[發(fā)明專利]招投標信息評審專家識別系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201911037773.6
• 申請日: 2019-10-29
• 公開（公告）號: CN112016272A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 賈新
• 申請（專利權）人: 河南拓普計算機網(wǎng)絡工程有限公司
• 主分類號: G06F40/151
• 分類號: G06F40/151;G06F40/279;G06F40/30
• 代理公司: 河南科技通律師事務所 41123
• 代理人: 樊羿;張曉輝

本發(fā)明公開了一種招投標信息評審專家識別系統(tǒng)及方法，旨在解決現(xiàn)有識別中存在的提取表達式過于復雜，無法準確判斷人名屬性的技術問題。本發(fā)明包括以下部分：1、文本清洗，將招投標信息轉(zhuǎn)換為自然語句；2、人名識別，逐句檢測是否含有人名；3、提取人名標簽，將含有人名的語句的前句作為人名標簽；4、判斷人名標簽是否為評審專家標簽；5、結果輸出。本發(fā)明的有益技術效果在于：語句結構簡單，工作效率高；識別精度高；自動化程度強。

技術領域

本發(fā)明涉及信息識別處理技術領域，具體涉及一種招投標信息評審專家識別系統(tǒng)及方法。

背景技術

從互聯(lián)網(wǎng)上海量招標信息中提取出評審專家，對于數(shù)據(jù)分析、建立評審專家檔案等應用是非常重要的一個環(huán)節(jié)。

常規(guī)的提取評審專家主要由兩種方案：

（1）基于正則提取：根據(jù)中國通用姓氏，通過配置正則，從文本中提取人名，比如/(張.{1,2})|(王.{1,2})/表示提取張和王以及它們后面的1～2個字，這種方案雖然難度小，但是容易出現(xiàn)誤提取，因為張和王等不只可以作為姓氏，導致正確率不太高，另外，中國通用姓氏2000多個，正則配置較為麻煩，加上少數(shù)民族姓氏與上述姓名結構不同，識別的準確率就更低了，而且如此多的姓氏組成的正則表達式結構過于龐大，即便把表達式拆分為多個字段按批次執(zhí)行，效率仍然不高。再者，一篇招標信息中出現(xiàn)人名的地方有多處，如采購聯(lián)系人、代理機構聯(lián)系人等，正則提取則不能判斷提取到的人名是什么角色，還需人工分辨。

（2）基于分詞器提取：主要基于目前中文分詞器的詞性標注功能，將文本分詞并標注詞性，依據(jù)詞性過濾出來NR詞性的詞組，依靠分詞識別人名具有一定語義消歧義作用，能在一定程度上減少誤提取概率，比如部分分詞器會內(nèi)置一些訓練好的識別模型，如CRF模型等用于提高分詞、詞性標注的正確率， 但是一篇文章出現(xiàn)人名的地方比較多，如聯(lián)系人、負責人等等，對于提取到的人名結果，很難確定是否就是想要的評審專家姓名。

發(fā)明內(nèi)容

本發(fā)明提供一種招投標信息評審專家識別系統(tǒng)及方法已解決現(xiàn)有技術中存在的提取表達式過于復雜，無法準確判斷人名屬性的技術問題。

為解決上述技術問題，本發(fā)明采用如下技術方案：

設計一種招投標信息評審專家識別系統(tǒng)，包括：

文本清洗單元，用于將招標信息文本轉(zhuǎn)換為自然語句的集合；

人名識別單元，用于識別上述自然語句中的人名；

人名標簽提取單元，用于提取含有人名的語句的前一或前多語句作為人名標簽；

人名標簽判斷單元，用于判斷上述人名標簽是/否為專家標簽；

輸出單元，用于統(tǒng)一識別出的屬于專家的人名的格式并輸出至結果文本。

進一步的，文本清晰單元包括正則清洗模塊，用于使用正則表達式對招標信息文本進行轉(zhuǎn)換。

進一步的，人名識別單元包括閾值設置模塊，用于設置被識別出的人名個數(shù)的閾值。

進一步的，人名識別單元包括pyhanlp自然語言工具包。

進一步的，人名標簽提取單元包括標簽長度限制模塊，用于設置人名標簽的最小長度。

進一步的，人名標簽判斷單元包括scikit-learn機器學習框架的LogisticRegression邏輯回歸包。

一種招投標信息評審專家識別方法，包括以下步驟：

S1:去除待識別的文本中自然語句以外的字符；

S2：判斷所述待識別的文本語句中是否含有人名；若是，則進入步驟S3，若否，則繼續(xù)判斷下一句；