CN112560433A - 一种信息处理的方法及装置 - Google Patents
一种信息处理的方法及装置 Download PDFInfo
- Publication number
- CN112560433A CN112560433A CN202011479274.5A CN202011479274A CN112560433A CN 112560433 A CN112560433 A CN 112560433A CN 202011479274 A CN202011479274 A CN 202011479274A CN 112560433 A CN112560433 A CN 112560433A
- Authority
- CN
- China
- Prior art keywords
- information
- main body
- winning
- bid
- subject
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 22
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000010586 diagram Methods 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 8
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 description 30
- 230000007246 mechanism Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
- G06F16/35—Clustering; Classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种信息处理的方法及装置，所述方法包括：根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息；根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别，所述类别包括满足预定条件的第一类别。上述技术方案可以通过中标主体的中标次数、标的物的信息以及主体的工商经营范围对该主体进行分析，从而得出该主体所属的类别。
Description
技术领域
本申请涉及但不限于计算机领域，尤其涉及信息处理的方法及装置。
背景技术
近年来，随着招投标法律的严格施行和阳光采购的大规模推进，越来越多有实力的中标企业涌现出来。
招中标公告网页中蕴含着大量具有商业价值的信息，目前对于这些信息的利用，局限于以下两种：一种是对于最新招标公告的监测，将最新的招标公告作为商机推送给需要的销售个体或企业；另一种是分析历史数据，用来挖掘企业和企业间的竞争和上下游关系。
发明内容
本申请所要解决的技术是提供一种信息处理的方法及装置，可以分析具有交易属性的主体所属的类别。
为了解决上述技术问题，本申请提供了一种信息处理的方法，所述方法包括：
根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息；
根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别，所述类别包括满足预定条件的第一类别。
在一种示例性实例中，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息之前，所述方法还包括：
从招中标公告中提取出作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息；
根据提取出的作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系。
在一种示例性实例中，所述根据提取出的作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系之后，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别之前，所述方法还包括：
根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图。
在一种示例性实例中，所述根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图包括：
根据提取出的主体的标识信息生成第一节点，其中，每个主体对应一个第一节点，所述第一节点含有主体的标识信息；
根据提取出的标的物的标识信息生成第二节点，其中，每个标的物对应一个第二节点，所述第二节点含有标的物的标识信息；
将作为招标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为招标方的第一信息；
将作为中标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为中标方的第二信息。
在一种示例性实例中，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息包括：
统计所述关系图中所述主体含有第二信息的连线的数量，将统计出的结果作为所述主体的中标次数；
统计所述关系图中所述主体含有第二信息的连线连接的第二节点的标识信息，将统计出的标识信息的集合作为所述主体的标的物的信息。
在一种示例性实例中，所述预定条件为：中标次数大于或者等于设定的第一阈值，并且标的物的信息与该主体的工商经营范围的相似度小于或者等于设定的第二阈值。
在一种示例性实例中，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别包括：
将所述中标次数、标的物的信息以及所述主体的工商经营范围输入预先训练好的分类模型，得出所述主体所属的类别。
在一种示例性实例中，所述分类模型通过以下方式训练得出：
对多个作为样本的主体的中标信息进行分类，得到属于第一类别的正例样本和不属于第一类别的负例样本；
确定所述正例样本和负例样本中与分类相关的特征；
通过所述特征训练逻辑回归模型得出所述分类模型。
在一种示例性实例中，所述方法还包括：
当任一连线被选中时，显示该连线对应的招标/中标的第三信息；
所述第三信息包括以下内容中的一项或者多项：该连线连接的第一节点的成立时间、注册资金、工商经营范围、招标/中标时间。
本申请还提供一种确定类别的装置，所述装置包括：存储器和处理器；
所述存储器，用于保存用于信息处理的程序；
所述处理器，用于读取执行所述用于信息处理的程序，执行如前述任一所述的信息处理的方法。
本实施例还提供一种计算机存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行前述任一所述的信息处理的方法。
本申请提供一种信息处理的方法及装置，所述方法包括：根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息；根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别，所述类别包括满足预定条件的第一类别。上述技术方案可以通过中标主体的中标次数、标的物的信息以及主体的工商经营范围对该主体进行分析，从而得出该主体所属的类别。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1是本申请实施例一的信息处理的方法的流程图；
图2是本申请实施例一的关系图的示意图；
图3是本申请实施例一的信息处理的装置的结构示意图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本申请发明人发现，中标企业通常分为两类：第一类是向招标企业售卖自身企业生产的产品或服务；第二类是向招标企业售卖第三方生产的产品或服务。随着企业生产专业化程度的提高，第二类中标企业的比例越来越高，它们大量代理或者采购第三方企业的产品或服务，整合起来为招标企业提供高附加值的服务，所以第二类企业可以成为优质的销售渠道，生产产品或服务的第三方企业可以通过第二类企业间接为招标企业提供产品和服务。
基于上述特点，本申请提供一种确定类别的方法及装置，可以分析中标企业所属的类别，从而可以挑选出具有销售渠道潜质的企业。
实施例一
如图1所示，本实施例提供一种信息处理的方法，所述方法包括：
步骤S101、根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息；
步骤S102、根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别，所述类别包括满足预定条件的第一类别。
上述技术方案可以通过中标主体的中标次数、标的物的信息以及主体的工商经营范围对该主体进行分析，从而得出该主体所属的类别。
本实施例中的主体可以包括进行工商管理登记的具备交易属性的企业、公司、机构、团体等。下文中，以中标机构和招标机构为例进行说明。
在一种示例性实例中，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息之前，所述方法还包括：
从招中标公告中提取出的作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息；
根据取出的作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系。
本实施例中，从招中标公告中提取出的作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息可以通过以下方式进行：先对招中标公告的数据进行自动甄别和移除，去除广告、导航等噪音信息，从而对招中标公告数据进行清洗。在完成招中标公告数据的清洗后，利用训练好的人工智能字段识别模型，对招中标公告中的关键字段(例如招标机构、标的物、中标机构、时间等)进行自动识别和提取。本实施例中，可以采用双向LSTM(Long Short-Term Memory，长短期记忆网络)+CRF(Conditional Random Field，固定码率系数)的方式进行处理，并在双向LSTM的输入中加入词嵌入信息，这样会产生更准确的结果。
在一种示例性实例中，所述根据提取出的作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系之后，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别之前，所述方法还包括：
根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图。
在一种示例性实例中，所述根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图包括：
根据提取出的主体的标识信息生成第一节点，其中，每个主体对应一个第一节点，所述第一节点含有主体的标识信息；
根据提取出的标的物的标识信息生成第二节点，其中，每个标的物对应一个第二节点，所述第二节点含有标的物的标识信息；
将作为招标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为招标方的第一信息；
将作为中标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为中标方的第二信息。
本实施例中的关系图中的第一节点用于标识机构，对于每个第一节点，既可以作为招标方，也可以作为中标方，可以通过与标的物之间的连线上含有的信息标识属于中标方还是招标方。
在一种示例性实例中，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息包括：
统计所述关系图中所述主体含有第二信息的连线的数量，将统计出的结果作为所述主体的中标次数；
统计所述关系图中所述主体含有第二信息的连线连接的第二节点的标识信息，将统计出的标识信息的集合作为所述主体的标的物的信息。
假设生成的关系图如图2所示，节点A、节点B、节点C、节点D分别标识一个机构，每个节点上可以显示对应机构的代码或者名称。其余三个节点分别标识一种标的物。假设用1和0来标识机构在招中标项目中的角色(在其它示例中，还可以通过其它方式标识，只要可以标识出中标或者招标的信息即可)。可以通过“1”来标识该连线连接的机构为招标方，通过“0”来标识该连线连接的机构为中标方，例如，根据节点A、剪刀节点和节点B之间在关系图中的连接关系，可以得出，在标的物为剪刀的项目中，节点A是招标机构，节点B为中标机构。对于节点B，对应的机构的中标次数就是2次。
本实施例中的关系图可以为知识图谱。由于中标主体、招标主体数量众多，同时，中标主体、招标主体以及标的物之间的关系复杂，因此，可以采用具备海量图数据组织能力的图数据库(例如ArangoDB)进行处理，从而可以进行实时的数据更新和查询。同时，由于招标机构和中标机构的工商属性信息字段众多且长短不一，可以选用类似ElasticSearch的存储和查询平台。
在一种示例性实例中，所述预定条件为：中标次数大于或者等于设定的第一阈值，并且标的物的信息与该主体的工商经营范围的相似度小于或者等于设定的第二阈值。第一阈值和第二阈值可以根据经验预先设定，也可以通过模型学习得出，第一阈值和第二阈值的取值可以不断优化和更新。
本实施例中，对于某一中标机构，如果该中标机构的中标次数达到设定数量，并且该中标机构与中标相关的标的物与工商经营范围的一致程度低，则可以将该中标机构作为具有销售渠道潜质的机构。
例如，某一机构参与中标项目的标的物包括记录本、剪刀、床垫，而该机构的工商经营范围是研发、生产、维修、测试电子计算机及其零部件，那么该机构中标项目的标的物均不在该机构的工商经营范围内，也就是标的物与工商经营范围的相似度低。如果同时该机构中标次数达到了第一阈值，则可以认为该机构具备销售渠道资质，这样就可以通过该机构将其它第三方机构(例如生产记录本的机构、生产剪刀的机构等)的产品提供给招标机构。
在分析标的物的信息与工商经营范围的相似度时，可以先确定标的物对应的种类，然后将得出的种类的集合与工商经营范围进行比对，统计符合工商经营范围的标的物的数量，如果数量小于或者等于第二阈值，则认为该中标机构与中标相关的标的物与工商经营范围的一致程度低。此外，还可以按照符合工商经营范围的标的物的数量占中标次数的比例确定一致程度，假设同一标的物中标多次，那么符合工商经营范围的标的物的数据量也按照多次算。
假设，第一阈值为3，第二阈值为50％，某机构对应的工商经营范围为办公用品，该机构中标次数为5次，其中4次中标的标的物均为记录本，1次中标的标的物为毛呢大衣。将记录本与工商经营范围进行比对后，得出记录本属于工商经营范围，将毛呢大衣与工商经营范围进行比对后，得出毛呢大衣不属于工商经营范围，因此，该机构符合工商经营范围的标的物的数量为4，不符合工商经营范围的数量为1次，得出该机构的标的物与工商经营范围的一致程度为4/5＝80％，80％大于50％，不满足设定的标的物的信息与该主体的工商经营范围的相似度小于或者等于设定的第二阈值。因此，该机构不属于第一类别。
需要说明的是，每个机构的中标次数和标的物的信息可以随着时间的改变相应的变化，因此，不同时间点得出的所属类别的判断结果会相应的变化。
在判断中标机构与中标相关的标的物与工商经营范围的一致程度时，可以基于《政府采购品分类目录》，在该分类目录中找到与中标相关的每一个标的物的名称对应的类别。之后，将标的物的类别集合同工商经营范围进行比对。对于标的物类别集合中的任一类别，若工商经营范围中包含该类别的词，或者包含语义相近的词(例如，可以基于BERT(Bidirectional Encoder Representation from Transformers，多层双向转换解码)进行关键词扩展)，则认为该分类与工商经营范围一致。
在一种示例性实例中，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别包括：
将所述中标次数、标的物的信息以及所述主体的工商经营范围输入预先训练好的分类模型，得出所述主体所属的类别。
在一种示例性实例中，所述分类模型通过以下方式训练得出：
对多个作为样本的主体的中标信息进行分类，得到属于第一类别的正例样本和不属于第一类别的负例样本；
确定所述正例样本和负例样本中与分类相关的特征；
通过所述特征训练逻辑回归模型得出所述分类模型。
本实施例中，逻辑回归模型可以包括SVM(Support Vector Machines,支持向量机)、GBDT(Gradient Boosting Decision Tree，梯度决策树)等。通过机器学习的方式训练模型，可以更准确的选择出具备渠道资质的机构。
本实施例中，所述正例样本和负例样本中与分类相关的特征可以包括机构工商行业分类、工商经营范围、机构人员规模、历史中标的标的物及类型、中标次数等维度信息。
在一种示例性实例中，所述方法还包括：
显示所述关系图；
当所述关系图中的任一连线被选中时，显示该连线对应的招标/中标的第三信息；
所述第三信息包括以下内容中的一项或者多项：该连线连接的第一节点的成立时间、注册资金、工商经营范围、招标/中标时间。
在一种示例性实例中，所述方法还包括：
在所述关系图中增加以下内容中的一个或者多个：第一节点、第二节点、第一节和第二节点之间的连线。
本实施例中，可以按照设定的周期从招中标公告中提取信息，然后根据提取出的信息更新关系图。
上述技术方案可以更加准确识别机构的类别，有效提高效率。
如图3所示，本实施例提供一种信息处理的装置，所述装置包括：存储器10和处理器11；
所述存储器10，用于保存用于信息处理的程序；
所述处理器11，用于读取执行所述用于信息处理的程序，执行前述任一所述的信息处理的方法。
本实施例还提供一种计算机存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行前述任一所述的信息处理的方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (10)
1.一种信息处理的方法，所述方法包括：
根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息；
根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别，所述类别包括满足预定条件的第一类别。
2.如权利要求1所述的方法，其特征在于，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息之前，所述方法还包括：
从招中标公告中提取出作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息；
根据提取出的作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系。
3.如权利要求2所述的方法，其特征在于，所述根据提取出的作为招标方的主体的信息、作为中标方的主体的信息以及标的物的信息确定作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系之后，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别之前，所述方法还包括：
根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图。
4.如权利要求3所述的方法，其特征在于，所述根据作为招标方的主体的信息、作为中标方的主体的信息、标的物的信息以及作为招标方的主体、作为中标方的主体以及标的物三者之间的对应关系生成关系图包括：
根据提取出的主体的标识信息生成第一节点，其中，每个主体对应一个第一节点，所述第一节点含有主体的标识信息；
根据提取出的标的物的标识信息生成第二节点，其中，每个标的物对应一个第二节点，所述第二节点含有标的物的标识信息；
将作为招标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为招标方的第一信息；
将作为中标方的主体与对应的标的物之间建立一条连线，所述连线含有用于标识该连线连接的主体为中标方的第二信息。
5.如权利要求4所述的方法，其特征在于，所述根据主体的中标信息，统计所述主体的中标次数以及中标的标的物的信息包括：
统计所述关系图中所述主体含有第二信息的连线的数量，将统计出的结果作为所述主体的中标次数；
统计所述关系图中所述主体含有第二信息的连线连接的第二节点的标识信息，将统计出的标识信息的集合作为所述主体的标的物的信息。
6.如权利要求1所述的方法，其特征在于：
所述预定条件为：中标次数大于或者等于设定的第一阈值，并且标的物的信息与该主体的工商经营范围的相似度小于或者等于设定的第二阈值。
7.如权利要求1所述的方法，其特征在于，所述根据所述中标次数、标的物的信息以及所述主体的工商经营范围确定所述主体所属的类别包括：
将所述中标次数、标的物的信息以及所述主体的工商经营范围输入预先训练好的分类模型，得出所述主体所属的类别。
8.如权利要求7所述的方法，其特征在于，所述分类模型通过以下方式训练得出：
对多个作为样本的主体的中标信息进行分类，得到属于第一类别的正例样本和不属于第一类别的负例样本；
确定所述正例样本和负例样本中与分类相关的特征；
通过所述特征训练逻辑回归模型得出所述分类模型。
9.一种确定类别的装置，所述装置包括：存储器和处理器；其特征在于：
所述存储器，用于保存用于信息处理的程序；
所述处理器，用于读取执行所述用于信息处理的程序，执行如权利要求1至8任一所述的信息处理的方法。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8中任一所述的信息处理的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011479274.5A CN112560433B (zh) | 2020-12-15 | 2020-12-15 | 一种信息处理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011479274.5A CN112560433B (zh) | 2020-12-15 | 2020-12-15 | 一种信息处理的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112560433A true CN112560433A (zh) | 2021-03-26 |
| CN112560433B CN112560433B (zh) | 2024-04-19 |
Family
ID=75063735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011479274.5A Active CN112560433B (zh) | 2020-12-15 | 2020-12-15 | 一种信息处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112560433B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113590655A (zh) * | 2021-06-30 | 2021-11-02 | 中国神华国际工程有限公司 | 标的物参数信息抽取方法、装置、存储介质及电子设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239891A (zh) * | 2017-05-26 | 2017-10-10 | 山东省科学院情报研究所 | 一种基于大数据的招投标审核方法 |
| 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 |
| CN110059692A (zh) * | 2019-04-16 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种识别企业所属行业的方法及终端 |
| CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
| CN110910243A (zh) * | 2019-09-26 | 2020-03-24 | 山东佳联电子商务有限公司 | 一种基于可重构大数据知识图谱技术的产权交易方法 |
| CN111080409A (zh) * | 2019-12-09 | 2020-04-28 | 政采云有限公司 | 一种推送信息的计算机装置、方法、设备及介质 |
| CN111191903A (zh) * | 2019-12-24 | 2020-05-22 | 中科金审(北京)科技有限公司 | 监控投标文件的预警方法、装置、服务器及存储介质 |
| CN111538837A (zh) * | 2020-04-27 | 2020-08-14 | 北京同邦卓益科技有限公司 | 用于分析企业经营范围信息的方法和装置 |
| CN111626331A (zh) * | 2020-04-23 | 2020-09-04 | 南京辰阔网络科技有限公司 | 一种自动化行业分类装置及其工作方法 |
-
2020
- 2020-12-15 CN CN202011479274.5A patent/CN112560433B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239891A (zh) * | 2017-05-26 | 2017-10-10 | 山东省科学院情报研究所 | 一种基于大数据的招投标审核方法 |
| 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 |
| CN110148043A (zh) * | 2019-03-01 | 2019-08-20 | 安徽省优质采科技发展有限责任公司 | 基于知识图谱的招标采购信息推荐系统及推荐方法 |
| CN110059692A (zh) * | 2019-04-16 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种识别企业所属行业的方法及终端 |
| CN110910243A (zh) * | 2019-09-26 | 2020-03-24 | 山东佳联电子商务有限公司 | 一种基于可重构大数据知识图谱技术的产权交易方法 |
| CN111080409A (zh) * | 2019-12-09 | 2020-04-28 | 政采云有限公司 | 一种推送信息的计算机装置、方法、设备及介质 |
| CN111191903A (zh) * | 2019-12-24 | 2020-05-22 | 中科金审(北京)科技有限公司 | 监控投标文件的预警方法、装置、服务器及存储介质 |
| CN111626331A (zh) * | 2020-04-23 | 2020-09-04 | 南京辰阔网络科技有限公司 | 一种自动化行业分类装置及其工作方法 |
| CN111538837A (zh) * | 2020-04-27 | 2020-08-14 | 北京同邦卓益科技有限公司 | 用于分析企业经营范围信息的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 孙涵: "基于公共资源交易领域的知识图谱构建和可视化系统设计", 中国优秀硕士学位论文全文数据库信息科技辑, no. 10, pages 138 - 419 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113590655A (zh) * | 2021-06-30 | 2021-11-02 | 中国神华国际工程有限公司 | 标的物参数信息抽取方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112560433B (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111445028A (zh) | Ai驱动的交易管理系统 | |
| CN108363821A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
| CN112269805B (zh) | 数据处理方法、装置、设备及介质 | |
| Shirole et al. | Customer segmentation using rfm model and k-means clustering | |
| WO2019072128A1 (zh) | 对象识别方法及其系统 | |
| CN112148843B (zh) | 文本处理方法、装置、终端设备和存储介质 | |
| CA3120412A1 (en) | An automated and dynamic method and system for clustering data records | |
| CN111489201A (zh) | 一种客户价值分析的方法、设备、存储介质 | |
| CN109740642A (zh) | 发票类别识别方法、装置、电子设备及可读存储介质 | |
| US20200341954A1 (en) | System, Method, and Computer Program Product for Monitoring and Improving Data Quality | |
| CN116596576B (zh) | 目标推荐方法及装置 | |
| CN114118816A (zh) | 一种风险评估方法、装置、设备及计算机存储介质 | |
| CN112560433A (zh) | 一种信息处理的方法及装置 | |
| CN113298145A (zh) | 标签填充方法及装置 | |
| CN112148760A (zh) | 大数据的筛选方法及装置 | |
| CN109144999B (zh) | 一种数据定位方法、装置及存储介质、程序产品 | |
| Edi Surya et al. | Recommendation System with Content-Based Filtering in NFT Marketplace | |
| CN115965468A (zh) | 基于交易数据的异常行为检测方法、装置、设备及介质 | |
| CN113094424B (zh) | 通过构建多级指标体系进行图表模式识别的方法和系统 | |
| US11379929B2 (en) | Advice engine | |
| CN114358879A (zh) | 一种基于大数据的物价实时监测方法和系统 | |
| CN114723516A (zh) | 基于成单数据的用户相似度计算方法及系统 | |
| CN113792220A (zh) | 一种目标对象推荐方法、装置、计算机设备及存储介质 | |
| CN110738538B (zh) | 识别相似物品的方法和装置 | |
| Schlüter | Knowledge discovery from time series |
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 |