CN116485190B - 基于多文件对比分析的企业投标信息文件风险预测系统 - Google Patents

Abstract

本发明涉及风险预测技术领域。具体的，本发明涉及基于多文件对比分析的企业投标信息文件风险预测系统。其括文件识别单元、方案检测单元、结果反馈单元以及数据储存单元；文件识别单元用于在对企业投标时，收集竞标企业投标文件；通过采集其他竞标企业的文件，提高对比分析的精准度，同时通过特征提取分析突出本企业对比竞争企业特点，实现对不同竞标企业文件的波动识别和投标风险预测，提高了投标数据分析能力，通过将采集的文件和对应企业进行比对，避免出现获取假文件被迷惑，提高文件获取的精准性，并且再通过结合匹配的案例数据对此次投标形成多维分析，提高投标风险预测的准确率和效率。

Description

基于多文件对比分析的企业投标信息文件风险预测系统

技术领域

本发明涉及风险预测技术领域，具体地说，涉及基于多文件对比分析的企业投标信息文件风险预测系统。

背景技术

企业在招标过程中需要对投标企业及其投标书挖掘风险要素，用以综合预评估该企业能否进入正式评审环节。通常评估过程需要对企业基本信息、标书等数据进行收集与分析，对各个风险项逐个进行稽核和风险等级划定，综合评估所有风险要素并最终给出结论。但在对风险进行预测时，通过对比竞标内容和自身企业匹配度时，比对信息价值度不高，影响风险预测数据的精准度，提出基于多文件对比分析的企业投标信息文件风险预测系统。

发明内容

本发明的目的在于提供基于多文件对比分析的企业投标信息文件风险预测系统，以解决上述背景技术中提出的问题。

为实现上述目的，提供了基于多文件对比分析的企业投标信息文件风险预测系统，包括文件识别单元、方案检测单元、结果反馈单元以及数据储存单元；

所述文件识别单元用于在对企业投标时，收集竞标企业投标文件，并将竞标企业投标文件根据和企业匹配度进行分类，同时再对竞标企业投标文件进行信息提取至方案检测单元；

所述方案检测单元用于采集自身企业信息，并根据企业信息和文件识别单元获取的模板进行结合，通过结合数据和竞争企业投标文件进行比对分析，同时再从网络采集匹配投标环境对比本次投标环境进行二次分析，结合两次分析数据进行风险评估；

所述结果反馈单元用于将方案检测单元所获取的评估结果输送至云端获取反馈结果，并根据反馈结果进行对本企业投标文件二次分析；

所述数据储存单元用于将本次竞标结果结合文件识别单元、方案检测单元以及结果反馈单元的数据进行分析，并将分析数据上传至云端进行数据更新。

作为本技术方案的进一步改进，所述文件识别单元包括模板数据收集模块和文本格式评估模块；

所述模板数据收集模块用于根据此次竞标内容收集竞争企业名单，并采集竞争企业竞标文件；

所述文本格式评估模块用于根据模板数据收集模块收集的竞争企业竞标文件进行文字提取，制作自身企业竞标使用模板。

作为本技术方案的进一步改进，所述模板数据收集模块包括环境分析模块和模板采集模块；

所述环境分析模块用于采集竞标内容以及参与此次竞标的企业名单；

所述模板采集模块用于对环境分析模块所采集的企业名单的投标文件进行收集，并结合对应企业信息和投标文件进行评估。

作为本技术方案的进一步改进，所述文本格式评估模块包括文本分类模块和特征采集模块；

所述文本分类模块用于根据模板采集模块的评估结果对竞争企业投标文件保存，并结合竞争企业和本企业匹配度进行分类；

所述特征采集模块用于对文本分类模块保存的竞争企业投标文件进行结合分析，并提取竞争企业投标文件的特征数据。

作为本技术方案的进一步改进，所述方案检测单元包括文件对比模块和风险预测模块；

所述文件对比模块用于采集自身企业信息结合文本格式评估模块制作的模板，生成本企业投标文件；

所述风险预测模块用于从网络上采集匹配投标环境数据，并根据采集的数据对文件对比模块生成的投标文件进行风险评估。

作为本技术方案的进一步改进，所述文件对比模块包括文件收集模块和文本生成模块；

所述文件收集模块用于采集需要投标的企业自身运行状态，并提取企业信息特征数据；

所述文本生成模块用于将文件收集模块提取的企业信息特征数据结合特征采集模块所提取的竞争企业投标文件的特征数据进行分析，制作本企业投标文件。

作为本技术方案的进一步改进，所述风险预测模块包括实施分析模块和风险评估模块；

所述实施分析模块用于根据环境分析模块采集的此次竞标内容寻找匹配度最高的竞标案例，根据寻找的竞标案例结合文本生成模块制作的本企业投标文件进行分析；

所述风险评估模块用于将特征采集模块提取的竞争企业投标文件的特征数据结合文本生成模块制作的本企业投标文件进行分析，并将分析结果和实施分析模块所获取的分析结果结合进行评估。

作为本技术方案的进一步改进，所述结果反馈单元包括数据发送模块和反馈更新模块；

所述数据发送模块用于将风险评估模块所评估结果上传至云端，并通过云端发送至用户进行评估；

所述反馈更新模块用于接收用户反馈信息，并根据评估结果将用户反馈信息结合文本生成模块制作的本企业投标文件进行修改，再将修改完毕的文件进行二次分析。

作为本技术方案的进一步改进，所述数据储存单元包括数据分类模块和数据更新模块；

所述数据分类模块用于将文本生成模块生成的投标模板和此次竞标企业文件进行打包上传至云端；

所述数据更新模块用于采集本次竞标最终结果，并将最终结果结合数据分类模块打包的文件进行评估，将评估数据上传至云端，更新获取最新的企业投标文件制作方法。

与现有技术相比，本发明的有益效果：

该基于多文件对比分析的企业投标信息文件风险预测系统中，通过采集其他竞标企业的文件，提高对比分析的精准度，同时通过特征提取分析突出本企业对比竞争企业特点，实现对不同竞标企业文件的波动识别和投标风险预测，提高了投标数据分析能力，通过将采集的文件和对应企业进行比对，避免出现获取假文件被迷惑，提高文件获取的精准性，并且再通过结合匹配的案例数据对此次投标形成多维分析，提高投标风险预测的准确率和效率。

附图说明

图1为本发明的整体流程框图；

图2为本发明的采集竞争企业竞标文件的流程框图；

图3为本发明的制作自身企业竞标使用模板的流程框图；

图4为本发明的生成本企业投标文件的流程框图；

图5为本发明的进行风险评估的流程框图；

图6为本发明的用户进行评估的流程框图；

图7为本发明的获取最新的企业投标文件制作方法的流程框图。

图中各个标号意义为：

1、文件识别单元；2、方案检测单元；

10、模板数据收集模块；11、环境分析模块；12、模板采集模块；

20、文本格式评估模块；21、文本分类模块；22、特征采集模块；

30、文件对比模块；31、文件收集模块；32、文本生成模块；

40、风险预测模块；41、实施分析模块；42、风险评估模块；

50、结果反馈单元；51、数据发送模块；52、反馈更新模块；

60、数据储存单元；61、数据分类模块；62、数据更新模块。

具体实施方式

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，所描述的实施例仅仅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做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。

实施例1

请参阅图1-图7所示，本实施例目的在于，提供了基于多文件对比分析的企业投标信息文件风险预测系统，包括文件识别单元1、方案检测单元2、结果反馈单元50以及数据储存单元60；

文件识别单元1用于在对企业投标时，收集竞标企业投标文件，并将竞标企业投标文件根据和企业匹配度进行分类，同时再对竞标企业投标文件进行信息提取至方案检测单元2；

方案检测单元2用于采集自身企业信息，并根据企业信息和文件识别单元1获取的模板进行结合，通过结合数据和竞争企业投标文件进行比对分析，同时再从网络采集匹配投标环境对比本次投标环境进行二次分析，结合两次分析数据进行风险评估；

风险评估=（投标文件比对分析得分+案例对比分析得分）/2

其中，投标文件比对分析得分是本企业投标文件与竞争企业投标文件之间的相关性分析得分，可使用数据分析软件进行计算；案例对比分析得分是从网络采集的类似案例中对比本次投标环境得到的评估分数，可以根据相似性、可比性、参考价值等指标进行打分，再进行加权计算得到得分。

结果反馈单元50用于将方案检测单元2所获取的评估结果输送至云端获取反馈结果，并根据反馈结果进行对本企业投标文件二次分析；

数据储存单元60用于将本次竞标结果结合文件识别单元1、方案检测单元2以及结果反馈单元50的数据进行分析，并将分析数据上传至云端进行数据更新。

文件识别单元1包括模板数据收集模块10和文本格式评估模块20；

模板数据收集模块10用于根据此次竞标内容收集竞争企业名单，并采集竞争企业竞标文件；

文本格式评估模块20用于根据模板数据收集模块10收集的竞争企业竞标文件进行文字提取，制作自身企业竞标使用模板。

模板数据收集模块10包括环境分析模块11和模板采集模块12；

环境分析模块11用于采集竞标内容以及参与此次竞标的企业名单；

模板采集模块12用于对环境分析模块11所采集的企业名单的投标文件进行收集，通过数据接口、爬虫方式获取竞标企业投标文件，以下是一些常见的方式：

API接口：APIApplicationProgrammingInterface是应用程序接口的缩写，通过使用API可以直接从数据源获取数据，而无需爬虫抓取。许多应用程序都提供API用于从其数据存储中提取数据，例如Twitter、Facebook、Google等，这些API可以非常容易地集成到应用程序中。

爬虫：可以使用通用的爬虫库例如BeautifulSoup、Scrapy或专门的爬虫例如Google或Bing爬虫，从网站上抓取数据。但是这种方式需要注意要遵循网站自己制定的爬虫规则，否则可能会导致屏蔽IP、法律纠纷等问题。

直接从数据源中手动收集数据：对于一些简单而常见的应用场景例如从公共数据集中获取数据、对数据进行简单的处理和转换，人工收集数据可能是一种更有效的方式，并结合对应企业信息和投标文件进行评估，核对企业基本信息：可以通过企业工商信息等来源核对企业基本信息，确定标书上的企业名称、统一社会信用代码或营业执照号码、注册地址和法人代表等信息是否与企业信息来源一致。

比对投标文件格式：可以比对采集到的文件与已知的标准模板或样本进行比对，来确定投标文件的格式是否符合标准格式。

检查文件关键字：可以将采集到的投标文件文本进行关键字匹配，来判断其中是否出现了敏感词或不合规信息。

验证投标资格：可以通过企业工商信息、财务报表和业绩等来验证企业是否符合投标资格，并进一步判断其投标文件数据的可靠性。

文本格式评估模块20包括文本分类模块21和特征采集模块22；

文本分类模块21用于根据模板采集模块12的评估结果对竞争企业投标文件保存，并结合竞争企业和本企业匹配度进行分类；

特征采集模块22用于对文本分类模块21保存的竞争企业投标文件进行结合分析，并提取竞争企业投标文件的特征数据，对投标文件进行文本识别和处理，包括数据去重、特殊字符处理、数据清洗等操作，确保投标数据的准确性和完整性，采用机器学习算法，可以自主识别文件中的重要信息和投标类别，为后续分析提供基础数据，机器学习算法公式如下：

线性回归LinearRegression:假设目标值y可以表示为自变量x的线性组合加上一些误差噪声，那么用一个一次函数即直线来拟合这个线性关系是最简单的做法，其数学公式为：

，

其中，和/>分别为模型的截距和斜率，/>是误差项。线性回归的目标是通过最小化残差平方和来得到最优的模型参数/>和/>，提高文件准确数据价值。

方案检测单元2包括文件对比模块30和风险预测模块40；

文件对比模块30用于采集自身企业信息结合文本格式评估模块20制作的模板，生成本企业投标文件；

风险预测模块40用于从网络上采集匹配投标环境数据，并根据采集的数据对文件对比模块30生成的投标文件进行风险评估，比对不同投标人之间的投标文件，实现文件间的匹配性和差异性分析，及排除投标中的异常情况。可以及时发现和排除投标中异常情况的出现，如串标、制假等问题的出现，进而降低投标风险。

文件对比模块30包括文件收集模块31和文本生成模块32；

文件收集模块31用于采集需要投标的企业自身运行状态，并提取企业信息特征数据；

文本生成模块32用于将文件收集模块31提取的企业信息特征数据结合特征采集模块22所提取的竞争企业投标文件的特征数据进行分析，制作本企业投标文件，步骤如下：

提取本企业信息特征数据：首先需要根据业务和需要，确定本企业的基本信息特征和关键词，例如企业名称、业务领域、历史业绩、技术实力等。然后，可以通过企业公开信息、网站资料或内部数据系统等途径，从已有的数据中提取出这些特征数据。

收集竞争企业的投标文件：通过与业务领域相同或类似的竞争企业进行联系，收集其投标文件。这里需要注意，收集竞争企业的投标文件需要遵守相关的法律法规，尊重他们的商业秘密和知识产权，避免侵犯对方的利益。

分析竞争企业投标文件中的特征数据：对于已经收集到的竞争企业的投标文件，需要进行特征数据分析，例如关键词提取、文本匹配度计算、数据可视化等方法，从中发现和比较与本企业相关的信息和特征数据。

综合分析提炼制作本企业投标文件：根据分析结果综合分析提炼，选取本企业的优势和特色进行强调，提取竞争企业的好的特征进行借鉴，最终制作本企业的投标文件。

风险预测模块40包括实施分析模块41和风险评估模块42；

实施分析模块41用于根据环境分析模块11采集的此次竞标内容寻找匹配度最高的竞标案例，根据寻找的竞标案例结合文本生成模块32制作的本企业投标文件进行分析，提高风险评估精准性；要从网络上采集与本次投标环境相似的案例，需要先确定本次投标的具体情况，包括：投标项目的类型、目标客户、所在行业、竞争环境、项目规模、技术要求等方面的信息。然后，可以通过以下途径进行案例采集：

搜索引擎：使用搜索引擎（如百度、谷歌）输入相关关键词，如“同类投标案例”、“类似比对案例”、“个人信息保护类投标案例”等，搜索相关案例。

行业网站：访问行业相关网站和论坛，搜索相关案例，如建筑、电子、通信等行业的专业网站或论坛。

投标库：访问投标库网站，搜索相关案例。可以找到相同或相似方案的投标案例，看看其他公司是如何制定方案和进行投标的。

专业咨询公司：向专业咨询公司咨询相关案例，和从投标库中找到的案例相比，这些案例更具可信度，相应的分析、建议也更具权威性。

采集到相似的案例后，可以根据相似性、可比性、参考价值等指标进行打分，再进行加权计算得到得分。同时，也需要注意对采集到的案例进行筛选和分析，确保其与本次投标的环境、要求等方面的相似度较高，并且从中可以得到有用的启示和参考

风险评估模块42用于将特征采集模块22提取的竞争企业投标文件的特征数据结合文本生成模块32制作的本企业投标文件进行分析，并将分析结果和实施分析模块41所获取的分析结果结合进行评估。进行评估步骤如下：

确定本次竞标的领域和相关关键词，例如“物流服务”、“快递配送”等。

在互联网上通过搜索引擎或专业的竞标库网站等渠道，进行相关关键词的搜索和筛选，并采集与本次竞标匹配度最高的竞标案例。当然，这里需要遵守有关隐私和知识产权保护的相关法规。

对采集到的竞标案例进行初步的筛选和识别，找出最符合本次竞标要求的一些样本案例。

从样本案例中提取出有价值的特征数据，例如投标方案、商业模式、技术方案等，并进行梳理和整理。

将采集到的特征数据与本企业的信息特征进行对比分析和综合评估，找出一些与本企业的优劣势和差距等方面相关的特征数据。

根据分析结果，提出本企业投标的优化建议和改进方案，引用一些样本案例的具体特征进行借鉴和参考，最终完成本企业的投标文件。

结果反馈单元50包括数据发送模块51和反馈更新模块52；

数据发送模块51用于将风险评估模块42所评估结果上传至云端，并通过云端发送至用户进行评估；

反馈更新模块52用于接收用户反馈信息，并根据评估结果将用户反馈信息结合文本生成模块32制作的本企业投标文件进行修改，再将修改完毕的文件进行二次分析，二次分析步骤为将修改完毕的文件重新和竞争企业投标文件进行比对。

比对分析得分=（（修改后的本企业投标文件与竞争企业投标文件的相似度）+（竞争企业投标文件之间的相似度平均值））/2

其中，修改后的本企业投标文件与竞争企业投标文件的相似度可以通过使用文本比对工具（如WinMerge、BeyondCompare、Diffchecker等）来进行计算和分析。竞争企业投标文件之间的相似度平均值是所有竞争企业投标文件相互之间的相似度的平均值，可通过计算得出。这样得到的比对分析得分可以帮助我们了解本企业投标文件与竞争企业投标文件之间的差异，并在此基础上进行必要的修改和优化，以提高本企业的投标成功率。得出新的风险预测信息，然后将结果进行展示和反馈给客户，客户可以通过该模块获取到风险预测和相应建议。同时，也可以进行结果的修改和反馈，提高系统的准确性和用户体验。

数据储存单元60包括数据分类模块61和数据更新模块62；

数据分类模块61用于将文本生成模块32生成的投标模板和此次竞标企业文件进行打包上传至云端；

数据更新模块62用于采集本次竞标最终结果，并将最终结果结合数据分类模块61打包的文件进行评估，将评估数据上传至云端，以下是根据本次竞标最终结果结合本企业竞标文件进行分析评估的基本方法：

收集竞标结果信息：在竞标过程中，需要及时了解和跟踪竞标结果，包括标书评审、中标公示、合同签订等环节。同时，还需要收集相关的评分标准和评审意见等，以便对投标文件进行后续的评估和分析。

比较评估本企业和中标企业的优劣势：在收集到竞标结果信息后，需要对本企业和中标企业的投标文件进行评估和比较。这涉及到一些定量和定性的分析方法，例如数据可视化、关键词提取、文本匹配性计算、SWOT分析等等，找出每家企业的优劣势和差距等。

总结竞标经验和教训：根据对本企业和中标企业投标文件的评估和比较，可以总结出一些针对本次竞标的经验和教训，例如投标策略、产品或服务优化、合作伙伴的选择等等。通过总结和反思，可以为今后的竞标活动提供指导和启示，更新获取最新的企业投标文件制作方法。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.基于多文件对比分析的企业投标信息文件风险预测系统，其特征在于：包括文件识别单元（1）、方案检测单元（2）、结果反馈单元（50）以及数据储存单元（60）；

所述文件识别单元（1）用于在对企业投标时，收集竞标企业投标文件，并将竞标企业投标文件根据和企业匹配度进行分类，同时对竞标企业投标文件进行信息提取至方案检测单元（2）；

所述方案检测单元（2）用于采集自身企业信息，并根据企业信息和文件识别单元（1）获取的模板进行结合，通过结合数据和竞争企业投标文件进行比对分析，同时再从网络采集匹配投标环境对比本次投标环境进行二次分析，结合两次分析数据进行风险评估；

所述结果反馈单元（50）用于将方案检测单元（2）所获取的评估结果输送至云端获取反馈结果，并根据反馈结果对本企业投标文件分析比对；

所述数据储存单元（60）用于将本次竞标结果结合文件识别单元（1）、方案检测单元（2）以及结果反馈单元（50）的数据进行分析，并将分析数据上传至云端进行数据更新；

风险评估=（投标文件比对分析得分+案例对比分析得分）/2

其中，投标文件比对分析得分是本企业投标文件与竞争企业投标文件之间的相关性分析得分，使用数据分析软件进行计算；案例对比分析得分是从网络采集的类似案例中对比本次投标环境得到的评估分数；

所述文件识别单元（1）包括模板数据收集模块（10）和文本格式评估模块（20）；

所述模板数据收集模块（10）用于根据此次竞标内容收集竞争企业名单，并采集竞争企业竞标文件；

所述文本格式评估模块（20）用于根据模板数据收集模块（10）收集的竞争企业竞标文件进行文字提取，制作自身企业竞标使用模板；

所述模板数据收集模块（10）包括环境分析模块（11）和模板采集模块（12）；

所述环境分析模块（11）用于采集竞标内容以及参与此次竞标的企业名单；

所述模板采集模块（12）用于对环境分析模块（11）所采集的企业名单的投标文件进行收集，并结合对应企业信息和投标文件进行评估；

所述文本格式评估模块（20）包括文本分类模块（21）和特征采集模块（22）；

所述文本分类模块（21）用于根据模板采集模块（12）的评估结果对竞争企业投标文件保存，并结合竞争企业和本企业匹配度进行分类；

所述特征采集模块（22）用于对文本分类模块（21）保存的竞争企业投标文件进行结合分析，并提取竞争企业投标文件的特征数据；

所述方案检测单元（2）包括文件对比模块（30）和风险预测模块（40）；

所述文件对比模块（30）用于采集自身企业信息结合文本格式评估模块（20）制作的模板，生成本企业投标文件；

所述风险预测模块（40）用于从网络上采集匹配投标环境数据，并根据采集的数据对文件对比模块（30）生成的投标文件进行风险评估；

所述文件对比模块（30）包括文件收集模块（31）和文本生成模块（32）；

所述文件收集模块（31）用于采集需要投标的企业自身运行状态，并提取企业信息特征数据；

所述文本生成模块（32）用于将文件收集模块（31）提取的企业信息特征数据结合特征采集模块（22）所提取的竞争企业投标文件的特征数据进行分析，制作本企业投标文件；

所述风险预测模块（40）包括实施分析模块（41）和风险评估模块（42）；

所述实施分析模块（41）用于根据环境分析模块（11）采集的此次竞标内容寻找匹配度最高的竞标案例，根据寻找的竞标案例结合文本生成模块（32）制作的本企业投标文件进行分析；

所述风险评估模块（42）用于将特征采集模块（22）提取的竞争企业投标文件的特征数据结合文本生成模块（32）制作的本企业投标文件进行分析，并将分析结果和实施分析模块（41）所获取的分析结果结合进行评估。

2.根据权利要求1所述的基于多文件对比分析的企业投标信息文件风险预测系统，其特征在于：所述结果反馈单元（50）包括数据发送模块（51）和反馈更新模块（52）；

所述数据发送模块（51）用于将风险评估模块（42）所评估结果上传至云端，并通过云端发送至用户进行评估；

所述反馈更新模块（52）用于接收用户反馈信息，并根据评估结果将用户反馈信息结合文本生成模块（32）制作的本企业投标文件进行修改，再将修改完毕的文件进行二次分析。

3.根据权利要求1所述的基于多文件对比分析的企业投标信息文件风险预测系统，其特征在于：所述数据储存单元（60）包括数据分类模块（61）和数据更新模块（62）；

所述数据分类模块（61）用于将文本生成模块（32）生成的投标模板和此次竞标企业文件进行打包上传至云端；

所述数据更新模块（62）用于采集本次竞标最终结果，并将最终结果结合数据分类模块（61）打包的文件进行评估，将评估数据上传至云端，更新获取最新的企业投标文件制作方法。