一种基于语义相似分析的围串标智能识别方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111274783 A (43)申请公布日 2020.06.12 (21)申请号 202010038033.0 (22)申请日 2020.01.14 (71)申请人 广州供电局有限公司 地址 510000 广东省广州市天河区天河南 二路2号 (72)发明人 谢荣伟　韩卫民　陆志浩　马仲能　 黄康君　 (74)专利代理机构 上海精晟知识产权代理有限 公司 31253 代理人 汤蔚莉 (51)Int.Cl. G06F 40/194(2020.01) G06F 40/30(2020.01) G06F 40/284(2020.01) 权利要求书1页 说明书4页 附图1页 (54)发明名称 一种基于语义相似分析的围串标智能识别 方法 (57)摘要 本发明涉及一种基于语义相似分析的围串 标智能识别方法，先计算关键词相似性、文本统 计相似性及章节综合语义相似性，再结合这三个 维度的权重，通过这三个维度的加权平均计算得 到两份投标文件的综合相似度，进而判断是否围 串标。本申请采用的围串标识别方法，通过人工 智能语义分析技术深度解读不同公司的投标文 件的相似特征，从统计特征层面与内容语义表达 层面多角度分析围串标的疑似可能性，可靠性 强，效率高，同时推动了人工智能技术在电力行 业围串标分析中的智能应用。 A 3 8 7 4 7 2 1 1 1 N C CN 111274783 A 权　利　要　求　书 1/1页 1.一种基于语义相似分析的围串标智能识别方法，其特征在于，具体包括以下步骤： S1：计算关键词相似性：利用TextRank算法分别从两份投标文件中抽取若干关键词，每 一份投标文件的一系列关键词构成关键词集合，利用两份投标文件对应关键词集合的交集 比例计算杰卡德距离，得到两份文件的关键词相似度； S2：计算文本统计相似性：过滤文件中的停用词、行业专用词，再利用tf-idf计算方法 提取统计权重特征向量，并计算特征向量之间的余弦相似性即得到文本统计相似性； S3：计算章节综合语义相似性：先计算每个章节特征向量的余弦相似性，再结合每个章 节的权重，得到两份投标文件的章节综合语义相似度； S4：计算综合相似度：根据经验设计关键词相似性、文本统计相似性及章节综合语义相 似性这三个维度的权重，通过这三个维度的加权平均计算得到两份投标文件的综合相似 度，进而判断是否围串标。 2.根据权利要求1所述的一种基于语义相似分析的围串标智能识别方法，其特征在于， S2中过滤停用词、行业专用词的步骤是： S21：根据人工经验和分词统计方法，构建停用词库、行业专用词库； S22：采用jieba分词对文件进行分词处理，然后将每一个分词分别与停用词库、行业专 用词库中的词进行比较，如果是停用词库、行业专用词库的词则删除，以此循环删除所有的 停用词、行业专业词。 3.根据权利要求2所述的一种基于语义相似分析的围串标智能识别方法，其特征在于， S3中每个章节特征向量的余弦相似性的具体计算步骤如下： S31：利用WORD2VEC技术对历史所有投标文件进行词向量训练； S32：采用如权利要求2所述的过滤方式将两份投标文件中每个章节的停用词、行业专 用词过滤掉，得到的剩下词语，获取词向量取平均值得 到章节内容的向量特征，再计算每个章节特征向量的余弦相似性。 4.根据权利要求1所述的一种基于语义相似分析的围串标智