[发明专利]一种基于文本挖掘的造价咨询单位准入考评方法及系统

权利要求书

1.一种基于文本挖掘的造价咨询单位准入考评方法，其特征在于，所述考评方法包括：

步骤S1：从项目生命周期各阶段造价咨询单位提交的报告中收集数据；全面搜集准入规范相关条文，并改写为对应禁止项描述，构建为指标评价报告，获得文本文件；

步骤S2：对所述文本文件进行jieba中文分词以及停用词过滤的预处理；

步骤S3：使用Skip-gram模型将文本转化为向量；

步骤S4：采用加权word2vec对所述评价报告与规范禁止准入条例逐条进行相似度计算；

步骤S5：统计所述评价报告中超过相似度阀值的评价指标名单，获得统计值；

步骤S6：根据所述统计值，结合加权赋分机制确定准入的企业名单。

2.根据权利要求1所述的一种基于文本挖掘的造价咨询单位准入考评方法，其特征在于，所述步骤S2：对所述文本文件进行jieba中文分词以及停用词过滤的预处理具体包括：

建立自定义常用专业词汇词库及停用词词库；

使用具有精确切分文本的jieba分词工具对文本文件进行分词处理，获得分词结果；

调用停用词词库，进行停用词过滤，去除无关干扰信息；

对所述分词结果进行人工调整。

3.根据权利要求1所述的一种基于文本挖掘的造价咨询单位准入考评方法，其特征在于，所述步骤S3：使用Skip-gram模型将文本转化为向量具体包括：

构建词汇表作为训练文本集，生成one-hot向量，作为Skip-gram模型的输入量；

选用softmax算法训练向量，训练Skip-gram模型，获得参数矩阵。

4.根据权利要求1所述的一种基于文本挖掘的造价咨询单位准入考评方法，其特征在于，所述步骤S4：采用加权word2vec对所述评价报告与规范禁止准入条例逐条进行相似度计算具体包括：

文本提取对象包括需要比较的两条文本信息，具体为：

规范禁止准入条例，记为文本A_k(k＝1，2，……m)；

评价报告中的各项，记为文本记为B_l(l＝1，2……n)；

使用基于Deep Learning的工具word2vec进行相似度计算，

引入函数WORDSIM(w_i，w_j)描述文本Ak中第i个分词w_i和文本B_l中第j个分词w_j的相似度，以此实现两个文本中关键词的对比分析。相关公式表示为：

其中，两个词语w_i和w_j的词向量表示为：w_i＝(x₁,x₂,x₃,...x_i...x_n)，w_j＝(x₁,x₂,x₃,...x_j...x_n)。其中n表示用word2vec训练词向量时，设定的词向量的维数。

对于两个文本的多个关键词，建立文本相似度评价函数TEXTSIM，得出文本A_k和文本B_l的相似度。

具体方法为：设文本A_k中共有p个关键词，文本B_l中共有q个关键词构建两个文本的相似度矩阵，矩阵应为p×q阶矩阵，记为S_kl＝(s_pq)，

其中，s_pq＝WORDSIM(wk_i,wl_j)，i＝1,2,3,……,p；j＝1,2,3,……q。