竞标模型训练、竞标排序方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种竞标模型训练、竞标排序方法、装置、设备和存储介质。所述竞标模型训练方法，包括：获取第一训练样本，所述第一训练样本至少包括存在竞标关系的企业特征；基于所述第一训练样本，对所述竞标模型进行训练，所述竞标模型用于对投标进行评估。在本发明专利技术实施例的方案中，由于训练样本包括存在竞标关系的企业特征，因此使得训练得到的竞标模型能够对投标进行更准确评估。能够对投标进行更准确评估。能够对投标进行更准确评估。

【技术实现步骤摘要】
竞标模型训练、竞标排序方法、装置、设备和存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种竞标模型训练、竞标排序方法、装置、设备和存储介质。

技术介绍

[0002]现有技术在超标过程中，可以利用主成分分析法(PCA)和随机森林(RF)模型来评估参与投标企业的信用状况，具体做法是收集投标企业的资金状况、经营能力等因素，然后一些利用已知的或人工标注的企业的信用等级做有监督训练，具体的可以是回归模型或者有序多分类模型。这样得到的结果是每一个企业经过该模型评估后，都会得到一个分数或一个等级，最终专家再根据这个分数进行下一步的操作。
[0003]但是，在这种方式进行企业竞标评估模型训练，对数据的人工标注过程常常会产生偏差，使得最终的评估模型的准确度较差。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种竞标模型训练、竞标排序方法、装置、设备和存储介质，以解决或缓解上述问题。
[0005]根据本专利技术实施例的第一方面，提供了一种竞标模型训练方法，包括：获取第一训练样本，所述第一训练样本至少包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种竞标模型训练方法，包括：获取第一训练样本，所述第一训练样本至少包括存在竞标关系的企业特征；基于所述第一训练样本，对所述竞标模型进行训练，所述竞标模型用于对投标进行评估。2.根据权利要求1所述的方法，其中，通过如下方式获得所述第一训练样本：获得带有多个竞标企业的中标公告；对所述中标公告中的多个竞标企业进行排序，获得每个竞标企业的排序特征；获得每个竞标企业的企业特征，所述企业特征包括排序特征，以及以下特征中的一项或多项：注册资本、财务能力、所属行业、资质证书、创新能力。3.根据权利要求2所述的方法，其中，所述基于所述第一训练样本，对所述竞标模型进行训练，包括：根据竞标企业的企业特征获得企业特征向量；将所述企业特征向量通过全连接层后，得到所述竞标企业的得分概率；根据多个竞标企业的得分概率以及排序特征，对所述竞标模型进行训练。4.根据权利要求3所述的方法，其中，所述第一训练样本中还包括标的物信息，其中，所述基于所述第一训练样本，对竞标模型进行训练，包括：根据所述标的物信息生成标的物特征向量；将所述企业特征向量与所述标的物特征向量进行拼接，得到拼接向量；相应的，将所述拼接向量通过全连接层后，得到所述竞标企业的得分概率；并根据多个竞标企业的得分概率以及排序特征，对所述竞标模型进行训练。5.根据权利要求3所述的方法，其中，所述第一训练样本中还包括投标共现频次信息，其中，所述基于所述第一训练样本，对竞标模型进行训练，包括：根据所述投标共现频次信息生成共现特征向量；将共同出现的至少两家竞标企业的企业特征向量以及所述共现特征向量进行拼接，得到共现向量；相应的，将所述共现向量通过全连接层后，得到所述竞标企业的得分概率；并根据多个竞标企业的得分概率以及排序特征，对所述竞标模型进行训练。6.根据权利要求5所述的方法，其中，所述将共同出现的至少两家竞标企业的企业特征向量以及所述共现特征向量进行拼接，包括：将所述共现特征向量拼接到所述至少两家竞标企业的企业特征向量之间。7.根据权利要求6所述的方法...

【专利技术属性】
技术研发人员：李旭瑞，李红松，孙常龙，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：