一种基于人工智能的招标人主体责任全流程合规管控方法及系统与流程

本发明涉及人工智能、知识图谱、区块链及电子招投标合规管控，具体为一种基于人工智能的招标人主体责任全流程合规管控方法及系统。

背景技术：

1、招标采购是公共资源交易及企业采购的重要方式，招标人作为采购活动的组织者和责任主体，对招标全过程的合规性承担法定责任。然而，在实际操作中，招标人主体责任落实不到位的问题长期存在：招标文件编制阶段易出现指定品牌、设置不合理门槛等排他性条款；开标评标阶段存在评分异常、评标专家行为偏离等情形；不同投标人之间可能存在串通投标行为。上述问题导致招标投诉率高、废标率高、审计追责难；

2、目前，现有的招标合规管控手段主要依赖人工审查和事后审计。人工审查效率低、标准不统一，难以覆盖招标全流程的多个环节；事后审计仅能发现问题，无法在违规行为发生时进行实时干预。部分电子招标平台虽然集成了规则引擎，用于关键词匹配或流程节点记录，但其检测能力有限，无法识别隐性排他条款、复杂关联关系及动态异常评分模式。此外，现有系统缺乏对招标人主体责任主体的精准关联和全流程不可篡改的存证机制，导致责任追溯困难，所以我们提出了一种基于人工智能的招标人主体责任全流程合规管控方法及系统来解决上述存在的问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于人工智能的招标人主体责任全流程合规管控方法及系统，解决了传统招标依赖人工审查效率低、识别隐性违规能力弱、仅能事后审计、责任追溯困难、系统无法适配新规等诸多缺陷的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于人工智能的招标人主体责任全流程合规管控方法，包括以下步骤：

3、s1、整合法律法规数据库、历史招标案例库、企业内部合规制度文档三大数据源，从中提取责任主体实体、行为实体、后果实体三类核心实体；以国家及地方招投标法规、案例因果逻辑为依据，在多个责任节点、合规规则节点、历史风险事件节点之间搭建边连接，形成基础图谱结构。进一步采用图神经网络学习各实体之间隐含的合规依赖路径，生成动态责任传导链；同时为每一个责任节点配置权重系数与时效性标签，区分责任轻重、法规适用有效期，完成招标人主体责任知识图谱的搭建与动态更新；

4、s2、当系统接收到招标启动指令后，自动对接电子招标平台、合同管理系统、评标现场终端等业务端口，采集招标全流程多源异构数据。其中招标全流程覆盖七大核心阶段：项目立项阶段、文件编制阶段、公告发布阶段、投标接收阶段、开标评标阶段、定标签约阶段、合同履行阶段；采集的多源数据包含结构化数据（项目基础信息、投标人信息、专家信息、流程节点数据等）、半结构化数据（表单、清单、台账等）、非结构化文本数据（招标文件、投标文件、评标报告、公告文本等）。

5、s3、利用自然语言处理模型对采集到的非结构化、半结构化文本数据开展实体抽取与意图识别，梳理招标各环节的操作行为、业务动作，生成标准化流程行为序列。将生成的流程行为序列一一映射至步骤s1构建的招标人主体责任知识图谱中，结合图谱内的规则关联关系，匹配确定当前每一项流程行为对应的责任主体、合规校验点，为后续ai合规检测划定检测范围与检测标准。

6、s4、多模型协同开展实时ai合规分析根据已确定的合规校验点，调用对应的ai合规检测模型组，对当前流程行为进行实时合规分析，输出合规评分与风险标签。所述ai合规检测模型包含四大核心模型，各模型分工如下：

7、采用基于预训练语言模型的细粒度分类器，专项识别招标文件内指定特定品牌、特定地域、特定企业规模、特定所有权性质等排他性违规条款，同步输出排他性风险等级以及对应的文本修改建议。

8、提取投标人设备指纹、网络地址、文件元数据、工商股权、关联人员等多维度信息，搭建投标人相似性网络，计算两两投标人之间的综合关联度分数；当关联度分数超出预设串通嫌疑阈值时，自动生成串通关联风险标签，并标记涉事投标人。

9、基于时序注意力网络，对比评标专家历史评分序列与当前项目评分序列，识别三类异常评分模式：

10、偏离中心模式，即单专家评分偏离全体专家组平均分达到预设标准差倍数；

11、固定偏好模式，即专家在多个项目中对同一类投标人持续打出异常高分或低分；

12、时间关联模式，即评分顺序与投标人陈述顺序出现不合理强关联。

13、校验招标各环节时间节点、流程先后顺序，识别流程倒置、节点超时、时序错乱等逻辑违规问题；

14、s5、预先设置合规评分阈值与高风险标签清单，当ai检测输出的合规评分低于预设阈值，或行为命中预设高风险标签时，系统自动触发分级干预动作。分级干预由低到高分为四类：提示预警、强制修改、流程阻断、责任日志固化。其中责任日志固化具体流程为：记录干预触发时刻的流程上下文快照、ai检测决策依据、现场操作人员身份信息；将完整日志同步至招标人主体责任追溯平台，依托数字签名与时间戳完成电子责任凭证固化，形成不可抵赖的责任记录；

15、s6、将全流程行为数据、合规评分结果、风险标签、分级干预记录、固化的责任日志等核心数据，以哈希加密方式写入合规审计区块链，实现数据不可篡改、全程留痕。同时为每一位责任主体、每一个招标项目生成唯一对应的合规追溯码，依托追溯码可快速调取全流程审计数据。

16、本发明提供一种基于人工智能的招标人主体责任全流程合规管控系统，用于执行所述的方法，其特征在于，包括：

17、数据采集模块分别与招标人电子招标平台、合同管理系统、评标现场终端、内部办公系统建立数据接口，实现招标七大阶段多源异构数据的自动化、实时化采集，支持结构化、半结构化、非结构化数据统一接入与初步清洗，为后续分析提供原始数据支撑。

18、知识图谱模块基于图数据库进行部署，负责存储、更新招标人主体责任知识图谱；模块内置责任节点检索接口与风险路径推理引擎，可快速完成流程行为匹配、责任主体定位、风险传导路径推演，并支持根据新规、新案例动态迭代图谱节点与关联关系。

19、ai检测引擎模块为本系统的核心智能检测单元，下设四个独立子模块，分别对应方法中的四大ai合规检测模型，各子模块采用深度学习模型或集成学习模型独立运算、协同输出结果。本模块还搭载主动学习反馈回路：收集工作人员对风险预警、修改建议的采纳/驳回数据，将采纳并整改完成的样本标记为正样本，将驳回后引发投诉、废标、审计问题的样本标记为负样本；周期性利用正负样本对ai模型进行增量训练与参数微调，让模型持续适配最新法律法规、地方招标规则与新型违规手段。

20、分级干预模块内置三级评分阈值（第一阈值、第二阈值、第三阈值，且第一阈值＞第二阈值＞第三阈值）以及全量风险标签分级清单，根据ai检测引擎输出的合规评分、风险标签执行分级干预策略：

21、一级干预，合规评分介于第二阈值与第一阈值之间，或命中一般性风险标签，系统弹出弹窗预警并推送修改建议，不阻断现有业务流程；

22、二级干预，合规评分介于第三阈值与第二阈值之间，或命中中度违规标签，锁定当前操作界面，操作人员必须完成整改、风险降级后方可继续推进流程；

23、三级干预，合规评分低于或等于第三阈值，或命中串标、虚假招标等严重违规标签，系统自动终止当前招标流程，向招标人法定代表人、合规管理人员推送流程阻断报告，并自动固化全链证据。

24、区块链存证模块接入行业联盟链节点，对招标关键流程数据、ai检测结果、风险预警记录、干预操作日志、责任凭证等数据进行哈希上链存证；利用区块链去中心化、不可篡改、可溯源的特性，保障所有合规数据真实有效，同时与责任日志内的数字签名、时间戳形成链式交叉验证。

25、合规追溯界面模块面向招标人、监管人员、审计人员提供可视化人机交互界面，支持按照责任主体、项目编号、时间区间多维度检索，直观展示项目全流程合规审计路径与电子责任凭证。模块内置责任主体异动追踪子模块：当同一责任主体在不同项目中累计触发三级干预事件达到预设次数时，自动提取各责任维度量化评分，通过雷达图渲染引擎生成该主体的合规风险档案；风险档案覆盖文件编制、评标公正、信息保密、签约履行四大责任维度，直观展示风险分布情况，并支持一键导出标准化报告，可直接报送至内部监督机构或行业行政监督部门。

26、有益效果

27、本发明提供了一种基于人工智能的招标人主体责任全流程合规管控方法及系统。与现有技术相比具备以下有益效果：

28、该基于人工智能的招标人主体责任全流程合规管控方法及系统，依托人工智能技术实现招标全流程自动化审查，有效解决传统人工审查效率低、标准不统一、监管覆盖不全的问题。系统借助多类ai检测模型，可精准识别隐性排他条款、投标人串通、评标异常评分、流程时序冲突等各类违规行为，弥补了传统规则引擎检测能力不足的缺陷，大幅提升违规识别的全面性与准确性；

29、改变了以往事后审计的管控模式，在业务运行过程中开展实时监测，并按照风险等级执行分级干预措施，通过预警提醒、强制整改、流程阻断等方式及时制止违规操作，从源头减少废标、投诉与经济损失，让合规管控由事后追责转向事前防范、事中管控；

30、利用知识图谱精准关联流程行为与责任人员，明确责任归属；结合区块链、数字签名与时间戳完成数据固化，依托合规追溯码形成完整可查的证据链条，解决了责任追溯难、数据易篡改的问题。同时系统具备自主学习迭代能力，可适配法规与地方规则更新，长期稳定保障招标合规管理工作落地。