[发明专利]一种基于语义相似分析的围串标智能识别方法

权利要求书

1.一种基于语义相似分析的围串标智能识别方法，其特征在于，具体包括以下步骤：

S1：计算关键词相似性：利用TextRank算法分别从两份投标文件中抽取若干关键词，每一份投标文件的一系列关键词构成关键词集合，利用两份投标文件对应关键词集合的交集比例计算杰卡德距离，得到两份文件的关键词相似度；

S2：计算文本统计相似性：过滤文件中的停用词、行业专用词，再利用tf-idf计算方法提取统计权重特征向量，并计算特征向量之间的余弦相似性即得到文本统计相似性；

S3：计算章节综合语义相似性：先计算每个章节特征向量的余弦相似性，再结合每个章节的权重，得到两份投标文件的章节综合语义相似度；

S4：计算综合相似度：根据经验设计关键词相似性、文本统计相似性及章节综合语义相似性这三个维度的权重，通过这三个维度的加权平均计算得到两份投标文件的综合相似度，进而判断是否围串标。

2.根据权利要求1所述的一种基于语义相似分析的围串标智能识别方法，其特征在于，S2中过滤停用词、行业专用词的步骤是：

S21：根据人工经验和分词统计方法，构建停用词库、行业专用词库；

S22：采用jieba分词对文件进行分词处理，然后将每一个分词分别与停用词库、行业专用词库中的词进行比较，如果是停用词库、行业专用词库的词则删除，以此循环删除所有的停用词、行业专业词。

3.根据权利要求2所述的一种基于语义相似分析的围串标智能识别方法，其特征在于，S3中每个章节特征向量的余弦相似性的具体计算步骤如下：

S31：利用WORD2VEC技术对历史所有投标文件进行词向量训练；

S32：采用如权利要求2所述的过滤方式将两份投标文件中每个章节的停用词、行业专用词过滤掉，得到的剩下词语，获取词向量取平均值得

到章节内容的向量特征，再计算每个章节特征向量的余弦相似性。

4.根据权利要求1所述的一种基于语义相似分析的围串标智能识别方法，其特征在于，S3中每个章节的权重是根据经验设计的。

5.根据权利要求1所述的一种基于语义相似分析的围串标智能识别方法，其特征在于，S4中关键词相似性、文本统计相似性及章节综合语义相似性这三个维度的权重之和为1。

6.根据权利要求1所述的一种基于语义相似分析的围串标智能识别方法，其特征在于，S4中判断是否围串标的具体步骤是：将计算的综合相似度值与设置的相似度阈值进行比较，如果综合相似度值超过阈值，则两份文件有围串标嫌疑，进行预警。