本發(fā)明涉及輔助投標(biāo)，尤其涉及一種基于知識(shí)圖譜的輔助投標(biāo)方法。

背景技術(shù)：

1、投標(biāo)是指供應(yīng)商、承包商或服務(wù)提供商對(duì)招標(biāo)方（通常是政府機(jī)構(gòu)、企業(yè)或其他組織）發(fā)出的采購(gòu)需求進(jìn)行響應(yīng)，并提交報(bào)價(jià)和技術(shù)方案的過(guò)程。

2、在投標(biāo)的過(guò)程中，正確解讀招標(biāo)文件具有以下優(yōu)勢(shì)：

3、1、避免廢標(biāo)：招標(biāo)文件中通常會(huì)詳細(xì)列出各種要求和規(guī)定，如格式、內(nèi)容、提交時(shí)間等。如果投標(biāo)文件不符合這些要求，可能會(huì)被直接視為無(wú)效（即“廢標(biāo)”），故通過(guò)準(zhǔn)確理解招標(biāo)文件中的每一項(xiàng)要求，可以確保投標(biāo)文件的完整性和合規(guī)性，從而避免因小錯(cuò)誤導(dǎo)致的廢標(biāo)風(fēng)險(xiǎn)；

4、2、正確的響應(yīng)評(píng)分標(biāo)準(zhǔn)：招標(biāo)文件通常會(huì)明確指出評(píng)標(biāo)的標(biāo)準(zhǔn)和權(quán)重，只有充分理解這些標(biāo)準(zhǔn)，才能有針對(duì)性地準(zhǔn)備投標(biāo)文件，確保技術(shù)方案和商務(wù)條款能夠滿足評(píng)標(biāo)委員會(huì)的要求，提高得分。

5、3、有效定制投標(biāo)策略：（1）了解項(xiàng)目需求：通過(guò)對(duì)招標(biāo)文件的深入閱讀，可以全面了解項(xiàng)目的背景、目標(biāo)、范圍和技術(shù)要求，有助于制定符合招標(biāo)方需求的技術(shù)方案和報(bào)價(jià)策略。（2）識(shí)別關(guān)鍵點(diǎn)：招標(biāo)文件中可能包含一些關(guān)鍵條款或特殊要求，這些往往是評(píng)標(biāo)時(shí)的重點(diǎn)，通過(guò)細(xì)致的解讀，可以識(shí)別出這些關(guān)鍵點(diǎn)，并在投標(biāo)文件中予以重點(diǎn)回應(yīng)。

6、4、提高中標(biāo)概率：(1)精準(zhǔn)定位：通過(guò)對(duì)招標(biāo)文件的深入分析，可以更準(zhǔn)確地定位自己的優(yōu)勢(shì)和劣勢(shì)，從而在技術(shù)方案、報(bào)價(jià)和服務(wù)等方面做出最優(yōu)選擇。(2)競(jìng)爭(zhēng)優(yōu)勢(shì)：理解招標(biāo)文件中的隱含信息和潛在需求，可以使投標(biāo)文件更加貼合招標(biāo)方的實(shí)際需要，從而在眾多競(jìng)爭(zhēng)者中脫穎而出。

7、5、便于后續(xù)的標(biāo)書撰寫和報(bào)價(jià)：準(zhǔn)確理解招標(biāo)文件后，可以更有效地與團(tuán)隊(duì)成員進(jìn)行溝通和協(xié)調(diào)，確保所有準(zhǔn)備工作都按計(jì)劃進(jìn)行，不僅提高了工作效率，還減少了因誤解而導(dǎo)致的返工和延誤。

8、為解讀招標(biāo)文件，現(xiàn)在一般需要多名專業(yè)人員多次解讀招標(biāo)文件，再進(jìn)行內(nèi)部評(píng)審，必要時(shí)還需要咨詢專家，故仍存在一些問題：

9、1、主觀性較大：依賴多名專業(yè)人員多次解讀招標(biāo)文件，不同人的理解和解讀可能存在差異，導(dǎo)致最終的投標(biāo)文件不夠統(tǒng)一和一致。

10、2、人工成本高：多次解讀和內(nèi)部評(píng)審需要大量的人力資源和時(shí)間投入，增加了投標(biāo)過(guò)程的成本。

11、3、理解片面：即使有多名專業(yè)人員參與，也難以保證每個(gè)人都能全面理解招標(biāo)文件的所有細(xì)節(jié)，尤其是對(duì)于復(fù)雜的技術(shù)或法律條款，可能會(huì)出現(xiàn)理解上的偏差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于知識(shí)圖譜的輔助投標(biāo)方法，解決上述技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于知識(shí)圖譜的輔助投標(biāo)方法，包括以下步驟：

3、s1、通過(guò)爬蟲抓取招標(biāo)文本，并對(duì)招標(biāo)文本進(jìn)行預(yù)處理；

4、s2、序列標(biāo)注：構(gòu)建引入注意力機(jī)制的bert-bilstm-crf融合模型，并利用構(gòu)建的引入注意力機(jī)制的bert-bilstm-crf融合模型提取經(jīng)步驟s1預(yù)處理后的招標(biāo)文本的命名實(shí)體；

5、s3、關(guān)系分類：構(gòu)建bigru-注意力關(guān)系分類模型，并利用構(gòu)建的bigru-注意力關(guān)系分類模型對(duì)步驟s2提取的命名實(shí)體進(jìn)行關(guān)系預(yù)測(cè)；

6、s4、根據(jù)步驟s3獲取的關(guān)系分類結(jié)果，將命名實(shí)體和關(guān)系進(jìn)行組合，得到有效實(shí)體，并存儲(chǔ)至數(shù)據(jù)庫(kù)。

7、優(yōu)選的，步驟s2具體包括以下步驟：

8、s21、利用注意力機(jī)制處理招標(biāo)文本中的特征序列，生成全局特征表示，且注意力機(jī)制的表達(dá)式：

9、（1）；

10、式中，表示第個(gè)特征的全局特征表示；表示特征序列的長(zhǎng)度；表示第個(gè)特征對(duì)第個(gè)特征的注意力程度；表示第個(gè)特征的初始表示；

11、其中，

12、（2）；

13、式中，表示用于計(jì)算第個(gè)特征和第個(gè)特征相似度的函數(shù)；表示用于計(jì)算第個(gè)特征和第個(gè)特征相似度的函數(shù)；

14、s22、利用mlm訓(xùn)練方法訓(xùn)練bert模型，并利用訓(xùn)練完畢的bert模型基于步驟s21處理后的特征序列生成雙向語(yǔ)義表示；

15、s23、利用bilstm進(jìn)一步處理特征序列，捕捉上下文信息：利用bilstm將招標(biāo)文本上下文信息分別輸入一個(gè)正向的lstm和反向的lstm，并在每個(gè)時(shí)間節(jié)點(diǎn)上輸出兩個(gè)向量，而后連接在相同時(shí)間節(jié)點(diǎn)上輸出的兩個(gè)向量，形成bilstm最終輸出，之后將發(fā)送給注意部；

16、s24、考慮上下文信息，使用crf模型的分類標(biāo)簽進(jìn)行分類標(biāo)簽。

17、優(yōu)選的，在步驟s23中，lstm包括用于確定丟棄信息的遺忘門、用于確定保留信息的輸入門以及輸出最終信息的輸出門；

18、其中，遺忘門在時(shí)刻隱藏狀態(tài)和當(dāng)前輸入，并在通過(guò)sigmoid函數(shù)后輸出0到1之間的值，且遺忘門的輸出表達(dá)式如下：

19、（3）；

20、式中，表示sigmoid函數(shù)；表示用于調(diào)整在時(shí)刻隱藏狀態(tài)對(duì)當(dāng)前時(shí)刻影響程度的權(quán)重矩陣；表示用于調(diào)整當(dāng)前輸入對(duì)當(dāng)前時(shí)刻影響程度的權(quán)重矩陣；表示遺忘門偏置項(xiàng)；

21、在輸入門中，由隱藏狀態(tài)和當(dāng)前輸入確定輸入門的輸入，且其輸出表達(dá)式如下：

22、（4）；

23、（5）；

24、式中，表示輸入門的輸出；表示調(diào)整來(lái)自上一個(gè)時(shí)間步長(zhǎng)的隱藏狀態(tài)對(duì)當(dāng)前輸入門影響程度的權(quán)重矩陣；表示用于調(diào)整當(dāng)前輸入對(duì)輸入門狀態(tài)影響程度的權(quán)重矩陣；表示輸入門偏置項(xiàng)；表示激活函數(shù)；表示用于調(diào)整隱藏層對(duì)候選記憶單元影響程度的權(quán)重矩陣；表示用于處理當(dāng)前輸入的權(quán)重矩陣；表示候選記憶單元的偏置項(xiàng)；

25、更新細(xì)胞狀態(tài)：

26、（6）；

27、式中，表示時(shí)刻細(xì)胞狀態(tài)；表示時(shí)刻的細(xì)胞狀態(tài)；

28、在輸出門中，通過(guò)隱藏狀態(tài)和當(dāng)前輸入確定輸出門值，且輸出門輸出表達(dá)式如下：

29、（7）；

30、（8）；

31、式中，表示用于調(diào)整隱藏狀態(tài)對(duì)輸出門值的權(quán)重矩陣；表示調(diào)整當(dāng)前輸入對(duì)輸出門狀態(tài)影響的權(quán)重矩陣；表示輸出門偏置項(xiàng)；表示時(shí)刻隱藏狀態(tài)；

32、預(yù)測(cè)輸出表達(dá)式如下：

33、（9）；

34、式中，表示時(shí)刻的預(yù)測(cè)輸出；表示用于調(diào)整隱藏狀態(tài)對(duì)預(yù)測(cè)輸出影響程度的權(quán)重矩陣；表示用于調(diào)整輸出基線值的偏置項(xiàng)。

35、優(yōu)選的，步驟s3具體包括以下步驟：

36、s31、構(gòu)建bigru-注意力關(guān)系分類模型：

37、（10）；

38、式中，表示正向gru在時(shí)刻的隱藏狀態(tài)；表示正向gru在時(shí)刻的隱藏狀態(tài)；表示反向gru在時(shí)刻的隱藏狀態(tài)；表示反向gru在時(shí)刻的隱藏狀態(tài)；、、和均表示權(quán)重矩陣；表示經(jīng)過(guò)非線性變換后的隱藏狀態(tài)向量；表示偏置項(xiàng)；表示注意力權(quán)重；表示轉(zhuǎn)換向量；表示最終輸出；

39、s32、利用構(gòu)建的bigru-注意力關(guān)系分類模型提取命名實(shí)體-關(guān)系-命名實(shí)體三元組；

40、s33、知識(shí)融合：計(jì)算提取的命名實(shí)體-關(guān)系-命名實(shí)體三元組的相似度識(shí)別具有相同含義的命名實(shí)體，并將相同含義的命名實(shí)體合并；

41、s34、實(shí)體消歧：利用聚類方法基于上下文信息進(jìn)行實(shí)體消歧；

42、s35、存儲(chǔ)至知識(shí)庫(kù)中。

43、優(yōu)選的，在步驟s33中，利用word2vec模型計(jì)算組成命名實(shí)體的單詞的空間距離，并利用空間距離表示單詞之間的語(yǔ)義相似度，并將計(jì)算的語(yǔ)義相似度與設(shè)定的閾值進(jìn)行對(duì)比，若計(jì)算的語(yǔ)義相似度大于設(shè)定的閾值則進(jìn)行合并，否則保留。

44、優(yōu)選的，在步驟s4后還包括指標(biāo)評(píng)價(jià)，且選擇的評(píng)價(jià)指標(biāo)包括準(zhǔn)確率p、召回率r和準(zhǔn)確度f(wàn)1。

45、因此，本發(fā)明采用上述基于知識(shí)圖譜的輔助投標(biāo)方法，具有的有益效果為：

46、1、自動(dòng)化和高效性：通過(guò)使用爬蟲技術(shù)自動(dòng)抓取招標(biāo)文本，可以節(jié)省大量手動(dòng)收集信息的時(shí)間，這使得整個(gè)過(guò)程更加高效且減少了人為錯(cuò)誤的可能性；

47、2、精準(zhǔn)的信息提?。豪胋ert-bilstm-crf融合模型進(jìn)行序列標(biāo)注，能夠更準(zhǔn)確地從預(yù)處理后的招標(biāo)文本中提取命名實(shí)體，且bert模型在理解上下文方面表現(xiàn)出色，而bilstm-crf模型則擅長(zhǎng)捕捉序列中的依賴關(guān)系，兩者結(jié)合可以提高命名實(shí)體識(shí)別的準(zhǔn)確性，同時(shí)引入注意力機(jī)制可以使模型在處理長(zhǎng)文本時(shí)更加關(guān)注關(guān)鍵部分，從而進(jìn)一步提升實(shí)體識(shí)別的精度；

48、3、精確的關(guān)系分類：使用bigru-注意力關(guān)系分類模型對(duì)提取出的命名實(shí)體進(jìn)行關(guān)系預(yù)測(cè)，能夠更好地理解和分析實(shí)體之間的復(fù)雜關(guān)系；其中bigru模型能夠有效地捕捉序列信息，而注意力機(jī)制可以幫助模型聚焦于對(duì)關(guān)系分類最為重要的特征上，從而提高關(guān)系分類的準(zhǔn)確性；

49、4、結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)與查詢：將命名實(shí)體和關(guān)系組合成有效實(shí)體并存儲(chǔ)至數(shù)據(jù)庫(kù)，可以將非結(jié)構(gòu)化的文本信息轉(zhuǎn)化為結(jié)構(gòu)化的知識(shí)圖譜，這樣不僅便于后續(xù)的數(shù)據(jù)管理和查詢，還可以支持復(fù)雜的關(guān)聯(lián)分析和推理，為投標(biāo)決策提供有力的支持；

50、5、智能化決策支持：基于知識(shí)圖譜的方法可以提供更豐富的上下文信息和多維度的關(guān)聯(lián)分析，幫助用戶更全面地理解招標(biāo)文本的內(nèi)容和要求，有助于在投標(biāo)過(guò)程中做出更加明智的決策，提高中標(biāo)率；

51、6、可擴(kuò)展性和適應(yīng)性：該方法框架靈活，可以通過(guò)不斷優(yōu)化模型參數(shù)或引入新的算法來(lái)改進(jìn)性能，具備良好的可擴(kuò)展性和適應(yīng)性；

52、總之，本發(fā)明通過(guò)自動(dòng)化、精準(zhǔn)的信息提取和關(guān)系分類，以及結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)，為用戶提供高效、準(zhǔn)確且智能的投標(biāo)支持。

53、下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。