[发明专利]一种基于语义分析的招投标项目关键信息自动化提取方法

权利要求书

1.一种基于语义分析的招投标项目关键信息自动化提取方法，其特征在于，其具体实现过程为：

首先获取招投标公告原文；

进行特征值分析；

正则提取特征值；

将提取的信息存入数据库。

2.根据权利要求1所述的一种基于语义分析的招投标项目关键信息自动化提取方法，其特征在于，所述获取招投标公告原文的具体过程为：根据webclient和htmlunit 网络爬虫方法，获取对应页面的htmlPage ，通过page.getBody方法获取相应页面的body 部分源码和正文。

3.根据权利要求1所述的一种基于语义分析的招投标项目关键信息自动化提取方法，其特征在于，所述特征值包括项目名称特征值、项目编号特征值、时间特征值、招标人特征值、代理机构提取、中标人特征值、中标金额特征值，其特征值分析内容包括：

项目名称特征值，为招标或中标项目的完整名称，该名称包括区域、单位机构、采购物品或服务、采购类型及公告类型；

项目编号特征值，由大小写字符、-、【、】符号组成的字符串；

时间特征值，包括公告发布时间、开标时间、中标时间，分析时采用模糊匹配的特征值模式，首先确定招标公告发布的年份，然后就近提取月份，随后是日期；

招标人特征值，其模式为区域+机构名称，该机构名称包括公司、交易中心、采购中心；

代理机构特征值，其模式为区域+机构名称，该机构名称包括厅、局、大学；

中标人特征值，其模式为区域+机构名称，该机构名称包括公司、集团、企业；

中标金额特征值，表达格式分为大写和小写两种。

4.根据权利要求1所述的一种基于语义分析的招投标项目关键信息自动化提取方法，其特征在于，所述正则获取特征值过程为：通过正则表达式的match()方法，根据特征值分析的结果，对原文使用正则，获取项目名称、项目编号信息。