[发明专利]基于自然语言处理技术的采购文件智能化审查方法及系统

权利要求书

1.基于自然语言处理技术的采购文件智能化审查方法，其特征在于，包括如下步骤：

步骤(1)，通过对技术规范书与可研估算书采用web技术和框架实现文档线上模板的固化；

步骤(2)，导出固化后的技术规范书与可研估算书工作项部分的核心字段数据，进行数据预处理；

其中，技术规范书中的核心字段包括项目前期准备、项目开发和项目推广实施；可研估算书中的核心字段包括建设费和设备购置费；

步骤(3)，采用相似性算法对经步骤(2)处理的技术规范书的核心字段数据、可研估算书的核心字段数据进行分析，得到审查报告。

2.根据权利要求1所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，技术规范书与可研估算书均是标准的文档模板；采用web技术和控件将其固化至只能复制、识别其中的内容，无法进行修改，作为文档比对的标准。

3.根据权利要求2所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，采用web技术和控件对文档进行固化的具体方法为：针对技术规范书与可研估算书中的项目文件模板，采用element组件库编写相应的表单页面；使用ActiveXObject控件将表单中的数据导出为相应word及excel文件。

4.根据权利要求1所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，建设费字段包括项目开发、项目实施、集成开发、项目测试、技术咨询；设备购置费包括硬件设备购置和系统软件购置。

5.根据权利要求1所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，步骤(2)中，数据预处理的方式包括文本分词、正则匹配、停用词处理、字符串处理和规约化数据。

6.根据权利要求5所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，文本分词采用BiLSTM+CRF分词法。

7.根据权利要求5所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，文本分词完成后，使用正则匹配的方式清洗文本字符串，把特殊符号、停用词进行过滤，得到一个词典库。

8.根据权利要求5所述的基于自然语言处理技术的采购文件智能化审查方法，其特征在于，规约化数据使用主成分分析算法，具体如下：

原始数据X＝{x，x₂，x₃，...，x_n}需要降到k维，x₁到x_n代表抽取的词向量矩阵；

1)去中心化，每个特征向量值减去各自特征向量的平均值

2)计算协方差

3)用奇异值分解法求协方差矩阵的特征值与特征向量；

4)对特征值从小到大排序，选择其中最大的k个，然后将其对应的k个特征向量分别作为行向量组成特征向量矩阵P；

5)将数据转换到k个特征向量构建的新空间中，即Y＝PX，Y也就X是从n维降到k维后的结果。