[发明专利]投标文件自动打分的方法及其系统

说明书

本发明涉及一种投标文件自动打分的方法及其系统，包括如下步骤：数据处理：获取历史投标文件的文本数据以及与文本数据对应的得分数据，并对文本数据和得分数据进行预处理，对经处理的文本数据进行分词以形成若干词条，将若干词条储存并作为特征数据；模型训练：利用有监督的机器学习模型对特征数据和得分数据进行学习，从而将机器学习模型训练形成自动打分模型；自动打分：将待打分的投标文件的文本输入自动打分模型，自动打分模型输出相应的分数。本发明有效地解决了投标文件评分中主观因素影响较大的问题，减少主观因素对评分的影响，同时也能够节省人工成本，并且提高评分速度。

技术领域

本发明涉及网络模型领域，特指一种投标文件自动打分的方法及其系统。

背景技术

随着电子招标采购系统的规范化、规模化，使得线下招标采购活动逐步转向线上进行，传统的招标采用中专家根据招标文件设置的条款阅读投标文件中的相应文字内容以对投标文件进行判分，线上招标采购中也无法避免专家在线评审这一环节。

然而在评审环节中，虽然招标文件对于打分方式进行了明确规定，但是专家的判分评价仍旧具有较大的主观性，从而导致同一投标文件不同专家的评分结果差异较大，虽然可以通过对多名专家的评分取平均值处理，但这样依然无法从根本问题上消除专家主观性导致的评分误差，且多名专家对同一投标文件进行评分，人工成本较高，且评分速度较慢。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种投标文件自动打分的方法及其系统，解决了投标文件评分中主观因素影响较大的问题，减少主观因素对评分的影响，同时也能够节省人工成本，并且提高评分速度。

实现上述目的的技术方案是：

本发明提供了一种投标文件自动打分的方法，包括如下步骤：

S11.数据处理：获取历史投标文件的文本数据以及与文本数据对应的得分数据，并对文本数据和得分数据进行预处理，对经处理的文本数据进行分词以形成若干词条，将若干词条储存并作为特征数据；

S12.模型训练：利用有监督的机器学习模型对特征数据和得分数据进行学习，从而将机器学习模型训练形成自动打分模型；

S13.自动打分：将待打分的投标文件的文本输入自动打分模型，自动打分模型输出相应的分数。

本发明提出了一种投标文件自动打分的方法，通过获取历史投标文件的数据，经处理后形成特征数据，利用有监督的机器学习模型对特征数据和得分数据进行学习，从而形成自动打分模型，利用形成的自动打分模型对输入的投标文件的文本进行打分，避免了主观因素的影响，解决了投标文件评分中主观因素影响较大的问题，减少主观因素对评分的影响，同时也能够节省人工成本，并且提高评分速度。

本发明投标文件自动打分的方法的进一步改进在于，文本数据进行分词后，还包括：

计算每个词条的逆文档词频，并根据停用词库设置词条的词频临界值；

将逆文档词频大于词频临界值的词条删除，并将剩余的词条储存并作为特征数据。

本发明投标文件自动打分的方法的进一步改进在于，形成自动打分模型后，还包括：

提供若干测试文本，将测试文本输入自动打分模型并对应得出若干预测分数，将若干预测分数与对应的测试文本的实际分数进行比较并得出比较结果；

根据比较结果调整特征数据和机器学习模型的超参数，利用该机器学习模型对调整后的特征数据和得分数据进行学习，以优化形成新的自动打分模型。

本发明投标文件自动打分的方法的进一步改进在于，将预测分数与实际分数进行比较时，还包括：

计算预测分数与对应的实际分数的均方根误差、平均绝对误差和均方误差，以得出比较结果。