[发明专利]一种基于自然语言处理的围标串标行为识别方法及装置

说明书

本申请公开了一种基于自然语言处理的围标串标行为识别方法，相比于传统的依靠招投标项目评审专家在开标现场人工审核投标文件以确定围标串标行为的方式，该方法能够快速自动计算同一招标项目下多个投标文件之间的文本相似度，将相似度超过阈值的投标文件的所属投标人列为围标串标行为的疑似对象，大大提高识别效率，节省人力成本。此外，本申请还提供了一种基于自然语言处理的围标串标行为识别装置、设备及可读存储介质，其技术效果与上述方法的技术效果相对应。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于自然语言处理的围标串标行为识别方法、装置、设备及可读存储介质。

背景技术

招投标是市场经济的一种商品经营方式，在国内外项目实施中已被广泛地采用，这种商品经营方式是在货物、工程和服务的采购行为中，招标人通过事先公布的采购要求，吸引众多的投标人按照同等条件进行平等竞争，按照规定程序并组织技术、经济和法律等方面专家对众多的投标人进行综合评审，从中择优选定项目的中标人的行为过程。

在招投标领域，招标人是指通过招标公告或投标邀请书等形式，招请具有法定条件和具有承建能力的供应商参与投标竞争的行为人。投标人是指按照招标文件的规定填写投标文件，按照招标条件编制投标报价，在招标文件限定的时间内送达招标单位，并参与开标的行为人。投标文件指具备承担招标项目的能力的投标人，按照招标文件的要求编制的文件。

围标串标指通常是指几个投标人之间相互约定，一致抬高或压低投标报价进行投标，通过限制竞争，排挤其他投标人，使某个利益相关者中标，从而谋取非法利益的手段和行为，是投标人之间横向联合的一种违法行为。在招投标领域，围标串标行为极大地损害了招标者的利益。

目前，主要依靠招投标项目评审专家在开标现场人工比对投标文件以检测围标串标行为，这种方式成本高，效率低下，难以满足当前需求。

发明内容

本申请的目的是提供一种基于自然语言处理的围标串标行为识别方法、装置、设备及可读存储介质，用以解决基于人工实现的围标串标行为识别方案成本高，效率低下，难以广泛应用的问题。其具体方案如下：

第一方面，本申请提供了一种基于自然语言处理的围标串标行为识别方法，包括：

获取投标文件集合，所述投标文件集合用于记录同一招标项目下的投标文件；

生成所述投标文件集合中各个所述投标文件的向量表示；

根据所述投标文件的向量表示，计算所述投标文件两两之间的相似度；

筛选相似度大于阈值的目标投标文件；

将所述目标投标文件的所属投标人标记为围标串标行为的疑似对象。

可选的，所述生成所述投标文件集合中各个所述投标文件的向量表示，包括：

对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示。

可选的，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

利用词袋模型和TF-IDF模型对经过文本预处理的投标文件进行文本向量化，得到所述投标文件的向量表示。

可选的，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

利用Python的工具包对PDF格式的投标文件进行文本提取。

可选的，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

对所述投标文件进行文本预处理，所述文本预处理包括以下操作：正则清洗、分词、去除停用词。