基于双重校验机制的招投标合规性审核方法及系统与流程

本技术涉及招投标审核，具体是涉及一种基于双重校验机制的招投标合规性审核方法及系统。

背景技术：

1、招投标合规性审核在商业活动中至关重要，它涉及到众多文件的审查，包括招标公告、投标人须知、资格审查条件、评标办法、商务响应表、技术响应表、投标函附录、合同条款、授权委托书、保证金凭证、资质证书和业绩证明等。这些文件篇幅长、格式差异大、表格和附件较多，且条款之间存在大量交叉引用。随着商业活动的日益复杂和招投标业务的不断发展，对招投标合规性审核的准确性和效率提出了更高的要求。

2、在现有技术中，为解决招投标合规性审核问题，通常采用以下几种手段。一是基于关键词和规则引擎的审核方案，先对文件进行文本抽取，再配置各类规则，对投标保证金金额、递交截止时间等事项自动判断。二是基于大语言模型的审核方案，将文件片段输入模型，由其判断文本是否存在问题并输出自然语言解释。三是将规则引擎和大语言模型简单并列的双重审核方案，对同一文件同时进行规则和模型判断，若结论不一致则转人工复核。

3、然而，现有技术中都存在局限。基于关键词和规则引擎的方案，规则需人工预设，难以覆盖隐性风险，缺少法规依据和证据链解释，对特殊情况自适应能力差，且规则库更新后难追溯。基于大语言模型的方案，输入上下文不足时结论不稳定，输出难绑定原文和法规，对确定性事项判断不如规则引擎，缺少历史样本和规则版本调用机制。简单并列的双重审核方案，缺少统一证据链约束和冲突处理机制。

技术实现思路

1、为了提高招投标合规性审核的准确性、降低误报和漏报，本技术提供一种基于双重校验机制的招投标合规性审核方法及系统。

2、第一方面，本技术提供一种基于双重校验机制的招投标合规性审核方法，包括：

3、接收招投标文件；

4、对招投标文件进行文档解析并生成证据原子；所述证据原子作为最小证据单元，至少包括唯一标识、来源、页码、章节、原文片段、上下文、哈希值以及时间戳；

5、构建审核事项证据链；构建步骤包括：以审核事项为索引，将待审条款、投标响应内容、法规依据、地方监管规则、历史复核案例和规则版本进行关联，以支持每一项审核结论回溯至原始文件和依据来源；

6、基于所述证据链执行规则引擎校验，输出第一审核结果；基于所述证据链执行检索增强的大语言模型校验，输出第二审核结果；

7、对第一审核结果与第二审核结果进行多维度交叉验证，当交叉验证一致，输出审核结果；当交叉验证不一致时，进行冲突原因识别，并根据识别冲突类型触发补充证据提取，并基于更新后的证据链重复执行规则引擎校验和大语言模型校验，直至满足收敛条件输出或生成需人工复核的审核结果，并将人工复核的审核结果结构化处理并写入对应校验配置库以完成闭环校准。

8、通过采用上述方案，将招投标文件、法规规则、历史复核案例和规则版本构建为可追溯证据链，作为规则引擎和大语言模型的共同输入，避免二者基于不同文本范围作出不可比较的判断；通过多维度交叉验证和冲突原因识别，将简单结果比对升级为多轮交叉验证收敛，发现规则漏报并减少机械规则误报；通过人工复核结果的版本化闭环校准，使同类风险在后续审核中能够自动优化，提升系统持续学习和可审计能力。

9、优选的，所述规则引擎校验包括基于预设规则库和审核事项类型执行确定性校验，生成第一审核结果；

10、所述检索增强的大语言模型校验包括根据审核事项和证据原子，在法规规则库、地方监管库、企业规则库、历史复核案例库和项目文件证据库中执行关键词检索、向量检索、规则编号检索、知识图谱路径检索或案例相似度检索，得到依据包；将待审证据原子、关联上下文、检索到的依据包、规则引擎可解释结果摘要及输出格式约束作为大语言模型输入，生成第二审核结果。

11、通过采用上述方案，规则引擎可对数值、日期、签章、资质等确定性事项进行校验，弥补大语言模型在精确计算和格式校验方面的不稳定，同时检索增强的大语言模型校验将法规依据、地方监管规则和历史复核案例纳入模型上下文，降低模型凭空推理和证据不足导致的误报，二者结合能全面准确地完成招投标合规性审核。

12、优选的，所述交叉验证的冲突类型包括：基于规则引擎输出和大语言模型输出的高风险结论、低风险结论、不确定结论以及引用证据结论组合生成不同的冲突类型；

13、所述收敛条件包括以下任一项：连续至少两轮交叉验证得到相同风险结论；证据链完整度达到预设阈值；规则引擎引用规则依据与大语言模型引用依据不存在逻辑矛盾；综合置信度变化量小于预设阈值；交叉验证轮次达到预设最大值；人工复核人员确认结论；所述综合置信度是通过加权计算获得，权重系数包括规则命中强度、模型置信度、证据链完整度、法规依据一致度、历史案例相似度和冲突惩罚项。

14、通过采用上述方案，明确了交叉验证的冲突类型生成方式，使系统能根据规则引擎和大语言模型不同输出结论组合准确识别冲突；同时确定了多种收敛条件，包括风险结论一致性、证据链完整度、依据矛盾情况、综合置信度变化、交叉验证轮次和人工确认等，且综合置信度采用加权计算，确保审核过程能在合理条件下收敛，提高审核的准确性和可靠性。

15、优选的，还包括：

16、构建的审核事项证据链以知识图谱的形式存储，生成审核事项证据网；生成步骤包括：定义证据网的节点类型；所述节点类型包括：证据原子节点、实体节点、法规条款节点和审核事项节点；定义证据网的关联边；所述关联边表示各个节点之间的关系；为反映节点之间关系的强度和可信度的关联边赋予权重；

17、根据当前审核事项对应审核任务所处的阶段和风险类型，从所述证据网中抽取子图，并分别生成供规则引擎使用的结构化条件视图和供大语言模型使用的语义化证据路径视图，以使得规则引擎与大语言模型基于生成的相应视图执行校验；

18、当触发补充证据提取后，将所获取的新证据作为证据原子节点增量添加至所述证据网，并更新证据网的逻辑关系；在审核收敛并输出结果后，将最终审核结论作为历史审核节点连接至相关实体节点与法规条款节点。

19、通过采用上述方案，以知识图谱形式存储审核事项证据链生成证据网，明确节点类型和关联边并赋予权重，有助于清晰呈现证据间的关系和可信度；依据审核任务阶段和风险类型抽取子图并生成不同视图，使得规则引擎和大语言模型精准利用证据；在补充证据时增量更新证据网逻辑关系，以及在审核结束后连接最终审核结论，保证证据网的动态更新和完整性，从而提高审核过程的准确性和可追溯性。

20、优选的，还包括：

21、当第一审核结果与第二审核结果交叉验证不一致时，采用预训练的强化学习策略网络根据当前验证状态从预设动作集中选取动作，以驱动所述补充证据提取及后续重校验，直至满足收敛条件；

22、所述当前验证状态至少包括两审核结果的一致性、证据引用重合率与识别的冲突类型；所述预设动作集包括：请求指定类型补充证据、法规重检索、调整规则参数和触发大语言模型复核；所述强化学习策略网络以审核结论正确性为正奖励、以校验轮次为负奖励进行训练得到。

23、通过采用上述方案，在第一审核结果与第二审核结果交叉验证不一致时，利用预训练的强化学习策略网络根据当前验证状态从预设动作集中选取动作，更智能地驱动补充证据提取及后续重校验，减少不必要的校验轮次，提高达到收敛条件的效率，从而提升审核效率和准确性。

24、优选的，还包括：

25、基于招投标文件的元数据执行行为流程挖掘，输出包含行为模式的第三审核结果；

26、在对第一审核结果与所述第二审核结果进行多维度交叉验证前，根据当前审核事项的风险类型和/或所述第三审核结果的风险分数，判断是否将所述第三审核结果纳入交叉验证；当纳入时，对第一审核结果、第二审核结果和第三审核结果进行多维度交叉验证，并将三个审核结果一致与否作为收敛判断的依据之一。

27、通过采用上述方案，基于招投标文件元数据进行行为流程挖掘得到第三审核结果，并依据审核事项风险类型和第三审核结果的风险分数决定是否将其纳入交叉验证，从招投标行为流程角度补充审核信息，提高审核准确性；同时将三个审核结果一致与否作为收敛判断依据之一，提高收敛判断的可靠性。

28、优选的，还包括：

29、将人工复核的审核结果结构化处理并写入对应校验配置库包括生成结果标签；

30、闭环校准依据结果标签生成规则扩展建议、规则例外建议、提示模板优化建议、阈值调整建议或检索索引更新建议，并同步更新并记录校准版本号。

31、通过采用上述方案，将人工复核的审核结果结构化处理并生成结果标签，依据标签生成各类校准建议，同时更新并记录校准版本号，实现系统的版本化闭环校准，提升系统对同类风险的自动优化能力和可审计性。

32、第二方面，本技术提供一种基于双重校验机制的招投标合规性审核系统，包括：文件获取模块，用于接收招投标文件；

33、文件解析模块，用于对招投标文件进行文档解析并生成证据原子；所述证据原子作为最小证据单元，至少包括唯一标识、来源、页码、章节、原文片段、上下文、哈希值以及时间戳；

34、证据链构建模块，用于构建审核事项证据链；构建步骤包括：以审核事项为索引，将待审条款、投标响应内容、法规依据、地方监管规则、历史复核案例和规则版本进行关联，以支持每一项审核结论回溯至原始文件和依据来源；

35、规则引擎校验模块，用于基于所述证据链执行规则引擎校验，输出第一审核结果；

36、检索增强大语言模型校验模块，用于基于所述证据链执行检索增强的大语言模型校验，输出第二审核结果；

37、交叉验证和结果输出模块，用于对第一审核结果与第二审核结果进行多维度交叉验证，当交叉验证一致，输出审核结果；当交叉验证不一致时，进行冲突原因识别，并根据识别冲突类型触发补充证据提取，并基于更新后的证据链重复执行规则引擎校验和大语言模型校验，直至满足收敛条件输出或生成需人工复核的审核结果，并将人工复核的审核结果结构化处理并写入对应校验配置库以完成闭环校准。

38、通过采用上述方案，可实现招投标文件的接收、解析、证据链构建、规则引擎校验和大语言模型校验，经多维度交叉验证和冲突处理得出审核结果，完成人工复核结果的闭环校准，提高招投标合规性审核的准确性、一致性和可追溯性，有效降低误报和漏报，提升持续学习和可审计能力。

39、第三方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的方法。

40、第四方面，本技术提供一种计算机设备，所述计算机设备包括存储器、处理器及在所述存储器上存储并可运行的程序，所述程序被处理器执行时实现如上述方法的步骤。

41、综上，本技术具有以下有益效果：

42、1、通过接收招投标文件，解析生成证据原子并构建证据链，基于此进行规则引擎和大语言模型校验，再经过多维度交叉验证，不一致时识别冲突、补证复验，最后闭环校准，从而提高审核结果准确性，减少误报漏报；且设置规则引擎执行确定性校验，大语言模型经检索增强输出结果，以及多样的收敛条件，并将人工复核结果结构化写入配置库，优化持续学习和可审计能力；

43、2、构建审核事项证据链以知识图谱存储生成证据网，可抽取子图供规则引擎和大语言模型使用，补充证据时更新证据网；当校验结果不一致，用强化学习策略网络选动作驱动补证和重校验；从而使得规则引擎和大语言模型基于更完善的证据进行校验，提高审核的准确性和效率；

44、3、基于招投标文件元数据进行行为流程挖掘输出第三审核结果，在交叉验证前可根据风险类型和第三审核结果的风险分数决定是否纳入交叉验证，且将三个审核结果一致与否作为收敛判断依据之一，进一步提高审核的准确性和可靠性，使审核过程更加全面和科学。