[发明专利]一种招投标信息处理方法、系统和可读存储介质

说明书

本发明提供一种招投标信息处理方法、系统和可读存储介质，从互联网采集招标信息，获取招标项目详情页链接入口；请求招标公告的详情页链接，解析招标公告的发布时间以及招标公告的具体详情，根据预设的公告分类规则对招标公告进行分类；提取招投标信息的要素，包括项目编号、项目名称、招标人、代理人、投标人。通过本发明的方法及系统可自动、高效获取招投标信息。

技术领域

本发明涉及互联网招投标领域，更具体地，涉及一种招投标信息处理方法、系统和可读存储介质。

背景技术

企业在进行业务处理时需要经常处理招标信息，因此需要实时查看各个招标网站中招标公告最新动态。由此需要安排专门的人员负责监控，但是受限于人工查看信息的低效率，费时费力。而如何自动获取招投标信息是目前亟不可待要解决的。

发明内容

鉴于上述问题，本发明的目的是提供一种招投标信息处理方法、系统和可读存储介质，可自动、高效获取招投标信息。

为解决上述技术问题，本发明的技术方案如下：

本发明第一方面提供了一种招投标信息处理方法，包括以下步骤：

S1：从互联网采集招标信息，获取招标项目详情页链接入口；

S2：请求招标公告的详情页链接，获取招标项目的详情页，在详情页中，解析招标公告的发布时间以及招标公告的具体详情，根据预设的公告分类规则对招标公告进行分类，招标公告的类别包括以下任意一种或多种：公告变更、招标公告、中标信息、招标预告、招标答疑、招标文件、资审结果、法律法规、新闻资讯、拟建项目、展会推广、业主采购，然后存储到orcale数据库中对应分类的表中；

S3：提取招投标信息的要素，包括项目编号、项目名称、招标人、代理人、投标人。

本方案中，步骤S1中，采集招标信息是基于java语言开发的数据采集系统，框架基于开源的webmagic框架。

本方案中，步骤S1中，在招标信息采集的过程中，定位项目的汇总入口，根据特定的jsoup或者Xpath解析规则，或者正则表达式，来获取招标公告详情页链接入口。

本方案中，步骤S3中，提取招投标信息的要素，具体包括：

S31：对招标项目详情页的html数据进行处理，通过python第三方库bs4将html数据转换为文本数据；

S32：对文本数据进行分句；

S33：获取分句后的文本数据中每个字符所属的分类：

S34：通过匹配正常的项目编号和项目名称类别串，得到项目编号和项目名称；

S35：获取招标人、代理人、投标人。

本方案中，步骤S33-S34中，具体包括：

通过字向量+双向LSTM+CRF的深度学习模型得到每个字符所属的分类，具体是B_code，M_code，E_code，S_code，B_name，M_name，E_name，S_name，0这九种分类，分别表示编号开始字符，编号中间字符，编号末尾字符，单个编号字符，名称开始字符，名称中间字符，名称末尾字符，单个名称字符，普通字符；

通过匹配正常的项目编号和项目名称类别串，如B_code+M_code*n+E_code，B_name+M_name*n+E_name，最后得到项目编号和项目名称。

本方案中，步骤S35中，获取招标人、代理人、投标人，具体包括：