[发明专利]一种基于自然语言解析的评分标准词库建立方法及装置

权利要求书

1.基于自然语言解析的评分标准词库建立方法，其特征在于，包括：

基于招标采购案例数据库及标的物的相关信息，建立评分知识库；

通过对评分知识库进行逐条归纳整理，建立评分数据库；

从所述评分数据库中提取评分关键词，基于提取的评分关键词建立评分标准词库。

2.根据权利要求1所述的基于自然语言解析的评分标准词库建立方法，其特征在于，所述标的物相关信息包括采购需求说明说明和供应商信息，所述基于招标采购案例数据库及标的物相关信息，建立评分知识库的方法包括：

根据标的物采购需求说明，依据标的物重要程度和供应商进行排序，确定供应商中标的关键原因；

所述评分知识库包括标的物相关信息、供应商中标关键原因，评分内容。

3.根据权利要求2所述的基于自然语言解析的评分标准词库建立方法，其特征在于，建立评分数据库包括：

将评分知识库逐条归纳整理，形成招标评价的案例，其中，单条案例u标识为：

u={i，p，f，r，c}

其中i为招标采购案例编号，p为标的物相关信息，f为采购频次，r为供应商中标关键原因，c为评分内容；

评分数据库为单条案例u形成的集合。

4.根据权利要求1所述的基于自然语言解析的评分标准词库建立方法，其特征在于，从所述评分数据库中提取评分关键词的方法包括：

从评分数据库依次提取单条案例中的供应商中标关键原因，，进而得到中标关键原因集合R，基于中标关键原因集合R得到评分关键词。

5.根据权利要求1所述的基于自然语言解析的评分标准词库建立方法，其特征在于，基于中标关键原因集合R得到评分关键词的方法包括：

对单条供应商中标关键原因进行分词，得到候选关键词集合，通过所述候选关键词集合构建候选关键此图，候选关键词词图中任意两个分词之间边的权重为，分词的权重计算公式如下：

其中，d为阻尼系数，d∈（0,1），代表从词图某一特定词只想其他任意词的概率，V_i表示指向词V_i的词集合，o(V_j)表示词V_i指向的词集合；

根据权重计算公式对候选关键词词图进行循环迭代直至收敛，最终得到各节点的权重；

将各分词的权重按照降序进行排序，选取前面一定数量的词语作为评分关键词。

6.根据权利要求1所述的基于自然语言解析的评分标准词库建立方法，其特征在于，将所述评分关键词、所述评分关键词的上下文输入神经网络模型，所述评分关键词的上下文即所在评分关键词的前一句和下一句文本，所述神经网络模型包括：

输入层，所述输入层包括关键词编译器和上下文编译器，所述关键词编译器将评分关键词转变为词向量，所述上下文编译器将所述评分关键词的上下文转变为上下文向量；

全连接层，所述全连接层将词向量和上下文向量拼接后的向量作为输入，以包括候选词库中各候选词与评分关键词之间的特征相思苦的相似度向量作为输出；

分类层，所述分类层以所述相似度向量为输入，所述分类层将所述相似度向量归一化，得到概率向量为输出。

7.根据权利要求1所述的基于自然语言解析的评分标准词库建立方法，其特征在于，所述神经网络模型的训练方法包括：

将部分评分关键词及其对应的上下文、人工挑选的与评分关键词对应的扩展词作为训练样本；

将训练样本输入神经网络模型，获取输出的预测概率向量，所述预测概率向量中包括部分人工挑选的与评分关键词对应的扩展词及与样本不相关的候选词；

根据所述预测概率向量和人工挑选的与评分关键词对应的扩展词，计算损失函数，以最小化损失函数为训练目标，更新神经网络的参数，至神经网络收敛，得到训练好的神经网络。