CN117726300B - 用于招标代理业务资料校验的自动化智能处理系统 - Google Patents

Abstract

本发明公开了用于招标代理业务资料校验的自动化智能处理系统，涉及数据分析技术领域；包括数据采集模块、数据处理模块、校验模块、审查模块以及监测模块，通过获取招标文件信息对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，通过构建招标代理业务预测模型对输入特征信息进行校验，根据校验结果得到招标所需校验资料列表，依据校验资料列表确定最快业务校验流程表，审核人员根据业务校验流程表正序依次进行资料校验，监测各个业务单元进行资料校验的状态，对资料校验状态较差的业务单元进行校验顺序调整，降低了审核人员的工作量，使得审核人员有充足的时间对资料进行校验，保障了资料校验过程的公正性和准确性。

Description

用于招标代理业务资料校验的自动化智能处理系统

技术领域

本发明涉及数据分析技术领域，具体涉及用于招标代理业务资料校验的自动化智能处理系统。

背景技术

招标代理业务资料校验的处理系统及方法是指通过整合先进的技术和建立相应的流程，实现对招标资料的自动化处理和审核。这种系统涵盖了文档扫描与识别、信息提取与归档、数据验证与校验、自动审批流程、异常处理与警报、用户界面与报告生成等功能。通过规则引擎、自动化审批流程和智能处理，系统能够有效地验证资料的合规性、真实性，并提高处理效率。此外，用户界面和详尽的报告生成也确保了用户能够轻松监控系统状态、查看处理结果，从而全面提升招标代理业务中资料校验的质量和效率。

招标代理业务资料校验是指在招标过程中对招标方(投标公司)提交的相关资料进行审核和验证的过程。这一步骤的目的是确保投标方提交的资料符合招标文件的要求，具备必要的合法性、真实性和完整性。招标代理机构负责进行这项资料校验工作，以保障招标过程的公正、透明和合规性。

现有技术存在以下不足之处：

在实际招标业务中，由于许多资料校验步骤仍依赖人工处理，面对庞大的投标文件数量，审核人员需要逐一手动检查文件，由于缺乏自动化处理机制，审核人员可能面临需要在有限的时间内完成对大量文件的审核任务，因而可能无法全面了解和评估每份资料，以致于降低了资料校验的处理效率，从而影响了招标过程的公正性和准确性。

发明内容

本发明的目的是提供用于招标代理业务资料校验的自动化智能处理系统，以解决背景技术中不足。

为了实现上述目的，本发明提供如下技术方案：用于招标代理业务资料校验的自动化智能处理系统，包括数据采集模块、数据处理模块、校验模块、审查模块以及监测模块：

数据采集模块：获取招标文件信息，将获取到的招标文件信息发送至数据处理模块；

数据处理模块：对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，将输入特征发送给校验模块；

校验模块：通过构建招标代理业务预测模型对输入特征信息进行校验，根据校验结果得到招标所需校验资料列表；

审查模块：依据校验资料列表确定业务校验流程，审核人员根据业务校验流程依次在各个业务单元进行资料校验；

监测模块：监测各个业务单元进行资料校验过程的状态，将资料校验状态较差的业务单元反馈给审查人员。

在一个优选的实施方式中，构建招标代理业务预测模型对输入特征信息进行校验：

获取在进行招标代理活动时，需要进行资料验证的招标文件信息，从已有数据中提取所需资料校验的特征；

将招标文件信息整合到一个数据集中；

将收集到的数据划分为训练集和测试集，训练决策树模型，决策树模型以训练集中的招标资料信息特征为输入，输出是招标文件所需资料列表；

对机器学习模型进行训练，使用测试集对构建的模型进行评估；

获取新的投标公司所需资料校验特征信息作为模型的输入，确保输入数据的格式和特征与模型训练时使用的数据一致，模型的输出项为招标文件所需资料列表。

在一个优选的实施方式中，监测各个业务单元资料校验的状态，对资料校验状态较差的业务单元进行校验顺序调整；

获取各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数；

将各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数通过数据归一化处理后建立校验状态系数；

数据纠正比例、交叉比对时长同校验状态系数为反比关系，验效率浮动指数同校验状态系数为正比关系。

在一个优选的实施方式中，交叉比对时长的获取逻辑为：获取需要进行校验文件的预期时长记为mc_k，获取需要交叉比对额外验证的文件计算所需校验时间tr_k，计算校验文件交叉比对时间比，计算表达式为：wg_h＝tr_k/mc_k，式中，wg_h为交叉比对时间比，将对应的交叉比对文件进行标号，h＝{1，2，3...j}，j为大于0的正整数，计算交叉比对时长，计算表达式为：式中，rs_t为交叉比对时长；

校验效率浮动指数的获取逻辑为：在单位时间S内设置T个时间段，获取T时间段的审查人员文件校对效率，建立文件校对效率集合tuy＝{tuy_i}＝{tuy₁,tuy₂,tuy₃,...tuy_i}，i为正整数，获取审查人员文件校对效率随时间的变化情况记为wm_n，校验效率波动指数的计算表达式为：式中，[t1，t2]为所测审查人员校验效率的时段。

在一个优选的实施方式中，将获取到的校验状态系数与调节阈值进行比较；若校验状态系数大于调节阈值，此时生成正常信号；若校验状态系数小于等于调节阈值，此时生成异常信号。

在上述技术方案中，本发明提供的技术效果和优点：

1、本发明通过获取招标文件信息对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，通过构建招标代理业务预测模型对输入特征信息进行校验，根据校验结果得到招标所需校验资料列表，依据校验资料列表确定最快业务校验流程表，审核人员根据业务校验流程表正序依次进行资料校验，降低了审核人员的工作量的同时，也提高了整体的资料校验效率。

2、本发明通过测各个业务单元进行资料校验的状态，对资料校验状态较差的业务单元进行校验顺序调整，当业务单元资料校验效率较低而发出异常信号时，对发出异常信号的业务单元在业务校验流程表中的位置进行降序处理，对生成正常信号的业务单元在业务校验流程表中的位置进行上调处理；用户可根据业务校验流程表的实时更新状态进行业务办理，从而保障了审查人员具有充分的资料校验时间，确保了招标过程的公正性和准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为所述用于招标代理业务资料校验的自动化智能处理系统流程图。

图2为所述用于招标代理业务资料校验的自动化智能处理系统的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

请参阅图1、2所示，本实施例所述用于招标代理业务资料校验的自动化智能处理系统，包括数据采集模块、数据处理模块、校验模块、审查模块以及监测模块，模块之间通过信号连接；

数据采集模块，用于获取招标文件信息，确保数据采集模块能够处理各种招标文件格式，包括文本文档、PDF、图像等。考虑使用兼容性良好的库或工具，以提取文本信息，例如，投标函、技术方案、商务方案、资质文件、人员组织结构和经验、项目计划和工作安排、财务报价、合同条款和法律文件、技术文档和样品、安全和环境保护措施等。

对于包含图像的文件，尤其是扫描的文件，集成OCR技术，以将图像中的文本转换为可处理的文本数据。

使用NLP技术来解析和理解文本信息。这可以包括命名实体识别(NER)以提取公司名称、日期、金额等关键信息。

设计适用于不同类型投标文件的正则表达式和模式匹配规则，以提取关键信息。例如，使用正则表达式来匹配日期、金额、证书编号等模式。

在提取文本信息之前，进行文本清洗和规范化，以确保数据的一致性。这可能包括去除特殊字符、修复错误、标准化单位等。

如果招标文件包含图像、表格等非文本信息，考虑使用相应的技术处理这些数据。例如，图像处理技术用于处理包含文字的图片，表格解析技术用于提取表格数据。

实现异常处理机制，以处理在数据采集过程中可能遇到的问题，例如格式错误、缺失信息等。确保记录并报告这些异常情况，以便进一步改进系统。

确保数据采集模块符合相关的数据隐私和安全标准。对于敏感信息，采取加密和安全传输的措施。

将采集到的信息进行存储和发送至自动数据处理模块：存储采集到的投标文件信息，将这些信息整理并发送至数据处理模块，以进行后续的预处理和校验。

数据处理模块，对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，将输入特征发送给校验模块，具体包括；

使用先进的文本识别技术，如自然语言处理(NLP)和机器学习，以自动检测和分类投标文件中的关键信息，包括以下内容：

数据预处理：在将文本输入模型之前，进行数据预处理以清理和规范文本数据。这可能包括去除特殊字符、标点符号，统一大小写，以及处理缺失或错误的数据。

建立语料库：创建一个包含大量标注的投标文件的语料库，用于训练模型。确保语料库涵盖各种类型和格式的投标文件，以提高模型的泛化能力。

使用深度学习模型：采用深度学习模型，如循环神经网络(RNN)或长短时记忆网络(LSTM)，来处理文本序列。

特征提取：使用词嵌入等技术来提取文本中的重要特征。

实体识别：整合实体识别技术，以识别文本中的实体，如公司名称、日期、金额等。

多模态学习：如果投标文件包含图像、表格等非文本信息，考虑采用多模态学习方法，使模型能够处理多种数据类型。

监督学习和半监督学习：利用监督学习训练模型，并考虑使用半监督学习方法，以最大程度上利用大量未标记的数据。

持续学习：设计系统以支持持续学习，使模型能够不断适应新类型的投标文件和变化的行业标准。

模型评估和优化：定期评估模型的性能，使用合适的指标进行优化，例如准确性、召回率、精确度等。

校验模块，通过决策树网络模型对输入特征进行校验处理，对校验结果出现异常的投标文件，向审核人员发送警示信号；

具体的，在构建招标代理业务需求校验模型时，针对模型的主要功能确定业务办理资料预测模型采用决策树网络模型，具体构建步骤如下：

数据收集：获取在进行招标代理活动时，需要进行资料验证的招标文件信息，从已有数据中提取进行所需资料校验的特征。

数据整合：将招标文件信息整合到一个数据集中，确保每条记录包含与资料校验相关的信息。

划分训练集和测试集：将收集到的数据划分为训练集和测试集，通常采用70-30或80-20的比例，选择适用于分类问题的决策树算法，如ID3、C4.5、CART等，训练决策树算法，决策树模型以训练集中的招标资料信息特征为输入，输出是招标文件所需资料列表。

模型评估：对机器学习模型进行训练，使用测试集对构建的模型进行评估，采用准确率、召回率、F1分数等指标进行评估，确保模型的泛化性能。

模型应用：获取新的投标公司所需资料校验特征信息，这些信息将作为模型的输入。确保输入数据的格式和特征与模型训练时使用的数据一致。模型的输出项为招标文件所需资料列表。

在此说明的是，采用决策树网络模型进行预测时，在处理招标文件信息的过程中，需要确保遵守数据隐私和安全的相关法规和标准。采取必要的安全措施，以保护敏感信息不被滥用。

审查模块，依据校验资料列表确定最快业务校验流程表，审核人员根据业务校验流程表正序依次进行资料校验，具体包括；

确定每个业务单元的核心业务信息，如项目的技术规格、数量、质量标准、时间计划等重要需求要素；

确定投标文件中的核心业务信息，包括技术方案、商业报价、公司团队经验等；

根据每个业务单元的核心业务信息，确定投标文件中的核心业务信息是否与之匹配；

根据匹配业务的匹配程度，依次对每个业务单元进行评分，依据评分由高到低进行排序，生成最快资料校验业务流程表，审核人员根据业务校验流程表正序依次进行资料校验；

在此说明的是，招标文件中的信息与业务单元所办理的核心业务信息越匹配，办理业务的速度越快，资料校验的速度越快。

监测模块：用于监测各个业务单元进行资料校验的状态，对资料校验状态较差的业务单元进行校验顺序调整；

获取各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数；

在进行资料校验过程中通过使用数据质量工具计算文件中数据的准确性、完整性、一致性和时效性等方面，当业务单元出现数据纠正比例较高的情况时，该业务单元的资料校验速率会下降，导致校验资料所花费的时间增加，从而影响后续的资料校验流程。

数据纠正比例的获取逻辑为：将标书格式出现错误的次数进行统计并记为sk，将数据出现中出现的空白、缺失数据进行统计并记为qa，将数据计算结果出现误差的总数量记为wd，将格式错误、空白、缺失、误差的数据进行相加汇总，统计汇总数据在进行纠错后剩余的格式错误、空白、缺失、误差数据的总量记为wt，则数据纠正效率的计算表达式为：mb_p＝(sk+qa+wd-wt)/sk+qa+wd；

在此需要说明的是，格式数据错误是指不符合定义的格式要求，例如数据单位不匹配、数值符号相反等，缺失、空白数据是指数据片段中出现的空白、缺失片段数据，没有提供所需要的信息；误差数据是指测量值与真实值之间的差异，例如数值之间不符合预期的数据值等；具体的错误数据依据由本领域技术人员根据实际设置数据要求信息进行设置，在此不做限定。

交叉比对时间是指在招标代理业务资料校验过程中，针对某些需要进行交叉比对或额外验证的文件，评估完成这些额外步骤所需的时间。具体作用在于确保资料的准确性、一致性和完整性，特别是对于需要特殊处理或对比的文件；

交叉比对时长的获取逻辑为：获取需要进行校验文件的预期时长记为mc_k，获取需要交叉比对或额外验证的文件，计算完成这些额外验证所需的时间tr_k，计算校验文件交叉比对时间比，计算表达式为：wg_h＝tr_k/mc_k，式中，wg_h为交叉比对时间比，将对应的交叉比对文件进行标号，h＝{1，2，3...j}，j为大于0的正整数，计算交叉比对时长，计算表达式为：式中，rs_t为交叉比对时长，资料校验过程中交叉比对时长越大，招标文件进行资料校验的时长也就越长，导致校验速率下降；

在招标代理业务资料校验过程中，获取审查人员的校验效率浮动指数，用于计算审查人员的审查效率在一定时间范围内的浮动程度，可以用来量化校验团队在处理招标文件时的校验速率。

校验效率浮动指数的获取逻辑为：在单位时间S内设置T个时间段，获取T时间段的审查人员文件校对效率，建立文件校对效率集合tuy＝{tuy_i}＝{tuy₁,tuy₂,tuy₃,...tuy_i}，i为正整数，获取审查人员文件校对效率随时间的变化情况记为wm_n，校验效率波动指数的计算表达式为：式中，[t1，t2]为所测审查人员文件校对效率的时段；校验效率浮动指数越大，审查人员对招标文件的审查速率浮动程度程度越大，文件校验速率越快。

采集各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数，将数据归一化处理后通过公式建立校验状态系数，表达式为：式中，ry_n为校验状态系数，a₁、a₂、a₃为校验效率浮动指数、数据纠正比例、交叉比对时长的比例系数，且a₂>a₁>a₃>0。

将获取到的校验状态系数与调节阈值进行比较，若校验状态系数大于调节阈值，说明业务单元进行资料校验过程中资料校验效率较高，此时生成正常信号；若校验状态系数小于等于调节阈值，说明业务单元进行资料校验过程中资料校验效率较低，此时生成异常信号。

具体的，当业务单元资料校验效率较低而发出异常信号时，对发出异常信号的业务单元在业务校验流程表中的位置进行降序处理，对生成正常信号的业务单元在业务校验流程表中的位置进行上调处理；用户可根据业务校验流程表的实时更新状态进行业务办理，从而保障了审查人员具有充分的资料校验时间，确保了招标过程的公正性和准确性。

本发明通过获取招标文件信息对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，通过构建招标代理业务预测模型对输入特征信息进行校验，根据校验结果得到招标所需校验资料列表，依据校验资料列表确定最快业务校验流程表，审核人员根据业务校验流程表正序依次进行资料校验，监测各个业务单元进行资料校验的状态，对资料校验状态较差的业务单元进行校验顺序调整，降低了审核人员的工作量，使得审核人员有充足的时间对资料进行校验，保障了资料校验过程的公正性和准确性。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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。

所述功能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取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-onlymemory，ROM)、随机存取存储器(randomaccessmemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (1)

1.用于招标代理业务资料校验的自动化智能处理系统，其特征在于：包括数据采集模块、数据处理模块、校验模块、审查模块以及监测模块：

数据采集模块：获取招标文件信息，将获取到的招标文件信息发送至数据处理模块；

数据处理模块：对招标文件信息进行预处理，得到招标代理业务资料校验所需的输入特征，将输入特征发送给校验模块；

校验模块：通过构建招标代理业务预测模型对输入特征信息进行校验，根据校验结果得到招标所需校验资料列表，具体包括：

获取在进行招标代理活动时需要进行资料验证的招标文件信息，从已有数据中提取所需资料校验的特征；

将招标文件信息整合到一个数据集中；

将收集到的数据划分为训练集和测试集，训练决策树模型，决策树模型以训练集中的招标资料信息特征为输入，输出是招标文件所需资料列表；

对机器学习模型进行训练，使用测试集对构建的模型进行评估；

获取新的投标公司所需资料校验特征信息作为模型的输入，确保输入数据的格式和特征与模型训练时使用的数据一致，模型的输出项为招标文件所需资料列表；

依据校验资料列表确定最快业务校验流程表，包括；根据每个业务单元的核心业务信息，确定投标文件中的核心业务信息是否与之匹配；根据匹配业务的匹配程度，依次对每个业务单元进行评分，依据评分由高到低进行排序，生成最快资料校验业务流程表，审核人员根据业务校验流程表正序依次进行资料校验；

审查模块：依据校验资料列表确定业务校验流程，审核人员根据业务校验流程依次在各个业务单元进行资料校验；

监测模块：监测各个业务单元进行资料校验过程的状态，将资料校验状态较差的业务单元反馈给审查人员，具体包括：

获取各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数；

所述数据纠正比例的获取逻辑为：将标书格式出现错误的次数进行统计并记为sk，将数据出现中出现的空白、缺失数据进行统计并记为qa，将数据计算结果出现误差的总数量记为wd，将格式错误、空白、缺失、误差的数据进行相加汇总，统计汇总数据在进行纠错后剩余的格式错误、空白、缺失、误差数据的总量记为wt，则数据纠正效率的计算表达式为：mb_p＝(sk+qa+wd-wt)/sk+qa+wd；

所述交叉比对时长的获取逻辑为：获取需要进行校验文件的预期时长记为mc_k，获取需要交叉比对，额外验证的文件，计算完成额外验证所需的时间tr_k，计算校验文件交叉比对时间比，计算表达式为：wg_h＝tr_k/mc_k，式中，wg_h为交叉比对时间比，将对应的交叉比对文件进行标号，h＝{1，2，3...j}，j为大于0的正整数，计算交叉比对时长，计算表达式为：式中，rs_t为交叉比对时长；

所述校验效率浮动指数的获取逻辑为：在单位时间S内设置T个时间段，获取T时间段的审查人员文件校对效率，建立文件校对效率集合tuy＝{tuy_i}＝{tuy₁,tuy₂,tuy₃,...tuy_i}，i为正整数，获取审查人员文件校对效率随时间的变化情况记为wm_n，校验效率波动指数的计算表达式为：式中，[t1，t2]为所测审查人员文件校对效率的时段；wf_v为校验效率波动指数；

将各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数通过数据归一化处理后建立校验状态系数；

采集各个业务单元进行资料校验过程中的数据纠正比例、交叉比对时长以及校验效率浮动指数，将数据归一化处理后通过公式建立校验状态系数，表达式为：式中，ry_n为校验状态系数，a₁、a₂、a₃为校验效率浮动指数、数据纠正比例，交叉比对时长的比例系数，且a₂>a₁>a₃>0；

数据纠正比例、交叉比对时长同校验状态系数为反比关系，校验效率浮动指数同校验状态系数为正比关系；

将获取到的校验状态系数与调节阈值进行比较；若校验状态系数大于调节阈值，此时生成正常信号；若校验状态系数小于等于调节阈值，此时生成异常信号；对生成异常信号的业务单元在业务校验流程表中的位置进行降序处理，对生成正常信号的业务单元在业务校验流程表中的位置进行上调处理。