CN117522538A - 招投标信息处理方法、装置、计算机设备及存储介质 - Google Patents
招投标信息处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117522538A CN117522538A CN202311406299.6A CN202311406299A CN117522538A CN 117522538 A CN117522538 A CN 117522538A CN 202311406299 A CN202311406299 A CN 202311406299A CN 117522538 A CN117522538 A CN 117522538A
- Authority
- CN
- China
- Prior art keywords
- bid
- bidding
- risk
- agricultural
- file
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012502 risk assessment Methods 0.000 claims abstract description 110
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 17
- 238000003058 natural language processing Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 abstract description 85
- 230000008569 process Effects 0.000 abstract description 67
- 238000010801 machine learning Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例属于互联网招投标领域和金融科技领域,涉及一种招投标信息处理方法,包括:获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;根据所述风险评估结果和预设的评标标准,确定农险招标规则;根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。本申请提高了农险遴选招标流程的效率。
Description
技术领域
本申请涉及互联网招投标领域和金融科技领域,应用于农业保险遴选招标的场景中,尤其涉及一种招投标信息处理方法、装置、计算机设备及存储介质。
背景技术
随着金融科技的发展,保险行业也迎来了蓬勃的生机。在保险行业相关的各个业务场景中,农业保险是需要由各级政府通过招标筛选合适的保险机构进行承保的。
需要说明的是,农业保险又称农险,是指保险机构根据农业保险合同,对被保险人在种植业、林业、畜牧业和渔业生产中因保险标的遭受约定的自然灾害、意外事故、疫病、疾病等保险事故所造成的财产损失,承担赔偿保险金责任的保险活动。
因此,对于农险而言,其遴选招标的过程是非常重要的。传统的农险遴选招标流程一般较为繁琐、耗时,需要大量的纸质文件和人工操作,这可能会导致流程的效率低下、周期较长,不利于及时响应市场需求和变化,此外,还存在信息透明度不足、缺乏专业性等情况,影响最终的投标质量和竞争公平性。
发明内容
本申请实施例的目的在于提出一种招投标信息处理方法、装置、计算机设备及存储介质,以解决农险遴选招标流程效率较低的技术问题。
为了解决上述技术问题,本申请实施例提供一种招投标信息处理方法,采用了如下所述的技术方案:
获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
根据所述风险评估结果和预设的评标标准,确定农险招标规则;
根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。
进一步的,在所述将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果的步骤之前,还包括:
根据历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集;
根据所述特征数据集进行监督学习,得到所述风险评估模型。
进一步的,所述根据所述特征数据集进行监督学习,得到所述风险评估模型的步骤,具体包括:
将所述特征数据集分为训练集和测试集;
根据所述训练集建立初始预测模型,并对所述初始预测模型进行训练,得到训练完成的预测模型;
根据所述测试集对所述预测模型进行测试,并根据测试结果优化所述预测模型对应的模型参数,将优化后的预测模型作为所述风险评估模型。
进一步的,所述根据所述风险评估结果和预设的评标标准,确定农险招标规则的步骤,具体包括:
根据所述风险评估结果,确定所述农险招标文件对应的招标要求和保险条件;
根据所述招标要求、所述保险条件以及所述评标标准,确定所述农险招标规则。
进一步的,所述根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表的步骤,具体包括:
获取所有所述农险投标文件对应的投标信息;
在所述投标信息中,确定符合所述农险招标规则的目标投标信息;
将所述目标投标信息对应的农险投标文件作为所述目标投标文件,并根据所述目标投标文件生成所述目标投标文件列表。
进一步的,所述根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示的步骤,具体包括:
根据所述农险招标文件和所述目标投标文件进行数据分析,得到所述分析结果,所述分析结果包括所述目标投标文件对应的投标人情况、市场趋势以及风险预测信息;
根据所述投标人情况、所述市场趋势以及所述风险预测信息进行综合评估,得到所述目标投标文件对应的评估等级;
按照所述评估等级对所述目标投标文件列表进行分级展示。
进一步的,所述招标信息包括招标要求、投标条件以及技术规范,所述获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息的步骤,具体包括:
获取所述农险招标文件,并通过自然语言处理技术对所述农险招标文件进行文本抽取和语义理解,得到所述招标要求、所述投标条件以及所述技术规范。
为了解决上述技术问题,本申请实施例还提供一种招投标信息处理装置,采用了如下所述的技术方案:
一种招投标信息处理装置,包括:
获取模块,用于获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
预测模块,用于将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
确定模型,用于根据所述风险评估结果和预设的评标标准,确定农险招标规则;
筛选模块,用于根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
分析模块,用于根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的招投标信息处理方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上所述的招投标信息处理方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请公开的招投标信息处理方法,通过获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;根据所述风险评估结果和预设的评标标准,确定农险招标规则;根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。本申请通过合理地根据农险的招标信息进行风险评估,并对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的招投标信息处理方法的一个实施例的流程图;
图3是根据本申请的招投标信息处理装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3(MPEG Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(MPEG Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的招投标信息处理方法一般由终端设备执行,相应地,招投标信息处理装置一般设置于终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的招投标信息处理方法的一个实施例的流程图。所述的招投标信息处理方法,包括以下步骤:
步骤S201,获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
需要指出的是,招投标信息处理方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式接收数据或发送数据,其中,无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例中,农险遴选招标流程进行时,首先可以获取农险招标文件,并对农险招标文件进行信息提取,得到农险招标文件对应的招标信息。具体地,招投标信息处理方法运行时,农险招标文件可以由相关人员上传,获取农险招标文件后,即可对农险招标文件进行信息提取,得到农险招标文件对应的招标信息,例如,利用自然语言处理(NLP)技术,自动分析农险招标文件,并通过文本抽取、语义理解等技术,提取招标要求、投标条件、技术规范等关键信息,作为农险招标文件对应的招标信息,从而实现农险招标文件的自动化处理。
可选地,还可以通过互联网农险招标项目的详情页链接入口获取农险招标文件,例如对农险招标项目详情页的html数据进行处理,再利用python将html数据转换为文本数据,从而对文本数据进行信息提取,得到农险招标文件对应的招标信息。
步骤S202,将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
在本实施例中,得到农险招标文件对应的招标信息后,即可将招标信息输入预设的风险评估模型,并根据风险评估模型进行预测,得到风险评估结果。具体地,预设的风险评估模型为训练好的机器学习模型,可以利用机器学习算法对本次农险遴选招标流程相关的历史数据进行分析,如历史农业数据、历史气象数据、历史损失数据等,而后构建机器学习模型,并经过训练得到风险评估模型,从而将招标信息输入风险评估模型,通过风险评估模型对潜在风险因素进行识别和预测,得到风险评估结果,有助于后续制定合理的招标要求和保险条件。
步骤S203,根据所述风险评估结果和预设的评标标准,确定农险招标规则;
在本实施例中,通过风险评估模型进行预测,并得到风险评估结果后,即可根据风险评估结果和预设的评标标准,确定农险招标规则。具体地,风险评估结果为风险评估模型对农险招标文件对应的招标信息进行预测得到的结果,包括农产品实际单产低于预期单产的可能性等,而后可以根据风险评估结果,确定农险招标文件对应的招标要求和保险条件,最终,根据招标要求、保险条件以及预设的评标标准,可以确定农险招标规则。
步骤S204,根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
在本实施例中,确定农险招标规则后,即可根据农险招标规则对农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表。具体地,在农险招标文件对应的投标时间段内所接收到的投标文件即为农险招标文件对应的农险投标文件,确定农险招标规则后,可以获取所有农险投标文件对应的投标信息,并根据农险招标规则对投标信息进行筛选,如投标人的历史数据、能力、经验等,从而在投标信息中,确定符合农险招标规则的投标信息,作为目标投标信息,并将目标投标信息对应的农险投标文件作为目标投标文件,而后根据目标投标文件生成目标投标文件列表,该列表即包含了所有的目标投标文件。
可选地,若根据农险招标规则筛选后仅得到一个目标投标文件,则生成的目标投标文件列表仅包含该目标投标文件;若没有符合农险招标规则的目标投标文件,则重新执行根据农险招标规则对农险招标文件对应的所有农险投标文件进行筛选的步骤,并通知人工进行复查。
步骤S205,根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示;
在本实施例中,生成目标投标文件列表后,即可根据农险招标文件和目标投标文件进行数据分析,得到分析结果,并根据分析结果对目标投标文件列表进行分级展示。具体地,生成目标投标文件列表后,即可根据农险招标文件和目标投标文件进行数据分析,得到分析结果,该分析结果包括目标投标文件对应的投标人情况、市场趋势以及风险预测信息,而后可以根据投标人情况、市场趋势以及风险预测信息进行综合评估,得到目标投标文件对应的评估等级,并按照评估等级排列目标投标文件,从而对目标投标文件列表进行分级展示。
可选地,目标投标文件列表还可以展示目标投标文件对应的投标人情况、市场趋势以及风险预测信息,使得相关人员可以进行查看,以确保农险遴选招标流程的公开透明。
本申请通过合理地根据农险的招标信息进行风险评估,并对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
在本实施例的一些可选的实现方式中,在上述将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果的步骤之前,还包括:
根据历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集;
根据所述特征数据集进行监督学习,得到所述风险评估模型。
在本实施例中,为了得到预设的风险评估模型,可以根据历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集,而后根据特征数据集进行监督学习,得到风险评估模型,例如,本次农险遴选招标流程相关的历史数据包括历史农业数据、历史气象数据以及历史损失数据,根据历史数据进行特征提取,得到特征数据集后,可以将特征数据集分为训练集和测试集,而后根据训练集建立初始预测模型,并对初始预测模型进行训练,得到训练完成的预测模型,再根据测试集对预测模型进行测试,并根据测试结果优化预测模型对应的模型参数,从而将优化后的预测模型作为预设的风险评估模型,以使得后续可以根据该风险评估模型对招标信息进行预测。
本申请利用了机器学习算法,根据农险遴选招标流程相关的历史数据构建了风险评估模型,使得后续可以通过风险评估模型对农险招标文件进行预测,提高了农险遴选招标流程的效率,并且降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性。
在本实施例的一些可选的实现方式中,上述根据所述特征数据集进行监督学习,得到所述风险评估模型的步骤,具体包括:
将所述特征数据集分为训练集和测试集;
根据所述训练集建立初始预测模型,并对所述初始预测模型进行训练,得到训练完成的预测模型;
根据所述测试集对所述预测模型进行测试,并根据测试结果优化所述预测模型对应的模型参数,将优化后的预测模型作为所述风险评估模型。
在本实施例中,根据农险遴选招标流程的历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集后,可以将特征数据集分为训练集和测试集,根据训练集建立初始预测模型,并对初始预测模型进行训练,得到训练完成的预测模型,而后根据测试集对预测模型进行测试,并根据测试结果优化预测模型对应的模型参数,最终将优化后的预测模型作为预设的风险评估模型。具体地,本实施例采用监督学习的方式,将特征数据集分为训练集和验证集后,即可根据训练集和监督学习算法构建初始的机器学习模型,即初始预测模型,并将训练集输入初始预测模型,对其进行训练,从而得到训练完成的预测模型,再将测试集输入训练完成的预测模型,根据输出的测试结果,可以优化预测模型的损失函数,提高模型的鲁棒性,最终得到预设的风险评估模型。
本申请利用农险遴选招标流程相关的历史数据合理地构建、训练以及优化机器学习模型,从而得到的风险评估模型,提高了风险评估模型的鲁棒性,使得后续可以通过该风险评估模型对农险招标文件进行预测,提高了农险遴选招标流程的效率。
在本实施例的一些可选的实现方式中,上述根据所述风险评估结果和预设的评标标准,确定农险招标规则的步骤,具体包括:
根据所述风险评估结果,确定所述农险招标文件对应的招标要求和保险条件;
根据所述招标要求、所述保险条件以及所述评标标准,确定所述农险招标规则。
在本实施例中,通过预设的风险评估模型对招标信息进行预测,并得到风险评估结果后,即可根据风险评估结果,确定农险招标文件对应的招标要求和保险条件,而后根据招标要求、保险条件以及预设的评标标准,确定农险招标规则,例如,在风险评估结果中,包含农产品实际单产低于预期单产的可能性,使得可以计算预期损失,从而可以根据预期损失确定农险招标文件对应的招标要求和保险条件,最终,根据招标要求、保险条件以及预设的评标标准,可以确定农险招标规则,后续可以通过该农险招标规则对农险招标文件对应的所有农险投标文件进行筛选。
本申请通过结合风险评估结果和预设的评标标准制定合理的农险招标规则,以使得后续可以通过该农险招标规则对投标文件进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性。
在本实施例的一些可选的实现方式中,上述根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表的步骤,具体包括:
获取所有所述农险投标文件对应的投标信息;
在所述投标信息中,确定符合所述农险招标规则的目标投标信息;
将所述目标投标信息对应的农险投标文件作为所述目标投标文件,并根据所述目标投标文件生成所述目标投标文件列表。
在本实施例中,确定农险招标规则后,即可获取农险招标文件所对应的所有农险投标文件对应的投标信息,而后在投标信息中,确定符合农险招标规则的目标投标信息,再将目标投标信息对应的农险投标文件作为目标投标文件,并根据目标投标文件生成目标投标文件列表。具体地,农险投标文件即为农险招标文件对应的投标时间段内所接收到的投标文件,获取所有农险投标文件对应的投标信息后,可以根据农险招标规则进行筛选,其中,投标信息可以包括投标人的相关信息如历史数据、能力、经验等,此外,还可以包括投标项目、保险机构区划等,从而确定投标信息是否符合农险招标规则,并将符合符合农险招标规则的投标信息作为目标投标信息,再将目标投标信息对应的农险投标文件作为目标投标文件,并根据目标投标文件生成目标投标文件列表,该列表展示了所有目标投标文件。
本申请通过农险招标规则在农险遴选招标流程中合理地对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
在本实施例的一些可选的实现方式中,上述根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示的步骤,具体包括:
根据所述农险招标文件和所述目标投标文件进行数据分析,得到所述分析结果,所述分析结果包括所述目标投标文件对应的投标人情况、市场趋势以及风险预测信息;
根据所述投标人情况、所述市场趋势以及所述风险预测信息进行综合评估,得到所述目标投标文件对应的评估等级;
按照所述评估等级对所述目标投标文件列表进行分级展示。
在本实施例中,确定目标投标文件,并生成目标投标文件列表后,即可根据农险招标文件和目标投标文件进行数据分析,得到分析结果,其中,分析结果包括目标投标文件对应的投标人情况、市场趋势以及风险预测信息,而后可以根据投标人情况、市场趋势以及风险预测信息进行综合评估,得到目标投标文件对应的评估等级,再按照评估等级对目标投标文件列表进行分级展示。具体地,为了确保农险遴选招标流程中信息的透明化,可以构建决策支持系统,通过该系统对农险招标文件和目标投标文件进行数据分析,得到分析结果,该分析结果中包括了目标投标文件对应的投标人情况、市场趋势以及风险预测信息,根据分析结果,即可对目标投标文件进行综合评估和排名,确定不同的目标投标文件对应的评估等级,例如A级、B级以及C级,并在目标投标文件列表中按照评估等级排列展示所有目标投标文件。
可选地,还可以根据分析结果生成不同的目标投标文件对应的数据可视化报告,并将报告的接口链接在目标投标文件列表中进行展示,使得决策者可以更直观地了解投标人情况、市场趋势以及风险预测信息。
本申请通过对最终筛选得到的目标投标文件列表进行分级展示,使得农险遴选招标流程的结果得到了直观地体现,从而提高了农险遴选招标流程的透明性,并且提高了农险遴选招标流程的效率。
在本实施例的一些可选的实现方式中,上述招标信息包括招标要求、投标条件以及技术规范,所述获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息的步骤,具体包括:
获取所述农险招标文件,并通过自然语言处理技术对所述农险招标文件进行文本抽取和语义理解,得到所述招标要求、所述投标条件以及所述技术规范。
在本实施例中,农险招标文件对应的招标信息包括招标要求、投标条件以及技术规范,执行农险遴选招标流程时,首先可以获取农险招标文件,并通过自然语言处理技术对农险招标文件进行文本抽取和语义理解,得到农险招标文件对应的招标要求、投标条件以及技术规范。具体地,自然语言处理(NLP)可以将人的自然语言转换为计算机可以阅读的指令,该技术包含文本抽取、语义理解等功能,可以自动对农险招标文件进行信息提取,得到农险招标文件对应的招标要求、投标条件、技术规范,并作为农险招标文件对应的招标信息。
本申请通过自动对农险招标文件进行信息提取,使得后续可以根据提取得到的招标信息进行风险评估,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,并且提高了农险遴选招标流程的效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种招投标信息处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的招投标信息处理装置300包括:获取模块301、预测模块302、确定模块303、筛选模块304以及分析模块305。其中:
获取模块301,用于获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
预测模块302,用于将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
确定模型303,用于根据所述风险评估结果和预设的评标标准,确定农险招标规则;
筛选模块304,用于根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
分析模块305,用于根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。
本申请提供的招投标信息处理装置,通过合理地根据农险的招标信息进行风险评估,并对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
在本实施例的一些可选的实现方式中,招投标信息处理装置还用于:
根据历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集;
根据所述特征数据集进行监督学习,得到所述风险评估模型。
本申请提供的招投标信息处理装置,利用了机器学习算法,根据农险遴选招标流程相关的历史数据构建了风险评估模型,使得后续可以通过风险评估模型对农险招标文件进行预测,提高了农险遴选招标流程的效率,并且降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性。
在本实施例的一些可选的实现方式中,招投标信息处理装置还用于:
将所述特征数据集分为训练集和测试集;
根据所述训练集建立初始预测模型,并对所述初始预测模型进行训练,得到训练完成的预测模型;
根据所述测试集对所述预测模型进行测试,并根据测试结果优化所述预测模型对应的模型参数,将优化后的预测模型作为所述风险评估模型。
本申请提供的招投标信息处理装置,利用农险遴选招标流程相关的历史数据合理地构建、训练以及优化机器学习模型,从而得到的风险评估模型,提高了风险评估模型的鲁棒性,使得后续可以通过该风险评估模型对农险招标文件进行预测,提高了农险遴选招标流程的效率。
在本实施例的一些可选的实现方式中,确定模块303还用于:
根据所述风险评估结果,确定所述农险招标文件对应的招标要求和保险条件;
根据所述招标要求、所述保险条件以及所述评标标准,确定所述农险招标规则。
本申请提供的招投标信息处理装置,通过结合风险评估结果和预设的评标标准制定合理的农险招标规则,以使得后续可以通过该农险招标规则对投标文件进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性。
在本实施例的一些可选的实现方式中,筛选模块304还用于:
获取所有所述农险投标文件对应的投标信息;
在所述投标信息中,确定符合所述农险招标规则的目标投标信息;
将所述目标投标信息对应的农险投标文件作为所述目标投标文件,并根据所述目标投标文件生成所述目标投标文件列表。
本申请提供的招投标信息处理装置,通过农险招标规则在农险遴选招标流程中合理地对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
在本实施例的一些可选的实现方式中,分析模块305还用于:
根据所述农险招标文件和所述目标投标文件进行数据分析,得到所述分析结果,所述分析结果包括所述目标投标文件对应的投标人情况、市场趋势以及风险预测信息;
根据所述投标人情况、所述市场趋势以及所述风险预测信息进行综合评估,得到所述目标投标文件对应的评估等级;
按照所述评估等级对所述目标投标文件列表进行分级展示。
本申请提供的招投标信息处理装置,通过对最终筛选得到的目标投标文件列表进行分级展示,使得农险遴选招标流程的结果得到了直观地体现,从而提高了农险遴选招标流程的透明性,并且提高了农险遴选招标流程的效率。
在本实施例的一些可选的实现方式中,获取模块301还用于:
获取所述农险招标文件,并通过自然语言处理技术对所述农险招标文件进行文本抽取和语义理解,得到所述招标要求、所述投标条件以及所述技术规范。
本申请提供的招投标信息处理装置,通过自动对农险招标文件进行信息提取,使得后续可以根据提取得到的招标信息进行风险评估,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,并且提高了农险遴选招标流程的效率。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41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、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如招投标信息处理方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述招投标信息处理方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请提供的计算机设备,通过合理地根据农险的招标信息进行风险评估,并对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的招投标信息处理方法的步骤。
本申请提供的计算机可读存储介质,通过合理地根据农险的招标信息进行风险评估,并对农险的投标信息进行筛选,提高了农险遴选招标流程的效率,同时,降低了流程中人为因素的影响,提高了农险遴选招标流程的公平性和准确性,从而使得农险业务的质量更高并且可持续发展能力更强。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种招投标信息处理方法,其特征在于,包括下述步骤:
获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
根据所述风险评估结果和预设的评标标准,确定农险招标规则;
根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。
2.根据权利要求1所述的招投标信息处理方法,其特征在于,在所述将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果的步骤之前,还包括:
根据历史农业数据、历史气象数据以及历史损失数据进行特征提取,得到特征数据集;
根据所述特征数据集进行监督学习,得到所述风险评估模型。
3.根据权利要求2所述的招投标信息处理方法,其特征在于,所述根据所述特征数据集进行监督学习,得到所述风险评估模型的步骤,具体包括:
将所述特征数据集分为训练集和测试集;
根据所述训练集建立初始预测模型,并对所述初始预测模型进行训练,得到训练完成的预测模型;
根据所述测试集对所述预测模型进行测试,并根据测试结果优化所述预测模型对应的模型参数,将优化后的预测模型作为所述风险评估模型。
4.根据权利要求1所述的招投标信息处理方法,其特征在于,所述根据所述风险评估结果和预设的评标标准,确定农险招标规则的步骤,具体包括:
根据所述风险评估结果,确定所述农险招标文件对应的招标要求和保险条件;
根据所述招标要求、所述保险条件以及所述评标标准,确定所述农险招标规则。
5.根据权利要求4所述的招投标信息处理方法,其特征在于,所述根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表的步骤,具体包括:
获取所有所述农险投标文件对应的投标信息;
在所述投标信息中,确定符合所述农险招标规则的目标投标信息;
将所述目标投标信息对应的农险投标文件作为所述目标投标文件,并根据所述目标投标文件生成所述目标投标文件列表。
6.根据权利要求1所述的招投标信息处理方法,其特征在于,所述根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示的步骤,具体包括:
根据所述农险招标文件和所述目标投标文件进行数据分析,得到所述分析结果,所述分析结果包括所述目标投标文件对应的投标人情况、市场趋势以及风险预测信息;
根据所述投标人情况、所述市场趋势以及所述风险预测信息进行综合评估,得到所述目标投标文件对应的评估等级;
按照所述评估等级对所述目标投标文件列表进行分级展示。
7.根据权利要求1至6任一项所述的招投标信息处理方法,其特征在于,所述招标信息包括招标要求、投标条件以及技术规范,所述获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息的步骤,具体包括:
获取所述农险招标文件,并通过自然语言处理技术对所述农险招标文件进行文本抽取和语义理解,得到所述招标要求、所述投标条件以及所述技术规范。
8.一种招投标信息处理装置,其特征在于,包括:
获取模块,用于获取农险招标文件,并对所述农险招标文件进行信息提取,得到所述农险招标文件对应的招标信息;
预测模块,用于将所述招标信息输入预设的风险评估模型,根据所述风险评估模型进行预测,得到风险评估结果;
确定模型,用于根据所述风险评估结果和预设的评标标准,确定农险招标规则;
筛选模块,用于根据所述农险招标规则对所述农险招标文件对应的所有农险投标文件进行筛选,确定目标投标文件,并生成目标投标文件列表;
分析模块,用于根据所述农险招标文件和所述目标投标文件进行数据分析,得到分析结果,并根据所述分析结果对所述目标投标文件列表进行分级展示。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的招投标信息处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的招投标信息处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311406299.6A CN117522538A (zh) | 2023-10-26 | 2023-10-26 | 招投标信息处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311406299.6A CN117522538A (zh) | 2023-10-26 | 2023-10-26 | 招投标信息处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522538A true CN117522538A (zh) | 2024-02-06 |
Family
ID=89746713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311406299.6A Pending CN117522538A (zh) | 2023-10-26 | 2023-10-26 | 招投标信息处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522538A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787569A (zh) * | 2024-02-23 | 2024-03-29 | 广东电网有限责任公司 | 一种智能辅助评标方法及系统 |
-
2023
- 2023-10-26 CN CN202311406299.6A patent/CN117522538A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787569A (zh) * | 2024-02-23 | 2024-03-29 | 广东电网有限责任公司 | 一种智能辅助评标方法及系统 |
CN117787569B (zh) * | 2024-02-23 | 2024-04-30 | 广东电网有限责任公司 | 一种智能辅助评标方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
CN111210335A (zh) | 用户风险识别方法、装置及电子设备 | |
CN110717597A (zh) | 利用机器学习模型获取时序特征的方法和装置 | |
CN117522538A (zh) | 招投标信息处理方法、装置、计算机设备及存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN112069807A (zh) | 文本数据的主题提取方法、装置、计算机设备及存储介质 | |
CN117172632B (zh) | 一种企业异常行为检测方法、装置、设备及存储介质 | |
CN117876021A (zh) | 基于人工智能的数据预测方法、装置、设备及存储介质 | |
CN117633714A (zh) | Ocr结果评估方法、系统、计算机设备及存储介质 | |
CN117909489A (zh) | 基于人工智能的数据生成方法、装置、设备及存储介质 | |
CN117787723A (zh) | 基于人工智能的数据预测方法、装置、设备及存储介质 | |
CN117290597A (zh) | 基于人工智能的信息推送方法、装置、设备及存储介质 | |
CN118035560A (zh) | 基于人工智能的数据推荐方法、装置、设备及存储介质 | |
CN117407750A (zh) | 基于元数据的数据质量监控方法、装置、设备及存储介质 | |
CN117788051A (zh) | 基于人工智能的客户偏好分析方法、装置、设备及介质 | |
CN117421311A (zh) | 基于人工智能的数据校验方法、装置、设备及存储介质 | |
CN117611352A (zh) | 一种车险理赔处理方法、装置、计算机设备及存储介质 | |
CN116797380A (zh) | 金融数据处理方法及其相关设备 | |
CN117314586A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN117764534A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN116542779A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
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 |