技术领域
[0001] 本发明涉及招投标领域，尤其涉及一种自动化项目评估方法、装置、设备和介质。
相关背景技术
[0002] 项目评估是招投标项目的重要流程之一，它有助于确保项目的合法性、合规性、经济性和可行性，提升项目质量和竞争力，促进公平竞争与透明化，降低项目风险，并为决策提供科学依据。
[0003] 在现有技术中，主要由评审人员人工识别投标文件、计算投标供应商分数以及排名，数据处理全依靠人工计算，自动化计算的程度比较低。通常评审专家需要逐一阅读、审核每一份投标文件，包括大量的文字描述、图表、附件，比如注册资本、经营额等数据，需要处理大量的表格数据，根据投标供应商的数据进行评审；此外投标评审往往涉及多个评分项，如资质、价格、技术、服务等，每个评分项下又可能有多个子项，需要按照复杂的规则进行计算，这一过程耗时费力，且随着投标数量的增加，效率会显著下降。
具体实施方式
[0055] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056] 在本申请描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0057] 在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
[0058] 在本申请的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
[0059] 本发明一实施例提供了一种自动化项目评估方法，具体的，请参见图1，图1示出为本发明其中一种实施例中的提供的自动化项目评估方法的流程示意图。其包括步骤S1～S3：
[0060] S1、获取需求文件和每一关联对象的目标项目文件；
[0061] 其中，所述需求文件包括在项目启动阶段，通过对项目需求进行分析和整理，将项目的目标、范围、功能需求、非功能需求等详细记录下来的文档。其目的是为了明确项目的目标和需求，为项目开发提供明确的指导，确保项目团队和利益相关者对项目需求的理解一致。
[0062] 所述目标项目文件，即投标文件，指投标人应招标文件要求编制的响应性文件，一般由商务文件、技术文件、报价文件和其他部分组成。其目的是展示投标人的能力和优势，以争取获得项目的合同或机会。
[0063] S2、根据机器学习算法对各个所述目标项目文件分别进行分类处理，得到结构数据和非结构数据；
[0064] 可以理解的是，投标供应商上传提交的投标文件包括各种数据结构，因此需要对其进行分类，以确保文件的完整性和评审的顺利进行。
[0065] 优选的，在本发明实施例中，所述根据机器学习算法对所述目标项目文件进行分类处理，得到结构数据和非结构数据，包括：
[0066] 将所述目标项目文件转换为文本格式数据；
[0067] 对所述文本格式数据进行特征提取，将提取的部分特征数据进行人工标注，以得到训练数据集；
[0068] 将所述训练数据集输入预先构建的文本分类模型中进行训练，得到训练好的文本分类模型；
[0069] 将未进行人工标注的所述特征数据输入训练好的所述文本分类模型中，得到所述目标项目文件中的结构数据和非结构数据。
[0070] 优选的，在本发明实施例中，所述目标项目文件包括文本格式数据、图像格式数据和视频格式数据；
[0071] 所述对所述文本格式数据进行特征提取，将提取的部分特征数据进行人工标注，以得到训练数据集，具体包括：
[0072] 对所述文本格式数据进行文本特征提取得到数值特征；
[0073] 对所述图像格式数据进行像素点提取得到图像素值特征；
[0074] 对所述视频格式数据进行视频帧提取得到视频帧特征。
[0075] S3、根据所述需求文件构建量化规则库，对所述量化规则库和所述结构数据进行匹配处理，得到可量化数据；
[0076] 具体的，根据所述需求文件构建量化规则库，评审规则信息包括规则类型(商务或技术)、是否否决事项、评审方式、是否组合评审、评审条件、评审要素、判断方法、得分规则、排序方式、项目编号、分标编号、分包编号。若有不满足本次评审的规则，可以根据语意进行拆解，根据语义分析给出建议量化规则。在不同的招投标项目中可以自定义新增或筛选评分规则。评审规则对所有参与者公开透明，以增强评审过程的信任度。支持管理历史评审规则的版本，以追踪变更并支持历史评审过程的复审。规则库会考虑不同评审维度的权重分配，如价格、技术、交付时间等，以及它们如何影响最终评分。
[0077] 优选的，在本发明实施例中，所述根据所述需求文件构建量化规则库，对所述量化规则库和所述结构数据进行匹配处理，得到可量化数据，包括：
[0078] 使用循环语句迭代所述结构数据的每个字段或组合；
[0079] 基于所述量化规则库对每个所述字段或组合，分别执行检查数据类型、验证范围/格式、执行计算和逻辑判断的步骤，以实现匹配操作；
[0080] 记录每个成功匹配的字段或组合，得到可量化数据。
[0081] 具体的，检查数据类型用于确保每个字段或数据项的数据类型符合预期。例如，如果某个字段应该是整数类型，那么在这一步骤中就会检查该字段是否确实包含了整数值，而不是浮点数、字符串或其他非整数类型的数据；验证范围通常涉及检查数据值是否落在预期的数值范围内，比如，年龄字段可能只允许0到120之间的值；格式验证则关注数据的表现形式是否符合特定的规则，例如，电子邮件地址应该包含“@”符号和域名后缀，日期应该遵循特定的日期格式(如YYYY‑MM‑DD)；执行计算用于根据字段值进行数学计算或应用特定的算法，例如，计算两个字段的差值、百分比或执行更复杂的数学运算，这些计算可能用于生成新的字段值、验证数据一致性或执行更高级的验证逻辑；逻辑判断根据数据字段的值或计算结果来评估条件。这可能包括简单的条件判断(如“如果A大于B，则...”)或更复杂的逻辑表达式。这些逻辑判断的结果可能用于控制流程(如跳过某些步骤、触发警告或错误消息)或生成最终的验证结果。
[0082] S4、根据所述可量化数据和所述需求文件进行语义相似度分析，根据分析的结果获取各个所述目标项目文件的第一排序结果；
[0083] 优选的，在本发明实施例中，所述根据所述可量化数据和所述需求文件进行语义相似度分析，根据分析的结果获取各个所述目标项目文件的第一排序结果，包括：
[0084] 利用自然语言处理技术，计算所述可量化数据和所述需求文件中相互匹配成功的字段或组合的余弦相似度，得到各个可量化指标的相似度计算结果；
[0085] 根据所述需求文件，为各个所述可量化指标分配对应的权重；
[0086] 基于各个可量化指标的所述相似度计算结果和各个可量化指标对应的权重，得到所述目标项目文件和所述需求文件的综合相似度，根据所述综合相似度得到所述第一排序结果。
[0087] 具体的，对于已经是数值型的字段，直接计算它们之间的差异(如绝对值差、相对差异等)。对于数值数据，使用皮尔逊相关系数、斯皮尔曼等级相关系数等统计指标来衡量相关性，可以将数值数据视为向量(每个字段值作为一个维度)并计算余弦相似度。如果字段中包含文本且需要计算相似度，则使用NLP技术(如TF‑IDF、Word2Vec、BERT等)将文本转换为数值向量，并计算这些向量之间的余弦相似度。
[0088] 对于每个匹配成功的字段或组合，根据其相似度结果和对应的权重计算加权相似度。如果使用了余弦相似度(对于数值数据可能是调整后的方法)，则直接应用权重。将所有加权后的相似度相加(或根据需要进行其他形式的汇总，如加权平均)，得到目标项目文件和需求文件的综合相似度。根据综合相似度对目标项目文件或相关记录进行排序。综合相似度越高的文件或记录排在越前面，表示它们与需求文件的匹配程度越高。
[0089] S5、将所述非结构数据输入预训练的排序模型中，得到第二排序结果；其中，所述排序结果被配置为根据每一所述关联对象的历史信息数据进行训练；
[0090] 优选的，在本发明实施例中，所述将所述非结构数据输入预训练的排序模型中，得到第二排序结果，包括：
[0091] 对非结构数据进行预处理；
[0092] 对预处理后的所述非结构数据进行特征提取，基于项目需求数据对提取到的部分所述非结构数据进行人工标注，以得到训练数据集；
[0093] 将所述训练数据集输入预训练的排序模型中进行二次训练，得到训练好的所述排序模型；
[0094] 将未进行人工标注的所述非结构数据输入训练好的所述排序模型中，输出第二排序结果。
[0095] 通过上述过程，可以将非结构数据有效地转化为有价值的评审信息，为项目决策提供有力支持。同时，由于使用了预训练的排序模型和二次训练技术，这种方法能够充分利用已有的语言知识和任务相关的数据，提高评审结果的准确性和效率。
[0096] S6、根据所述第一排序结果和所述第二排序结果生成每一所述关联对象的日志文件，根据所述日志文件得到每一所述关联对象的评估结果。
[0097] 优选的，在本发明实施例中，所述根据所述日志文件得到每一所述关联对象的评估结果，包括：
[0098] 通过分析所述需求文件为第一排序结果和第二排序结果分配权重；
[0099] 根据所述第一排序结果和第二排序结果按照其对应的权重进行加权求和，以得到多个所述目标项目文件的评估结果。
[0100] 根据智能化评估结果，按照项目、标、包三个维度给出候选供应商。项目指的是评审的项目，标指的项目包含的分标数，包是每个标下包括的分包，因为投标供应商会根据自身情况对响应的分包进行参与竞标报价，每个投标供应商每个包都可以按照商务评分、技术评分、价格评分得到一个量化的分值，根据三者设定的权重分数求和，得出投标供应商所投包的最后得分进行排名，根据包的投标供应商总得分排名，即按包维度给出候选供应商；按标维度给出候选人是以标为维度，所有投标供应商进行排名；按项目维度是指项目为维度，所有投标供应商进行排名给出候选供应商。
[0101] 通过该流程，评审专家只需要维护好人工评审项，将数据同步给评审系统，评审系统根据配置的规则、投标供应商的结构化数据即可自动计算出各供应商的排名，并给出候选供应商，计算过程由评审系统根据配置的计算规则自动完成，能最大化减少计算误差，结果供评审专家参考应用，进一步提高了评审的准确性，以为招标供应商找到相对合适的供应商。
[0102] 相比于现有技术，本发明实施例的有益效果在于以下所述中的至少一点：
[0103] 1)利用排序模型快速处理和分析大量投标文件，显著提升评审工作的效率；
[0104] 2)通过自动化技术减少人为因素导致的误差，提高评审结果的准确性和可靠性；
[0105] 3)系统根据预设的评审规则进行评审，减少主观判断对评审结果的影响，确保评审的公正性；
[0106] 4)系统能够适应大规模的招投标活动，支持招投标市场的扩展和增长；
[0107] 5)评审过程和结果的自动化记录和展示，提高了整个评审活动的透明度，增强了所有相关方的信任。
[0108] 本发明另一实施例提供了一种自动化项目评估装置，具体的，请参见图2，图2示出为本发明其中一种实施例中的提供的自动化项目评估装置的结构示意图。其包括：获取模块11，分类模块12，匹配模块13，分析模块14，输出模块15，评估模块16，其中，
[0109] 获取模块11，用于获取需求文件和每一关联对象的目标项目文件；
[0110] 分类模块12，用于根据机器学习算法对各个所述目标项目文件分别进行分类处理，得到结构数据和非结构数据；
[0111] 匹配模块13，用于根据所述需求文件构建量化规则库，对所述量化规则库和所述结构数据进行匹配处理，得到可量化数据；
[0112] 分析模块14，用于根据所述可量化数据和所述需求文件进行语义相似度分析，根据分析的结果获取各个所述目标项目文件的第一排序结果；
[0113] 输出模块15，用于将所述非结构数据输入预训练的排序模型中，得到第二排序结果；其中，所述排序结果被配置为根据每一所述关联对象的历史信息数据进行训练；
[0114] 评估模块16，用于根据所述第一排序结果和所述第二排序结果生成每一所述关联对象的日志文件，根据所述日志文件得到每一所述关联对象的评估结果。
[0115] 本发明另一实施例提供了一种自动化项目评估设备，具体的，请参见图3，图示出为本发明其中一种实施例中的提供的自动化项目评估设备示意图。其包括处理器21、存储器22以及存储在所述存储器22中且被配置为由所述处理器21执行的计算机程序，所述处理器21执行所述计算机程序时实现如上述自动化项目评估方法实施例中的步骤，例如图1中所述的步骤S1～S6；或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如获取模块11。
[0116] 示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述自动化项目评估设备中的执行过程。例如，所述计算机程序可以被分割成获取模块11，分类模块12，匹配模块13，分析模块14，输出模块15，评估模块16。
[0117] 所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field‑Programmable Gate Array，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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述自动化项目评估设备的控制中心，利用各种接口和线路连接整个自动化项目评估设备的各个部分。
[0118] 所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述自动化项目评估设备的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0119] 其中，所述自动化项目评估设备集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述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形式等。所述计算机可读介质可以包括：能够携带所述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，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
[0120] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read‑Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
[0121] 相应地，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例的自动化项目评估方法中的步骤，例如图1中所述的步骤S1～S6。
[0122] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
