一种基于人工智能的投标文件自动评审方法及系统与流程

本发明涉及招投标管理，尤其涉及一种基于人工智能的投标文件自动评审方法及系统。

背景技术：

1、随着公共资源交易数字化和招投标业务在线化程度不断提高，针对投标文件的自动解析、资格核验、响应性审查及报价核算等辅助评审技术受到广泛关注。现有辅助评标系统主要依赖字符识别、关键词检索、固定规则匹配或通用文档模型完成投标内容提取与条款比对，但是在实际应用中普遍存在以下问题：

2、投标文件通常包含正文、表格、图像及跨页附件，评审条件与投标证据之间存在一对多或多对多关系，传统顺序解析方法难以保持跨页内容、主体信息与来源位置之间的完整关联，容易出现证据遗漏或定位偏差；通用文档模型多采用连续前向编码方式，深层语义在传递过程中容易削弱页码、区域坐标及局部文字等浅层证据特征，导致评审条件与投标证据单元之间的匹配结果不稳定；现有规则核验方法对字符识别误差、证据缺失及数值轻微变化较为敏感，缺少对初始评审结果进行反事实复核的处理过程，同时投标报价核算、商务技术评审与证据定位相互分离，评标专家仍需重复查找和人工确认，难以统一评审尺度并降低错评、漏评风险。

3、因此，如何提供一种基于人工智能的投标文件自动评审方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于人工智能的投标文件自动评审方法及系统，本发明采用评审约束超图、改进layoutlmv3模型与dice算法相结合的方法，通过解析评审资料和投标文件，构建评审约束超图及带有来源标识的投标证据单元集合；在改进layoutlmv3模型中，利用条款证据交替递推层更新条款状态与证据状态，并通过证据状态逐级回投结构反向校正各递推层的证据状态，得到初始评审结果及证据链；在此基础上，通过分支回溯搜索结构筛选目标反事实样本，复核初始评审结果并结合投标报价完成综合核验，生成辅助评审报告，具有评审效率高、证据定位准确及专家复核便捷的优点。

2、根据本发明实施例的一种基于人工智能的投标文件自动评审方法，包括如下步骤：

3、s1、采集公共资源交易项目的评审资料及投标文件，进行规范化处理，得到标准化评审数据集；

4、s2、从所述标准化评审数据集中提取评审条件及关联关系，构建评审约束超图；

5、s3、对所述投标文件进行结构解析和内容关联，形成带有来源标识的投标证据单元集合；

6、s4、将所述评审约束超图与所述投标证据单元集合输入改进layoutlmv3模型，通过条款证据交替递推层更新条款状态与证据状态，并通过证据状态逐级回投结构反向校正各递推层的证据状态，得到初始评审结果及证据链；

7、s5、基于所述证据链构造反事实样本，采用dice算法的分支回溯搜索结构进行分支扩展和路径回溯，筛选目标反事实样本，并复核所述初始评审结果，得到评审复核结果；

8、s6、依据所述评审资料对所述评审复核结果及投标报价进行综合核验，得到评审核验结果；

9、s7、汇总所述评审核验结果，生成包含标准化评审建议及证据定位信息的辅助评审报告，并提交评标专家复核。

10、可选的，所述s1具体为：

11、采集公共资源交易项目对应的评审资料及各投标主体提交的投标文件；

12、识别所述评审资料及所述投标文件的文件格式，将不同文件格式转换为统一数据格式，并按照文件页面顺序进行排列；

13、对转换后的文件执行重复内容删除、页面方向校正、字符识别及文本编码统一处理；

14、为处理后的所述评审资料及所述投标文件分别配置项目标识、文件标识和页码标识，并按照所述项目标识进行分类归集，得到标准化评审数据集。

15、可选的，所述s2具体为：

16、从所述标准化评审数据集中定位所述评审资料对应的评审条款，按照条款编号及句段边界对所述评审条款进行切分，得到评审条款单元；

17、从各所述评审条款单元中提取评审对象、限定内容、判定方式及材料要求，并按照同一评审对象进行组合，得到评审条件；

18、获取各所述评审条件对应的条款编号、引用条款及材料要求，将条款编号连续、引用指向相同或材料要求相同的评审条件进行关联，得到关联关系；

19、以所述评审条件建立条件节点，将具有所述关联关系的多个条件节点连接至同一超边，并将所述条款编号及所述引用条款配置为对应超边的属性；

20、按照所述评审条件在所述评审资料中的出现顺序排列所述条件节点，并对重复的条件节点进行合并，构建评审约束超图。

21、可选的，所述s3具体为：

22、读取所述标准化评审数据集中的投标文件，识别各页面中的标题区域、正文区域、表格区域及图像区域，并按照区域边界切分得到投标内容块；

23、从所述投标文件的主体信息区域提取投标主体名称，并根据所述投标主体名称配置主体标识；

24、按照标题层级、页面顺序及表格延续关系对相邻投标内容块进行跨页关联，并将具有相同主体标识、相同材料名称或连续内容关系的投标内容块进行合并，得到投标证据单元；

25、获取各所述投标证据单元对应的文件标识、页码标识及区域坐标，将所述文件标识、页码标识及区域坐标按照预设顺序进行拼接，得到来源标识；

26、将所述来源标识配置至对应的投标证据单元，并按照所述投标主体名称及所述投标文件中的出现顺序进行归集，形成带有来源标识的投标证据单元集合。

27、可选的，所述改进layoutlmv3模型包括多模态嵌入模块、条款证据交替递推模块、跨层状态保存模块、证据状态逐级回投模块及评审映射模块；所述条款证据交替递推模块包含条款证据交替递推层，所述证据状态逐级回投模块包含证据状态逐级回投结构；

28、将所述评审约束超图与所述投标证据单元集合输入多模态嵌入模块，对所述评审条件进行编码和映射，得到条款嵌入序列；将所述投标证据单元的文本内容、区域坐标及文件标识转换为字符向量、位置向量及标识向量并相加，得到证据嵌入序列；

29、计算各条款嵌入向量与各证据嵌入向量的逐维乘积之和，按计算结果排序，将排列在前的预设数量的证据嵌入向量与条款嵌入向量关联，得到条款证据对应关系；

30、将所述条款嵌入序列、所述证据嵌入序列及所述条款证据对应关系输入条款证据交替递推模块；条款递推单元将关联的证据嵌入向量逐维累加，并与条款嵌入向量拼接和映射，得到条款状态序列；证据递推单元将关联的条款状态向量逐维累加，并与证据嵌入向量逐维相减，对差值进行非线性变换后叠加至证据嵌入向量，得到证据状态序列；

31、将所述证据状态序列回传至条款递推单元，重复更新条款状态与证据状态，将各递推层的条款状态序列和证据状态序列输入跨层状态保存模块，得到跨层条款状态集合和跨层证据状态集合；

32、将所述跨层证据状态集合输入证据状态逐级回投模块，由深层至浅层进行映射、差值计算和反向校正，得到逐级校正证据状态序列；

33、从所述跨层条款状态集合中提取最深层条款状态序列，将所述最深层条款状态序列与所述逐级校正证据状态序列输入评审映射模块，计算条款状态向量与证据状态向量的逐维乘积之和，选取最大评审状态值对应的评审状态，汇总得到初始评审结果；按照所述条款证据对应关系连接评审条件、投标证据单元、来源标识、条款状态向量、证据状态向量及评审状态，得到证据链。

34、可选的，所述将所述跨层证据状态集合输入证据状态逐级回投模块，由深层至浅层进行映射、差值计算和反向校正，得到逐级校正证据状态序列，具体为：

35、按照递推层级从所述跨层证据状态集合中提取最深层证据状态序列及相邻浅层证据状态序列；

36、对所述最深层证据状态序列进行线性映射，将各最深层证据状态向量转换为与所述相邻浅层证据状态向量维度一致的层间映射证据状态向量；

37、将各层间映射证据状态向量与来源标识相同的相邻浅层证据状态向量进行逐维相减，得到层间证据状态残差；

38、对所述层间证据状态残差进行非线性变换，将变换结果与对应的相邻浅层证据状态向量逐维相加，得到校正证据状态向量；

39、以所述校正证据状态向量替换对应的相邻浅层证据状态向量，形成校正后的相邻浅层证据状态序列；

40、将所述校正后的相邻浅层证据状态序列作为下一次回投处理的深层证据状态序列，并与下一相邻浅层证据状态序列重复执行线性映射、逐维相减、非线性变换及逐维相加；

41、按照由深层至浅层的顺序完成各递推层之间的连续回投，将最浅层得到的校正证据状态序列确定为逐级校正证据状态序列。

42、可选的，所述s5具体为：

43、读取所述证据链中各评审条件、对应投标证据单元、来源标识、条款状态向量、证据状态向量及评审状态，将所述条款状态向量、所述证据状态向量及所述初始评审结果组合为原始评审状态；

44、以所述原始评审状态作为根节点，对所述证据状态向量中的特征维度执行置零、数值替换或数值调整中的一种处理，将每次处理后的评审状态建立为反事实节点，并将相邻反事实节点按照处理顺序连接为反事实路径，构造反事实样本；

45、将所述反事实样本输入dice算法，所述dice算法中构建分支回溯搜索结构；

46、所述分支回溯搜索结构从所述根节点向不同特征维度扩展反事实节点，将各反事实节点对应的证据状态向量与所述原始评审状态中的证据状态向量进行逐维相减，对各维度差值取绝对值并进行累加，得到扰动距离；

47、将各反事实节点对应的条款状态向量与证据状态向量输入所述评审映射模块，得到各反事实节点对应的评审结果，将所述评审结果与所述初始评审结果进行比较，得到评审结果变化标识；

48、将所述评审结果变化标识为未变化的反事实节点继续进行分支扩展，将所述评审结果变化标识为变化的反事实节点记录为候选反事实节点；

49、当连续扩展的两个反事实节点对应的评审结果变化标识均为未变化，且后一反事实节点的扰动距离大于前一反事实节点的扰动距离时，停止对应反事实路径的扩展，回溯至具有未扩展分支的父节点，并从所述父节点建立新的反事实路径；

50、按照不同反事实路径对所述候选反事实节点进行分组，在各组中选取扰动距离最小的候选反事实节点，得到目标反事实样本；

51、将所述目标反事实样本对应的评审结果与所述初始评审结果逐项比较，将保持一致的评审内容记录为稳定评审内容，将发生变化的评审内容记录为待复核评审内容，并将所述稳定评审内容和所述待复核评审内容组合，得到评审复核结果。

52、可选的，所述s6具体为：

53、从所述评审资料中提取与所述评审复核结果对应的评审条件和投标报价核算条件；

54、将所述评审复核结果中的稳定评审内容与对应的评审条件进行逐项匹配，保留匹配一致的稳定评审内容；

55、获取所述待复核评审内容对应的投标证据单元及来源标识，按照所述来源标识定位所述投标文件中的对应内容，将所述对应内容与对应的评审条件进行比较，得到待复核核验内容；

56、从所述投标报价中提取报价项目及报价数值，按照所述投标报价核算条件对所述报价数值执行汇总、差值计算及比例计算，得到报价核算内容；

57、将所述匹配一致的稳定评审内容、所述待复核核验内容及所述报价核算内容按照对应的评审条件进行排列，根据各项内容与对应评审条件之间的一致、异常或缺失比较结果，分别记录通过、异常或待复核的核验状态，得到评审核验结果。

58、可选的，所述s7具体为：

59、读取所述评审核验结果中的各评审条件、核验状态及对应来源标识；

60、按照所述评审资料中的评审顺序排列各评审条件及对应核验状态，将核验状态相同的评审条件进行归集，形成标准化评审建议；

61、将各评审条件对应的来源标识与所述标准化评审建议进行关联，形成证据定位信息；

62、汇总所述标准化评审建议及所述证据定位信息，生成辅助评审报告；

63、将所述辅助评审报告提交评标专家复核，并记录评标专家对各评审条件的复核结果。

64、根据本发明实施例的一种基于人工智能的投标文件自动评审系统，包括如下模块：

65、评审数据处理模块，用于采集公共资源交易项目的评审资料及投标文件，进行规范化处理，得到标准化评审数据集；

66、约束超图构建模块，用于从所述标准化评审数据集中提取评审条件及关联关系，构建评审约束超图；

67、证据单元解析模块，用于对所述投标文件进行结构解析和内容关联，形成带有来源标识的投标证据单元集合；

68、智能评审分析模块，用于将所述评审约束超图与所述投标证据单元集合输入改进layoutlmv3模型，得到初始评审结果及证据链；

69、反事实复核模块，用于基于所述证据链构造反事实样本，通过dice算法的分支回溯搜索结构得到评审复核结果；

70、综合核验模块，用于依据所述评审资料对所述评审复核结果及投标报价进行综合核验，得到评审核验结果；

71、辅助报告生成模块，用于汇总所述评审核验结果，生成包含标准化评审建议及证据定位信息的辅助评审报告，并提交评标专家复核。

72、本发明的有益效果是：

73、（1）本发明通过对评审资料及投标文件进行规范化处理，从标准化评审数据集中提取评审条件及关联关系，构建评审约束超图，并形成带有来源标识的投标证据单元集合，使评审条件、投标证据单元及来源位置形成统一关联，减少跨页附件、表格延续及主体信息分散造成的证据遗漏和定位偏差；

74、（2）通过改进layoutlmv3模型中的条款证据交替递推层，对条款状态与证据状态进行多轮更新，并利用证据状态逐级回投结构由深层至浅层执行映射、差值计算和反向校正，使深层评审语义反馈至浅层证据状态，降低页码、区域坐标及局部文字特征在连续递推过程中的衰减，提高评审条件与投标证据单元之间的匹配稳定性和初始评审结果的可追溯性；

75、（3）通过dice算法的分支回溯搜索结构执行分支扩展、扰动距离计算和路径回溯，筛选目标反事实样本，将评审内容划分为稳定评审内容和待复核评审内容，并依据评审资料对评审复核结果及投标报价进行综合核验，生成包含标准化评审建议及证据定位信息的辅助评审报告，提高评审准确性，降低评标专家重复查找及错评、漏评风险。