[發明專利]一種基于語義相似分析的圍串標智能識別方法

有效

• 申請號: 202010038033.0
• 申請日: 2020-01-14
• 公開（公告）號: CN111274783B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 謝榮偉;韓衛民;陸志浩;馬仲能;黃康君
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/30;G06F40/284
• 代理公司: 武漢天領眾智專利代理事務所(普通合伙) 42300
• 代理人: 高蘭

1.一種基于語義相似分析的圍串標智能識別方法，其特征在于，具體包括以下步驟：

S1：計算關鍵詞相似性：利用TextRank算法分別從兩份投標文件中抽取若干關鍵詞，每一份投標文件的一系列關鍵詞構成關鍵詞集合，利用兩份投標文件對應關鍵詞集合的交集比例計算杰卡德距離，得到兩份文件的關鍵詞相似度；

S2：計算文本統計相似性：過濾文件中的停用詞、行業專用詞，再利用tf-idf計算方法提取統計權重特征向量，并計算特征向量之間的余弦相似性即得到文本統計相似性；

S3：計算章節綜合語義相似性：先計算每個章節特征向量的余弦相似性，再結合每個章節的權重，得到兩份投標文件的章節綜合語義相似度；

S4：計算綜合相似度：根據經驗設計關鍵詞相似性、文本統計相似性及章節綜合語義相似性這三個維度的權重，通過這三個維度的加權平均計算得到兩份投標文件的綜合相似度，進而判斷是否圍串標。

2.根據權利要求1所述的一種基于語義相似分析的圍串標智能識別方法，其特征在于，S2中過濾停用詞、行業專用詞的步驟是：

S21：根據人工經驗和分詞統計方法，構建停用詞庫、行業專用詞庫；

S22：采用jieba分詞對文件進行分詞處理，然后將每一個分詞分別與停用詞庫、行業專用詞庫中的詞進行比較，如果是停用詞庫、行業專用詞庫的詞則刪除，以此循環刪除所有的停用詞、行業專業詞。

3.根據權利要求2所述的一種基于語義相似分析的圍串標智能識別方法，其特征在于，S3中每個章節特征向量的余弦相似性的具體計算步驟如下：

S31：利用WORD2VEC技術對歷史所有投標文件進行詞向量訓練；

S32：采用如權利要求2所述的過濾方式將兩份投標文件中每個章節的停用詞、行業專用詞過濾掉，得到的剩下詞語，獲取詞向量取平均值得

到章節內容的向量特征，再計算每個章節特征向量的余弦相似性。

4.根據權利要求1所述的一種基于語義相似分析的圍串標智能識別方法，其特征在于，S3中每個章節的權重是根據經驗設計的。

5.根據權利要求1所述的一種基于語義相似分析的圍串標智能識別方法，其特征在于，S4中關鍵詞相似性、文本統計相似性及章節綜合語義相似性這三個維度的權重之和為1。

6.根據權利要求1所述的一種基于語義相似分析的圍串標智能識別方法，其特征在于，S4中判斷是否圍串標的具體步驟是：將計算的綜合相似度值與設置的相似度閾值進行比較，如果綜合相似度值超過閾值，則兩份文件有圍串標嫌疑，進行預警。