一种招投标文档解析方法及系统与流程

摘要: 本发明涉及招投标文档解析,尤其涉及一种招投标文档解析方法及系统。背景技术:1、招投标文档是指在招投标活动及后续合同履行全过程中,由招标人、投标人、评标委员会及监...
一种招投标文档解析方法及系统与流程

本发明涉及招投标文档解析,尤其涉及一种招投标文档解析方法及系统。

背景技术:

1、招投标文档是指在招投标活动及后续合同履行全过程中,由招标人、投标人、评标委员会及监管部门等各方依法编制、形成并归档的一系列书面资料的总称。其是规范交易行为、保障程序合规、明确各方权利义务并具备法律效力的全过程客观记录。

2、在工作时,一般需要对相关招投标文档进行解析,中国发明专利,公布号为cn122045424a,公布日为2026-05-15,公布了一种基于多模态融合的招投标文档要素解析方法及系统,具体涉及文档要素解析领域,包括获取招标文档、投标文档与澄清补遗文档;按页段切分为片段,片段包含片段定位键与版本序号;将澄清补遗文档按版本序号排序后取末位版本序号作为冻结版本序号,并据此筛选得到冻结片段。通过在冻结版本约束下对招标与投标文本进行片段级语义处理,将承诺语义拆解为义务强度、触发条件、例外条款与覆盖范围等可计算要点并执行对齐、反证弱化与规则门控判定,实现对隐蔽语义弱化的可验证识别与可复核判定,从而解决多段分散表达场景下偏离风险难以稳定检出的问题。

3、该发明的不足之处在于,其多级级联解析性能差,难以兼顾高解析准确率和低解析成本。

技术实现思路

1、发明目的:本发明的目的在于提供一种招投标文档解析方法,其多级级联解析性能好;本发明还有一个目的在于提供一种招投标文档解析系统。

2、技术方案:

3、一种招投标文档解析方法,包括:

4、文档解析:将多级解析方式配置为从低至高的解析路径,采用其中一个所述解析方式对所述招投标文档进行解析,得到解析结果;

5、置信度评估:基于评估指标,对所述解析结果进行量化评估,得到置信度,若所述置信度低于预设阈值,则采用更高层级的所述解析方式重复执行文档解析步骤,直至所述置信度大于等于所述预设阈值或已采用最高层级的所述解析方式;

6、多级解析结果融合:对所述多级解析方式得到的所述解析结果进行冲突检测和置信度排序,对存在冲突的字段,根据所述多级解析结果的置信度选择最优结果,以完成所述多级解析结果的融合;

7、结构化数据输出:将融合后的所述解析结果,按照预设的结构化格式输出,形成标准化的结构化数据。

8、具体的,本发明的一种招投标文档解析方法,设计专属的多级级联解析架构:规则解析→版面解析→本地解析→远程解析→多模态解析,便于适配招投标文档的复杂度分布,从而便于保证高解析准确率,且大量的常规招投标文档可通过规则解析和版面解析前两层低成本解析方式完成,仅少量复杂招投标文档需要调用后续的高成本解析方式,便于保证成本低。

9、可选的,所述多级解析方式包括从低至高依次配置的规则解析、版面解析、本地解析、远程解析以及多模态解析;所述规则解析的覆盖率用于作为置信度评估的核心指标;所述版面解析用于解决布局类问题;所述本地解析用于解决语义理解问题;所述远程解析调用模型用于解决语义理解问题;所述多模态解析用于作为最高兜底层级。

10、可选的,第一次对所述招投标文档进行解析时,采用最低层级的所述规则解析,针对招投标文档中的标准化内容进行解析,以使所述规则解析作为成本优化的核心层级。

11、可选的,所述规则解析基于正则表达式和专业表格解析算法,对所述招投标文档的基础结构化信息进行初步解析,提取基础字段,得到所述解析结果;其中,所述正则表达式作为预定义的文本匹配规则模板,针对招投标固定格式文本定制编写;所述专业表格解析算法作为结构化提取算法,用于批量提取规整表格批量数据。

12、可选的,所述评估指标包括字段完整性、字段一致性、规则匹配程度以及模型预测概率;所述字段完整性指当前解析方式提取出的目标业务字段完整覆盖度,统计标准必填字段的提取缺失情况;所述字段一致性用于检验同一业务字段在招投标文档多处提取的数值、文本是否自洽,消除内部数据冲突;所述规则匹配程度用于衡量文本与预设行业匹配模板的贴合程度;所述模型预测概率用于为模型原生输出的分类/抽取结果概率值。

13、可选的,还包括:

14、文档获取:获取所述招投标文档,并对所述招投标文档进行预处理;所述招投标文档为招投标业务场景下的各类文档,包括招标文件、投标文件以及合同。

15、可选的,所述预处理包括脱密和去噪;所述脱密包括隐私脱敏、商业脱密以及合规脱密;所述去噪包括图像去噪、文本去噪以及表格去噪。

16、可选的,在文档解析时,

17、若所述招投标文档中的表格占比超过预设比例,则自动调高所述规则解析的初始置信度基线,以提前预判规则解析的效果;

18、若检测到手写内容,则提前触发所述版面解析的预加载,以提前加载可减少后续调度的等待时间;

19、若招投标文档的大小超过大小阈值,则自动触发分片处理,拆分为若干分片,以避免后续处理时的内存溢出问题。

20、可选的,输入内容为招投标文档提取出的商品名称,整体是成本由低到高分层调度分类流程:

21、第一层:关键词规则匹配,

22、若匹配到服务类、医疗类商品关键词:直接标记分类,流程结束;若判定为货物类商品:进入第二层轻量子层做语义分类;

23、第二层:轻量子层推理输出分类置信度,

24、若置信度≥50%:采信轻量子层结果,快速完成商品分类;若置信度<50%:判定轻量子层识别模糊,升级到第三层大模型子层兜底识别。

25、一种招投标文档解析系统,包括:

26、文档获取模块:用于获取所述招投标文档,并对所述招投标文档进行预处理;

27、文档解析模块:用于将多级解析方式配置为从低至高的解析路径,采用其中一个所述解析方式对所述招投标文档进行解析,得到解析结果;

28、置信度评估模块:用于基于评估指标,对所述解析结果进行量化评估,得到置信度,若所述置信度低于预设阈值,则采用更高层级的所述解析方式重复执行文档解析步骤,直至所述置信度大于等于所述预设阈值或已采用最高层级的所述解析方式;

29、多级解析结果融合模块:用于对所述多级解析方式得到的所述解析结果进行冲突检测和置信度排序,对存在冲突的字段,根据所述多级解析结果的置信度选择最优结果,以完成所述多级解析结果的融合;

30、结构化数据输出模块:用于将融合后的所述解析结果,按照预设的结构化格式输出,形成标准化的结构化数据。

31、一种电子设备,包括:

32、存储器,用于保存计算机程序;

33、处理器,用于执行所述计算机程序,以实现一种招投标文档解析方法。

34、一种计算机可读存储介质,用于保存计算机程序,所述计算机程序被处理器执行时实现一种招投标文档解析方法。

35、有益效果:

36、(1)本发明的一种招投标文档解析方法,设计专属的多级级联解析架构:规则解析→版面解析→本地解析→远程解析→多模态解析,便于适配招投标文档的复杂度分布,从而便于保证高解析准确率,且大量的常规招投标文档可通过规则解析和版面解析前两层低成本解析方式完成,仅少量复杂招投标文档需要调用后续的高成本解析方式,便于保证成本低。

37、(2)本发明的一种招投标文档解析方法,将未达标字段列表传递给更高层级的解析方式,让更高层级的解析方式仅处理未达标字段列表,而非全文档重解析,大幅降低高层级的解析方式的调用量,在保证精度的前提下最大化成本优化。

38、(3)本发明的一种招投标文档解析方法,其置信度评估、冲突消解机制,均结合招投标领域的专属业务规则,比如针对招投标字段完整性、字段一致性评估,针对价格、项目编号的冲突消解规则,确保解析结果符合招投标业务的要求,便于满足垂直领域的业务需求。

39、(4)本发明的一种招投标文档解析方法,覆盖表格、非表格文本、扫描件、跨页文档、模糊文档等多种复杂场景,适配招投标领域各类格式、各类复杂度的文档解析需求,适应性强,可满足招投标全流程的文档解析需求。