[发明专利]一种基于数据库的招标信息的标准化方法及系统

权利要求书

1.一种基于数据库的招标信息标准化方法，其特征在于，包括步骤：

S100)网页获取：从网页数据库中获取招标网页；

S200)表格提取：从招标网页中提取表格，由于页面中可能存在多个表格的情形，通过能够标识表格属性的ID、CLASS在多个表格中提取记录招标信息的表格；

S300)表格去噪：将表格中的噪声标签去除，只保留与表格显示和控制相关的标签；

S400)表格标准化：将表格分割成多行多列的单元格，转化成简单表格，使得表格中的每个单元格只占一行一列且只有唯一确定值；

S500)表格格式判断：发布招标信息时既可采用将指标放到第一行的横表，也可采用将指标放到第一列的纵表，在抽取表格信息前需判断其是横表还是纵表；取表格的第一行单元格值和第一列单元格值，分别与各个指标进行匹配，比较第一行和第一列单元格值的命中率，若第一行单元格值的命中率高则为横表，否则为纵表；

S600)键值序列提取：若表格为横表，则将第一行单元格的值映射到相应的指标，相应列单元格的值即为指标的值，将表格转化成标准化的键值对，进而存储到标准化数据库中；若表格为纵表，则将第一列单元格的值映射到指标，相应行单元格的值即为指标的值，提取键值对存储到标准化数据库中。

2.根据权利要求1所述的一种基于数据库的招标信息标准化方法，其特征在于，所述网页数据库至少包括各级政府采购网页、各学校采购网页以及各招标网站招标网页。

3.根据权利要求1所述的一种基于数据库的招标信息标准化方法，其特征在于，所述噪音标签包括控制页面显示格式的DIV、CSS以及与表格无关的标签。

4.根据权利要求1所述的一种基于数据库的招标信息标准化方法，其特征在于，所述与表格显示和控制相关的标签包括但不限于table、tr、td、colspan。

5.根据权利要求1所述的一种基于数据库的招标信息标准化方法，其特征在于，所述指标包括项目名称、项目编号、招标时间、投标时间、投标地点、开标时间、开标地点、预算金额、采购单位、采购单位联系人、采购单位联系方式、采购单位地址、代理机构、代理机构联系人、代理机构联系方式、代理机构地址、采购内容、附件文档中的的一种或多种。

6.一种基于数据库的招标信息的标准化系统，其特征在于，包括网页数据库、标准化模块以及标准化数据库；其中网页数据库被配置用于存储招标网页；标准化数据库被配置用于从网页数据库中获取招标网页，并从网页中提取招标信息表格，然后将表格标准化，存入标准化数据库中；标准化数据库被配置用于存储标准化的招标信息。