CN112053061A - 围串标行为识别方法、装置、电子设备和存储介质 - Google Patents
围串标行为识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112053061A CN112053061A CN202010929205.3A CN202010929205A CN112053061A CN 112053061 A CN112053061 A CN 112053061A CN 202010929205 A CN202010929205 A CN 202010929205A CN 112053061 A CN112053061 A CN 112053061A
- Authority
- CN
- China
- Prior art keywords
- bidding
- enterprise
- enterprises
- behavior
- determining
- 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.)
- Pending
Links
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种围串标行为识别方法、装置、电子设备和存储介质,该方法包括:确定对应同一招标项目的多个投标企业;确定任一投标企业的企业风险参数,企业风险参数是分析招投标知识图谱得到的,招投标知识图谱是基于多个企业的历史投标数据构建的;比较该投标企业与其他投标企业的标书,得到该投标企业的标书风险参数;基于该投标企业的企业风险参数和标书风险参数,确定该投标企业的围串标行为识别结果。本发明实施例提供的方法、装置、电子设备和存储介质,结合历史投标行为和表述文本两个层面确定围串标行为识别结果,实现了围串标行为的自动识别,提升了围串标行为的识别效率和识别准确率。
Description
技术领域
本发明涉及数据挖掘分析技术领域,尤其涉及一种围串标行为识别方法、装置、电子设备和存储介质。
背景技术
围串标是指多个投标者之间相互约定,一致抬高或压低投标报价进行投标,通过限制竞争,排挤其他投标者,使得某个利益相关者中标,从而谋取利益的行为。
目前,招投标领域的围串标行为识别主要由人工审计的方式实现。然而由于围串标行为极其隐蔽,与围串标行为相关的数据规范庞大,人工审计需要消耗大量的时间和人力进行数据分析,效率低下,难以满足招投标的实时性需求。此外,由于与围串标行为相关的数据极其复杂,不同审计人员对于如何从中挖掘衡量投标者之间的关系具有不同的判断标准,导致人工审计所得的围串标行为识别结果并不准确。
发明内容
本发明实施例提供一种围串标行为识别方法、装置、电子设备和存储介质,用以解决现有技术中通过人工审计进行围串标行为识别效率低下且准确性差的缺陷。
第一方面,本发明实施例提供一种围串标行为识别方法,包括:
确定对应同一招标项目的多个投标企业;
确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
可选地,所述企业风险参数包括抱团风险参数和/或陪标风险参数,所述企业风险参数是基于如下方法确定的:
基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的所述抱团风险参数;
和/或,基于所述招投标知识图谱指示的每一企业的历史投标情况和/或企业信息,确定每一企业的所述陪标风险参数。
可选地,所述基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的所述抱团风险参数,具体包括:
基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定抱团关系矩阵;
基于所述抱团关系矩阵对每一企业进行聚类,得到聚类结果,基于所述聚类结果确定每一企业的所述抱团风险参数。
可选地,所述招投标知识图谱的实体类型包括企业实体、人员实体和项目实体;
所述多个企业之间的关联状态是基于所述招投标知识图谱中各个实体之间的关系,对每一企业实体进行遍历得到的。
可选地,所述企业实体和所述项目实体之间投标关系的属性包括报价和/或标书,所述企业实体之间共同投标关系的属性包括共同投标次数。
可选地,所述比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数,具体包括:
确定所述任一投标企业的标书中的报价信息与其他投标企业的标书中的报价信息之间的报价相似度;
和/或,确定所述任一投标企业的标书中的方案文本与其他投标企业的标书中的方案文本之间的方案相似度;
基于所述报价相似度和/或所述方案相似度,确定所述任一投标企业的标书风险参数。
可选地,所述基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果,具体包括:
基于所述任一投标企业的企业风险参数和标书风险参数,以及所述任一投标企业的企业资质参数,确定所述任一投标企业的围串标行为识别结果;
其中,所述企业资质参数包括对应企业的投标次数、中标率、企业规模中的至少一种。
第二方面,本发明实施例提供一种围串标行为识别装置,包括:
投标企业确定单元,用于确定对应同一招标项目的多个投标企业;
企业风险参数确定单元,用于确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
标书风险参数确定单元,用于比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
行为识别单元,用于基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面提供的围串标行为识别方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面提供的围串标行为识别方法的步骤。
本发明实施例提供的围串标行为识别方法、装置、电子设备和存储介质,基于历史投标数据构建招投标知识图谱以确定投标企业的企业风险参数,通过大数据挖掘投标企业的历史投标行为,进而从历史投标行为层面上识别围串标行为;基于投标企业与其他投标企业的标书确定投标企业的标书风险参数,从标书文本层面上识别围串标行为;结合历史投标行为和表述文本两个层面确定围串标行为识别结果,实现了围串标行为的自动识别,提升了围串标行为的识别效率和识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的围串标行为识别方法的流程示意图;
图2为本发明实施例提供的陪标风险参数确定方法的流程示意图;
图3为本发明实施例提供的抱团风险参数确定方法的流程示意图;
图4为本发明实施例提供的招投标知识图谱的示意图;
图5为本发明实施例提供的标书风险参数确定方法的流程示意图;
图6为本发明另一实施例提供的标书风险参数确定方法的流程示意图;
图7为本发明另一实施例提供的围串标行为识别方法的流程示意图;
图8为本发明又一实施例提供的围串标行为识别方法的流程示意图;
图9为本发明实施例提供的围串标行为识别装置的结构示意图;
图10为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前针对围串标行为的识别是通过人工审计实现的。人工审计需要消耗大量的时间和人力进行数据分析,效率低下,难以满足招投标的实时性需求。且不同审计人员对于投标者之间的关系具有不同的判断标准,导致人工审计所得的围串标行为识别结果存在较强的主观性,准确性和可靠性较差。
对此,本发明实施例提供了一种围串标行为识别方法。图1为本发明实施例提供的围串标行为识别方法的流程示意图,如图1所示,该方法包括如下步骤:
步骤110,确定对应同一招标项目的多个投标企业。
具体地,围串标行为识别针对的是一个招标项目下的投标企业。通常一个招标项目会对应多个投标企业,在进行围串标行为识别时,可以对所有投标企业均进行围串标行为识别,也可以仅对所有投标企业中的若干个投标企业进行围串标行为识别,本发明实施例对此不作具体限定。
步骤120,确定任一投标企业的企业风险参数,企业风险参数是分析招投标知识图谱得到的,招投标知识图谱是基于多个企业的历史投标数据构建的。
具体地,可以预先收集大量企业的历史投标数据,并基于大量企业的历史投标数据构建以各个企业为实体的招投标知识图谱。此处,历史投标数据反映了对应企业历史上的投标行为,由此得到的招投标知识图谱可以充分反映各个企业历史上的投标行为,对招投标知识图谱进行大数据挖掘分析,即可判断各个企业历史上是否存在围串标行为,从而得到能够反映各个企业是否有可能在后续招标项目中执行围串标行为的企业风险参数。
此处,任一投标企业即该招标项目的所有投标企业中的任意一个企业。任一投标企业的企业风险参数可以是预先对招投标知识图谱进行数据分析得到的,例如可以从数据分析所得的各个企业的企业风险参数中选取该投标企业的企业风险参数。
由此得到的企业风险参数反映的是对应投标企业在企业历史投标行为层面上是否存在围串标行为,或者存在围串标行为的风险。
步骤130,比较该投标企业与其他投标企业的标书,得到该投标企业的标书风险参数。
具体地,针对同一招标项目存在多个投标企业,在考虑投标企业之间是否存在围串标风险时,可以比较各个投标企业的标书。在针对任一投标企业进行围串标识别时,可以将该投标企业的标书与其他参与了同一招标项目的投标企业的标书分别进行比较,标书之间的相似度越高,则该投标企业存在围串标行为的风险越高。
由此得到的标书风险参数反映的是对应投标企业在标书层面上是否存在围串标行为,或者存在围串标行为的风险。
需要说明的是,本发明实施例不对步骤120和步骤130的执行顺序作具体限定,步骤120可以在步骤130之前或者之后执行,也可以与步骤130同步执行。
步骤140,基于该投标企业的企业风险参数和标书风险参数,确定该投标企业的围串标行为识别结果。
具体地,在得到任一投标企业的企业风险参数和标书风险参数后,可以结合企业风险参数和标书风险参数,从该投标企业的历史投标行为以及该投标企业与其他投标企业的标书之间的相似程度这两个层面上,分析该投标企业在此招标项目中是否存在围串标风险,从而得到该投标企业的围串标行为识别结果。
此处,投标企业的围串标行为识别结果具体可以是投标企业是否存在围串标风险,还可以是投标企业的围串标风险等级,也可以是投标企业的围串标概率等,本发明实施例对此不作具体限定。
本发明实施例提供的方法,基于历史投标数据构建招投标知识图谱以确定投标企业的企业风险参数,通过大数据挖掘投标企业的历史投标行为,进而从历史投标行为层面上识别围串标行为;基于投标企业与其他投标企业的标书确定投标企业的标书风险参数,从标书文本层面上识别围串标行为;结合历史投标行为和表述文本两个层面确定围串标行为识别结果,实现了围串标行为的自动识别,提升了围串标行为的识别效率和识别准确率。
基于上述实施例,企业风险参数包括抱团风险参数和/或陪标风险参数。
此处,抱团风险参数反映的是对应企业为抱团企业的风险,陪标风险参数反映的是对应企业为陪标企业的风险。其中,抱团企业是指在与其余若干个企业串通围标的企业,陪标企业是指在招标过程中参与陪标的企业。
基于上述任一实施例,抱团风险参数是基于如下方法确定的:
基于招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的抱团风险参数。
具体地,招投标知识图谱中包含有多个企业对应的实体,各个企业对应的实体之间可以通过企业之间在是否存在共同参与投标的项目或者是否存在股份关系,是否存在共同的法人、股东或者管理人员,再或者其法人、股东或者管理人员之间是否存在夫妻、兄弟等社会关系,分析企业之间的关联状态。此处,企业之间的关联状态具体可以是竞争关系、无关联、存在关联等,本发明实施例对此不作具体限定。此外,招投标知识图谱中可以预先在各个企业对应的实体关系中标注各个企业之间共同投标的次数。
在得到多个企业之间的关联状态和共同投标次数后,可以基于此两者判断各个企业为抱团企业的风险,进而得到各个企业的抱团风险参数。针对任意两个企业,若两个企业之间的关联状态为竞争关系,则无论这两个企业共同投标的次数多高,这两个企业抱团的可能性均十分低;若两个企业之间的关联状态为无关联,则可以根据两个企业共同投标的次数高低衡量这两个企业抱团的可能性高低,共同投标的次数越高,则这两个企业抱团的可能性越高;若两个企业之间的关联状态为存在关联,则这两个企业的关联状态本身即决定了两者抱团的可能较大,在此基础上,两个企业共同投标的次数高低会对两者抱团的可能性产生叠加影响,即相同的共同投标次数下,存在关联的两个企业相较于无关联的两个企业抱团的可能性更大。
本发明实施例提供的方法,基于企业之间的关联状态和共同投标次数分析企业间抱团的可能性,为实现围串标识别提供了准确的识别依据。
基于上述任一实施例,陪标风险参数是基于如下方法确定的:
基于招投标知识图谱指示的每一企业的历史投标情况和/或企业信息,确定每一企业的陪标风险参数。
具体地,招投标知识图谱中针对于各个企业,可以设置各个企业与其投标和中标的项目之间的关系。在此基础上,可以根据各个企业与其投标和中标的项目之间的关系,分析汇总各个企业的历史投标情况。此处,历史投标情况具体可以体现为投标次数、中标次数、中标率等。此外,招投标知识图谱中可以预先将各个企业的企业信息设置为对应实体的属性,此处的企业信息可以包括企业联系电话、联系邮箱、企业地址、企业经营范围等。
图2为本发明实施例提供的陪标风险参数确定方法的流程示意图,如图2所示,在确定企业的陪标风险参数时,可以参考招投标知识图谱中指示的企业信息,对企业信息进行不一致性检测,例如若通过招投标知识图谱查询得到不同企业共用一个企业联系电话,或者共用一个企业地址,则上述企业本身可能存在异常,上述企业为陪标企业的可能性较高。或者也可以参考招投标知识图谱中指示的企业的历史投标情况,将历史投标情况与预设规则进行比较,例如若企业的投标次数极高,但是中标率极低,则该企业为陪标企业的可能性较高;此外,还可以结合企业的历史投标情况和企业信息确定企业的陪标风险参数,若企业频繁参与投标但是无中标情况,且业务信息中也无明确的经营范围,则上述企业为陪标企业的可能性较高。
本发明实施例提供的方法,基于企业的历史投标情况和/或企业信息分析企业陪标的可能性,为实现围串标识别提供了准确的识别依据。
基于上述任一实施例,图3为本发明实施例提供的抱团风险参数确定方法的流程示意图,如图3所示,所述基于招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的抱团风险参数,具体包括:
步骤310,基于招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定抱团关系矩阵。
具体地,考虑到各个企业之间的关联状态和共同投标次数对于企业之间是否存在抱团可能的影响,可以将两者相结合,从而得到表征各个企业之间是否可能存在抱团关系的矩阵,即抱团关系矩阵。此处的抱团关系矩阵的行数和列数均等于企业总数,每一行对应一个企业,同样地每一列对应一个企业,抱团关系矩阵中的任一元素表示对应行的企业和对应列的企业之间存在抱团关系的可能性。
进一步地,针对招投标知识图谱中包含的各个企业,可以通过矩阵的形式表示各个企业之间的关联状态,例如可以定义企业关联矩阵Q为如下形式:
其中,Q中的任意元素qij具体为第i个企业和第j个企业之间的关联状态,i和j均小于m,m为企业总数。qij={0,1,2},其中0表示企业之间为竞争关系、1表示企业之间无关联、2表示企业之间存在关联。需要说明的是,qij对应于各种关联状态的取值也可以是其他形式,本发明实施例对此不作具体限定。
同样地,还可以通过矩阵的形式表示各个企业之间的共同投标次数,例如可以定义共同投标次数矩阵P为如下形式:
其中,P中的任意元素pij具体为第i个企业和第j个企业之间的共同投标次数。
在此基础上,可以将共同投标次数矩阵P与企业关联矩阵Q的点乘结果作为抱团关系矩阵A,具体表示为A=P·Q。
步骤320,基于抱团关系矩阵对每一企业进行聚类,得到聚类结果,基于聚类结果确定每一企业的抱团风险参数。
具体地,在得到抱团关系矩阵之后,可以基于抱团关系矩阵中体现出来的各个企业之间存在抱团关系的可能性,对各个企业进行聚类,将相互之间存在抱团关系的多个企业聚集形成一个簇,从而得到聚类结果。此处的聚类结果中可以包含多个簇,任一簇中可以只包含一个企业,也可以包含两个或者更多个企业。基于聚类结果,即可得到每一企业的抱团风险参数,例如单个企业构成一个簇,则该企业抱团风险极小,多个企业构成一个簇,则此多个企业抱团的风险极高。此处对每一企业进行聚类可以通过谱聚类、层次聚类等聚类算法实现,本发明实施例对此不作具体限定。
基于上述任一实施例,招投标知识图谱的实体类型包括企业实体、人员实体和项目实体;多个企业之间的关联状态是基于招投标知识图谱中各个实体之间的关系,对每一企业实体进行遍历得到的。
具体地,不同于传统的知识图谱构建方式中仅考虑企业的历史投标数据,本发明实施例的招投标知识图谱包括企业、人员和项目三种实体,由此涵盖了企业与企业、企业与人员、企业与项目,以及人员与人员之间的关联,从而能够更加全面地梳理各个企业之间存在的显性的关联,例如企业之间的共同投标关系,以及各个企业之间存在的隐性的关联,例如企业股东之间存在的社会关系,因此能够更加准确地分析挖掘各个企业之间的关联状态。
在此基础上,对各个企业之间的关联状态的挖掘可以通过遍历招投标知识图谱得到,具体可以以招投标知识图谱中的任意一个企业实体为起点,沿着与该企业实体相连接的各个实体进行遍历,将遍历路径中存在的企业实体作为与该企业实体之间存在关联的企业实体,由此得到各个企业之间的关联状态。例如,企业A与人员李四之间存在法人关系,人员李四与人员王五之间存在夫妻关系,企业B与人员王五之间存在股东关系,则企业A和企业B之间存在关联。
本发明实施例提供的方法,通过在招投标知识图谱中设置企业、人员、项目三种实体类型,从而使得招投标知识图谱能够更加全面地表征各个企业之间存在的关联,有利于企业之间的关联状态的挖掘。
基于上述任一实施例,企业实体和项目实体之间投标关系的属性包括报价和/或标书,企业实体之间共同投标关系的属性包括共同投标次数。
具体地,招投标知识图谱在设置连接实体之间的关系的同时,还增设了关系的属性。其中,企业实体和项目实体之间投标关系的属性包括报价和/或标书。其中报价是指企业进行投标的具体报价,标书则是企业进行投标时使用的标书的文本,在应用招投标知识图谱进行围串标行为识别时,如果两个企业之间存在关联,且两个企业在针对同一项目投标时各自投标关系的属性中包含的报价较为接近,和/或各自投标关系的属性中包含的标书文本相似度较高,则两者之间可能存在围标风险。
此外,企业实体之间共同投标关系的属性包含了共同投标次数,共同投标次数反映了两个企业共同参与投标的次数,在应用招投标知识图谱进行围串标行为识别时,如果两个企业之间存在关联,且两个企业共同投标次数较高,则两者之间可能存在围标风险。
本发明实施例提供的方法,通过在招投标知识图谱中加设实体关系的属性,进一步丰富了招投标知识图谱所涵盖的信息,有助于提高围串标行为识别的准确性。
基于上述任一实施例,图4为本发明实施例提供的招投标知识图谱的示意图,如图4所示,图4由水平的虚线划分为上下两部分,其中上半部分为概念层,下半部分为数据层。
概念层中包含有企业、项目、人员三种实体类型,其中企业之间存在入股和共同投标两类关系,企业和人员之间存在法人、高管、股东等关系,企业与项目之间存在投标和中标两类关系。另外,人员和人员之间存在夫妻、同学等社会关系。其中,入股关系以及法人、高管、股东等关系均可以包含比例属性,共同投标关系包含次数属性,投标、中标关系包含报价信息和标书属性。
数据层反映的是概念层中各个实体类型的实例展示,数据层中的实体与概念层中对应的实体类型通过标注有“实例”的虚线箭头连接。数据层中包含企业类型的实体“企业A”、“企业B”和“企业C”,项目类型的实体“工程项目1”、“工程项目2”和“工程项目3”,人员类型的实体“张三”、“李四”、“王五”。
在查询企业之间的关联状态时,发现“企业A”和“企业C”共同投标“工程项目1”和“工程项目2”,两个企业共同投标了2次,再结合两个企业之间的关系,发现“企业A”的法人“李四”与入股“企业C”的“企业B”的股东“王五”是夫妻关系,因此“企业A”和“企业C”可能是经常抱团的同盟企业,两者之间存在围标风险。
基于上述任一实施例,图5为本发明实施例提供的标书风险参数确定方法的流程示意图,如图5所示,步骤130具体包括:
步骤131,确定该投标企业的标书中的报价信息与其他投标企业的标书中的报价信息之间的报价相似度;
和/或,步骤132,确定该投标企业的标书中的方案文本与其他投标企业的标书中的方案文本之间的方案相似度。
具体地,在从标书层面上分析投标企业是否存在围串标行为时,可以具体从标书的报价和方案两个方面进行评估。
其中,标书的报价信息是指标书中提供的报价数据,报价信息具体可以包括标书中对应项目整体的报价,也可以包括标书中对应项目中各个环节或者子项目的报价,本发明实施例对此不作具体限定。针对任一投标企业与其他投标企业在标书中的报价信息上进行比较,具体可以比较对于整体项目的报价,也可以逐一比较对于项目中各个环节或者各个子项目的报价,由此得到的报价相似度可以反映报价的差值,或者报价的差值与该企业报价的比值,差值越小则报价相似度越高。
标书的方案文本是指标书中对应项目执行的技术方案进行描述的文本。针对任一投标企业与其他投标企业在标书的方案文本上进行比较,具体可以评估方案文本的语义信息之间的相似度,例如可以计算方案文本的语义信息的余弦相似度。
需要说明的是,步骤131和步骤132可以择一执行,也可以均执行,本发明实施例在两者均执行时不对两者的执行顺序作具体限定。
步骤133,基于报价相似度和/或方案相似度,确定该投标企业的标书风险参数。
具体地,报价相似度越高,方案相似度越高,则该投标企业在标书层面上与其他投标企业围串标的概率越高。在得到报价相似度和/或方案相似度后,可以基于其中一种相似度确定该投标企业的标书风险参数,也可以结合报价相似度和方案相似度计算在标书层面上的相似度,由此确定该投标企业的标书风险参数。此外,还可以直接将报价相似度和方案相似度作为该投标企业的标书风险参数。
本发明实施例提供的方法,从报价信息和方案文本两个方面评估投标企业的标书风险参数,从而为更加准确地识别围串标行为提供数据支持。
基于上述任一实施例,图6为本发明另一实施例提供的标书风险参数确定方法的流程示意图,如图6所示,首先获取同一招标项目下所有投标企业的标书,其次分别提取每一标书的技术文本和报价信息。
随即,基于预训练的Bert模型提取每一技术文本的文本特征,并计算每两个技术文本的文本特征之间的文本余弦相似度,针对任一投标企业,将与该投标企业的文本特征相关的所有文本余弦相似度的最大值作为该投标企业的方案相似度。此外,将每一标书的报价信息转换为报价特征向量,并计算每两个报价特征向量之间的报价余弦相似度,针对任一投标企业,将与该投标企业的报价特征向量相关的所有报价余弦相似度的最大值作为该投标企业的报价相似度。
最后,结合该投标企业的方案相似度和报价相似度,得到该投标企业的标书风险参数。
基于上述任一实施例,步骤140具体包括:
基于该投标企业的企业风险参数和标书风险参数,以及该投标企业的企业资质参数,确定该投标企业的围串标行为识别结果;
其中,企业资质参数包括对应企业的投标次数、中标率、企业规模中的至少一种。
具体地,在分析投标企业是否存在围串标行为时,不仅需要考虑投标企业在历史投标行为层面上的企业风险参数,以及投标企业标书层面上的标书风险参数,还需要考虑投标企业自身的企业资质参数,从而衡量该投标企业是否可能在项目招标中中标,据此得到企业的围串标行为识别结果,
此处,企业资质参数中,投标次数、中标率、企业规模等均可以通过查询招投标知识图谱中该投标企业的实体属性得到,也可以通过直接通过该投标企业相关的企业信息得到,本发明实施例对此不作具体限定。此外,企业风险参数除了可以包含该投标企业是否在历史上存在围串标行为,若该投标企业历史上存在围串标行为,还可以包含抱团投标时中标率的提升率,提升率具体反映该投标企业参与围串标时的中标率和未参与围串标时的中标率的差距。
本发明实施例提供的方法,结合企业风险参数、标书风险参数和企业资质参数进行围串标行为识别,能够更加全面地分析围串标行为在各个方面的信息,从而提高围串标行为识别的准确性。
基于上述任一实施例,图7为本发明另一实施例提供的围串标行为识别方法的流程示意图,如图7所示,具体在确定围串标行为识别结果的过程中,可以将该投标企业的企业风险参数、标书风险参数以及企业资质参数分别与预先设定好的参数指标进行比较,并根据比较结果确定每项参数对应的得分。例如,可以预先设定若企业风险参数中抱团投标时中标率的提升率超过50%则得5分,提升率在10%-50%之间则得4分。
在此基础上,基于预先设定的每项参数的权重,对每项参数对应的得分进行加权求和,从而得到总得分。最终基于总得分与预先设定好的得分规则进行比较,从而得到总得分对应的围串标行为风险等级作为围串标行为识别结果。此处,得分规则即不同总得分与不同围串标行为风险等级之间的对应关系。
本发明实施例提供的方法,通过预先设定的参数指标和得分规则实现了围串标行为风险等级的量化。
基于上述任一实施例,图8为本发明又一实施例提供的围串标行为识别方法的流程示意图,如图8所示,该方法包括:
在得到同一招标项目的多个投标企业后,可以从投标企业的历史投标行为和标书两个层面上进行分析:
历史投标行为层面上,基于围串标知识图谱进行分析,具体地,可以首先对招投标知识图谱中各个企业和人员之间的关系进行查询,在此基础上,基于广度遍历算法,沿着与企业实体相连接的各个实体进行遍历,将遍历路径中存在的企业实体作为与该企业实体之间存在关联的企业实体,由此得到各个企业之间的关联状态。此外,对招投标知识图谱指示的多个企业之间的共同投标次数进行查询,并结合各个企业之间的关联状态和共同投标次数,确定关系增强后的抱团关系矩阵。在此基础上,基于抱团关系矩阵对每一企业进行聚类,得到聚类结果,基于聚类结果挖掘抱团同盟企业,进而得到每一企业的抱团风险参数。
另外,还可以参考招投标知识图谱中指示的企业信息,对企业信息进行不一致性检测,或者也可以参考招投标知识图谱中指示的企业的历史投标情况,将历史投标情况与预设规则进行比较,由此推理发现存在陪标情况的异常企业,进而得到每一企业的陪标风险参数。
标书层面上,可以获取所有投标企业的标书,分别提取每一标书的技术文本和报价信息。随即,基于预训练的Bert模型提取每一技术文本的文本特征,并计算每两个技术文本的文本特征之间的文本余弦相似度。此外,将每一标书的报价信息转换为报价特征向量,并计算每两个报价特征向量之间的报价余弦相似度。最后,结合文本余弦相似度和报价余弦相似度,计算投标企业的标书相似度作为标书风险参数。
最后,基于层次分析法(Analytic Hierarchy Process,AHP),利用从历史投标行为和标书两个层面上分析得到的各个投标企业的抱团风险参数、陪标风险参数、标书风险参数,以及各个投标企业的企业资质参数,评估对应投标企业的围串标风险等级,作为对应投标企业的围串标行为识别结果。
基于上述任一实施例,图9为本发明实施例提供的围串标行为识别装置的结构示意图,如图9所示,该装置包括投标企业确定单元910、企业风险参数确定单元920、标书风险参数确定单元930和行为识别单元940;
其中,投标企业确定单元910用于确定对应同一招标项目的多个投标企业;
企业风险参数确定单元920用于确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
标书风险参数确定单元930用于比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
行为识别单元940用于基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
本发明实施例提供的装置,基于历史投标数据构建招投标知识图谱以确定投标企业的企业风险参数,通过大数据挖掘投标企业的历史投标行为,进而从历史投标行为层面上识别围串标行为;基于投标企业与其他投标企业的标书确定投标企业的标书风险参数,从标书文本层面上识别围串标行为;结合历史投标行为和表述文本两个层面确定围串标行为识别结果,实现了围串标行为的自动识别,提升了围串标行为的识别效率和识别准确率。
基于上述任一实施例,所述企业风险参数包括抱团风险参数和/或陪标风险参数;
所述企业风险参数确定单元920具体包括:
抱团评估子单元,用于基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的所述抱团风险参数;
和/或,陪标评估子单元,用于基于所述招投标知识图谱指示的每一企业的历史投标情况和/或企业信息,确定每一企业的所述陪标风险参数。
基于上述任一实施例,所述抱团评估子单元具体用于:
基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定抱团关系矩阵;
基于所述抱团关系矩阵对每一企业进行聚类,得到聚类结果,基于所述聚类结果确定每一企业的所述抱团风险参数。
基于上述任一实施例,所述招投标知识图谱的实体类型包括企业实体、人员实体和项目实体;
所述多个企业之间的关联状态是基于所述招投标知识图谱中各个实体之间的关系,对每一企业实体进行遍历得到的。
基于上述任一实施例,所述企业实体和所述项目实体之间投标关系的属性包括报价和/或标书,所述企业实体之间共同投标关系的属性包括共同投标次数。
基于上述任一实施例,所述标书风险参数确定单元930具体用于:
确定所述任一投标企业的标书中的报价信息与其他投标企业的标书中的报价信息之间的报价相似度;
和/或,确定所述任一投标企业的标书中的方案文本与其他投标企业的标书中的方案文本之间的方案相似度;
基于所述报价相似度和/或所述方案相似度,确定所述任一投标企业的标书风险参数。
基于上述任一实施例,所述行为识别单元940具体用于:
基于所述任一投标企业的企业风险参数和标书风险参数,以及所述任一投标企业的企业资质参数,确定所述任一投标企业的围串标行为识别结果;
其中,所述企业资质参数包括对应企业的投标次数、中标率、企业规模中的至少一种。
图10为本发明实施例提供的电子设备的结构示意图,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑命令,以执行如下方法:
确定对应同一招标项目的多个投标企业;
确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
此外,上述的存储器1030中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
确定对应同一招标项目的多个投标企业;
确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种围串标行为识别方法,其特征在于,包括:
确定对应同一招标项目的多个投标企业;
确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
2.根据权利要求1所述的围串标行为识别方法,其特征在于,所述企业风险参数包括抱团风险参数和/或陪标风险参数,所述企业风险参数是基于如下方法确定的:
基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的所述抱团风险参数;
和/或,基于所述招投标知识图谱指示的每一企业的历史投标情况和/或企业信息,确定每一企业的所述陪标风险参数。
3.根据权利要求2所述的围串标行为识别方法,其特征在于,所述基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定每一企业的所述抱团风险参数,具体包括:
基于所述招投标知识图谱指示的多个企业之间的关联状态和共同投标次数,确定抱团关系矩阵;
基于所述抱团关系矩阵对每一企业进行聚类,得到聚类结果,基于所述聚类结果确定每一企业的所述抱团风险参数。
4.根据权利要求2或3所述的围串标行为识别方法,其特征在于,所述招投标知识图谱的实体类型包括企业实体、人员实体和项目实体;
所述多个企业之间的关联状态是基于所述招投标知识图谱中各个实体之间的关系,对每一企业实体进行遍历得到的。
5.根据权利要求4所述的围串标行为识别方法,其特征在于,所述企业实体和所述项目实体之间投标关系的属性包括报价和/或标书,所述企业实体之间共同投标关系的属性包括共同投标次数。
6.根据权利要求1至3中任一项所述的围串标行为识别方法,其特征在于,所述比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数,具体包括:
确定所述任一投标企业的标书中的报价信息与其他投标企业的标书中的报价信息之间的报价相似度;
和/或,确定所述任一投标企业的标书中的方案文本与其他投标企业的标书中的方案文本之间的方案相似度;
基于所述报价相似度和/或所述方案相似度,确定所述任一投标企业的标书风险参数。
7.根据权利要求1至3中任一项所述的围串标行为识别方法,其特征在于,所述基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果,具体包括:
基于所述任一投标企业的企业风险参数和标书风险参数,以及所述任一投标企业的企业资质参数,确定所述任一投标企业的围串标行为识别结果;
其中,所述企业资质参数包括对应企业的投标次数、中标率、企业规模中的至少一种。
8.一种围串标行为识别装置,其特征在于,包括:
投标企业确定单元,用于确定对应同一招标项目的多个投标企业;
企业风险参数确定单元,用于确定任一投标企业的企业风险参数,所述企业风险参数是分析招投标知识图谱得到的,所述招投标知识图谱是基于多个企业的历史投标数据构建的;
标书风险参数确定单元,用于比较所述任一投标企业与其他投标企业的标书,得到所述任一投标企业的标书风险参数;
行为识别单元,用于基于所述任一投标企业的企业风险参数和标书风险参数,确定所述任一投标企业的围串标行为识别结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任一项所述的围串标行为识别方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的围串标行为识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010929205.3A CN112053061A (zh) | 2020-09-07 | 2020-09-07 | 围串标行为识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010929205.3A CN112053061A (zh) | 2020-09-07 | 2020-09-07 | 围串标行为识别方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112053061A true CN112053061A (zh) | 2020-12-08 |
Family
ID=73609998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010929205.3A Pending CN112053061A (zh) | 2020-09-07 | 2020-09-07 | 围串标行为识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053061A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487209A (zh) * | 2020-12-15 | 2021-03-12 | 厦门市美亚柏科信息股份有限公司 | 基于知识图谱的串标行为分析方法、终端设备及存储介质 |
CN112800113A (zh) * | 2021-02-04 | 2021-05-14 | 天津德尔塔科技有限公司 | 一种基于数据挖掘分析技术的招投标审计方法及系统 |
CN113486675A (zh) * | 2021-06-21 | 2021-10-08 | 中国水利电力物资集团有限公司 | 一种识别围标串标行为的方法 |
CN113538010A (zh) * | 2021-07-23 | 2021-10-22 | 优材优建(青岛)电子商务科技有限公司 | 一种防围标预警方法 |
CN114399371A (zh) * | 2022-01-14 | 2022-04-26 | 广联达科技股份有限公司 | 围串标行为的检测方法、装置、计算机设备及存储介质 |
CN114461867A (zh) * | 2022-04-12 | 2022-05-10 | 深圳格隆汇信息科技有限公司 | 金融大数据的分析处理方法及系统 |
CN114708073A (zh) * | 2022-03-29 | 2022-07-05 | 湖南华菱电子商务有限公司 | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
CN114782151A (zh) * | 2022-04-22 | 2022-07-22 | 广州中曜招标代理有限公司 | 一种智能化的招标管理平台 |
CN117808441A (zh) * | 2024-03-01 | 2024-04-02 | 江苏省港口集团有限公司 | 一种投标信息核查方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647993A (zh) * | 2018-04-09 | 2018-10-12 | 西南民族大学 | 一种识别招投标过程中投标者之间关系的方法 |
CN108876218A (zh) * | 2018-08-31 | 2018-11-23 | 万翼科技有限公司 | 供应商风险的提醒方法、装置和存储介质 |
CN109165337A (zh) * | 2018-10-17 | 2019-01-08 | 珠海市智图数研信息技术有限公司 | 一种基于知识图谱构建招投标领域关联分析的方法及系统 |
CN110046740A (zh) * | 2019-02-21 | 2019-07-23 | 国网福建省电力有限公司 | 基于大数据的供应商投标行为分析预测方法 |
CN111091271A (zh) * | 2019-11-25 | 2020-05-01 | 上海欧冶采购信息科技有限责任公司 | 招投标风险预警系统及方法 |
-
2020
- 2020-09-07 CN CN202010929205.3A patent/CN112053061A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647993A (zh) * | 2018-04-09 | 2018-10-12 | 西南民族大学 | 一种识别招投标过程中投标者之间关系的方法 |
CN108876218A (zh) * | 2018-08-31 | 2018-11-23 | 万翼科技有限公司 | 供应商风险的提醒方法、装置和存储介质 |
CN109165337A (zh) * | 2018-10-17 | 2019-01-08 | 珠海市智图数研信息技术有限公司 | 一种基于知识图谱构建招投标领域关联分析的方法及系统 |
CN110046740A (zh) * | 2019-02-21 | 2019-07-23 | 国网福建省电力有限公司 | 基于大数据的供应商投标行为分析预测方法 |
CN111091271A (zh) * | 2019-11-25 | 2020-05-01 | 上海欧冶采购信息科技有限责任公司 | 招投标风险预警系统及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487209A (zh) * | 2020-12-15 | 2021-03-12 | 厦门市美亚柏科信息股份有限公司 | 基于知识图谱的串标行为分析方法、终端设备及存储介质 |
CN112800113A (zh) * | 2021-02-04 | 2021-05-14 | 天津德尔塔科技有限公司 | 一种基于数据挖掘分析技术的招投标审计方法及系统 |
CN112800113B (zh) * | 2021-02-04 | 2023-01-10 | 天津德尔塔科技有限公司 | 一种基于数据挖掘分析技术的招投标审计方法及系统 |
CN113486675A (zh) * | 2021-06-21 | 2021-10-08 | 中国水利电力物资集团有限公司 | 一种识别围标串标行为的方法 |
CN113538010A (zh) * | 2021-07-23 | 2021-10-22 | 优材优建(青岛)电子商务科技有限公司 | 一种防围标预警方法 |
CN114399371A (zh) * | 2022-01-14 | 2022-04-26 | 广联达科技股份有限公司 | 围串标行为的检测方法、装置、计算机设备及存储介质 |
CN114708073A (zh) * | 2022-03-29 | 2022-07-05 | 湖南华菱电子商务有限公司 | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
CN114461867A (zh) * | 2022-04-12 | 2022-05-10 | 深圳格隆汇信息科技有限公司 | 金融大数据的分析处理方法及系统 |
CN114782151A (zh) * | 2022-04-22 | 2022-07-22 | 广州中曜招标代理有限公司 | 一种智能化的招标管理平台 |
CN117808441A (zh) * | 2024-03-01 | 2024-04-02 | 江苏省港口集团有限公司 | 一种投标信息核查方法及系统 |
CN117808441B (zh) * | 2024-03-01 | 2024-05-10 | 江苏省港口集团有限公司 | 一种投标信息核查方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112053061A (zh) | 围串标行为识别方法、装置、电子设备和存储介质 | |
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
Tsui et al. | Knowledge-based extraction of intellectual capital-related information from unstructured data | |
CN112639845A (zh) | 确定个人信息查找结果可信度的机器学习系统和方法 | |
CN112258303B (zh) | 围串标预警分析方法、装置、电子设备及存储介质 | |
CN110826320A (zh) | 一种基于文本识别的敏感数据发现方法及系统 | |
CA2519238A1 (en) | Technique evaluating device, technique evaluating program, and technique evaluating method | |
CN111159630A (zh) | 一种基于多标准决策模型的园区政策匹配和评估方法 | |
CN112860769B (zh) | 一种能源规划数据管理系统 | |
CN112634056A (zh) | 快速计算、更新企业股权结构的方法、设备和存储介质 | |
CN109783633A (zh) | 数据分析服务流程模型推荐方法 | |
Ekel et al. | South American business environment cost index: reforms for Brazil | |
Silveira et al. | Who are you? Cartel detection using unlabeled data | |
CN114139065A (zh) | 基于大数据的人才筛选推荐方法、系统及可读存储介质 | |
CN113112186A (zh) | 一种企业评估方法、装置及设备 | |
CN113283806A (zh) | 企业信息评估方法、装置、计算机设备及存储介质 | |
CN113506173A (zh) | 一种信用风险评估方法及其相关设备 | |
Sostero et al. | The professional lens: What online job advertisements can say about occupational task profiles | |
CN116933130A (zh) | 一种基于大数据的企业行业分类方法、系统、设备及介质 | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
CN113379212A (zh) | 基于区块链的物流信息平台违约风险评估方法、装置、设备及介质 | |
CN113379211A (zh) | 基于区块链的物流信息平台违约风险管控系统及方法 | |
US20140214695A1 (en) | System and method to valuate intangible asset | |
Sun | Deep learning applications in audit decision making |
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 |