ARTICLE
28 April 2025

基于深度学习与知识库的招投标三维智能编审系统开发研究

燕青 邓1 永安 黄1 堃 蔡1 雅思 许1 志龙 李1
Show Less
1 公诚管理咨询有限公司, 中国
TACS 2025 , 2(8), 77–81; https://doi.org/10.61369/TACS.2025080006
© 2025 by the Author(s). Licensee Art and Design, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )
Abstract

招投标文件作为工程建设、政府采购等领域资源配置的核心法律文本,其编制质量与审查效率直接影响交易公平性与项目实施成效。传统编审模式依赖人工逐句核查,存在效率低下、标准不一、风险遗漏等突出问题。为解决上述痛点,本文提出一种基于深度学习的招投标文件智能编审系统方案。首先构建涵盖政策法规、行业标准、项目特性的多源异构知识库;其次设计融合BERT 预训练模型与领域适配微调的文本理解架构,实现条款合规性检测、关键信息完整性校验、文本一致性比对等核心任务;最后通过模块化开发完成系统集成,并基于真实招投标语料库开展实验验证。实验结果表明,系统在合规性检测任务中F1值达92.3%,关键信息识别准确率达94.1%,相比传统人工编审效率提升80% 以上,可有效降低人为失误风险,为招投标全流程数字化转型提供技术支撑。

Keywords
深度学习
招投标文件
智能编审
BERT 模型
文本挖掘
知识库构建
References

[1] 中华人民共和国国家发展和改革委员会. 中国招投标行业发展报告(2023)[R]. 北京:中国市场出版社,2023.
[2] 王亮, 李娟, 张敏. 基于本体的招投标知识库构建研究[J]. 情报理论与实践,2021,44(8):145-151.
[3] 蓝峥杰, 王烈, 黄莹. 一种改进型Dense-HRNet 和基尼指数动态加权决策的表情识别算法[J]. 电讯技术,2022,62(11):1683-1690.
[4] 代磊超, 冯林, 尚兴林, 等. 基于深度网络的快速少样本学习算法[J]. 模式识别与人工智能,2021,34(10):941-956.

Share
Back to top