TACSTechnology and Application of Computer Science2998-89262998-8934Art and Design10.61369/TACS.2025080006Article基于深度学习与知识库的招投标三维智能编审系统开发研究https://artdesignp.com/journal/TACS/2/8/10.61369/TACS.2025080006邓燕青,黄永安,蔡堃,许雅思,李志龙2025282025-04-28招投标文件作为工程建设、政府采购等领域资源配置的核心法律文本，其编制质量与审查效率直接影响交易公平性与项目实施成效。传统编审模式依赖人工逐句核查，存在效率低下、标准不一、风险遗漏等突出问题。为解决上述痛点，本文提出一种基于深度学习的招投标文件智能编审系统方案。首先构建涵盖政策法规、行业标准、项目特性的多源异构知识库；其次设计融合BERT 预训练模型与领域适配微调的文本理解架构，实现条款合规性检测、关键信息完整性校验、文本一致性比对等核心任务；最后通过模块化开发完成系统集成，并基于真实招投标语料库开展实验验证。实验结果表明，系统在合规性检测任务中F1值达92.3%，关键信息识别准确率达94.1%，相比传统人工编审效率提升80% 以上，可有效降低人为失误风险，为招投标全流程数字化转型提供技术支撑。深度学习,招投标文件,智能编审,BERT 模型,文本挖掘,知识库构建

[1] 中华人民共和国国家发展和改革委员会. 中国招投标行业发展报告（2023）[R]. 北京：中国市场出版社,2023.[2] 王亮, 李娟, 张敏. 基于本体的招投标知识库构建研究[J]. 情报理论与实践,2021,44(8):145-151.[3] 蓝峥杰, 王烈, 黄莹. 一种改进型Dense-HRNet 和基尼指数动态加权决策的表情识别算法[J]. 电讯技术,2022,62(11):1683-1690.[4] 代磊超, 冯林, 尚兴林, 等. 基于深度网络的快速少样本学习算法[J]. 模式识别与人工智能,2021,34(10):941-956.