CN114492368A - 一种ai投标自动评分方法、***以及存储介质 - Google Patents

一种ai投标自动评分方法、***以及存储介质 Download PDF

Info

Publication number
CN114492368A
CN114492368A CN202210093701.9A CN202210093701A CN114492368A CN 114492368 A CN114492368 A CN 114492368A CN 202210093701 A CN202210093701 A CN 202210093701A CN 114492368 A CN114492368 A CN 114492368A
Authority
CN
China
Prior art keywords
bidding
data
database
scoring
specific
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
Application number
CN202210093701.9A
Other languages
English (en)
Inventor
李莉
张欣红
孙静
刘新华
李明乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haitian Engineering Consulting Co ltd
Henan Xiaokelp Data Technology Co ltd
Original Assignee
Haitian Engineering Consulting Co ltd
Henan Xiaokelp Data Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haitian Engineering Consulting Co ltd, Henan Xiaokelp Data Technology Co ltd filed Critical Haitian Engineering Consulting Co ltd
Priority to CN202210093701.9A priority Critical patent/CN114492368A/zh
Publication of CN114492368A publication Critical patent/CN114492368A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及投标的技术领域，特别涉及一种AI投标自动评分方法，包括建立自然语言处理的特征提取模型；上传招标文件，获得招标文件的招标明细信息，并利用自然语言处理的特征提取模型，提取出招标明细信息中的具体招标要求；对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号；建立的多个公司各项基本情况的分项数据库，按照文字拼音顺序标记数据库中各分项数据；建立评分模型；设定筛选条件，筛选出符合条件的相关公司，并匹配相关公司各项基本情况的分项数据库与经指定标签标注的招标具体要求数据，调用评分模型对招标文件进行评分。本申请实现了自动对招标文件中的具体招标要求的评分，提升了投标工作的工作效率。

Description

一种AI投标自动评分方法、***以及存储介质
技术领域
本申请涉及投标的技术领域，特别涉及一种AI投标自动评分方法、***以及存储介质。
背景技术
投标是指投标人应招标人的邀请，根据招标通告或招标单所规定的条件，在规定的期限内，向招标人递盘的行为。
目前在招投标领域，通常需要查看招标文件的方式进行人工投标，但是人工投标的速度慢、效率低、还可能对招标文件中的内容产生误读、招标条件、业绩信息产生错漏。而由于招标文件格式的多样化和自然语言语义机器解析的难度过高，目前行业内多数情况下使用的都是人工投标。
发明内容
为了提升投标工作的工作效率，本申请提供一种AI投标自动评分方法、***以及存储介质。
第一方面，本申请提供的一种AI投标自动评分方法采用如下的技术方案：包括步骤：
建立自然语言处理的特征提取模型；
上传招标文件，获得招标文件的招标明细信息，并利用自然语言处理的特征提取模型，提取出招标明细信息中的具体招标要求；
对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号；
建立的多个公司各项基本情况的分项数据库，按照文字拼音顺序标记数据库中各分项数据；
建立评分模型；
设定筛选条件，筛选出符合条件的相关公司，并匹配相关公司各项基本情况的分项数据库与经指定标签标注的招标具体要求数据，调用评分模型对招标文件进行评分。
通过采用上述技术方案，通过特征提取模型提取招标文件中的具体招标要求与设置的公司各项基本情况的分项数据库进行比对，并由评分模型对各个评分项目进行评分，并汇总成总评分，避免主观化评分对结果产生较大影响，且特征提取模型可自动解析招标具体要求，避免人员理解不一致导致的错误；根据所需筛选条件，可筛选出符合条件的相关公司，减少投标人员查找相关符合筛选要求的公司，提升工作效率。
可选的，所述建立自然语言处理的特征提取模型中，包括步骤：
预处理词汇，生成语料库；
对预处理后的语料库中具有相同编号的句子，进行语法分析；
利用语料库中预处理过后的词汇建立领域概念树，并对领域概念树进行概念语义分析；
对经过概念语义分析的词汇，利用词间相似度和关联度进行语境分析。
通过采用上述技术方案，整个模型中，随着语法层面到语义层面再到语境层面，语言的处理程度逐步趋于细化，其精度也随之提高。
可选的，所述预处理词汇和语料库中，包括步骤：
基于招投标领域进行数据导入；
对于数据导入的数据中常见数字、英文字符、标点等非常规无意义的字符进行数据清洗；
使用jieba库中的cut方法中的精准模式，对进行数据清洗后的数据进行中文分词；
对进行中文分词后的数据，选用停用词表去除起连接作用的连词、虚词、语气词等无意义的停用词；
对去除停用词的词汇进行词性标注；
对词性标注后的词汇在进行标号，形成语料库。
通过采用上述技术方案，通过词汇词汇的预处理可以构建更好的语料库，提高提取具体招标条件的公正性。
可选的，所述对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号中，包括步骤：
设定标签集合；
将提取的具体招标要求中的词汇，并按照文字拼音顺序进行一维线性排列；
为线性排列的每个词汇打上标签集合中的指定标签。
通过采用上述技术方案，通过为提取的线性排列的具体招标要求中的文字指定标签，方便了机器的快速调用。
第二方面，一种AI投标自动评分***，包括信息处理模块、数据库模块、匹配评分模块以及显示模块，
所述信息处理模块用于提取招标文件的具体招标要求，并将具体招标要求转化成机器可以识别调用的语言；
所述数据库模块设置有关于公司基本情况的预设数据；
所述匹配评分模块用于调用信息处理模块输出的可调用的语言和数据库预设的数据，并对调用的各个招标要求进行评分，并由显示模块中。
通过采用上述技术方案，匹配评分模块通过对招标文件中的招标具体要求进行处理提取，实现了一方的对比数据的处理提取；匹配评分模块通过提取数据库预设的数据，实现了另一方的对比数据的处理与提取，并通过比较双方数据，实现评分功能。
附图说明
图1是本申请一种AI投标自动评分方法的流程框图；
图2是本申请一种AI投标自动评分方法中建立自然语言处理的特征提取模型的逻辑框图；
图3是本申请建立自然语言处理的特征提取模型中预处理词汇和语料库的逻辑框图；
图4是本申请一种AI投标自动评分方法中对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号的逻辑框图；
图5是本申请一种AI投标自动评分方法中建立评分模型的逻辑框图；
图6是本申请一种AI投标自动评分方法中对招标文件进行评分的逻辑框图；
图7是本申请一种AI投标自动评分***的模块连接框图。
附图标记说明：1、信息处理模块；2、数据库模块；3、匹配评分模块；4、显示模块。
具体实施方式
以下结合附图1-附图6对本申请作进一步详细说明。
实施例一
本申请实施例公开了一种AI投标自动评分方法，参考图1，包括如下步骤：
步骤S1：建立自然语言处理的特征提取模型。
参考图2，建立自然语言处理的特征提取模型包括如下步骤:
步骤S10：预处理词汇，生成语料库。
参考图3，预处理词汇和语料库包括如下步骤:
步骤S100：基于招投标领域进行数据导入。
数据导入中的数据包括本公司经营领域内招标文件中常见的实质性要求与条件、非实质性要求与条件、经营领域的技术行业标准以及国家标准。
步骤S101：对于数据导入的数据中常见数字、英文字符、标点等非常规无意义的字符进行数据清洗。
步骤S102：使用jieba库中的cut方法中的精准模式，对进行数据清洗后的数据进行中文分词。
步骤S103：对进行中文分词后的数据，选用停用词表去除起连接作用的连词、虚词、语气词等无意义的停用词。
步骤S104：对去除停用词的词汇进行词性标注。
步骤S105：对词性标注后的词汇在进行标号，形成语料库。
步骤S11：对预处理后的语料库中具有相同编号的句子，进行语法分析。
步骤S12：利用语料库中预处理过后的词汇建立领域概念树，并对领域概念树进行概念语义分析。
步骤S13：对经过概念语义分析的词汇，利用词间相似度和关联度进行语境分析。
步骤S2：上传招标文件，获得招标文件的招标明细信息，并利用自然语言处理的特征提取模型，提取出招标明细信息中的具体招标要求。
招标文件中的招标明细信息用以规定投标方的范围，并指导投标方制定投标文件。具体招标要求包括实质性要求与条件、非实质性要求与条件。其中，实质性要求与条件包括投标文件所需提供的有关资格证明、提交的投标保证金、投标报价要求、技术规范、合同条款以及招标方制定带*号的条款；非实质性要求与条件包括允许偏差的最大范围、最高项数以及调整偏差等。
若，上传的招标文件为文本格式，则直接利用特征提取模型进行文字提取；
若，上传招标文件为PDF格式，则采用OCR文字识别技术，将PDF格式中的文字转化成可编辑的文本后，再利用特征提取模型进行文字提取。
例如，获取的招标文件中实质性要求与条件包括投标日期为90天、投标公司需获得IS09001质量管理体系认证、报价不高于100万元等。获取的招标文件中非实质性要求与条件包括重量偏差不超过3KG等。
步骤S3：对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号。
参考图4，对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号包括如下步骤：
步骤S30：设定标签集合；
步骤S31：将提取的具体招标要求中的词汇，并按照文字拼音顺序进行一维线性排列；
步骤S32：为线性排列的每个词汇打上标签集合中的指定标签。
例如，提取的具体招标要求为：
m＝报价,报价,金额,金额,···日期，日期···资质，资质。
指定的标签为：
y＝y1,x1,y2,x2,···yi,xi···yn,xn。
步骤S4：建立的多个公司各项基本情况的分项数据库，按照文字拼音顺序标记数据库中各分项数据。
公司基本情况的数据库包括具体招标要求中的全部信息数据，也即，包括公司资质数据、公司报价数据、公司信誉数据、公司人员数据、经营业务数据以及公司业绩数据等。
例如，设置的数据库的词汇为：
m＝报价,报价,单价,单价,金额,金额,···日期，日期···资质，资质，
式子中，两个报价处于不同的语境中。
标记各项数据为：
n＝n1,m1,n2,m2,n3m3,···niml,···nnmn,
式子中，n1和m1为不同语境下的相同的词汇。
步骤S5：建立评分模型。
参考图5，建立评分模型包括如下步骤：
步骤S50：结合招标文件中的评审项目，确定评分项目。
步骤S51：结合招标文件中的评审标准，给予各个招标具体要求相应的权值，为评分项目计算评分，并计算得出总评分。
步骤S6：设定筛选条件，筛选出符合条件的相关公司，并匹配相关公司各项基本情况的分项数据库与经指定标签标注的招标具体要求数据，调用评分模型对招标文件进行评分，参考图6。
例如，数据库中包括A公司、B公司以及C公司，筛选条件设置为年营业额达到100万，经数据库筛的结果为A公司和C公司。
步骤S60：将指定标签标注的招标具体要求与公司各项基本情况的分项数据库中，处于相同语境内且相同的词汇进行关联。
例如，提取的具体招标要求的序列标记m1对应到数据库公司各项基本数据x1，数据库公司各项基本数据y2对应到提取的具体招标要求的序列标记n3。
步骤S61：基于关联后的词汇，调用评分模型对具体招标要求进行评分。
步骤S7：输出评分结果。
以文档格式、表格格式、图片格式或PDF格式输出相对应的分项评分和总评分。
步骤S8：记录多个招标文件的分项评分和总评分。
记录多个招标文件的分项评分和总评分，方便后续的比较，以便筛选出最贴合本公司的指标文件。
实施例二
本实施例与实施例一的区别在于，参考图1，还包括步骤：
步骤S9:根据公司变动情况，实时更新数据库。
例如，需更新数据库的信息包括：企业的业绩、人员等变动情况等。
实施例三
本实施例与实施例二的区别在于，参考图6，还包括：
步骤S62：对具体招标要求进行评分的过程中，若实质性要求与条件中存在一项评分为0时，则停止进行评分。
实施原理：通过特征提取模型提取招标文件中的具体招标要求与设置的公司各项基本情况的分项数据库进行比对，并由评分模型对各个评分项目进行评分，并汇总成总评分，避免主观化评分对结果产生较大影响，且特征提取模型可自动解析招标具体要求，避免人员理解不一致导致的错误；根据所需筛选条件，可筛选出符合条件的相关公司，减少投标人员查找相关符合筛选要求的公司，提升工作效率。本申请还公开了一种AI投标自动评分***，采用了上述的AI投标自动评分方法，参考图7，包括：信息处理模块1、数据库模块2、匹配评分模块3以及显示模块4。
其中，信息处理模块1用于提取招标文件的具体招标要求，并将具体招标要求转化成机器可以识别调用的语言；
数据库模块2设置有关于公司基本情况的预设数据；
匹配评分模块3用于调用信息处理模块1输出的可调用的语言和数据库预设的数据，并对调用的各个招标要求进行评分；
显示模块4用于显示评分结果。
参考图7，招标文件信息处理模块1包括输入子模块、生成子模块、拆分子模块以及子组合模块；
输入子模块用于接收上传的招标文件，并获取招标明细信息；
生成子模块用于接收获取到的招标明细，并提取具体招标要求；
拆分子模块用于接收提取的具体招标要求，并依据自然语言标记，对提取的具体条件进行拆分；
组合子模块用于获取拆分后的具体招标要求，并将拆分后的具体招标要求重新组合起来，生成机器可以识别的逻辑。
参考图7，数据库模块2包括建库单元、筛选单元以及汇总单元。
建库单元用于建设公司的基本情况数据库，且在公司的业绩、人员等变动时，数据库中的信息也要及时更新；
筛选单元用于按照特定条件对数据库中的数据进行筛选处理，其中特定条件由投标人员进行设定，可以为按照权重大小，按照条件名称排序等；
汇总单元用于将把数据库中需用到的数据，依据需要使用的数据条件，汇总到一起；
参考图7，匹配评分模块3包括匹配模块、评分单元以及标记单元，
匹配模块用于匹配模块中的关键数据，进行数据匹配，
评分单元用于调用匹配结果，并基于匹配结果和招标要求，对匹配结果进行评分；
标记单元用于对不同的评分进行标记。
本申请实施例公开一种终端设备，终端设备包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序。其中，处理器执行计算机程序时采用了上述实施例的一种AI投标自动评分方法。
终端设备包括台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线。
处理器可以采用中央处理单元(CPU)，当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。
存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及终端设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。
其中，通过本终端设备，将上述实施例的一种AI投标自动评分方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，以方便用户使用。
其中，计算机程序可以存储于计算机可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带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)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。
其中，通过本计算机可读存储介质，将上述实施例的一种AI投标自动评分方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便一种AI投标自动评分方法的存储及应用。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种AI投标自动评分方法，其特征在于：包括步骤
建立自然语言处理的特征提取模型；
上传招标文件，获得招标文件的招标明细信息，并利用自然语言处理的特征提取模型，提取出招标明细信息中的具体招标要求；
对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号；
建立的多个公司各项基本情况的分项数据库，按照文字拼音顺序标记数据库中各分项数据；
建立评分模型；
设定筛选条件，筛选出符合条件的相关公司，并匹配相关公司各项基本情况的分项数据库与经指定标签标注的招标具体要求数据，调用评分模型对招标文件进行评分。
2.根据权利要求1所述的一种AI投标自动评分方法，其特征在于：所述建立自然语言处理的特征提取模型中，包括步骤：
预处理词汇，生成语料库；
对预处理后的语料库中具有相同编号的句子，进行语法分析；
利用语料库中预处理过后的词汇建立领域概念树，并对领域概念树进行概念语义分析；
对经过概念语义分析的词汇，利用词间相似度和关联度进行语境分析。
3.根据权利要求2所述的一种AI投标自动评分方法，其特征在于：所述预处理词汇和语料库中，包括步骤：
基于招投标领域进行数据导入；
对于数据导入的数据中常见数字、英文字符、标点等非常规无意义的字符进行数据清洗；
使用jieba库中的cut方法中的精准模式，对进行数据清洗后的数据进行中文分词；
对进行中文分词后的数据，选用停用词表去除起连接作用的连词、虚词、语气词等无意义的停用词；
对去除停用词的词汇进行词性标注；
对词性标注后的词汇在进行标号，形成语料库。
4.根据权利要求3所述的一种AI投标自动评分方法，其特征在于：所述对经自然语言处理的特征提取模型提取后的具体招标要求，进行序列标号中，包括步骤：
设定标签集合；
将提取的具体招标要求中的词汇，并按照文字拼音顺序进行一维线性排列；
为线性排列的每个词汇打上标签集合中的指定标签。
5.根据权利要求4所述的一种AI投标自动评分方法，其特征在于：所述建立评分模型中，包括
结合招标文件中的评审项目，确定评分项目；
结合招标文件中的评审标准，给予各个招标具体要求相应的权值，为评分项目计算评分，并计算得出总评分。
6.根据权利要求5所述的一种AI投标自动评分方法，其特征在于：所述匹配公司各项基本情况的信息数据与经序列标注的招标具体要求数据，并调用评分模型对招标文件进行评分中，包括步骤：
将指定标签标注的招标具体要求与公司各项基本情况的分项数据库中，处于相同语境内且相同的词汇进行关联；
基于关联后的词汇，调用评分模型对具体招标要求进行评分。
7.根据权利要求6所述的一种AI投标自动评分方法，其特征在于：还包括步骤：以不同格式文件输出分项评分和总评分。
8.根据权利要求7述的一种AI投标自动评分方法，其特征在于：还包括根据公司变动情况，实时更新数据库。
9.一种AI投标自动评分***，基于权利要求1-8任意一项权利要求所述的一种AI投标自动评分方法，其特征在于：包括信息处理模块（1）、数据库模块（2）、匹配评分模块（3）以及显示模块（4），
所述信息处理模块（1）用于提取招标文件的具体招标要求，并将具体招标要求转化成机器可以识别调用的语言；
所述数据库模块（2）设置有关于公司基本情况的预设数据；
所述匹配评分模块（3）用于调用信息处理模块（1）输出的可调用的语言和数据库预设的数据，并对调用的各个招标要求进行评分，并由显示模块（4）中。
10.根据权利要求9所述的一种AI投标自动评分***，其特征在于：所述数据库模块（2）包括建库单元、筛选单元以及汇总单元；
所述建库单元用于建设公司的基本情况数据库，在及时更新公司基本情况数据改变；
所述筛选单元用于按照特定条件对数据库中的数据进行筛选处理；
所述汇总单元用于将把数据库中需用到的数据，依据需要使用的数据条件，汇总到一起。
CN202210093701.9A 2022-01-26 2022-01-26 一种ai投标自动评分方法、***以及存储介质 Pending CN114492368A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210093701.9A CN114492368A (zh) 2022-01-26 2022-01-26 一种ai投标自动评分方法、***以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210093701.9A CN114492368A (zh) 2022-01-26 2022-01-26 一种ai投标自动评分方法、***以及存储介质

Publications (1)

Publication Number Publication Date
CN114492368A true CN114492368A (zh) 2022-05-13

Family

ID=81473946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210093701.9A Pending CN114492368A (zh) 2022-01-26 2022-01-26 一种ai投标自动评分方法、***以及存储介质

Country Status (1)

Country Link
CN (1) CN114492368A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114741482A (zh) * 2022-05-19 2022-07-12 北京拓普丰联信息科技股份有限公司 基于招标信息的中标信息匹配方法、***、设备及介质
CN115907935A (zh) * 2023-01-09 2023-04-04 北京长城电子商务有限公司 一种在线辅助评审***
CN117371748A (zh) * 2023-11-02 2024-01-09 广州尚捷智慧云网络科技有限公司 一种智能化产品数据管理***及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114741482A (zh) * 2022-05-19 2022-07-12 北京拓普丰联信息科技股份有限公司 基于招标信息的中标信息匹配方法、***、设备及介质
CN115907935A (zh) * 2023-01-09 2023-04-04 北京长城电子商务有限公司 一种在线辅助评审***
CN115907935B (zh) * 2023-01-09 2023-05-30 北京长城电子商务有限公司 一种在线辅助评审***
CN117371748A (zh) * 2023-11-02 2024-01-09 广州尚捷智慧云网络科技有限公司 一种智能化产品数据管理***及方法
CN117371748B (zh) * 2023-11-02 2024-05-14 广州尚捷智慧云网络科技有限公司 一种智能化产品数据管理***及方法

Similar Documents

Publication Publication Date Title
CN110163478B (zh) 一种合同条款的风险审查方法及装置
CN114492368A (zh) 一种ai投标自动评分方法、***以及存储介质
US8140468B2 (en) Systems and methods to extract data automatically from a composite electronic document
CN106934069B (zh) 数据检索方法及***
US9772991B2 (en) Text extraction
CN108170715B (zh) 一种文本结构化处理方法
US11861320B1 (en) Text reduction and analysis interface to a text generation modeling system
CN109697201B (zh) 一种查询处理的方法、***、设备及计算机可读存储介质
CN112926299B (zh) 一种文本比对方法、合同审阅方法、审核***
CN112380848B (zh) 文本生成方法、装置、设备及存储介质
CN111143505A (zh) 文档处理方法、装置、介质及电子设备
CN110909123A (zh) 一种数据提取方法、装置、终端设备及存储介质
US11860914B1 (en) Natural language database generation and query system
CN110765101A (zh) 标签的生成方法、装置、计算机可读存储介质及服务器
CN111553556A (zh) 业务数据分析方法、装置、计算机设备及存储介质
CN112328738A (zh) 语音检索方法、终端设备及可读存储介质
CN111783424A (zh) 一种文本分句方法和装置
CN110941952A (zh) 一种完善审计分析模型的方法及装置
CN110909112B (zh) 数据提取方法、装置、终端设备及介质
CN114495138A (zh) 一种智能文档识别与特征提取方法、装置平台和存储介质
CN110688453B (zh) 基于资讯分类的场景应用方法、***、介质及设备
CN113157964A (zh) 一种语音搜索数据集的方法、装置及电子设备
CN110858214B (zh) 推荐模型训练、及进一步审计程序推荐方法、装置及设备
CN112818005A (zh) 结构化数据的搜索方法、装置、设备及存储介质
US20230186023A1 (en) Automatically assign term to text documents

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