骤二导入相关各项行为数据进行结果预测,通过对招投标过程中所有行为进行分析和得出的数值结论,实现对招投标过程中的所有行为进行分析并快速高效的给出准确的分析过程数据和趋近于准确的分析结果;可在招投标过程中,预测、监控到可能存在的不规范行为,及时给出预警并提醒监管部门及早介入,减少不规范行为影响招标的公平性,损害其他投标人或招标人的权益。
Description
技术领域
本发明涉及招投标技术领域AI技术应用,特别涉及一种基于AI技术的对招投标过程中不规范行为的分析方法。
背景技术
随着招投标制度的不断完善,招投标工作正逐步向规范化、制度化和法制化的轨道发展,但我过招投标在具体操作中还存在不少问题,如投标人与招标人相互勾结、投标人互相串通投标、专家倾向性评标等不正当竞争行为屡见不鲜,而这些不正当竞争造成了社会资源的严重浪费、严重损害国家和人民的利益。
目前对招投标过程中如何确定是否有不规范行为在国内外都是一个较大的难题,只能通过固定的几个方向对投标单位进行分析,无法全面有效的掌握分析招投标过程中的所有主体,随着市场不断规范,各种围标串标等不规范行为也更隐蔽,难以发现。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于AI技术的对招投标过程中不规范行为的分析方法,通过使用AI技术,利用人工智能建模不断自我学习的方法来挖掘和分析在招投标过程中各业务主体的行为是否规范;同时,在不断学习和调优的过程中,AI给出的结果也越来越准确。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种基于AI技术的对招投标过程中不规范行为的分析方法,包括以下步骤:
步骤1-建立学习模型,采集尽可能多的招投标过程中的行为样本数据,对行为样本数据进行清洗,将各项行为样本数据转化为数学公式化的特征值,然后通过模型分析和评估得到初步预测的结果;同时,对不断输入的数据实现机器自主学习,分析和给出预估的规范性权重Ri、重要性权重Pi、企业信誉权重Qx,根据预估的权重值计算出该行为是否规范,计算公式:Gx,i,j=Ri*Pi*Qx*Gx,i,(j-1);
步骤2-对学习模型调优,根据不断输入的数据给出的结果,由人工对机器学习的结果进行调整优化,对行为数据内容、权重值进行优化,让预测结果更趋向于真实情况;
步骤3,导入现需要分析的招投标过程中的各项行为,通过对招投标过程中的各项行为进行分析,将其转化为行为基本单元数据;
步骤4,通过分析各项行为基本单元数据,并使用通过之前学习得到的各项参数:规范性特权重Ri、重要性权重Pi、企业信誉权重Qx,通过计算公式的迭代计算得到整个招投标过程中所有行为的规范性数据;
步骤5,通过对招投标过程中所有行为进行分析和得出的数值结论,给出行为的不规范性分析结果。
进一步优选为:所述行为样本数据包括招标人设置招标方式、招标人设置招标条件、招标代理设置评标办法、投标人编制投标文件、投标人编制商务标报价、投标人编制清单、评标专家评标等行为,所述行为基本单元数据包括投标报价与限价接近、该投标单位与部分投标单位一起投标、该投标单位高价中标等。
进一步优选为:所述Gx,i,j表示X企业第j次出现的i行为在招投标过程中表现出来的规范性的程度(值越大说明越规范),Ri表示i行为在招投标过程中表现出来的规范性权重(值越大说明越规范,值为0说明不规范),Pi表示该行为在整个招投标过程中重要性程度,值越大说明越重要,作用于在整个招投标所有行为间横向比较和分析,Qx表示x企业自身在招投标领域的信誉权重,值越大说明企业信誉度越高,规范性越好,Gx,i,(j-1)表示第j-1次出现的i行为在招投标过程中表现出来的规范性的程度,该公式表示当前行为的规范性和行为规范性、重要性、企业信誉以及历史上出现的行为规范性有关。
综上所述,本发明对比于现有技术的有益效果为:通过机器的不断学习和人工调优,可实现对招投标过程中的所有行为进行分析并快速高效的给出准确的分析过程数据和趋近于准确的分析结果;可在招投标过程中,预测、监控到可能存在的不规范行为,及时给出预警并提醒监管部门及早介入,减少不规范行为影响招标的公平性,损害其他投标人或招标人的权益。
附图说明
图1为本发明机器学习过程架构图;
图2为本应用实现本发明时的流程图。
具体实施方案
以下结合附图对发明作进一步详细说明。
如图1所示,本发明是通过机器自主学习,成长为可对招投标行为进行主动分析检测的方法而存在,该方法的运行需要依赖大量招投标行为数据,该行为数据在招投标交易平台中已经存在;在用户使用该系统时,需要提供大量的招投标行为数据给系统,使系统有一个充分的学习过程,是系统分析的结果能更趋向于准确。
图1为机器学习过程实现过程架构的示意图,通过将行为数据导入系统,进行数据的预处理,对数据进行去噪得到数学公式化的清晰数据,然后通过模型分析和评估得到初步预测的结果,通过算法调优,人工对参数及行为数据进行调整,通过迭代的方式重新进行数据处理,经模型评估。
经过多次迭代计算,得到最终的预测结果,同时,在该过程中也是机器不断学习和优化的过程,在大量数据学习之后,只需要将用户的行为数据导入该系统,通过系统计算可直接得到准确的预测结果。
结合图2解释实现本发明的详细步骤如下:
1、将招投标过程行为导入系统,通过对招投标过程中的各项行为进行分析,将其转化为行为基本单元数据;例如投标报价与限价接近、该投标单位与部分投标单位一起投标,该投标单位高价中标等,可将这些行为设置为行为基本单元数据;
2、通过分析各项行为基本单元数据,并使用系统通过之前学习得到的各项参数:规范性特权重Ri,重要性权重Pi,企业信誉权重Qx。通过公式迭代计算:Gx,i,j=Ri*Pi*Qx*Gx,i,(j-1),且j>=1,得到最终结果Gx,i,j(表示X企业第j次出现的i行为在招投标过程中表现出来的规范性的程度);
通过不断计算,得到整个招投标过程中所有行为的规范性数据。如果得到的规范性数据与实际偏差较大,则主动修正参数,使结果趋近于正确结果,该过程也是机器学习结果修正的过程。
3、通过对招投标过程中所有行为进行分析和得出的数值结论,给出行为的不规范性分析结果,同时将系统自动分析的结果提供给监管系统等业务系统进行项目监控和预警。
以上所述仅是本发明的示范性实施方式,而非用于限制本发明的保护范围,本发明的保护范围由所附的权利要求确定。
Claims (3)
1.一种基于AI技术的对招投标过程中不规范行为的分析方法,其特征在于,包括以下步骤:
步骤1-建立学习模型,采集尽可能多的招投标过程中的行为样本数据,对行为样本数据进行清洗,将各项行为样本数据转化为数学公式化的特征值,然后通过模型分析和评估得到初步预测的结果;同时,对不断输入的数据实现机器自主学习,分析和给出预估的规范性权重Ri、重要性权重Pi、企业信誉权重Qx,根据预估的权重值计算出该行为是否规范,计算公式:Gx,i,j=Ri*Pi*Qx*G x,i,(j-1);
步骤2-对学习模型调优,根据不断输入的数据给出的结果,由人工对机器学习的结果进行调整优化,对行为数据内容、权重值进行优化,让预测结果更趋向于真实情况;
步骤3,导入现需要分析的招投标过程中的各项行为,通过对招投标过程中的各项行为进行分析,将其转化为行为基本单元数据;
步骤4,通过分析各项行为基本单元数据,并使用通过之前学习得到的各项参数:规范性特权重Ri、重要性权重Pi、企业信誉权重Qx,通过计算公式的迭代计算得到整个招投标过程中所有行为的规范性数据;
步骤5,通过对招投标过程中所有行为进行分析和得出的数值结论,给出行为的不规范性分析结果。
2.根据权利要求1所述的一种基于AI技术的对招投标过程中不规范行为的分析方法,其特征是:所述行为样本数据包括招标人设置招标方式、招标人设置招标条件、招标代理设置评标办法、投标人编制投标文件、投标人编制商务标报价、投标人编制清单、评标专家评标等行为,所述行为基本单元数据包括投标报价与限价接近、该投标单位与部分投标单位一起投标、该投标单位高价中标等。
3.根据权利要求1所述的一种基于AI技术的对招投标过程中不规范行为的分析方法,其特征是:所述Gx,i,j表示X企业第j次出现的i行为在招投标过程中表现出来的规范性的程度(值越大说明越规范),Ri表示i行为在招投标过程中表现出来的规范性权重(值越大说明越规范,值为0说明不规范),Pi表示该行为在整个招投标过程中重要性程度,作用于在整个招投标所有行为间横向比较和分析,Qx表示x企业自身在招投标领域的信誉权重,G x,i,(j-1)表示第j-1次出现的i行为在招投标过程中表现出来的规范性的程度,该公式表示当前行为的规范性和行为规范性、重要性、企业信誉以及历史上出现的行为规范性有关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151845.XA CN110991841B (zh) | 2019-11-22 | 2019-11-22 | 一种基于ai技术的对招投标过程中不规范行为的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151845.XA CN110991841B (zh) | 2019-11-22 | 2019-11-22 | 一种基于ai技术的对招投标过程中不规范行为的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991841A true CN110991841A (zh) | 2020-04-10 |
CN110991841B CN110991841B (zh) | 2024-01-12 |
Family
ID=70085651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911151845.XA Active CN110991841B (zh) | 2019-11-22 | 2019-11-22 | 一种基于ai技术的对招投标过程中不规范行为的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991841B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258303A (zh) * | 2020-11-16 | 2021-01-22 | 北京筑龙信息技术有限责任公司 | 围串标预警分析方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180011954A (ko) * | 2016-07-26 | 2018-02-05 | 주식회사 모비프랜즈 | 인공지능을 이용한 투찰 정보 제공 시스템 |
CN107895226A (zh) * | 2017-11-01 | 2018-04-10 | 中航技国际经贸发展有限公司 | 一种电子招投标方法及系统 |
-
2019
- 2019-11-22 CN CN201911151845.XA patent/CN110991841B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180011954A (ko) * | 2016-07-26 | 2018-02-05 | 주식회사 모비프랜즈 | 인공지능을 이용한 투찰 정보 제공 시스템 |
CN107895226A (zh) * | 2017-11-01 | 2018-04-10 | 中航技国际经贸发展有限公司 | 一种电子招投标方法及系统 |
Non-Patent Citations (3)
Title |
---|
林彤;: "工程招投标活动中不正当竞争行为的分析及预防", 四川水泥, no. 10 * |
王敏;: "造价控制在工程招投标阶段的研究与应用", 绿色环保建材, no. 11 * |
陈;吴灿灿;朱文喜;: "基于证据推理的政府工程招标人与投标人合谋倾向强度测算方法", 长沙理工大学学报(自然科学版), no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258303A (zh) * | 2020-11-16 | 2021-01-22 | 北京筑龙信息技术有限责任公司 | 围串标预警分析方法、装置、电子设备及存储介质 |
CN112258303B (zh) * | 2020-11-16 | 2024-04-30 | 北京筑龙信息技术有限责任公司 | 围串标预警分析方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110991841B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969285B (zh) | 预测模型训练方法、预测方法、装置、设备及介质 | |
CN107491970B (zh) | 实时反作弊检测监控方法和系统以及计算设备 | |
CN109359894A (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
CN110555477A (zh) | 一种市政设施故障预测方法及装置 | |
CN109443419A (zh) | 一种基于机器学习的整流器在线监测方法 | |
CN114971356A (zh) | 一种电力工程项目进度预测系统及方法 | |
CN114155072A (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN109409780B (zh) | 变更处理方法、装置、计算机设备和存储介质 | |
CN111786385A (zh) | 一种电网运维方案规划方法、系统及设备 | |
CN112070284A (zh) | 用于件量预测的筛选方法、装置、设备和存储介质 | |
CN116384704A (zh) | 一种工程进度及造价管理系统的管理方法 | |
CN111695730A (zh) | 基于arima及rnn的立磨振动预测方法及装置 | |
CN114331114A (zh) | 一种管道安全风险智能化监管方法及系统 | |
CN112633998A (zh) | 税务大数据决策分析方法及系统 | |
CN110991841A (zh) | 一种基于ai技术的对招投标过程中不规范行为的分析方法 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN112215711B (zh) | 产品风险评估方法及装置 | |
CN117252851B (zh) | 一种基于图像检测识别的标准质量检测管理平台 | |
CN110413482B (zh) | 检测方法和装置 | |
CN116644965A (zh) | 一种项目预算的可视化分析方法及系统 | |
CN111400964A (zh) | 一种故障发生时间预测方法及装置 | |
CN115115469A (zh) | 一种立体库调度效率评价方法、系统及存储介质、终端 | |
CN115439265A (zh) | 一种保险行业智能赔付异常交易风险控制系统 | |
CN115936477A (zh) | 一种基于边云协同的工业企业效益综合评价方法及系统 | |
CN112800037B (zh) | 工程造价数据处理的优化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |