CN113793024A - 一种基于招投标参与方行为画像的投标方法及评估系统 - Google Patents
一种基于招投标参与方行为画像的投标方法及评估系统 Download PDFInfo
- Publication number
- CN113793024A CN113793024A CN202111070812.XA CN202111070812A CN113793024A CN 113793024 A CN113793024 A CN 113793024A CN 202111070812 A CN202111070812 A CN 202111070812A CN 113793024 A CN113793024 A CN 113793024A
- Authority
- CN
- China
- Prior art keywords
- bidding
- bidder
- name
- project
- bid
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003542 behavioural effect Effects 0.000 title claims description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 91
- 238000010219 correlation analysis Methods 0.000 claims description 34
- 238000007667 floating Methods 0.000 claims description 26
- 238000012098 association analyses Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling 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
- G06Q10/06—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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于招投标参与方行为画像的投标方法及评估系统，以业主方、投标方和第三方(专家、代理机构)为对象，从投标方隐藏合作关系分析、投标方报价浮动策略分析、投标方业绩分析、特定业主高频中标方分析、专家关联分析和代理机构关联分析，六个维度对招投标历史数据进行深度挖掘，对招投标参与方进行行为画像，对业主方与投标方、专家和代理机构是否存在特定合作关系，投标方的实力、常用投标策略及各投标方之前的隐藏合作关系作全方位了解，可实现高效地自动获取网络公开的招投标历史信息，实现对招投标历史数据的深度挖掘和全面分析利用，以及对招投标风险进行量化，提高指定投标策略的效率和准确度。
Description
技术领域
本发明涉及招投标数据分析技术领域，具体而言，涉及一种基于招投标参与方行为画像的投标方法及评估系统。
背景技术
随着市场的规范化和标准化，服务需求方通常通过招标的方式来选择服务供应方。服务供应方为了提高中标概率，在投标前需要获取招投标项目信息及招投标参与方信息，并对信息进行深入分析，从而制定合理的投标策略。随着信息化的普及和国家一系列政策的实施完善，使得招投标数据逐渐透明化、网络化，项目的招投标历史数据都通过网络进行公示。通过获取网络公开的历史招投标数据，对获取的历史招投标数据进行分析，根据分析结果制定投标策略，成为目前供应服务方最常用的方法。
中国专利申请公开说明书，CN108647993公开了一种识别招投标过程中投标者之间关系的方法，该方法首先将参与投标的企业信息转化成数学上的特征向量；再将单次的招投标行为产生的信息转化成数学上的特征向量；并建立投标企业间的关系矩阵，通过局部亲密关系聚类分析来获取样本之间的关联关系，进而挖掘投标异常行为的组织者和依附层次关系。
但是，上述方法只对投标企业之间是否存在亲密关系通过聚类进行了分析，而缺少对业主方、投标方和第三方(如专家、代理机构等)的行为特征，以及业主方、投标方和第三方之间的行为关系进行全面分析，从而遗漏了深层信息。
有鉴于此，特提出本申请。
发明内容
本发明所要解决的技术问题是：现有的招投标数据分析技术没有对招投标历史数据隐含的深层信息进行全面挖掘和分析，导致信息遗漏。目的在于提供一种基于招投标参与方行为画像的投标方法及评估系统，对获取的招投标历史数据进行深度数据挖掘，针对业主方、投标方和第三方各自的行为特征和三者之间的关系特征进行全面分析，根据分析结果进行投标风险评估，作出投标决策。
本发明通过下述技术方案实现：
一种基于招投标参与方行为画像的投标方法，包括但不限于：
步骤1：获取网络公开的招投标历史数据，形成招投标历史数据库，所述招投标历史数据库中包括但不限于多个招投标项目的网络完整数据；
步骤2：从所述招投标历史数据库中提取出每个招投标项目的特征信息，形成项目信息数据库；
步骤3：根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果，所述行为画像结果包括但不限于：投标方隐藏合作关系分析结果、投标方报价浮动策略分析结果、投标方业绩分析结果、特定业主高频中标方分析结果、专家关联分析结果和代理机构关联分析结果；
步骤4：根据所述行为画像结果计算拟投标项目的风险值；
步骤5：设定风险阈值，当所述风险值大于所述风险阈值时，放弃投标；当所述风险值小于等于所述风险阈值时，继续投标。
本发明以业主方、投标方和第三方(专家、代理机构)为对象，从投标方隐藏合作关系分析、投标方报价浮动策略分析、投标方业绩分析、特定业主高频中标方分析、专家关联分析和代理机构关联分析，六个维度对招投标历史数据进行深度挖掘，对招投标参与方进行行为画像，对业主方与投标方、专家和代理机构是否存在特定合作关系，投标方的实力、常用投标策略及各投标方之前的隐藏合作关系作全方位了解。相较于现有技术，本发明的数据挖掘更加深入，对数据的分析维度更广，更加全面地掌握和运用招投标历史数据，并根据行为画像结果对拟投标项目的风险值进行了量化评估。
作为对本发明的进一步描述，所述招投标历史数据为：网络公开的招标日期在设定时间节点之后的招投标数据。由于投标方的隐藏合作关系会随时间的变化而发生变化，时间过于久远的数据分析结果对当前的招投标风险评估没有参考意义，因此设定时间节点，保证招投标历史数据的时效性。
作为对本发明的进一步描述，所述招投标历史数据库的形成方法包括但不限于：
步骤1.1：利用网络抓取器遍历所有目标招投标信息门户网站，获取每个目标招投标信息门户网站中所有招投标项目的URL，得到招投标项目的URL信息库；
步骤1.2：针对单个招投标项目的URL，利用网络抓取器获取招投标项目的网络完整数据；
步骤1.3：按照所述步骤1.2的方法遍历所述URL信息库，生成所述招投标历史数据库。
作为对本发明的进一步描述，所述招投标项目的特征信息包括但不限于：
项目基本信息、业主方信息和投标方信息；
所述项目基本信息包括但不限于：项目名称、项目建设类型与规模、招标日期和最高限价；
所述业主方信息包括但不限于：业主名称、常聘代理机构名称和常聘专家的姓名及所属单位；
所述投标方信息包括但不限于：投标方的名称、投标报价、综合评标得分，以及类似业绩项目的业主、名称、开工日期、交工日期、竣工日期、建设规模、合同价格和项目负责人。
作为对本发明的进一步描述，对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息。
作为对本发明的进一步描述，所述投标方隐藏合作关系分析结果的获取方法包括但不限于：
步骤3.11：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称和对应的中标方名称；将所有招投标项目的项目名称和对应的中标方名称进行汇总，建立项目-中标方名录；
步骤3.12：针对所述项目-中标方名录中的每条记录，建立对应的以中标方名称命名的数据库；
步骤3.13：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称、中标方名称、其余未中标的投标方名称、中标方综合评标得分和其余未中标的投标方综合评标得分；根据项目名称、中标方名称、投标方名称、中标方综合评标得分和投标方综合评标得分，建立每个招投标项目对应的综合评标得分记录，将所有招投标项目对应的综合评标得分记录进行汇总，得到综合评标得分表；
步骤3.14：依据项目名称，建立综合评标得分表与所述项目-中标方名录的关系链接；
步骤3.15：针对所述综合评标得分表中的每个综合评标得分记录，将中标方综合评标得分分别与每个投标方综合评标得分作差，当差值大于阈值时，将投标方名称放入对应的数据库中；
步骤3.16：针对所有数据库，统计出所有投标方名称，以及每一个投标方名称在所有数据库中的出现次数；
步骤3.17：按照出现次数从大到小的顺序，对所有投标方名称进行排序，得到投标方隐藏合作关系分析结果。
作为对本发明的进一步描述，所述投标方报价浮动策略分析结果、所述特定业主高频中标方分析结果、所述专家关联分析结果和所述代理机构关联分析结果的获取方法按照以下步骤执行：
步骤3.21：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的主体；针对所述投标方报价浮动策略分析结果和所述投标方业绩分析结果，所述主体为投标方名称，针对所述特定业主高频中标方分析结果、所述专家关联分析结果和所述代理机构关联分析结果，所述主体为业主名称；
步骤3.22：针对获取到的单个主体，执行以下步骤：
S21：统计出主体所属的所有招投标项目；
S22：针对每一个所属的招投标项目，获取招投标项目对应的对象，得到多个对象；针对所述投标方报价浮动策略分析结果，所述对象为投标方报价浮动率；针对所述特定业主高频中标方分析结果，所述对象为中标方名称；针对所述专家关联分析结果，所述对象为专家姓名；针对所述代理机构关联分析结果，所述对象为代理机构名称；
S23：统计出各对象分别出现的次数；
S24：将各对象按照出现次数从大到小的顺序排序，得到分析结果；
步骤3.23：按照所述步骤3.22的方法遍历所有主体，得到不同主体对应的分析结果。
作为对本发明的进一步描述，所述投标方业绩分析结果的获取方法包括但不限于：
步骤3.31：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的投标方名称；
步骤3.32：针对获取到的单个投标方名称，执行以下步骤：
S31：统计出投标方名称所属的所有招投标项目；
S32：针对每一个所属的招投标项目，获取招投标项目对应的投标方业绩，得到多个投标方业绩；
步骤3.33：按照所述步骤3.32的方法遍历所有投标方名称，得到不同投标方名称对应的投标方业绩分析分析结果。
作为对本发明的进一步描述，所述步骤4具体包括但不限于以下步骤：
步骤4.1：获取当前招投标信息，所述当前招投标信息包括但不限于：当前招投标项目的业主名称、各投标方名称、各专家姓名和代理机构名称；
步骤4.2：将所述当期投标信息与所述行为画像结果进行比对，包括但不限于以下步骤：
将当前招投标项目的各投标方名称与所述投标方隐藏合作关系分析结果进行比对，若比对结果为存在隐藏合作关系，则将投标方隐藏合作关系比对结果赋权值为A，否则赋权值为0；
将当前招投标项目的业主名称和各投标方名称与所述特定业主高频中标方分析结果进行比对，若比对结果为存在特定业主高频中标方，则将特定业主高频中标方比对结果赋权值为B，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方报价浮动策略分析结果进行比对，若比对结果为存在报价浮动率大于阈值的投标方，则对投标方报价浮动策略比对结果赋权值为C，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方业绩分析结果进行比对，若比对结果为存在业绩高于阈值的投标方，则对投标方业绩比对结果赋权值为D，否则赋权值为0；
将当前招投标项目的业主名称和各专家姓名与专家关联分析结果进行比对，若比对结果为存在常聘专家，则对专家关联分析结果赋权值为E，否则赋权值为0；
将当前招投标项目的业主名称和代理机构名称与代理机构关联分析结果进行比对，若比对结果为当前代理机构为常聘代理机构，则对代理机构关联分析结果赋权值为F，否则赋权值为0；
步骤4.3：将所述投标方隐藏合作关系比对结果、所述特定业主高频中标方比对结果、所述投标方报价浮动策略比对结果、所述投标方业绩比对结果、所述专家关联分析结果和所述代理机构关联分析结果的权值相加，得到拟投标项目的投标风险值；
所述风险阈值设定为G＝(A+B+C+D+E+F)×0.6。
一种基于招投标参与方行为画像的投标评估系统，包括但不限于：
网络数据抓取模块，用于获取网络公开的招投标历史数据；
项目信息提取模块，用于从所述招投标历史数据中提取出每个招投标项目的特征信息，形成项目信息数据库；
行为画像执行模块，用于根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果；
当前信息输入模块，用于将获取的当前招投标信息输入所述投标评估系统；
投标风险评估模块，用于根据所述行为画像结果和所述当前招投标信息，计算得出投标风险值，并将所述投标风险值与风险阈值进行比较，得到风险评估结果；
评估结果输出模块，用于输出风险评估结果；
所述项目信息提取模块包括但不限于：数据处理单元，用于对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息；
所述行为画像执行模块包括但不限于：投标方隐藏合作关系分析单元、投标方报价浮动策略分析单元、投标方业绩分析单元、特定业主高频中标方分析单元、专家关联分析单元和代理机构关联分析单元。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明实施例提供的一种基于招投标参与方行为画像的投标方法及评估系统，利用网络抓取器能够高效的自动获取网络公开的招投标历史信息；
2、本发明实施例提供的一种基于招投标参与方行为画像的投标方法及评估系统，从多个维度刻画招投标参与方行为画像，实现对招投标历史数据的深度挖掘和全面分析利用；
3、本发明实施例提供的一种基于招投标参与方行为画像的投标方法及评估系统，对招投标风险进行量化，提高指定投标策略的效率和准确度。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例1提供的基于招投标参与方行为画像的投标方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实施例中，为了避免混淆本发明，未具体描述公知的结构、电路、材料或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括但不限于一个或多个相关列出的项目的任何和所有组合。
在本发明的描述中，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
实施例1
本实施例提供了一种基于招投标参与方行为画像的投标方法，其方法流程如图1所示。包括但不限于以下步骤：
步骤1：将目标招投标信息门户网站URL输入值网络抓取器，利用网络抓取器遍历所有目标招投标信息门户网站，获取每个目标招投标信息门户网站中所有招投标项目的URL，得到招投标项目的URL信息库。
步骤2：针对单个招投标项目的URL，利用网络抓取器获取招投标项目的网络完整数据。
步骤3：按照所述步骤2的方法遍历所述URL信息库，生成所述招投标历史数据库。
需说明的是，为保证数据的时效性，本实施例设置了时间节点，对网络公开的在时间节点之前的目标招投标信息门户网站不进行抓取。
步骤4：从所述招投标历史数据库中提取出每个招投标项目的特征信息，对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息，形成项目信息数据库。其中，招投标项目的特征信息包括但不限于但不限于：项目名称、项目建设类型与规模、招标日期和最高限价；业主名称、常聘代理机构名称和常聘专家的姓名及所属单位；投标方的名称、投标报价、综合评标得分，以及类似业绩项目的业主、名称、开工日期、交工日期、竣工日期、建设规模、合同价格和项目负责人。
步骤3：根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果，所述行为画像结果包括但不限于：投标方隐藏合作关系分析结果、投标方报价浮动策略分析结果、投标方业绩分析结果、特定业主高频中标方分析结果、专家关联分析结果和代理机构关联分析结果；
具体的，
投标方隐藏合作关系分析结果的获取方法包括但不限于以下步骤：
步骤3.11：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称和对应的中标方名称；将所有招投标项目的项目名称和对应的中标方名称进行汇总，建立项目-中标方名录。
步骤3.12：针对所述项目-中标方名录中的每条记录，建立对应的以中标方名称命名的数据库。项目-中标方名录及其以中标方名称命名的数据库对应关系如下：
| 项目名称 | 中标方名称 | 数据库 |
| 项目1 | A公司 | A公司数据库 |
| 项目2 | B公司 | B公司数据库 |
| …… | …… | …… |
| 项目N | N公司 | N公司数据库 |
步骤3.13：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称、中标方名称、其余未中标的投标方名称、中标方综合评标得分和其余未中标的投标方综合评标得分；根据项目名称、中标方名称、投标方名称、中标方综合评标得分和投标方综合评标得分，建立每个招投标项目对应的综合评标得分记录，将所有招投标项目对应的综合评标得分记录进行汇总，得到综合评标得分表。综合评标得分表如下：
步骤3.14：依据项目名称，建立综合评标得分表与所述项目-中标方名录的关系链接。综合评标得分表与所述项目-中标方名录的关系如下表：
步骤3.15：针对所述综合评标得分表中的每个综合评标得分记录，将中标方综合评标得分分别与每个投标方综合评标得分作差，当差值大于阈值时，将投标方名称放入对应的数据库中。
步骤3.16：针对所有数据库，统计出所有投标方名称，以及每一个投标方名称在所有数据库中的出现次数。
步骤3.17：按照出现次数从大到小的顺序，对所有投标方名称进行排序，得到投标方隐藏合作关系分析结果。
需说明的是，在同一个项目的中标方和其他各个投标方之间，得分差越大，分越低的投标方与中标方存在隐藏合作关系的可能性越大，该投标方参与投标，其目的是帮助中标方中标，淘汰掉其他竞争对手；若得分差越小，则投标方与中标方存在的隐藏合作关系的可能性越小，与中部方存在竞争关系的可能性越大。
通过对各投标方的隐藏合作关系进行分析，能够有效识别投标方之间的具体隐藏合作关系及合作关系双方的名称，为投标策略提供参考。
所述特定业主高频中标方分析结果的获取方法包括但不限于：
步骤3.21：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的业主名称；
步骤3.22：针对获取到的单个业主名称，执行以下步骤：
S21：统计出业主名称所属的所有招投标项目；
S22：针对每一个所属的招投标项目，获取招投标项目对应的中标方名称，得到多个中标方名称；
S23：统计出各中标方名称分别出现的次数；
S24：将各中标方名称按照出现次数从大到小的顺序排序，得到特定业主高频中标方分析结果；
步骤3.23：按照所述步骤3.22的方法遍历所有业主名称，得到不同业主名称对应的特定业主高频中标分析结果。
通过对特定业主高频中标方进行分析，可提前掌握到各投标方的中标几率。
所述专家关联分析结果的获取方法包括但不限于：
步骤3.31：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的业主名称；
步骤3.32：针对获取到的单个业主名称，执行以下步骤：
S31：统计出业主名称所属的所有招投标项目；
S32：针对每一个所属的招投标项目，获取招投标项目对应的专家名称，得到多个专家名称；
S33：统计出各专家名称分别出现的次数；
S34：将各专家名称按照出现次数从大到小的顺序排序，得到专家分析结果；步骤3.33：按照所述步骤3.32的方法遍历所有业主名称，得到不同业主名称对应的特定业主高频中标分析结果。
对特定业主专家关联进行分析，可了解招投标项目的评分标准。
所述投标方报价浮动策略分析结果的获取方法包括但不限于：
步骤3.41：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的投标方名称；
步骤3.42：针对获取到的单个投标方名称，执行以下步骤：
S41：统计出投标方名称所属的所有招投标项目；
S42：针对每一个所属的招投标项目，获取招投标项目对应的投标方报价浮动率，得到多个投标方报价浮动率；
S43：统计出各投标方报价浮动率分别出现的次数；
S44：将各投标方报价浮动率按照出现次数从大到小的顺序排序，得到投标方报价浮动策略分析结果；
步骤3.43：按照所述步骤3.42的方法遍历所有投标方名称，得到不同投标方名称对应的投标方报价浮动策略分析结果。
所述代理机构关联分析结果的获取方法包括但不限于：
步骤3.51：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的业主名称；
步骤3.52：针对获取到的单个业主名称，执行以下步骤：
S51：统计出业主名称所属的所有招投标项目；
S52：针对每一个所属的招投标项目，获取招投标项目对应的代理机构名称，得到多个代理机构名称；
S53：统计出各代理机构名称分别出现的次数；
S54：将各代理机构名称按照出现次数从大到小的顺序排序，得到代理机构分析结果；
步骤3.53：按照所述步骤3.52的方法遍历所有业主名称，得到不同业主名称对应的特定业主高频中标分析结果；
所述投标方业绩分析结果的获取方法包括但不限于：
步骤3.61：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的投标方名称；
步骤3.62：针对获取到的单个投标方名称，执行以下步骤：
S61：统计出投标方名称所属的所有招投标项目；
S62：针对每一个所属的招投标项目，获取招投标项目对应的投标方业绩，得到多个投标方业绩；
步骤3.63：按照所述步骤3.62的方法遍历所有投标方名称，得到不同投标方名称对应的投标方业绩分析分析结果。
步骤4：根据所述行为画像结果计算拟投标项目的风险值。具体包括但不限于以下步骤：
步骤4.1：获取当前招投标信息，所述当前招投标信息包括但不限于：当前招投标项目的业主名称、各投标方名称、各专家姓名和代理机构名称；
步骤4.2：将所述当期投标信息与所述行为画像结果进行比对，包括但不限于以下步骤：
将当前招投标项目的各投标方名称与所述投标方隐藏合作关系分析结果进行比对，若比对结果为存在隐藏合作关系，则将投标方隐藏合作关系比对结果赋权值为1，否则赋权值为0；
将当前招投标项目的业主名称和各投标方名称与所述特定业主高频中标方分析结果进行比对，若比对结果为存在特定业主高频中标方，则将特定业主高频中标方比对结果赋权值为1，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方报价浮动策略分析结果进行比对，若比对结果为存在报价浮动率大于阈值的投标方，则对投标方报价浮动策略比对结果赋权值为1，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方业绩分析结果进行比对，若比对结果为存在业绩高于阈值的投标方，则对投标方业绩比对结果赋权值为1否则赋权值为0；
将当前招投标项目的业主名称和各专家姓名与专家关联分析结果进行比对，若比对结果为存在常聘专家，则对专家关联分析结果赋权值为0.5；
将当前招投标项目的业主名称和代理机构名称与代理机构关联分析结果进行比对，若比对结果为当前代理机构为常聘代理机构，则对代理机构关联分析结果赋权值为0.5；
步骤4.3：将所述投标方隐藏合作关系比对结果、所述特定业主高频中标方比对结果、所述投标方报价浮动策略比对结果、所述投标方业绩比对结果、所述专家关联分析结果和所述代理机构关联分析结果的权值相加，得到拟投标项目的投标风险值；
其中，风险阈值设定为3。
步骤5：设定风险阈值，当所述风险值大于所述风险阈值时，放弃投标；当所述风险值小于等于所述风险阈值时，继续投标。若评估结果显示风险结果大于等于3，则表示当前招投标项目的中标几率较大，可继续投标，反之，则表示当前招投标项目的中标几率较小，可选择放弃投标。
实施例2
与实施例1对应的一种基于招投标参与方行为画像的投标评估系统，包括但不限于：
网络数据抓取模块，用于获取网络公开的招投标历史数据；
项目信息提取模块，用于从所述招投标历史数据中提取出每个招投标项目的特征信息，形成项目信息数据库；
行为画像执行模块，用于根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果；
当前信息输入模块，用于将获取的当前招投标信息输入所述投标评估系统；
投标风险评估模块，用于根据所述行为画像结果和所述当前招投标信息，计算得出投标风险值，并将所述投标风险值与风险阈值进行比较，得到风险评估结果；
评估结果输出模块，用于输出风险评估结果；
所述项目信息提取模块包括但不限于：数据处理单元，用于对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息；
所述行为画像执行模块包括但不限于：投标方隐藏合作关系分析单元、投标方报价浮动策略分析单元、投标方业绩分析单元、特定业主高频中标方分析单元、专家关联分析单元和代理机构关联分析单元。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于招投标参与方行为画像的投标方法，其特征在于，包括：
步骤1：获取网络公开的招投标历史数据，形成招投标历史数据库，所述招投标历史数据库中包括多个招投标项目的网络完整数据；
步骤2：从所述招投标历史数据库中提取出每个招投标项目的特征信息，形成项目信息数据库；
步骤3：根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果，所述行为画像结果包括：投标方隐藏合作关系分析结果、投标方报价浮动策略分析结果、投标方业绩分析结果、特定业主高频中标方分析结果、专家关联分析结果和代理机构关联分析结果；
步骤4：根据所述行为画像结果计算拟投标项目的风险值；
步骤5：设定风险阈值，当所述风险值大于所述风险阈值时，放弃投标；当所述风险值小于等于所述风险阈值时，继续投标。
2.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述招投标历史数据为：网络公开的招标日期在设定时间节点之后的招投标数据。
3.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述招投标历史数据库的形成方法包括：
步骤1.1：利用网络抓取器遍历所有目标招投标信息门户网站，获取每个目标招投标信息门户网站中所有招投标项目的URL，得到招投标项目的URL信息库；
步骤1.2：针对单个招投标项目的URL，利用网络抓取器获取招投标项目的网络完整数据；
步骤1.3：按照所述步骤1.2的方法遍历所述URL信息库，生成所述招投标历史数据库。
4.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述招投标项目的特征信息包括：
项目基本信息、业主方信息和投标方信息；
所述项目基本信息包括：项目名称、项目建设类型与规模、招标日期和最高限价；
所述业主方信息包括：业主名称、常聘代理机构名称和常聘专家的姓名及所属单位；
所述投标方信息包括：投标方的名称、投标报价、综合评标得分，以及类似业绩项目的业主、名称、开工日期、交工日期、竣工日期、建设规模、合同价格和项目负责人。
5.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息。
6.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述投标方隐藏合作关系分析结果的获取方法包括：
步骤3.11：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称和对应的中标方名称；将所有招投标项目的项目名称和对应的中标方名称进行汇总，建立项目-中标方名录；
步骤3.12：针对所述项目-中标方名录中的每条记录，建立对应的以中标方名称命名的数据库；
步骤3.13：遍历所述项目信息数据库，分别获取每个招投标项目的项目名称、中标方名称、其余未中标的投标方名称、中标方综合评标得分和其余未中标的投标方综合评标得分；根据项目名称、中标方名称、投标方名称、中标方综合评标得分和投标方综合评标得分，建立每个招投标项目对应的综合评标得分记录，将所有招投标项目对应的综合评标得分记录进行汇总，得到综合评标得分表；
步骤3.14：依据项目名称，建立综合评标得分表与所述项目-中标方名录的关系链接；
步骤3.15：针对所述综合评标得分表中的每个综合评标得分记录，将中标方综合评标得分分别与每个投标方综合评标得分作差，当差值大于阈值时，将投标方名称放入对应的数据库中；
步骤3.16：针对所有数据库，统计出所有投标方名称，以及每一个投标方名称在所有数据库中的出现次数；
步骤3.17：按照出现次数从大到小的顺序，对所有投标方名称进行排序，得到投标方隐藏合作关系分析结果。
7.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述投标方报价浮动策略分析结果、所述特定业主高频中标方分析结果、所述专家关联分析结果和所述代理机构关联分析结果的获取方法按照以下步骤执行：
步骤3.21：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的主体；针对所述投标方报价浮动策略分析结果和所述投标方业绩分析结果，所述主体为投标方名称，针对所述特定业主高频中标方分析结果、所述专家关联分析结果和所述代理机构关联分析结果，所述主体为业主名称；
步骤3.22：针对获取到的单个主体，执行以下步骤：
S21：统计出主体所属的所有招投标项目；
S22：针对每一个所属的招投标项目，获取招投标项目对应的对象，得到多个对象；针对所述投标方报价浮动策略分析结果，所述对象为投标方报价浮动率；针对所述特定业主高频中标方分析结果，所述对象为中标方名称；针对所述专家关联分析结果，所述对象为专家姓名；针对所述代理机构关联分析结果，所述对象为代理机构名称；
S23：统计出各对象分别出现的次数；
S24：将各对象按照出现次数从大到小的顺序排序，得到分析结果；
步骤3.23：按照所述步骤3.22的方法遍历所有主体，得到不同主体对应的分析结果。
8.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述投标方业绩分析结果的获取方法包括：
步骤3.31：遍历所述项目信息数据库，获取所述项目信息数据库中包含的所有不同的投标方名称；
步骤3.32：针对获取到的单个投标方名称，执行以下步骤：
S31：统计出投标方名称所属的所有招投标项目；
S32：针对每一个所属的招投标项目，获取招投标项目对应的投标方业绩，得到多个投标方业绩；
步骤3.33：按照所述步骤3.32的方法遍历所有投标方名称，得到不同投标方名称对应的投标方业绩分析分析结果。
9.根据权利要求1所述的一种基于招投标参与方行为画像的投标方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1：获取当前招投标信息，所述当前招投标信息包括：当前招投标项目的业主名称、各投标方名称、各专家姓名和代理机构名称；
步骤4.2：将所述当期投标信息与所述行为画像结果进行比对，包括以下步骤：
将当前招投标项目的各投标方名称与所述投标方隐藏合作关系分析结果进行比对，若比对结果为存在隐藏合作关系，则将投标方隐藏合作关系比对结果赋权值为A，否则赋权值为0；
将当前招投标项目的业主名称和各投标方名称与所述特定业主高频中标方分析结果进行比对，若比对结果为存在特定业主高频中标方，则将特定业主高频中标方比对结果赋权值为B，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方报价浮动策略分析结果进行比对，若比对结果为存在报价浮动率大于阈值的投标方，则对投标方报价浮动策略比对结果赋权值为C，否则赋权值为0；
将当前招投标项目的各投标方名称与所述投标方业绩分析结果进行比对，若比对结果为存在业绩高于阈值的投标方，则对投标方业绩比对结果赋权值为D，否则赋权值为0；
将当前招投标项目的业主名称和各专家姓名与专家关联分析结果进行比对，若比对结果为存在常聘专家，则对专家关联分析结果赋权值为E，否则赋权值为0；
将当前招投标项目的业主名称和代理机构名称与代理机构关联分析结果进行比对，若比对结果为当前代理机构为常聘代理机构，则对代理机构关联分析结果赋权值为F，否则赋权值为0；
步骤4.3：将所述投标方隐藏合作关系比对结果、所述特定业主高频中标方比对结果、所述投标方报价浮动策略比对结果、所述投标方业绩比对结果、所述专家关联分析结果和所述代理机构关联分析结果的权值相加，得到拟投标项目的投标风险值；
所述风险阈值设定为G＝(A+B+C+D+E+F)×0.6。
10.一种基于招投标参与方行为画像的投标评估系统，其特征在于，包括：
网络数据抓取模块，用于获取网络公开的招投标历史数据；
项目信息提取模块，用于从所述招投标历史数据中提取出每个招投标项目的特征信息，形成项目信息数据库；
行为画像执行模块，用于根据所述项目信息数据库中的特征信息对招投标参与方进行行为画像，得到招投标参与方的行为画像结果；
当前信息输入模块，用于将获取的当前招投标信息输入所述投标评估系统；
投标风险评估模块，用于根据所述行为画像结果和所述当前招投标信息，计算得出投标风险值，并将所述投标风险值与风险阈值进行比较，得到风险评估结果；
评估结果输出模块，用于输出风险评估结果；
所述项目信息提取模块包括：数据处理单元，用于对每个招投标项目的特征信息进行清洗、剔除错误或缺失信息；
所述行为画像执行模块包括：投标方隐藏合作关系分析单元、投标方报价浮动策略分析单元、投标方业绩分析单元、特定业主高频中标方分析单元、专家关联分析单元和代理机构关联分析单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111070812.XA CN113793024A (zh) | 2021-09-13 | 2021-09-13 | 一种基于招投标参与方行为画像的投标方法及评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111070812.XA CN113793024A (zh) | 2021-09-13 | 2021-09-13 | 一种基于招投标参与方行为画像的投标方法及评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113793024A true CN113793024A (zh) | 2021-12-14 |
Family
ID=79183049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111070812.XA Pending CN113793024A (zh) | 2021-09-13 | 2021-09-13 | 一种基于招投标参与方行为画像的投标方法及评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113793024A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066336A (zh) * | 2022-01-18 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种招标风险控制的方法和装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040083160A1 (en) * | 2002-06-13 | 2004-04-29 | Byde Andrew Robert | Automated agent and method of bidding in electronic auctions |
| KR101618710B1 (ko) * | 2015-01-20 | 2016-05-09 | (주)도일시스템즈 | 전자입찰시스템 |
| CN108415969A (zh) * | 2018-02-08 | 2018-08-17 | 湖南慧集网络科技有限责任公司 | 一种招标信息检索分析方法及系统 |
| 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 |
| CN110162548A (zh) * | 2018-02-09 | 2019-08-23 | 国网河北省电力有限公司物资分公司 | 用于电力招投标项目的大数据分析系统 |
| 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 |
| CN112396211A (zh) * | 2019-08-19 | 2021-02-23 | 中移(苏州)软件技术有限公司 | 一种数据预测方法及装置、设备和计算机存储介质 |
| CN112990697A (zh) * | 2021-03-12 | 2021-06-18 | 福建万川信息科技股份有限公司 | 一种基于深度学习的招投标风险值计算系统及方法 |
-
2021
- 2021-09-13 CN CN202111070812.XA patent/CN113793024A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040083160A1 (en) * | 2002-06-13 | 2004-04-29 | Byde Andrew Robert | Automated agent and method of bidding in electronic auctions |
| KR101618710B1 (ko) * | 2015-01-20 | 2016-05-09 | (주)도일시스템즈 | 전자입찰시스템 |
| CN108415969A (zh) * | 2018-02-08 | 2018-08-17 | 湖南慧集网络科技有限责任公司 | 一种招标信息检索分析方法及系统 |
| CN110162548A (zh) * | 2018-02-09 | 2019-08-23 | 国网河北省电力有限公司物资分公司 | 用于电力招投标项目的大数据分析系统 |
| 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 |
| CN112396211A (zh) * | 2019-08-19 | 2021-02-23 | 中移(苏州)软件技术有限公司 | 一种数据预测方法及装置、设备和计算机存储介质 |
| 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 |
| CN112990697A (zh) * | 2021-03-12 | 2021-06-18 | 福建万川信息科技股份有限公司 | 一种基于深度学习的招投标风险值计算系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪浩然等: "基于关联规则的招标投标失信行为预警研究", 管理观察, no. 31, pages 44 - 46 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066336A (zh) * | 2022-01-18 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种招标风险控制的方法和装置 |
| CN114066336B (zh) * | 2022-01-18 | 2022-08-02 | 珠海大横琴科技发展有限公司 | 一种招标风险控制的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zavadskas et al. | Multi-attribute decision-making model by applying grey numbers | |
| Li et al. | Testing for Affiliation in First‐Price Auctions Using Entry Behavior | |
| CN103577413A (zh) | 搜索结果排序方法及系统、搜索结果排序优化方法及系统 | |
| CN105913323A (zh) | 一种GitHub开源社区的PullRequest评审者推荐方法 | |
| CN113361928B (zh) | 一种基于异构图注意力网络的众包任务推荐方法 | |
| CN111523768A (zh) | 一种基于熵权-topsis的广义需求侧资源品质评价方法 | |
| CN113793024A (zh) | 一种基于招投标参与方行为画像的投标方法及评估系统 | |
| CN105740434A (zh) | 网络信息评分方法及装置 | |
| Kong et al. | Recommending code reviewers for proprietary software projects: A large scale study | |
| CN104657390A (zh) | 一种问答平台实现方法和系统 | |
| CN107247664B (zh) | 一种面向开源软件的协同行为测度方法 | |
| CN110196950B (zh) | 传播帐号的处理方法和装置 | |
| CN111859074A (zh) | 基于深度学习的网络舆情信息源影响力评估方法及系统 | |
| CN111553574A (zh) | 案件分配方法及其装置、电子设备和计算机可读存储介质 | |
| CN110992076A (zh) | 商家质量评价方法、装置、电子设备及可读存储介质 | |
| CN102509186A (zh) | 基于自学习的评标系统和方法 | |
| CN113222207B (zh) | 基于社区结构的招投标公司网络关系预测方法及预测系统 | |
| CN110852090B (zh) | 一种用于舆情爬取的机构特征词汇扩展系统和方法 | |
| CN114757805A (zh) | 基于区块链的便民政务服务系统 | |
| CN113806410A (zh) | 一种用于科技服务的服务推荐实验系统 | |
| CN113222484A (zh) | 一种基于大数据分析生成营销任务的方法和系统 | |
| CN114282988A (zh) | 异常申请识别方法及设备 | |
| CN112348257A (zh) | 一种多源数据融合与时序分析驱动的选举预测方法 | |
| US20200311747A1 (en) | Identifying the primary objective in online parameter selection | |
| CN112508400B (zh) | 一种众包协同迭代任务自生成方法 |
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 |