[发明专利]一种基于双模型融合的供应商资质审核方法和审核装置

权利要求书

1.一种基于双模型融合的供应商资质审核方法，其特征在于，包括：

建立用于目标检测算法Light-BidDet的数据集D1，以及用于中英文字符识别算法E2E-BidOcr的数据集D2，并将两个数据集按照5:1的比例划分成训练集和验证集；

对Light-BidDet模型和E2E-BidOcr模型，在数据集D1和数据集D2的训练集上进行有监督训练，并在验证集上进行验证，得到训练好的Light-BidDet模型和E2E-BidOcr模型；

用训练好的目标检测算法Light-BidDet模型对标书文件指定区域的定位检测，再采用训练好的端到端中英文字符识别算法E2E-BidOcr对标书文件中所需识别区域的字符进行识别，得到识别结果；

建立模板匹配规则和资质能力核实算法，对得到的识别结果进行供应商资质能力审核判断。

2.根据权利要求1所述的一种基于基于双模型融合的供应商资质审核方法，其特征在于，所述Light-BidDet模型包括：用于特征提取的骨干网络Mobile-ViT，双向融合的特征信息融合网络BiFPN，以及输出类别与检测框的检测头Head；

所述骨干网络Mobile-ViT包括卷积块、MobileNet模块、MobileViT模块；

所述双向融合的特征信息融合网络BiFPN为：在特征金字塔网络增加上下文信息融合及跨层连接路径；

所述输出类别与检测框的检测头Head包括类别预测分支和检测框回归分支。

3.根据权利要求1所述的一种基于基于双模型融合的供应商资质审核方法，其特征在于，

所述E2E-BidOcr模型包括卷积层、循环层和转录层；

卷积层通过构建卷积神经网络对目标检测算法Light-BidDet模型得到的检测结果图像进行特征提取，得到一系列卷积特征图并转换成特征序列；

循环层利用双向的长短期记忆人工神经网络对特征序列进行预测，对序列中的每个特征向量进行学习，并输出预测字符标签的分布；

转录层用于把循环层输出的预测字符标签的分布进一步转换成最终的字符串输出。

4.根据权利要求1所述的一种基于基于双模型融合的供应商资质审核方法，其特征在于，对Light-BidDet模型和E2E-BidOcr模型，在数据集D1和数据集D2的训练集上进行有监督训练，并在验证集上进行验证，其中在验证集上进行验证具体为：

Light-BidDet利用IoU＝0.5时的平均精确度AP50作为验证指标，当在数据集D1的验证集上AP50≥90％时，Light-BidDet训练完成的模型记为合格；

E2E-BidOcr采用文字行级别准确率作为评价指标，当在数据集D2的验证集上Accuracy≥90％时，E2E-BidOcr训练完成的模型记为合格。

5.根据权利要求1所述的一种基于双模型融合的供应商资质审核方法，其特征在于，建立模板匹配规则和资质能力核实算法，对得到的识别结果进行供应商资质能力审核判断，具体为：

建立标书模板匹配库；

利用ERNIE-Gram模型构建文本语义匹配任务，所述ERNIE-Gram模型利用模糊匹配规则判断待检测文本与标书文本匹配库中的文本进行相似度检测；

统计语义相似文本所占比例，并进一步根据所占比例的值对供应商资质能力的核实结果进行判断。

6.根据权利要求5所述的一种基于双模型融合的供应商资质审核方法，其特征在于，所述进一步根据所占比例的值对供应商资质能力的核实结果进行判断，具体为：

当所占比例≥0.9时认定当前所判断的供应商符合资质要求；

当0.8≤所占比例＜0.9时认定当前所判断的供应商具备候补资格，需进一步完善和递交标书文件中的相关材料；

当所占比例＜0.8时认定当前所判断的供应商不符合资质要求。