CN114708073B - 一种围标串标智能检测方法、装置、电子设备及存储介质 - Google Patents
一种围标串标智能检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114708073B CN114708073B CN202210322864.XA CN202210322864A CN114708073B CN 114708073 B CN114708073 B CN 114708073B CN 202210322864 A CN202210322864 A CN 202210322864A CN 114708073 B CN114708073 B CN 114708073B
- Authority
- CN
- China
- Prior art keywords
- bidding
- prediction
- vector
- preset
- information
- 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.)
- Active
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人工智能技术，揭露一种围标串标智能检测方法，包括：对企业的待识别标书进行向量化，得到标书向量；将标书向量输入串标识别模型中的多层预测网络，得到多个预测信息，对多个预测信息进行全连接，将全连接后的预测信息输入二分类器中，得到第一串标预测结果；获取企业的投标信息以及招标信息，提取投标信息和招标信息中的实体，根据预设属性和实体构建知识图谱；对知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；根据第一串标预测结果、第二串标预测结果以及围标预测结果生成企业的投标检测结果。本发明还提出一种围标串标智能检测装置、设备以及介质。本发明可以提高围标串标行为识别的精确性和效率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种围标串标智能检测方法、装置、电子设备及计算机可读存储介质。
背景技术
招投标是一种国际惯例，是有组织开展的一种择优成交的方式。当招标方进行招标时，需要收集来自各个企业的投标书，并根据每一个投标书的内容确定合作的企业，但是一些企业为了增加合作概率存在围标串标行为，从而谋取利益，扰乱市场秩序。目前，招标过程中大多采用人工的方式对招标数据进行围标串标的分析，一方面增加工作人员的工作量，另一方面影响了投标工作进度，并且对投标公司的的选择上，主观性较高且准确性较低。因此，现有的招标系统对招投标过程中的围标串标行为识别的精确性和效率较低。
发明内容
本发明提供一种围标串标智能检测方法、装置及计算机可读存储介质，其主要目的在于解决在招投标过程中的围标串标行为识别的精确性和效率较低的问题。
为实现上述目的，本发明提供的一种围标串标智能检测方法，包括：
获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
可选地，所述对所述待识别标书进行向量化，得到标书向量，包括：
对所述待识别标书进行分词处理，得到标书分词；
对所述标书分词的频率进行统计，得到标书词频表；
根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量。
可选地，所述对所述待识别标书进行分词处理，得到标书分词，包括：
利用分词器对所述待识别标书进行分词处理，得到第一分词；
根据预设的词性表和停用词表删除所述第一分词的特定分词，得到第二分词；
删除所述第二分词中的标点符号，得到标书分词。
可选地，所述根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量，包括：
在所述标书词频表中提取所述标书分词对应的编号，并根据所述编号生成编号向量；
判断所述编号向量的长度是否超过预设长度；
若所述编号向量的长度超过预设长度，则从所述编号向量中截取所述预设长度的向量作为所述标书向量；
若所述编号向量的长度未超过预设长度，则对所述编号向量补零，直至所述编号向量的长度达到预设长度，将补零后的编号向量作为标书向量。
可选地，所述将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，包括：
识别所述标书向量中的目标标书向量和附属标书向量，将所述目标标书向量输入所述多层预测网络中的主预测网络，将所述附属标书向量输入所述多层预测网络中的辅助预测网络；
通过所述主预测网络对所述目标标书向量进行预设次数的卷积、池化操作，得到主预测信息；
通过所述辅助预测网络对所述附属标书向量将所述附属标书向量进行预设次数的卷积、池化，得到每个所述辅助预测网络对应的辅助预测结果。
可选地，所述提取所述投标信息和招标信息中的实体，包括：
提取所述投标信息和招标信息中的关键词；
根据所述关键词在预设的知识图谱数据库中进行相似检索；
将检索到相似的关键词作为所述实体。
可选地，所述对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果，包括：
根据预设权重从所述实体中选取核心实体，其中，所述核心实体包括招标核心实体和多个企业核心实体；
提取所述招标核心实体的第一预设层数属性对应的连接实体，对所述第一预设层数属性对应的实体进行重复性检测，并根据重复性检测结果生成围标预测结果。
逐一从多个所述企业核心实体中选取一个企业核心实体为目标实体；
提取所述目标实体的第二预设层数属性以及每一层属性对应的连接实体，根据预设层数属性对所述连接实体进行数值量化；
根据预设的量化规则对数值量化后的实体进行计算，得到企业的第二串标预测结果。
为了解决上述问题，本发明还提供一种围标串标智能检测装置，所述装置包括：
标书向量生成模块，用于获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
第一串标预测结果生成模块，用于将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
知识图谱构建模块，用于获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
实体量化运算模块，用于对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
投标检测结果生成模块，用于根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的围标串标智能检测方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的围标串标智能检测方法。
本发明实施例通过企业的标书识别和企业的投标信息以及招标信息的实体识别两方面实现围标和串标的检测，提高了围标串标行为识别的精确性；通过串标识别模型对标书进行识别，得到第一串标预测结果，提高了围标串标行为识别的效率；通过根据投标信息以及招标信息进行实体识别并构建知识图谱，进而进行量化运算得到围标串标预测结果，实现了对围标串标行为的多角度识别。因此本发明提出的围标串标智能检测方法、装置、电子设备及计算机可读存储介质，可以解决在招投标过程中的围标串标行为识别的精确性和效率较低的问题。
附图说明
图1为本发明一实施例提供的围标串标智能检测方法的流程示意图；
图2为本发明一实施例提供的生成每层预测网络输出的预测信息的流程示意图；
图3为本发明一实施例提供的生成企业的第二串标预测结果和围标预测结果的流程示意图；
图4为本发明一实施例提供的围标串标智能检测装置的功能模块图；
图5为本发明一实施例提供的实现所述围标串标智能检测方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种围标串标智能检测方法。所述围标串标智能检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述围标串标智能检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的围标串标智能检测方法的流程示意图。在本实施例中，所述围标串标智能检测方法包括：
S1、获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
本发明实施例中，所述待识别标书为企业根据招标者发布的内容所制作的参加投标竞争的标书。
本发明实施例中，所述对所述待识别标书进行向量化，得到标书向量，包括：
对所述待识别标书进行分词处理，得到标书分词；
对所述标书分词的频率进行统计，得到标书词频表；
根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量。
本发明实施例中，按照标书词频表中每个分词的词频进行倒序编号，例如只存在“估价”和“型号”，“估价”的词频大于“型号”，则把“估价”编号为1,“型号”编号为2。
进一步地，所述对所述待识别标书进行分词处理，得到标书分词，包括：
利用分词器对所述待识别标书进行分词处理，得到第一分词；
根据预设的词性表和停用词表删除所述第一分词的特定分词，得到第二分词；
删除所述第二分词中的标点符号，得到标书分词。
具体地，所述根据预设的词性表和停用词表删除所述第一分词的特定分词，得到第二分词，包括：
获取需删除的词性标签，并根据所述需删除的词性标签提取所述词性表中对应的分词；
提取所述停用词表中对应的分词；
从所述第一分词中删除与所述词性表中对应的分词及所述停用词表中对应的分词相同的分词，得到所述第二分词。
本发明实施例中，所述分词器包括但不限于结巴分词器；所述词性表中的词性包括形容词、副词、动词等。
本发明实施例中，所述根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量，包括：
在所述标书词频表中提取所述标书分词对应的编号，并根据所述编号生成编号向量；
判断所述编号向量的长度是否超过预设长度；
若所述编号向量的长度超过预设长度，则从所述编号向量中截取所述预设长度的向量作为所述标书向量；
若所述编号向量的长度未超过预设长度，则对所述编号向量补零，直至所述编号向量的长度达到预设长度，将补零后的编号向量作为标书向量。
S2、将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
本发明实施例中，所述串标识别模型可以为卷积神经网络模型；所述多层预测网络中包含主预测网络和多个辅助预测网络，通过对每个预测网络输出的结果进行全连接和分类器激活，实现对主预测网络输出结果的串标分析。进一步地，本发明实施例中，所述二分类器包括但不限于Softmax激活器。
本发明实施例中，所述第一串标预测结果可以为串标概率，例如，存在串标概率为0.6，则0.6即为第一串标预测结果。
本发明实施例中，请参阅图2所示，所述将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，包括：
S21、识别所述标书向量中的目标标书向量和附属标书向量，将所述目标标书向量输入所述多层预测网络中的主预测网络，将所述附属标书向量输入所述多层预测网络中的辅助预测网络；
S22、通过所述主预测网络对所述目标标书向量进行预设次数的卷积、池化操作，得到主预测信息；
S23、通过所述辅助预测网络对所述附属标书向量将所述附属标书向量进行预设次数的卷积、池化，得到每个所述辅助预测网络对应的辅助预测结果。
所述标书向量可以包含各个企业的待识别标书所对应的标书向量，其中，目标企业的待识别标书所对应的标书向量为目标标书向量，以及除目标企业外的其他企业的待识别标书所对应的标书向量为附属标书向量。本发明实施例将所述目标标书向量输入主预测网络中，并将每个所述附属标书向量分别输入辅助预测网络中，得到包含目标企业标书的标书信息以及其他标书的标书信息，通过将所有标书信息进行全连接，实现对目标企业标书信息的综合识别，再将全连接后的结果输入二分类器，确定目标企业的串标预测结果。
本发明实施例中，所述第一串标预测结果可以为一个企业的串标预测结果，也可以为多个企业的串标预测结果。若所述第一串标预测结果为一个企业的串标预测结果，则只需要将所述企业的标书向量作为目标标书向量输入所述串标识别模型，即得到该企业的的串标预测结果；若所述第一串标预测结果为多个企业的串标预测结果，则需要逐一从所述多个企业中选取一个企业作为目标企业，并将所述目标企业的目标标书向量输入所述串标识别模型，进而得到多个企业的串标预测结果。
本发明实施例中，所述将所述标书向量分别输入预构建的串标识别模型中的多层预测网络之前，所述方法还可以包括：
获取历史标书，以及所述历史标书对应的真实串标预测结果，并对所述历史标书进行向量化，得到历史标书向量；
利用初始串标识别模型的多层预测网络对所述历史标书向量进行预设次数的卷积、池化，得到串标预测信息，并对所述串标预测信息进行全连接以及激活，得到串标预测结果；
计算所述串标预测结果与所述真实串标预测结果之间的损失值，并利用所述损失值优化所述初始串标识别模型，得到所述预构建的串标识别模型。
详细地，本发明实施例可以利用下述Focal Loss损失函数计算所述串标预测结果与所述真实串标预测结果之间的损失值：
其中，α和β是预设超参数，
表示所述真实串标预测结果，Y表示损失串标预测结果，Lc为损失值。
S3、获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
本发明实施例中，所述投标信息包括企业的股东信息、标书负责单位信息、企业合作公司信息等，所述招标信息包括招标单位信息、招标单位历史项目信息等。
本发明实施例中，可以利用爬虫技术从网络上或数据库中抓取投标信息和招标信息，或者利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先构建的用于存储企业的投标信息和招标信息的存储区域中获取所述企业的投标信息以及招标信息，所述存储区域包括但不限于数据库、区块链节点、网络缓存等。
本发明实施例中，所述提取所述投标信息和招标信息中的实体，包括：
提取所述投标信息和招标信息中的关键词；
根据所述关键词在预设的知识图谱数据库中进行相似检索；
将检索到相似的关键词作为所述实体。
具体地，所述提取所述投标信息和招标信息中的关键词，包括：
对所述投标信息和招标信息进行分词处理，得到文本分词；
从所述文本分词中逐个选取其中一个分词为目标分词；
利用预设的关键词算法计算所述目标分词在预设分词库中的频率指数；
选取所述频率指数大于预设的关键词阈值的文本分词为所述关键词。
详细地，所述频率指数是一个词语普遍重要性的度量，例如逆向文件频率。所述预设的关键词算法包括但不仅限于：TF-IDF、TextRank。
本发明实施例中，所述属性包括股东、合作、中标等，例如，识别得到企业的投标信息的实体分别为公司A、公司B；所述招标信息的实体为单位C、公司B，通过预设属性对所述投标信息和招标信息进行相似度识别，可以得到公司A与公司B之间的属性为子公司，单位C与公司B之间的属性为中标，进而根据实体：公司A、公司B、单位C以及属性：子公司、中标，构建出知识图谱。
S4、对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
本发明实施例中，每一个实体可以根据连接的不同实体分为多层属性，例如，实体“公司A”与实体“公司B”通过属性“子公司”连接，实体“公司B”与实体“单位C”通过属性“中标”连接，那实体“单位C”的一级属性为“中标”，通过实体“公司B”，其二级属性为“子公司”，则“单位C”具有两层属性。
本发明实施例中，请参阅图3所示，所述对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果，包括：
S41、根据预设权重从所述实体中选取核心实体，其中，所述核心实体包括招标核心实体和多个企业核心实体；
S42、提取所述招标核心实体的第一预设层数属性对应的连接实体，对所述第一预设层数属性对应的实体进行重复性检测，并根据重复性检测结果生成围标预测结果；
S43、逐一从多个所述企业核心实体中选取一个企业核心实体为目标实体；
S44、提取所述目标实体的第二预设层数属性以及每一层属性对应的连接实体，根据预设层数属性对所述连接实体进行数值量化；
S45、根据预设的量化规则对数值量化后的实体进行计算，得到所述企业的第二串标预测结果。
本发明实施例中，所述第一预设层数属性和所述第二预设层数属性可以为三层属性，所述三层属性包括一级属性、二级属性和三级属性，属性具有连接实体，并且每层属性对应的连接实体的量化数值可以不同，或者针对不同属性可以赋予连接实体不同的量化数值。
例如，假设第一预设层数为三层，提取所述招标核心实体的三层属性对应的连接实体，可以得到多个连接实体，如果同一个连接实体出现的概率越大，则认为该实体关联的企业实体围标概率越大。
例如，假设第二预测层数为四层，目标实体第一层属性对应的连接实体的数值量化的结果可以为90、目标实体第二层属性对应的连接实体的数值量化的结果可以为70，目标实体第二层属性对应的连接实体的数值量化的结果可以为50、目标实体第二层属性对应的连接实体的数值量化的结果可以为30，每层连接实体对应的可能为核心实体；通过对多个核心实体的多层属性的连接实体的数值量化，可以通过加法运算对知识图谱中每个实体数值量化的结果进行综合计算，得到每个实体的量化分值；再根据核心实体，或者根据核心实体以及核心实体的连接实体进行权重以及百分制等计算，进而确定企业的第二串标预测结果。
S5、根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
本发明实施例中，可以在企业的围标预测结果大于预设围标阈值时，判定企业与招标单位之间存在围标行为；可以根据预设的计算规则对企业的第一串标预测结果和第二串标预测结果进行综合运算，得到串标预测结果，当串标预测结果大于预设串标阈值时，判定企业存在串标行为。
本发明实施例中，所述根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果，包括：
对所述第一串标预测结果和所述第二串标预测结果进行权重运算，得到串标预测结果；
当所述串标预测结果大于预设串标阈值时，确定所述投标检测检测为串标；
当所述围标预测结果大于预设围标阈值时，确定所述投标检测检测为围标。
本发明实施例通过企业的标书识别和企业的投标信息以及招标信息的实体识别两方面实现围标和串标的检测，提高了围标串标行为识别的精确性；通过串标识别模型对标书进行识别，得到第一串标预测结果，提高了围标串标行为识别的效率；通过根据投标信息以及招标信息进行实体识别并构建知识图谱，进而进行量化运算得到围标串标预测结果，实现了对围标串标行为的多角度识别。因此本发明提出的围标串标智能检测方法，可以解决在招投标过程中的围标串标行为识别的精确性和效率较低的问题。
如图4所示，是本发明一实施例提供的围标串标智能检测装置的功能模块图。
本发明所述围标串标智能检测装置100可以安装于电子设备中。根据实现的功能，所述围标串标智能检测装置100可以包括标书向量生成模块101、第一串标预测结果生成模块102、知识图谱构建模块103、实体量化运算模块104及投标检测结果生成模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述标书向量生成模块101，用于获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
所述第一串标预测结果生成模块102，用于将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
所述知识图谱构建模块103，用于获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
所述实体量化运算模块104，用于对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
所述投标检测结果生成模块105，用于根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
详细地，本发明实施例中所述围标串标智能检测装置100中所述的各模块在使用时采用与上述图1至图3中所述的围标串标智能检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现种围标串标智能检测方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如种围标串标智能检测程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行种围标串标智能检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如种围标串标智能检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的围标串标智能检测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
对所述知识图谱中的实体进行量化运算，得到企业的第二串标预测结果和围标预测结果；
根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种围标串标智能检测方法，其特征在于，所述方法包括：
获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
根据预设权重从所述实体中选取核心实体，其中，所述核心实体包括招标核心实体和多个企业核心实体；
提取所述招标核心实体的第一预设层数属性对应的连接实体，对所述第一预设层数属性对应的连接实体进行重复性检测，并根据重复性检测结果生成围标预测结果；
逐一从多个所述企业核心实体中选取一个企业核心实体为目标实体；
提取所述目标实体的第二预设层数属性以及每一层属性对应的连接实体，根据预设层数属性对所述连接实体进行数值量化；
根据预设的量化规则对数值量化后的连接实体进行计算，得到企业的第二串标预测结果；
根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
2.如权利要求1所述的围标串标智能检测方法，其特征在于，所述对所述待识别标书进行向量化，得到标书向量，包括：
对所述待识别标书进行分词处理，得到标书分词；
对所述标书分词的频率进行统计，得到标书词频表；
根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量。
3.如权利要求2所述的围标串标智能检测方法，其特征在于，所述对所述待识别标书进行分词处理，得到标书分词，包括：
利用分词器对所述待识别标书进行分词处理，得到第一分词；
根据预设的词性表和停用词表删除所述第一分词的特定分词，得到第二分词；
删除所述第二分词中的标点符号，得到标书分词。
4.如权利要求2所述的围标串标智能检测方法，其特征在于，所述根据所述标书词频表中的词频对所述标书分词进行向量编码，得到标书向量，包括：
在所述标书词频表中提取所述标书分词对应的编号，并根据所述编号生成编号向量；
判断所述编号向量的长度是否超过预设长度；
若所述编号向量的长度超过预设长度，则从所述编号向量中截取所述预设长度的向量作为所述标书向量；
若所述编号向量的长度未超过预设长度，则对所述编号向量补零，直至所述编号向量的长度达到预设长度，将补零后的编号向量作为标书向量。
5.如权利要求1所述的围标串标智能检测方法，其特征在于，所述将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，包括：
识别所述标书向量中的目标标书向量和附属标书向量，将所述目标标书向量输入所述多层预测网络中的主预测网络，将所述附属标书向量输入所述多层预测网络中的辅助预测网络；
通过所述主预测网络对所述目标标书向量进行预设次数的卷积、池化操作，得到主预测信息；
通过所述辅助预测网络对所述附属标书向量将所述附属标书向量进行预设次数的卷积、池化，得到每个所述辅助预测网络对应的辅助预测结果。
6.如权利要求1所述的围标串标智能检测方法，其特征在于，所述提取所述投标信息和招标信息中的实体，包括：
提取所述投标信息和招标信息中的关键词；
根据所述关键词在预设的知识图谱数据库中进行相似检索；
将检索到相似的关键词作为所述实体。
7.一种围标串标智能检测装置，其特征在于，所述装置包括：
标书向量生成模块，用于获取企业的待识别标书，对所述待识别标书进行向量化，得到标书向量；
第一串标预测结果生成模块，用于将所述标书向量分别输入预构建的串标识别模型中的多层预测网络，得到每层预测网络输出的预测信息，对每层预测网络输出的预测信息进行全连接，并将全连接后的预测信息输入预设的二分类器中，得到第一串标预测结果；
知识图谱构建模块，用于获取所述企业的投标信息以及招标信息，提取所述投标信息和招标信息中的实体，并根据预设属性和所述实体构建知识图谱；
实体量化运算模块，用于根据预设权重从所述实体中选取核心实体，其中，所述核心实体包括招标核心实体和多个企业核心实体，提取所述招标核心实体的第一预设层数属性对应的连接实体，对所述第一预设层数属性对应的连接实体进行重复性检测，并根据重复性检测结果生成围标预测结果，逐一从多个所述企业核心实体中选取一个企业核心实体为目标实体，提取所述目标实体的第二预设层数属性以及每一层属性对应的连接实体，根据预设层数属性对所述连接实体进行数值量化，根据预设的量化规则对数值量化后的连接实体进行计算，得到企业的第二串标预测结果；
投标检测结果生成模块，用于根据所述第一串标预测结果、所述第二串标预测结果以及所述围标预测结果生成所述企业的投标检测结果。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的围标串标智能检测方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的围标串标智能检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210322864.XA CN114708073B (zh) | 2022-03-29 | 2022-03-29 | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210322864.XA CN114708073B (zh) | 2022-03-29 | 2022-03-29 | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114708073A CN114708073A (zh) | 2022-07-05 |
| CN114708073B true CN114708073B (zh) | 2023-03-24 |
Family
ID=82170896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210322864.XA Active CN114708073B (zh) | 2022-03-29 | 2022-03-29 | 一种围标串标智能检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114708073B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115630169B (zh) * | 2022-11-30 | 2023-05-05 | 国网浙江浙电招标咨询有限公司 | 一种基于供应商知识图谱的围串标预测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062215A (zh) * | 2019-12-10 | 2020-04-24 | 金蝶软件（中国）有限公司 | 基于半监督学习训练的命名实体识别方法和装置 |
| CN112990281A (zh) * | 2021-03-01 | 2021-06-18 | 中国工商银行股份有限公司 | 异常投标识别模型训练方法、异常投标识别方法及装置 |
| CN113129118A (zh) * | 2021-05-17 | 2021-07-16 | 政采云有限公司 | 一种基于自然语言处理的围标串标行为识别方法及装置 |
| CN113705201A (zh) * | 2021-10-28 | 2021-11-26 | 湖南华菱电子商务有限公司 | 基于文本的事件概率预测评估算法、电子设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4739404B2 (ja) * | 2006-02-14 | 2011-08-03 | 富士通株式会社 | 電子入札／開札プログラム、電子入札／開札システム、及び電子入札／開札方法 |
| US20190122258A1 (en) * | 2017-10-23 | 2019-04-25 | Adbank Inc. | Detection system for identifying abuse and fraud using artificial intelligence across a peer-to-peer distributed content or payment networks |
| CN109325398B (zh) * | 2018-06-30 | 2020-10-09 | 东南大学 | 一种基于迁移学习的人脸属性分析方法 |
| CN112053061A (zh) * | 2020-09-07 | 2020-12-08 | 讯飞智元信息科技有限公司 | 围串标行为识别方法、装置、电子设备和存储介质 |
| 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 |
-
2022
- 2022-03-29 CN CN202210322864.XA patent/CN114708073B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062215A (zh) * | 2019-12-10 | 2020-04-24 | 金蝶软件（中国）有限公司 | 基于半监督学习训练的命名实体识别方法和装置 |
| CN112990281A (zh) * | 2021-03-01 | 2021-06-18 | 中国工商银行股份有限公司 | 异常投标识别模型训练方法、异常投标识别方法及装置 |
| CN113129118A (zh) * | 2021-05-17 | 2021-07-16 | 政采云有限公司 | 一种基于自然语言处理的围标串标行为识别方法及装置 |
| CN113705201A (zh) * | 2021-10-28 | 2021-11-26 | 湖南华菱电子商务有限公司 | 基于文本的事件概率预测评估算法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114708073A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113822494B (zh) | 风险预测方法、装置、设备及存储介质 | |
| CN112597312A (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN113449187B (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
| CN112528616B (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
| CN113157927A (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN113706291A (zh) | 欺诈风险预测方法、装置、设备及存储介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN113658002B (zh) | 基于决策树的交易结果生成方法、装置、电子设备及介质 | |
| CN114708073B (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
| CN113362162A (zh) | 基于网络行为数据的风控识别方法、装置、电子设备及介质 | |
| CN113344125A (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
| CN113705201B (zh) | 基于文本的事件概率预测评估算法、电子设备及存储介质 | |
| CN115544254A (zh) | 基于企业级行政组织树的数据智能处理方法、装置及设备 | |
| CN115510188A (zh) | 文本关键词关联方法、装置、设备及存储介质 | |
| CN115221323A (zh) | 基于意图识别模型的冷启动处理方法、装置、设备及介质 | |
| CN114722146A (zh) | 基于人工智能的供应链资产校验方法、装置、设备及介质 | |
| CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
| CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
| CN115099680A (zh) | 风险管理方法、装置、设备及存储介质 | |
| CN114518993A (zh) | 基于业务特征的系统性能监控方法、装置、设备及介质 | |
| CN113706207A (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
| CN114676307A (zh) | 基于用户检索的排序模型训练方法、装置、设备及介质 | |
| CN113344674A (zh) | 基于用户购买力的产品推荐方法、装置、设备及存储介质 | |
| CN113486145B (zh) | 基于网络节点的用户咨询回复方法、装置、设备及介质 | |
| CN111680513B (zh) | 特征信息的识别方法、装置及计算机可读存储介质 |
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 |