基于供应商规模的司法风险预警方法、装置、终端制造方法及图纸

本发明专利技术涉及招投标管理领域，提供一种基于供应商规模的司法风险预警方法、装置、终端，用于解决招投标过程中供应商司法风险变化问题。本发明专利技术提供的基于供应商规模的司法风险预警方法，包括：获取招标采购进程信息；在招标采购进程中的关键环节，获取供应商的规模信息和司法信息，所述司法信息包括失信执行人信息、法院公告信息、裁判文书信息、执行公告信息的其中一种或几种；预处理所述供应商规模信息和所述司法信息，得到输入信息，将输入信息输入司法风险模型，所述司法风险模型为深度学习模型；输出的该供应商的司法风险等级，所述司法风险等级包括低风险和高风险的其中一种。避免或减少招标过程中因司法风险过高造成损失。

【技术实现步骤摘要】
基于供应商规模的司法风险预警方法、装置、终端
本专利技术涉及招投标管理领域，具体涉及基于供应商规模的司法风险预警方法。
技术介绍
按照广电企[2019]8号文《关于印发公司深化招标管理改革任务分解表的通知》整体要求，通过利用供应商数据重构等技术实现智能推荐、风险分析与智能预警，保证招标采购遴选供应商合规高效，防范采购过程中由于供应商自身风险导致履约、审计的风险。招标过程中的风险现在主要是通过专业人员，例如律师，对供应商的背景进行尽职调查获得的。聘请律师等专业人员进行调查会消耗大量的人力物力，成本极高。现有的一些第三方企业调查公司，可以评估企业的风险，但是这些评估不全面，或者专业性不强，提供的服务只能在网页上进行，评估能力有限，无法根据需要进行调整。现在缺乏一种可以评估招标采购过程中供应商司法风险的计算机软件，在招标采购过程中，尤其是在项目评审、定标等关键环节，无法及时了解供应商实时的司法风险信息。
技术实现思路
本专利技术解决的技术问题为招投标过程中供应商司法风险变化问题，提供基于供应商规模的司法风险预警方法。...

【技术保护点】
1.基于供应商规模的司法风险预警方法，其特征在于，包括：/n获取招标采购进程信息；/n在招标采购进程中的关键环节，获取供应商的规模信息和司法信息，所述司法信息包括失信执行人信息、法院公告信息、裁判文书信息、执行公告信息的其中一种或几种；/n预处理所述供应商规模信息和所述司法信息，得到输入信息，将输入信息输入司法风险模型，所述司法风险模型为深度学习模型；/n输出的该供应商的司法风险等级，所述司法风险等级包括低风险和高风险的其中一种。/n

【技术特征摘要】
1.基于供应商规模的司法风险预警方法，其特征在于，包括：
获取招标采购进程信息；
在招标采购进程中的关键环节，获取供应商的规模信息和司法信息，所述司法信息包括失信执行人信息、法院公告信息、裁判文书信息、执行公告信息的其中一种或几种；
预处理所述供应商规模信息和所述司法信息，得到输入信息，将输入信息输入司法风险模型，所述司法风险模型为深度学习模型；
输出的该供应商的司法风险等级，所述司法风险等级包括低风险和高风险的其中一种。


2.根据权利要求1所述的基于供应商规模的司法风险预警方法，其特征在于，所述规模信息包括供应商总资产信息、供应商总收入信息和供应商总利润信息的其中一种或几种。


3.根据权利要求2所述的基于供应商规模的司法风险预警方法，其特征在于，所述司法风险模型为卷积网络模型，所述卷积网络模型的训练方法为：
获取训练样本数据，将样本数据输入卷积神经网络模型进行训练，得到初始风险预测模型；
获取测试样本数据，将测试样本数据输入初始风险预测模型进行评估测试。


4.根据权利要求1所述的基于供应商规模的司法风险预警方法，其特征在于，所述训练样本数据、所述测试样本数据为历史供应商的样本信息中的一部分，所述样本信息为历史供应商的规模信息、司法信息及司法风险等级；所述训练样本数据：所述测试样本数据=2~3:1
将样本信息进行图片化处理，裁剪为统一大小，对裁剪后的样本进行白化处理。


5.根据权利要求1所述的基于供应商规模的司法风险预警方法，其特征在于，所述卷积神经网络包括第一卷积神经网络和第二卷积神经网络；
将训练样本数据中的供应商规模信息输入第一卷积神经网络进行训练，所述第一卷积神经网络包括依次相连的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
在训练...

【专利技术属性】
技术研发人员：李根，陈剑光，谢志武，杨灿魁，谢化安，李志，佟忠正，雷璟，王栋，肖琪，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：广东;44