一种基于大模型结合多路召回知识库的投标书自动生成方法与流程

摘要: 本发明涉及人工智能,特别是一种基于大模型结合多路召回知识库的投标书自动生成方法。背景技术:1、随着电子招投标、企业知识管理和自然语言处理技术的发展,投标书编制逐...
一种基于大模型结合多路召回知识库的投标书自动生成方法与流程

本发明涉及人工智能,特别是一种基于大模型结合多路召回知识库的投标书自动生成方法。

背景技术:

1、随着电子招投标、企业知识管理和自然语言处理技术的发展,投标书编制逐渐由人工整理资料、套用固定模板,发展为基于文档解析、信息抽取、知识库检索和文本生成的辅助编制方式。现有投标文件处理通常会对招标文件中的正文、目录、表格和附件进行文本抽取,再结合企业历史投标书、资质证书、项目案例、产品资料和技术方案等资料形成企业知识库,并通过关键词检索、语义检索或大语言模型生成投标书章节内容。在人工智能应用不断成熟的背景下,生成式预训练语言模型、向量检索、知识图谱和多模态内容识别也逐渐被用于招标条款理解、投标资料匹配和投标文本生成场景。

2、现有投标书自动生成技术虽然能够在一定程度上提高文本编制效率,但多数方案仍偏重于模板填充、单一路径检索或普通语义匹配,对招标文件中的章节层级、表格事项、条款来源和证明材料之间的约束关系利用不足。尤其在招标文件同时包含资格审查表、评分表、技术参数表、报价清单和服务承诺表时,现有技术容易出现正文条款与表格事项脱节、企业资料与招标要求对应不清、生成段落缺少可追溯来源的问题。同时,现有大模型生成方式往往先生成文本再进行人工校对,难以在生成前限定章节路径、证明材料引用位置和响应口径,导致投标书内容虽然语言完整,但与招标条款、企业资料和证明材料之间的一致性不足。

技术实现思路

1、鉴于上述现有存在的问题,提出了本发明。

2、因此,本发明提供了一种基于大模型结合多路召回知识库的投标书自动生成方法,用于解决投标书自动生成中条款响应与知识来源难以一致匹配的问题。

3、为解决上述技术问题,本发明提供如下技术方案:

4、本发明提供了一种基于大模型结合多路召回知识库的投标书自动生成方法,其包括,

5、对招标文件的章节内容及表格事项进行层级拆解,构建招标文档树和表格中间结果,并提取投标要素,生成招标需求解析集;

6、采用招标需求解析集对企业投标资料进行章节归类、递归抽象和实体关系标定,构建投标知识树索引和投标知识图谱索引;

7、调用招标文档树、投标知识树索引和投标知识图谱索引进行条款类别判定、关系节点查找、摘要抽取及多路召回匹配,生成条款候选知识集合;

8、依据条款候选知识集合、表格中间结果和格式约束进行思维树章节路径选择,并在段落生成前触发前瞻检索增强,生成投标书初稿;

9、通过自然语言推理链对投标书初稿、招标需求解析集和条款候选知识集合进行来源一致性核验及对话修订,生成投标书定稿。

10、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述构建招标文档树和表格中间结果,具体步骤如下:

11、对招标文件的目录层级、条款编号、正文段落和附件说明进行版面解析,并采用生成式预训练语言模型进行语义类别判定,生成招标文档树;

12、对招标文件中的资格审查表、评分表、技术参数表、报价清单和服务承诺表进行行列位置识别、行列语义补全、事项归位和跨单元格内容衔接,生成表格中间结果。

13、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述生成招标需求解析集,具体步骤如下:

14、依据招标文档树和表格中间结果分别提取章节投标事项集和表格投标事项集,将章节投标事项集和表格投标事项集按章节来源、条款来源和表格来源编排为投标要素链;

15、按照投标要素链中的来源位置和事项类别建立需求条目,生成招标需求解析集。

16、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述构建投标知识树索引,具体步骤如下:

17、对企业投标资料进行内容解析,并采用招标需求解析集划分章节用途,生成章节化知识条目;

18、通过递归抽象处理机制对章节化知识条目进行层级划分,使底层节点保留原始知识内容,中层节点形成分类摘要,顶层节点形成企业能力总览;

19、按照底层节点、中层节点和顶层节点之间的摘要从属关系建立检索路径,生成投标知识树索引。

20、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述投标知识图谱索引的构建,具体步骤如下:

21、从招标需求解析集和投标知识树索引中提取投标实体,并对投标实体进行同名归并、上下位划分和来源定位,生成实体节点集;

22、在实体节点集之间确定归属关系、证明关系、响应关系和引用关系,并将对应关系与投标知识树索引中的节点路径绑定,生成投标知识图谱索引。

23、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述生成条款候选知识集合,具体步骤如下:

24、从招标需求解析集中选取当前需求条目作为当前响应条款,调用招标文档树定位当前响应条款的章节节点和表格来源位置,判定当前响应条款的语义类别,生成条款类别标签;

25、采用条款类别标签检索投标知识图谱索引中的实体节点集,筛选与当前响应条款存在证明关系、响应关系和引用关系的企业资料节点,生成条款关系节点链;

26、利用条款关系节点链回溯投标知识树索引中的顶层节点、中层节点和底层节点,提取企业能力总览、分类摘要和原始知识内容,生成条款知识树摘要;

27、以当前响应条款对应的实体节点为起点,沿条款关系节点链中的证明关系、响应关系和引用关系查找相邻企业资料节点、证明材料节点和项目案例节点,并保留相邻节点之间的关系类型和来源位置,生成条款图谱邻域;

28、对条款图谱邻域进行路径压缩和来源排序,得到与当前响应条款相连的实体路径及条款图谱摘要;

29、依据当前响应条款的关键词、语义内容和资料类型分别进行关键词召回、语义召回和多模态召回,得到文字匹配知识、语义匹配知识和证明材料知识;

30、将条款知识树摘要、条款图谱摘要、文字匹配知识、语义匹配知识和证明材料知识按招标文档树中的章节位置归位,形成多路召回知识库;

31、从多路召回知识库中选取与条款类别标签、表格来源位置和实体路径一致的知识内容,生成条款候选知识集合。

32、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述格式约束包括由招标需求解析集和表格中间结果确定的章节顺序、标题层级、表格事项、响应口径和证明材料引用位置。

33、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述进行思维树章节路径选择,具体步骤如下:

34、采用条款候选知识集合匹配招标文档树中的章节节点,建立对应的章节候选路径,结合表格中间结果和格式约束核验章节候选路径中的表格事项位置、证明材料位置和响应口径,生成可选章节路径集;

35、通过思维树推理过程对可选章节路径集进行条款延续关系、材料引用关系和段落顺序推演,选取与招标文档树、条款候选知识集合和格式约束一致的章节路径推演结果,生成投标书生成路径。

36、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述在段落生成前触发前瞻检索增强,具体步骤如下:

37、采用投标书生成路径确定当前待生成章节和下一段落位置,形成段落拟写语义,从中识别条款名称、技术事项、资质事项、案例事项和证明材料名称,生成段落检索意图;

38、依据段落检索意图回调条款候选知识集合、投标知识树索引和投标知识图谱索引,取得与下一段落位置对应的来源内容,生成段落来源知识片段;

39、将段落拟写语义、段落来源知识片段、格式约束和投标书生成路径编排为段落生成提示,并限定章节标题、响应事项、引用材料和段落顺序;

40、当段落来源知识片段与段落拟写语义一致时,生成正式段落,当段落来源知识片段缺少条款对应内容时,重新调用条款候选知识集合补充来源内容并修正段落拟写语义,生成修正段落;

41、按照投标书生成路径排列正式段落和修正段落,生成投标书初稿。

42、作为本发明所述基于大模型结合多路召回知识库的投标书自动生成方法的一种优选方案,其中:所述生成投标书定稿,具体步骤如下:

43、对投标书初稿中的资格响应、技术响应、商务响应、报价说明、项目实施和售后服务内容进行响应句切分,形成响应句序列;

44、通过自然语言推理链将响应句序列与招标条款、来源内容、知识树摘要和图谱摘要进行一致性判断,生成来源一致性核验结果;

45、当来源一致性核验结果指示响应句缺少来源支撑时,调用条款候选知识集合补充对应来源内容并生成补充响应句;

46、当来源一致性核验结果指示响应句与招标条款存在内容差异时,调用招标需求解析集和条款候选知识集合改写对应响应句并生成修订响应句;

47、采用用户对话内容定位投标书初稿中的目标章节,并结合补充响应句和修订响应句对目标章节进行内容修订,生成投标书定稿。

48、本发明有益效果为:本发明并非简单利用大模型生成投标文本,而是先通过招标文档树和表格中间结果将正文条款、表格事项、附件说明及其来源位置统一解析为招标需求解析集,再以该解析集驱动企业投标资料形成投标知识树索引和投标知识图谱索引,使企业资料能够按照“招标要求—企业响应内容—证明材料—引用位置”的关系被组织和调用。相较于现有依赖模板填充、关键词检索或单一向量召回的投标书生成方式,本发明通过多路召回知识库优先选取具有证明关系、响应关系、引用关系及完整来源字段的知识内容,并在段落生成前利用思维树章节路径选择和前瞻检索增强确定章节顺序、响应口径、表格位置和证明材料引用位置,从源头减少无依据生成、材料错引和条款遗漏。进一步地,通过自然语言推理链对投标书初稿及对话修订内容进行来源一致性核验,使最终投标书在条款响应、知识来源、证明材料和章节结构之间保持一致,从而提高投标书自动生成的可追溯性、准确性和审查适配性。