本发明专利技术公开了基于大数据挖掘的电子招标投标监督方法，属于投标监督技术领域，该监督方法具体步骤如下：(1)模拟围标以及串标行为并创建数据集；(2)对围标以及串标行为进行聚类分析；(3)模拟价格异常并通过离群点挖掘进行分析报警；(4)收集交易平台提供的数据并对违法违规进行报警；(5)构建系统数据库并对各组数据进行存储；本发明专利技术能够正确识别检测出是否存在招标投标违法违规现象，同时运用聚类挖掘算法识别这些违法违规行为，为监督人员提供线索，为招标人和评委提供决策参考。为招标人和评委提供决策参考。为招标人和评委提供决策参考。
【技术实现步骤摘要】
基于大数据挖掘的电子招标投标监督方法
[0001]本专利技术涉及投标监督
，尤其涉及基于大数据挖掘的电子招标投标监督方法。
技术介绍
[0002]投标人之间相互串通，重点是对投标总报价进行串通。目前国家规定的评分办法有两种，一种是综合评分法，另一种是经评审的最低投标价法，目前大部分的项目都采用综合评分法，综合评分法即招标文件中规定各项综合评价标准，评委根据综合情况进行打分，得分高的为中标候选人，其中投标价格得分大约占总得分的比例为50％
‑
80％，一般情况下投标价格约接近所有投标价格平均值的报价得分越高。即由于投标报价得分占总得分的主导地位，如果哪个投标人的报价能够尽可能接近所有报价的平均值，那么中标的概率就会大大提升。这也是为什么投标人会想尽办法串通尽可能多的投标人一起参与投标，提前约定好金额相近的报价，围标团体的报价平均值与提前内部约定好的“中标人”报价几乎相同。经评审的最低投标价法，此外，投标人之间的串通还有可能体现在投标人单位人员之间的重合、保证金汇款账户的异常、投标文件和工程量清单编制异常相似等方面；因此，专利技术出基于大数据挖掘的电子招标投标监督方法变得尤为重要。
[0003]现有的电子招标投标监督方法无法正确识别检测出是否存在招标投标违法违规现象，且监督人员需浪费时间与人工去寻找线索；为此，我们提出基于大数据挖掘的电子招标投标监督方法。
技术实现思路
[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的基于大数据挖掘的电子招标投标监督方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于大数据挖掘的电子招标投标监督方法，该监督方法具体步骤如下：
[0007](1)模拟围标以及串标行为并创建数据集；
[0008](2)对围标以及串标行为进行聚类分析；
[0009](3)模拟价格异常并通过离群点挖掘进行分析报警；
[0010](4)收集交易平台提供的数据并对违法违规进行报警；
[0011](5)构建系统数据库并对各组数据进行存储。
[0012]作为本专利技术的进一步方案，步骤(1)中所述行为模拟创建数据集具体步骤如下：
[0013]步骤一：收集项目采集物品数并计算各物品市场参考价，之后模拟多组开标时顺利进入评标环节的企业数；
[0014]步骤二：依据无围标和串标行为、串通策略为价格非常接近、串通策略为价格间成比例以及串通策略为价格成比例将顺利进入评标环节的企业进行分类以获取对应数据集。
[0015]作为本专利技术的进一步方案，步骤(2)中所述聚类分析具体步骤如下：
[0016]步骤
①
：从p元总体中抽取多组样本，并将抽取的各组样本用X1到X
n
表示，之后将第i组样本记为X
i
＝(x
i1
,x
i2
,
…
,x
ip
)(i＝1,2,
…
,n)；
[0017]步骤
②
：计算第i组样本X
i
与第j组样本X
j
之间的闵可夫基斯距离，再将距离最近的两类合成一类，之后计算与其他类之间的距离，不断重复，直至所有观测值合并成一类为止，通过平均联动方法对两类别间的距离进行标准化处理，再利用R语言数据处理工具通过层次聚类分析法绘制投标总报价聚类图；
[0018]步骤
③
：利用相关系数度量法对分项报价进行层次聚类分析，并绘制聚类图，再通过分析每组样本每组观测值之间的相关性对其进行分类；
[0019]步骤
④
：通过R语言中的NbCluster()和wssplot()函数依据数据集确定聚类个数，并画出投标总报价聚类个数组内平方的对比图，同时计算每组聚类内部的距离平方和，之后按照聚类个数进行K均值聚类分析，并生成聚类结果散点图；
[0020]步骤
⑤
：利用wssplot()函数的主成分分析法，画出投标分项报价聚类个数组内平方和的对比图，之后按照聚类个数进行K均值聚类分析，并生成聚类结果散点图；
[0021]步骤
⑥
：依据生成的各组聚类图判断投标人之间是否存在围标、串标行为，并划定类别范围。
[0022]作为本专利技术的进一步方案，步骤
②
中所述闵可夫基斯距离具体计算公式如下：
[0023][0024]其中，q为正数，特别的，
[0025]当q＝1时，为绝对值距离；
[0026]特别的，当q＝2时，为绝对值距离为欧几里得距离；当q
→
2时，为切比雪夫距离；
[0027]步骤
②
中所述标准化处理具体计算公式如下：
[0028][0029][0030][0031][0032]式中，代表第j个指标的样本均值；R
j
代表第j个指标的极差、S
j
代表第j个指标的标准差；
[0033]步骤
④
中所述距离平方和具体计算公式如下：
[0034](6)
[0036]式中，x
ij
表示第i组观测值中第j个变量的值；x
kj
表示第k组观测值中第j个变量的值；p为变量的个数。
[0037]作为本专利技术的进一步方案，步骤(3)中所述离群点挖掘具体步骤如下：
[0038]步骤Ⅰ：利用R语言数据分析工具生成预设范围多组个正态分布的随机数值，并生成的数值作为某类物资项目历史交易结算价格，再拟定一个恶意投标人，之后绘制线箱图，线箱图依据四分位对数据进行可视化描述；
[0039]步骤Ⅱ：收集线箱图中正常区间的最小值、下四分位数Q1、中位数Q2、上四分位数Q3以及正常区间的最大值，之后计算线箱图检测出的离群点观测值；
[0040]步骤Ⅲ：收集模拟评委信息以组成评分数据集，之后分别对顺利进入评标环节的投标人进行综合打分，并设定某一评委与一组投标人串通；
[0041]步骤Ⅳ：利用R语言数据分析工具生成一组规定范围内的随机数值以作为某招标项目评标委员会其余评委的正常打分，另设置一组异常数值作为串标评委的打分，对模拟数据集进行层次聚类分析以获取对应聚类图，并建立对应数学模型；
[0042]步骤
Ⅴ
：对生成的聚类图进行分析，若出现某个评委打分与其他评委打分出现显著差异，存在明显区分类别，则作为离群点进行报警。
[0043]作为本专利技术的进一步方案，步骤Ⅱ中所述观测值具体计算公式如下：
[0044]IQR(Interquartile Range)＝Q3
‑
Q1(7)
[0046]其中，IQR为线箱图四分位极差；
[0047]步骤Ⅳ中所述数学模型具体表达形式如下：
[0048][0049]式中，H
max
表示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于大数据挖掘的电子招标投标监督方法，其特征在于，该监督方法具体步骤如下：(1)模拟围标以及串标行为并创建数据集；(2)对围标以及串标行为进行聚类分析；(3)模拟价格异常并通过离群点挖掘进行分析报警；(4)收集交易平台提供的数据并对违法违规进行报警；(5)构建系统数据库并对各组数据进行存储。2.根据权利要求1所述的基于大数据挖掘的电子招标投标监督方法，其特征在于，步骤(1)中所述行为模拟创建数据集具体步骤如下：步骤一：收集项目采集物品数并计算各物品市场参考价，之后模拟多组开标时顺利进入评标环节的企业数；步骤二：依据无围标和串标行为、串通策略为价格非常接近、串通策略为价格间成比例以及串通策略为价格成比例将顺利进入评标环节的企业进行分类以获取对应数据集。3.根据权利要求2所述的基于大数据挖掘的电子招标投标监督方法，其特征在于，步骤(2)中所述聚类分析具体步骤如下：步骤
①
：从p元总体中抽取多组样本，并将抽取的各组样本用X1到X
n
表示，之后将第i组样本记为X
i
＝(x
i1
,x
i2
,
…
,x
ip
)(i＝1,2,
…
,n)；步骤
②
：计算第i组样本X
i
与第j组样本X
j
之间的闵可夫基斯距离，再将距离最近的两类合成一类，之后计算与其他类之间的距离，不断重复，直至所有观测值合并成一类为止，通过平均联动方法对两类别间的距离进行标准化处理，再利用R语言数据处理工具通过层次聚类分析法绘制投标总报价聚类图；步骤
③
：利用相关系数度量法对分项报价进行层次聚类分析，并绘制聚类图，再通过分析每组样本每组观测值之间的相关性对其进行分类；步骤
④
：通过R语言中的NbCluster()和wssplot()函数依据数据集确定聚类个数，并画出投标总报价聚类个数组内平方的对比图，同时计算每组聚类内部的距离平方和，之后按照聚类个数进行K均值聚类分析，并生成聚类结果散点图；步骤
⑤
：利用wssplot()函数的主成分分析法，画出投标分项报价聚类个数组内平方和的对比图，之后按照聚类个数进行K均值聚类分析，并生成聚类结果散点图；步骤
⑥
：依据生成的各组聚类图判断投标人之间是否存在围标、串标行为，并划定类别范围。4.根据权利要求3所述的基于大数据挖掘的电子...
【专利技术属性】
技术研发人员：陈涵，
申请(专利权)人：陈涵，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。