[发明专利]一种基于自然语言处理的围标串标行为识别方法及装置

权利要求书

1.一种基于自然语言处理的围标串标行为识别方法，其特征在于，包括：

获取投标文件集合，所述投标文件集合用于记录同一招标项目下的投标文件；

生成所述投标文件集合中各个所述投标文件的向量表示；

根据所述投标文件的向量表示，计算所述投标文件两两之间的相似度；

筛选相似度大于阈值的目标投标文件；

将所述目标投标文件的所属投标人标记为围标串标行为的疑似对象。

2.如权利要求1所述的方法，其特征在于，所述生成所述投标文件集合中各个所述投标文件的向量表示，包括：

对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示。

3.如权利要求2所述的方法，其特征在于，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

利用词袋模型和TF-IDF模型对经过文本预处理的投标文件进行文本向量化，得到所述投标文件的向量表示。

4.如权利要求2所述的方法，其特征在于，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

利用Python的工具包对PDF格式的投标文件进行文本提取。

5.如权利要求2所述的方法，其特征在于，所述对所述投标文件集合中的投标文件进行文本提取、文本预处理和文本向量化，得到各个所述投标文件的向量表示，包括：

对所述投标文件进行文本预处理，所述文本预处理包括以下操作：正则清洗、分词、去除停用词。

6.如权利要求1所述的方法，其特征在于，所述根据所述投标文件的向量表示，计算所述投标文件两两之间的相似度，包括：

对所述投标文件的向量表示进行余弦相似度计算，得到所述投标文件两两之间的相似度。

7.如权利要求1至6任意一项所述的方法，其特征在于，所述筛选相似度大于阈值的目标投标文件；将所述目标投标文件的所属投标人标记为围标串标行为的疑似对象，包括：

计算所述投标文件集合中全部所述投标文件的相似度的平均值，得到模板相似度；

将所述投标文件的相似度减去所述模板相似度，得到所述投标文件的实际相似度；

筛选实际相似度大于实际阈值的目标投标文件；

将所述目标投标文件的所属投标人标记为围标串标行为的疑似对象。

8.一种基于自然语言处理的围标串标行为识别装置，其特征在于，包括：

文件集合获取模块，用于获取投标文件集合，所述投标文件集合用于记录同一招标项目下的投标文件；

向量表示生成模块，用于生成所述投标文件集合中各个所述投标文件的向量表示；

相似度计算模块，用于根据所述投标文件的向量表示，计算所述投标文件两两之间的相似度；

文件筛选模块，用于筛选相似度大于阈值的目标投标文件；

标记模块，用于将所述目标投标文件的所属投标人标记为围标串标行为的疑似对象。

9.一种基于自然语言处理的围标串标行为识别设备，其特征在于，包括：

存储器：用于存储计算机程序；

处理器：用于执行所述计算机程序，以实现如权利要求1至7任意一项所述的基于自然语言处理的围标串标行为识别方法。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1至7任意一项所述的基于自然语言处理的围标串标行为识别方法。