内审实务文本挖掘在串通投标行为识别中的应用

Posted 2021-04-16 中国内部审计协会

朗读原文 来自中国内部审计协会 00:00 04:06

文本分词是文本处理的一个基础步骤。采用Jieba分词组件，开发相应的程序，程序具有简单易用等特点。加载相应的文本文件，即可对投标文件进行文本处理，输出字数、分词词语量、关键词和高频词等信息。文本分词主要是对文本进行预处理以及统一文本的基准和范围。商务文件内容以资质证明等图片为主，开标文件和报价文件等内容单一，因此，将技术文件作为主要分析对象。应采用程序中的精确模式对文本进行分词，将文本内容中影响分析结果的噪声词语（如“的、是、了”）过滤，并针对招投标行业特别增加招标人、投标人、标书、合同等停用词。获得分词结果后，统计词频和关键词（TF-IDF）等信息。

案例一

某设备类招标项目共有4家投标商，分别为A、B、C、D。通过程序对技术文件进行分析，获得了分词量、部分高频词和部分关键词等信息。对分词结果分析后可得，投标商A、B、C三家文件字数均在3万—4万，投标商D文件字数略多，5万字以上；分词获得词语量为3000左右。对比关键词表，投标商A、B、C关键词基本相同，关键词内容符合本次招标采购范围，而投标商D则明显不同，标书质量表现存疑。通过查看投标文件，投标商D投标文件质量明显不高，仅将招标文件技术规范书内容复制，并注明理解并响应。投标商D的陪标行为明显，陪标行为的出现，说明整个标段存在异常。对比高频词表，发现投标商A、B、C三家文件中冲洗、试验、机器人、提供等词语个数相近或相同，明显涉嫌串通投标。后经证实，本标段投标人标书由同一人编制，为典型的串通投标行为。

案例二

某服务类招标项目共有3家投标商，分别为A、B、C。通过程序对技术文件进行分析，获得了分词量、部分高频词和部分关键词等信息。结果表明，投标商A和投标商C文件字数在1万左右，而投标商B文件字数略少，在6000左右。对比高频词表的分词后，投标商A、B、C关键词基本相同，关键词内容符合本次招标采购范围。对比投标商A和C高频词表，发现工作、人员、处置、领导等词语出现次数相近或完全相同。对比投标商A和B高频词表，佩戴、书报、小说、游戏机、临阵脱逃等词语出现次数完全相同。“临阵脱逃”之类较少在投标文件中使用的词语同时出现在了投标商A和B文件中，明显涉嫌串通投标。后经证实，本标段投标人标书由同一人编制，为典型的串通投标行为。

招投标是审计工作重点关注的领域之一，在投标文件中引入文本挖掘，能够从文本信息的角度进行串通投标行为的识别，更好地助推相关审计工作的取证和开展。预防和遏制串通投标行为是一项系统工程，需要各环节的共同努力，才能确保招投标市场规范有序。

（作者单位：中国华电集团有限公司）

往期精选

● 

● 

● 

● 

责任编辑：孙哲

文字编校：王会丽 赵伟伟  高明富

       

       

戳 “阅读原文”一起来充电吧！