[发明专利]一种基于聚类的专家分类画像方法、装置及存储介质

说明书

本发明涉及一种分类画像方法，具体公开了一种基于聚类的专家分类画像方法、装置及存储介质，包括：建立专家评分规范体系；在所述专家评分规范体系的基础上，建立评分预测模型，结合对标书的智能分析，判断出评分是否属于异常值，将属于异常值的评分数据进行输出；建立异常评分历史数据库，将所述评分预测模型输出的异常值的评分数据数据输入至所述异常评分历史数据库中；建立专家评价模型，所述专家评价模型基于所述异常评分历史数据库，计算得出考评分值；自定义专家标签类型，结合所述考评分值，通过聚类算法为专家设置标签，得到标签数据；将所述标签数据输入标签数据库。具有能够即时发现评分异常避免因评标专家作出不合理的标书评分导致造成企业损失。

技术领域

本发明涉及一种分类画像方法，具体涉及了一种基于聚类的专家分类画像方法。

背景技术

按照广电企【2019】8号文《关于印发公司深化招标管理改革任务分解表的通知》整体要求，通过利用供应商数据重构等技术实现智能推荐、风险分析与智能预警，保证招标采购遴选供应商合规高效，防范采购过程中由于供应商自身风险导致履约、审计的风险。

招标过程中需要由评标专家来对标书进行评分，评标专家对标书所作出的评分有可能受评标专家与作出该标书的企业的关系影响，从而有些评分不尽真实，评标过程透明度不足，导致企业在招投标中受到损失。目前缺乏一种可以识别与检测评标专家异常评分现象的方法，不能很好地动态考核评标专家，从而导致评标效率低以及透明度不高，导致企业在招投标中受到难以预估的损失。

发明内容

本发明解决的技术问题为评标专家在评标过程中透明度不足的问题，提供基于聚类的专家分类画像方法，能够更好地了解评标进度以及评分质量。

为了解决上述技术问题，本发明提供的技术方案为：

一种基于聚类的专家分类画像方法，其特征在于，包括：

建立专家评分规范体系；

在所述专家评分规范体系的基础上，建立评分预测模型，结合对标书的智能分析，判断出评分是否属于异常值，将属于异常值的评分数据进行输出；

建立异常评分历史数据库，将所述评分预测模型输出的异常值的评分数据数据输入至所述异常评分历史数据库中；

建立专家评价模型，所述专家评价模型基于所述异常评分历史数据库，计算并得出考评分值；

自定义专家标签类型，结合所述考评分值，通过聚类算法为专家设置标签，得到标签数据；

将所述标签数据输入标签数据库。

能够即时发现评分异常，避免或减少因评标专家自身原因所作出不合理的标书评分从而导致企业造成损失。

在评标专家对标书进行评价时，能够结合该评标专家对该类型的标书的历史评分以及该评标专家的行为规则，对该次标书的评分作出评估，能够更加直观并准确地知道该次评标专家作出的评分是否合理。

优选地，所述建立专家评分规范体系包括：

采集专家评审历史数据以及同项目其他专家评分数据；

基于采集到的数据结合异常值分析算偏离模型，对每一个评分指标设定一个合理范围（偏离阈值）；

当所述评分指标符合所述合理范围时，则认为是正常值，当所述评分指标超出所述合理范围时，则认为是异常值。采集专家评审立式数据以及同项目其他专家评分数据，对其进行处理，所产生的一个评分指标合理范围能够更加准确地反应出评标专家该次评分是否合理。

优选地，所述评分预测模型为深度学习模型，所述建立评分预测模型包括：

获取专家数据仓库中的历史数据；

通过采集到的数据分析出专家评分的行为规则；