買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉安徽省招標(biāo)集團(tuán)股份有限公司申請的專利一種基于電子交易平臺的評標(biāo)方法、裝置和介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118863283B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411057511.7，技術(shù)領(lǐng)域涉及：G06Q10/063；該發(fā)明授權(quán)一種基于電子交易平臺的評標(biāo)方法、裝置和介質(zhì)是由夏廣安;封軍;盧克;黃安福設(shè)計研發(fā)完成，并于2024-08-02向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于電子交易平臺的評標(biāo)方法、裝置和介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種基于電子交易平臺的評標(biāo)方法、裝置和介質(zhì)，屬于電子評標(biāo)技術(shù)領(lǐng)域；實時監(jiān)聽項目進(jìn)度，判斷招標(biāo)項目是否達(dá)到當(dāng)前進(jìn)度，若項目進(jìn)度達(dá)到當(dāng)前節(jié)點，自動獲取當(dāng)前項目信息，進(jìn)入招標(biāo)文件編制和評標(biāo)辦法設(shè)置；否則，系統(tǒng)繼續(xù)監(jiān)聽項目進(jìn)度；通過引入沖突檢測機(jī)制，有效解決了信息塊處理過程中可能存在的沖突問題。首先，利用NLP技術(shù)對信息塊進(jìn)行分詞、去除停用詞和標(biāo)點符號，獲得分詞后的文本，并通過BERT模型獲取句子向量，提取命名實體，以及使用句法分析技術(shù)構(gòu)建句子的語法樹，從而實現(xiàn)對信息塊的語義分析。通過計算信息塊之間的語義相似度，并設(shè)置閾值判斷是否存在重復(fù)或相似內(nèi)容，能夠有效識別并解決信息塊之間的沖突。

本發(fā)明授權(quán)一種基于電子交易平臺的評標(biāo)方法、裝置和介質(zhì)在權(quán)利要求書中公布了：1.一種基于電子交易平臺的評標(biāo)方法，其特征在于，包括以下步驟： 實時監(jiān)聽項目進(jìn)度，判斷招標(biāo)項目是否達(dá)到當(dāng)前進(jìn)度，若項目進(jìn)度達(dá)到當(dāng)前節(jié)點，自動獲取當(dāng)前項目信息，進(jìn)入招標(biāo)文件編制和評標(biāo)辦法設(shè)置；否則，系統(tǒng)繼續(xù)監(jiān)聽項目進(jìn)度； 根據(jù)項目招標(biāo)文件添加初步評審步驟，按照資格評審、形式評審、響應(yīng)性評審分別設(shè)置評審內(nèi)容及評審標(biāo)準(zhǔn)，完成設(shè)置提交后判斷內(nèi)容和評審標(biāo)準(zhǔn)是否正確； 根據(jù)項目招標(biāo)文件添加詳細(xì)評審步驟，按照商務(wù)評審和技術(shù)評審分別設(shè)置評審內(nèi)容、評審標(biāo)準(zhǔn)、分值范圍及匯總方式，完成設(shè)置提交后判斷設(shè)置的分值、權(quán)重、匯總得分和評審標(biāo)準(zhǔn)是否正確； 設(shè)置價格得分計算范圍及規(guī)則、基準(zhǔn)值設(shè)置規(guī)則、價格計算算法公式，完成設(shè)置后系統(tǒng)自動檢測并反饋； 在評標(biāo)辦法設(shè)置完成后，系統(tǒng)將招標(biāo)文件整體設(shè)置內(nèi)容打包、簽章、封裝，自檢內(nèi)容格式合格后通過數(shù)字證書加密后形成統(tǒng)一格式文件傳輸至云端服務(wù)器； 開標(biāo)后，投標(biāo)人通過遠(yuǎn)程方式對投標(biāo)文件進(jìn)行解密，待所有文件解密成功后，服務(wù)器端自動下發(fā)投標(biāo)文件，按照招標(biāo)文件中評標(biāo)辦法進(jìn)行評審； 在信息塊分割和處理過程中，引入沖突檢測機(jī)制，自動識別和處理信息塊間的沖突的步驟為： 利用NLP技術(shù)對信息塊將標(biāo)書文本進(jìn)行分詞、去除停用詞和標(biāo)點符號，獲得分詞后的文本，，輸入信息塊文本，通過BERT模型得到句子向量，從句子中提取命名實體，使用句法分析技術(shù)構(gòu)建句子的語法樹，提取句子的主干和修飾信息，計算信息塊之間的語義相似度，設(shè)置閾值判斷是否存在重復(fù)或相似內(nèi)容，對兩個句子和，計算其語義相似度，其表達(dá)式為：，根據(jù)語義相似度判斷兩個句子是否存在重復(fù)或相似內(nèi)容，若≥閾值，則認(rèn)為和存在重復(fù)或相似內(nèi)容； 根據(jù)預(yù)設(shè)規(guī)則進(jìn)行自動調(diào)整和修正，并實時對處理后的信息塊進(jìn)行重新驗證，確保沖突已被正確； 在識別重復(fù)或相似內(nèi)容之前還利用圖神經(jīng)網(wǎng)絡(luò)建模信息塊之間的關(guān)系，通過圖結(jié)構(gòu)進(jìn)行沖突檢測，將每個信息塊作為圖中的一個節(jié)點，最終計算每個節(jié)點的最終嵌入的表達(dá)式為： ； 式中，表示第l層中節(jié)點i的特征向量，表示節(jié)點i的鄰居節(jié)點集合，是歸一化常數(shù)，是第l層的權(quán)重矩陣，是激活函數(shù)； 根據(jù)每個節(jié)點的最終嵌入，動態(tài)調(diào)整各類沖突檢測的權(quán)重，優(yōu)先處理高頻和高優(yōu)先級的沖突并利用強(qiáng)化學(xué)習(xí)優(yōu)化沖突處理策略，自動選擇最佳處理方法，構(gòu)建強(qiáng)化學(xué)習(xí)環(huán)境，定義狀態(tài)、動作和獎勵函數(shù)，通過試驗和學(xué)習(xí)優(yōu)化沖突處理策略，其表達(dá)式為： 其中，表示在狀態(tài)下選擇動作的策略，是策略的參數(shù)，狀態(tài)表示當(dāng)前沖突處理的環(huán)境信息和處理進(jìn)展，表示獎勵函數(shù)，表示在狀態(tài)采取動后獲得的獎勵，表示狀態(tài)的價值函數(shù)，表示在狀態(tài)下的預(yù)期累積獎勵，是價值函數(shù)的參數(shù)，是折扣因子，表示未來獎勵的折扣率，是策略更新的學(xué)習(xí)率，是權(quán)重調(diào)整的學(xué)習(xí)率，是策略梯度，表示策略參數(shù)的梯度，是自適應(yīng)權(quán)重調(diào)整項，根據(jù)沖突頻率和優(yōu)先級調(diào)整權(quán)重，動作表示在當(dāng)前狀態(tài)下選擇的處理沖突的具體操作，獎勵表示采取某個動作后，環(huán)境反饋的獎勵值； 通過NLP技術(shù)對信息塊進(jìn)行分詞、句法分析，以及BERT模型獲取句子向量和提取命名實體，可以高效地處理大量的標(biāo)書文本，準(zhǔn)確地識別信息內(nèi)容和結(jié)構(gòu)，有助于提高標(biāo)書處理的準(zhǔn)確性和效率； 其次，通過計算信息塊之間的語義相似度和建模信息塊之間的關(guān)系，系統(tǒng)能夠及時發(fā)現(xiàn)和處理重復(fù)或相似內(nèi)容，避免了標(biāo)書中信息的冗余和矛盾，提高了標(biāo)書的質(zhì)量和可信度； 再者，引入強(qiáng)化學(xué)習(xí)優(yōu)化沖突處理策略，系統(tǒng)能夠根據(jù)沖突頻率和優(yōu)先級動態(tài)調(diào)整權(quán)重，自動選擇最佳的處理方法，有效地減少了人工干預(yù)，提高了沖突處理的效率和準(zhǔn)確性； 使用AHP確定基本權(quán)重，使用ANP調(diào)整權(quán)重，并通過多層次回歸分析量化各指標(biāo)間的相互影響的步驟為： 構(gòu)建層次分析法的層次結(jié)構(gòu)，將評標(biāo)目標(biāo)放在最高層，將評標(biāo)準(zhǔn)則放在中間層，將具體評標(biāo)方案放在最底層，根據(jù)層次結(jié)構(gòu)，構(gòu)建判斷矩陣A，通過成對比較各準(zhǔn)則的重要性來確定其相對權(quán)重，判斷矩陣A的表達(dá)式為： ； 通過計算判斷矩陣的最大特征值和一致性比率，其表達(dá)式為：； 其中，是隨機(jī)一致性指標(biāo)，當(dāng)時，判斷矩陣的一致性被接受； 將網(wǎng)絡(luò)結(jié)構(gòu)中的相互影響關(guān)系量化，構(gòu)建未加權(quán)超級矩陣，根據(jù)各準(zhǔn)則的權(quán)重對未加權(quán)超級矩陣進(jìn)行歸一化處理，得到加權(quán)超級矩陣，通過多次迭代計算得到極限超級矩陣，以確定各準(zhǔn)則的最終權(quán)重，其表達(dá)式為： ； ； ； 其中，是一個子矩陣，表示從節(jié)點j到節(jié)點i的影響關(guān)系，為對未加權(quán)超級矩陣歸一化處理，為極限操作，對加權(quán)超級矩陣進(jìn)行無限次迭代； 收集項目的歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)，包含各評標(biāo)準(zhǔn)則的具體評分和項目結(jié)果，根據(jù)收集的數(shù)據(jù)，構(gòu)建多層次回歸模型，以目標(biāo)變量量化各評標(biāo)準(zhǔn)則之間的相互影響，其表達(dá)式為： ； 其中，表示第i個評標(biāo)準(zhǔn)則的評分，是回歸系數(shù)，是誤差項； 使用訓(xùn)練數(shù)據(jù)對回歸模型進(jìn)行訓(xùn)練，最小化均方誤差MSE，訓(xùn)練完成后使用驗證數(shù)據(jù)對模型進(jìn)行驗證，分析回歸模型的回歸系數(shù)，確定各評標(biāo)準(zhǔn)則對項目結(jié)果的具體影響程度，并根據(jù)這些影響調(diào)整各準(zhǔn)則的權(quán)重； ； 其中，是樣本數(shù)量，是模型預(yù)測的目標(biāo)變量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人安徽省招標(biāo)集團(tuán)股份有限公司，其通訊地址為：230041 安徽省合肥市包河區(qū)包河大道236號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。