一种复杂约束下的采购评审专家自动抽取算法

江卓军+陈璇+苏晓兰+宋春鹏+陈晓杰

摘 要： 采购评审专家的自动化抽取是采购信息化的重要组成部分。目前就评审专家的计算机辅助抽取提出了不少算法，但在自动化抽取方面的研究和讨论仍然较少。故提出一种面向复杂约束条件的采购评审专家自动化抽取算法。该算法以多项目并行抽取为业务前提，通过重构抽取流程，设立不同抽取任务间的通信机制，优化规则模型，较好地解决了复杂规则下评审专家的自动化抽取问题。该算法已经在中国银联的采购信息化平台上成功实现。

关键词： 采购； 信息化； 評审专家； 自动抽取算法； 人工智能； 通信机制

中图分类号： TN911.1?34 文献标识码： A 文章编号： 1004?373X（2018）03?0075?05

Abstract： The automatic extraction of procurement evaluation expert is an important component of procurement information system. A large quantity of computer?assisted extraction algorithms are proposed for evaluation expert， but the automatic extraction aspect is less researched and discussed. A procurement evaluation expert automatic extraction algorithm for complex constraints is proposed in this paper. Taking the multi?project parallel extraction as the business premise， the extraction process is reconstructed， the communication mechanism among different extraction tasks is established， and the rule model is optimized to realize the evaluation expert automatic extraction based on complex rules. The algorithm was realized on procurement informatization platform of China UnionPay.

Keywords： procurement； informatization； evaluation expert； automation extraction algorithm； artificial intelligence； communication mechanism

0 引 言

2000年以来，伴随采购业务信息化的不断深入，采购评审专家（以下简称“评审专家”）抽取工作的信息化水平也在不断提升。2008—2009年，文献[1?2]借鉴题库智能组卷算法，较为系统地为评审专家抽取提出了随机抽取、基于深度及广度搜索、智能抽取（如遗传算法）等一系列算法。同期，政府采购等在评审专家的计算机抽取方面进行了探索[3?5]；文献[6?7]等亦从评审专家抽取的安全性、均衡性等方面对相关算法进行了研究和实践。2016年，文献[8?9]开始讨论评审专家的自动化抽取方案，并提出了一些见解。

纵观上述研究成果发现，它们往往都有一些默认的业务前提：一是默认评审专家仅有“专业门类”一个分类维度，且一个专业门类项下的评审专家都是无差异的；二是默认被抽取到的评审专家都有时间参加采购评审，无需重复多轮次抽取；三是默认各个采购项目的评审专家抽取任务是串行执行的，不需要考虑不同采购项目抽取任务之间的互相干扰。但是，上述假设在实际业务中往往会碰到一些挑战，主要表现在：

1） 评审专家往往有多个分类维度（如专业门类、所属部门、资深程度等），而且抽取规则也往往是基于多个维度的（如要求抽取某些专业门类的资深专家，要求屏蔽某些部门的评审专家等）。

2） 实践中有至少30%收到邀请的评审专家会因工作冲突无法参加采购评审。因此，评审专家抽取往往是个互动的过程，需要多轮反复抽取才能最终确定参审专家，而不是仅仅通过算法一次性获得专家名单那么简单。

3） 也正因为专家抽取需要互动且多轮抽取，耗时较长。多个采购项目的串行抽取模式往往不能满足抽取效率的要求，需要实现多项目并行抽取，而并行抽取就必须解决不同抽取任务间的互相干扰问题。因此，对采购评审专家的抽取算法还需要进一步深入研究。尤其是，当希望评审专家的抽取工作实现全自动运行时，则更需要深入梳理抽取流程，对评审专家抽取的具体工作步骤进行合理地安排与调度。

本文结合中国银联在采购信息化方面的工作[10]，基于中国银联采购评审专家的抽取模式，提出一套新的评审专家自动化抽取模式及相应的抽取算法，以适应更为复杂规则下的抽取工作和多项目并行抽取的现实诉求。

1 中国银联评审专家抽取业务模型概述

1.1 专家库概况

中国银联的采购评审工作由评审小组负责，评审小组一般由内外部评审专家及相关部门委派的评委联合组成，其中内部评审专家是从公司内部评审专家库中分类随机抽取产生的。本文将以中国银联的内部专家抽取业务模型为基础，开展自动化抽取算法的讨论。目前，内部评审专家库内的评审专家来自公司内各个部门，分属若干个专业门类、两个资深等级（资深专家和普通专家）。每位专家可自主选择参加一个或多个专业门类的采购项目评审。经统计，每年经统一抽取参加采购评审的内部评审专家有近千人次。endprint

1.2 专家抽取业务流程

中国银联采购项目的评审专家抽取总体上可分为三个大的工作环节，具体如下：

1） 采购项目主办人提出抽取申请。申请内容一般包括抽取专家的专业门类、资深程度、抽取人数、需求部门、委派评委的部门，以及评审时间、评审地点等。

2） 专家管理员实施专家抽取。在这一环节中，专家管理员按照抽取申请中的信息，通过随机抽取确定候选专家名单，并通过短信或语音方式向专家发出邀请，请其确认。如出现有专家不能参加评审，则还要继续抽取候选名单，再行确认，直至抽到足够的满足条件的专家为止。

3） 专家管理员进行异常事件处理。抽取完成后，如果因特殊原因导致评审延期、个别专家无法参审等，均需要按照相应的程序进行处理。

1.3 主要的抽取规则

每一个采购项目需要从内部评审专家库抽取的评审专家1～7人不等，并要满足以下抽取规则：

1） 一个采购项目可以申请抽取一个或多个专业门类的评审专家，也可对评审专家的资深等级提出要求。

2） 不得抽取来自需求部门的员工作为评审专家。

3） 同一采购项目中，不得出现两名评审专家来自同一个部门的情形（含委派的评委）。

4） 评审专家如果出差或休假，可提前登记。登记期间不再抽取。

5） 不得抽取近7天已经有2次参审记录的评审专家。

此外，由于多个采购项目的评审专家抽取任务需要并行执行，应当避免抽取冲突情形（如两个同一时间评审的采购项目不能抽取同一名评审专家等）。

2 评审专家自动化抽取业务分析

要实现评审专家抽取的自动化，需要在上面业务模型的基础上，对一些关键环节进行进一步剖析和设计。

2.1 關于业务流程

评审专家的自动抽取是一个人机互动的业务，涉及的角色有需求方、管理方和自动抽取平台。有必要对业务流程进行细化，明确各角色的工作内容，区分自动抽取和人工干预的边界，具体流程图见图1。

2.2 关于抽取申请

提出专家抽取申请是整个抽取业务的第一步。一个采购项目可提出一个抽取申请，一个抽取申请内包含多个申请条目。每个抽取申请应当明确项目编号、项目名称、需求部门、委派评委的部门；每个申请条目都应当明确专家的专业门类（指对专家专业取向的要求。在银联的专家管理体系中，为专家划分了34个专业门类，申请时可在其中选择）、资深程度（指对专家评审能力的要求。在银联的专家管理体系中，为专家划分了资深和非资深两个等级。申请时，可以有“资深”、“普通”或“无要求”三个选择）和抽取人数。抽取申请表样式见表1。

2.3 关于多项目并行抽取场景的考虑

由于评审专家抽取业务往往面临的是多个采购项目并行抽取的场景，且抽取的专业门类、所在部门等也往往会有重叠或交叉，因此，不可避免地会出现抽取冲突的情形。为解决冲突问题，设定如下原则：

1） 优先分级原则。由于不同采购项目的评审专家抽取任务难度不同，紧急程度也不同，需要对提出专家抽取申请的采购项目划分不同的优先级。在采购评审任务较为密集时，安排优先级高的采购项目先行抽取，避免优先级较低的采购项目与之争夺专家资源。

2） 资源锁定原则。当一个采购项目抽取到一名评审专家并向其发出邀请，无论是否已确认，或确认结果如何，该专家资源均已被锁定，其他采购项目不得再抽取这名评审专家参加相同时段的采购评审。

3） 频度控制原则。短时期内频繁地向一个评审专家发送评审邀请，会降低专家的体验度，必须从全局维度（而不是项目维度）控制向专家发送评审邀请的频度，比如已经给某位专家发送过关于某一天的项目评审邀请了，不管其答复如何，系统将不再给他发那一天任何项目的评审信息。

在多项目并行抽取的场景中，可以看到多个抽取任务并行推进，要实现上述原则2）和原则3），必须建立抽取任务间的通信机制。通过维护和查询“专家抽取日志”来实现抽取任务间的通信和互锁。

2.4 关于人工干预

虽然自动化抽取减少了人工操作的强度，强化了专家抽取的独立性，但也存在一些弱点：一是对于参审意愿不强的评审专家，当接到自动化抽取平台发送的短信时，往往会选择不参加评审，或置之不理，而当接到人工电话时，会提高参审的积极性；二是由于评审专家抽取的随机性、并发性，以及不同抽取任务间的互相影响，专家抽取的次序及调度方案可能不是最优的，当出现某些采购项目抽不到评审专家时，必须进行人工干预。在设计中，人工干预主要出现在以下几种情形下：

1） 经过全专家库的搜索，最终未能抽到采购项目所需的全部评审专家；

2） 正在进行自动化抽取，但离评审时间不到半个工作日；

3） 原先确定参审的评审专家临时通知不能参审，需要紧急补抽。

本文在算法中不讨论人工干预的方法，仅仅是在自动化抽取的流程中为人工干预预留了出口。

3 自动化抽取算法

3.1 算法设计思路

本文算法的总体思路如下：

1） 多项目间实行并行抽取。即，每个采购项目提出一份“抽取申请”；每一份“抽取申请”形成一个抽取任务；各抽取任务并行执行。

2） 单个抽取任务内实行串行抽取。即，一次抽取一名专家，通过短信与之确认可否参加，待其答复（或超时）后再抽取下一名专家，直至抽取完成（由于一个采购项目需要抽取的评审专家一般不超过5人，因此，单个抽取任务内的串行抽取是能满足抽取效率要求的）。

3） 专家筛选规则动态调整。对于每一次抽取，首先要从专家库中依据一定的规则筛选出一个专家子集（对应于后面算法中的TABLE_F），然后在该子集中以随机抽取的方式抽取一名评审专家。由于不同抽取任务之间，以及一个抽取任务内的不同抽取轮次之间存在相互影响，因此，每一次抽取的筛选规则受到其他抽取任务及之前抽取轮次有关抽取结果的影响（如一名专家已经接受了其他抽取任务的评审邀请，就不能接受本抽取任务的邀请了）。为实现筛选规则的“动态化”，本算法设计了一个面向所有抽取任务的抽取共享信息池（对应于后面算法中的TABLE_LOG）。自动化抽取平台在实施每次抽取前都要基于该信息池，动态调整本次抽取的评审专家筛选规则，从而确保抽取任务的正确完成。endprint

基于上述思路，以中國银联评审专家抽取业务模型为例，具体描述数据库的库表结构和算法框架。

3.2 主要数据库表的结构模型

1） 评审专家库结构模型

评审专家库（TABLE_EXPERT）用于记录专家静态信息，每条记录对应一名评审专家，详见表2。

2） 专家抽取申请表结构模型

专家抽取申请表（TABLE_APPLY）用于记录专家申请信息，每条记录对应一次评审专家申请，详见表3。

3） 专家抽取条目表结构模型

专家抽取条目表（TABLE_APPLY_ITEM）用于记录专家抽取申请中的抽取条目，每条记录对应一个抽取条目，与专家抽取申请表（TABLE_APPLY）形成一对多的关系，详见表4。

4） 专家抽取日志结构模型

专家抽取日志（TABLE_LOG）用于记录评审专家抽取动作，每向一位专家发送一次评审邀请，就在本日志中增加一条记录，详见表5。

3.3 算法框架描述

基于上述业务逻辑和库表结构，现使用伪代码给出自动化抽取算法如下：

Begin

// 本算法用于完成一个项目的自动化抽取任务。

// 抽取任务分为三个阶段完成：

// ==== STEP 1：接收抽取申请，参数初始化 ====

接收抽取申请（TABLE_APPLY）；

DATE = TABLE_APPLY.Evaluate_Date；

// 需要屏蔽的部门列表 = 需求部门列表 + 委派评委的部门列表

NO_EXTR_DEPT=TABLE_APPLY.Dept_of_Demand+TABLE_APPLY.Dept_of_Apointee；

参审专家清单 = NULL；

// ==== STEP 2：判定抽取优先级，安排抽取时间 ====

// 安排两个优先级，高优先级项目从9点钟开始抽，一般项目从10点钟开始抽。

// 包含如下三种情形之一的项目，定义为高优先级项目：一是项

目抽取专家总人数超过5人（含）；二是项目评审时间为“全天”；

三是离评审开始时间少于30 h的。

if （需抽取专家总人数超过5人（含），或评审时间为“全天”，或离评审开始时间少于30 h）{

START_TIME = 9：00；

}

else{

START_TIME = 10：00；

}

do{

wait（）；

}until（System_time>= START_TIME）；

// ==== STEP 3： 执行一个采购项目的抽取任务 ====

while （还有尚未处理的申请条目）{

//执行一个申请条目的抽取任务。

选择一个尚未处理的申请条目，开始自动化抽取；

M = TABLE_APPLY_ITEM.Number_of_Need；

//初始化本申请条目抽取人数

select评审专家from评审专家库

where该评审专家的专业门类满足申请条目中关于专家专业门类的要求

and该评审专家的资深程度满足申请条目中关于专家资深程度的要求

and该评审专家没有登记休假或出差

and该评审专家近7天已经参审记录少于2次；

把得到的结果存放在临时表TABLE_G中；

i = M；

do{

select 评审专家 from TABLE_G

// 屏蔽来自本项目需求部门、委派评委部门及已经确认参加本项目评审的专家所在部门的专家

where “评审专家.所在部门”不在“需要屏蔽的部门列表”中

// 屏蔽已经接收到同一天采购项目评审邀请的专家

and TABLE_LOG（评审专家.Expert_ID，DATE）=NULL；

把得到的结果存放在临时表TABLE_F中；

// 已对专家库进行了遍历，但未抽到足够的专家，切换到人工抽取

if （TABLE_F == NULL）{跳出本循环；}

从TABLE_F中随机抽取一名专家向其发送邀请短信；

insert into TABLE_LOG（Expert_ID，Date，Reply_Time，Status）

value （Ei.Expert_ID，DATE，System_time，‘未答复）；

将专家所在的部门添加到“需要屏蔽的部门列表”中；

i??；

}until（i<=0）；

if （i>0）{跳出本循环} //本申请条目抽取失败

等待20 min； //暂定等待专家回复的时间是20 min

j = M；

while （j>=1） {

if（专家答复可以参加）{

update TABLE_LOG set Status=‘参加where Expert_ID=Ej；

把加入“参审专家清单”中；

M??；

}

else{

update TABLE_LOG set Status=‘不参加where Expert_ID=Ej；endprint

将专家所在的部门从“需要屏蔽的部门列表”中去除；

}

j??；

}

}

if （M<=0）{

向上级程序返回“参审专家清单”，并告知抽取成功；

}

else{

向上级程序返回“参审专家清单”，切换到人工抽取；

}

End

4 结 语

本文给出的算法框架是基于中国银联的采购评审专家管理模型和业务诉求进行设计的，已经纳入中国银联的采购信息化体系，并在实践中发挥了积极的作用[10]。由于不同的单位在专家库数量、管理模式、业务模型等方面存在差异，可依据本文算法的指导思想，对本算法涉及的库表结构、抽取流程、抽取规则等进行适应性调整。当库内评审专家数量和使用评审专家的采购项目数量大幅增加时，可考虑使用人工智能的有关算法对本文算法框架进行进一步优化，以提高评审专家抽取的效率和成功率。

参考文献

[1] 任真.国家投资工程建设项目评标专家库智能抽取应用研究[D].成都：电子科技大学，2008：37?57.

REN Zhen. Application research on intelligent extraction of evaluation expert library of state?invested construction projects [J]. Chengdu： University of Electronic Science and Technology of China， 2008： 37?57.

[2] 李菁菁.国家投资建设项目网上招投标研究：专家管理系统和IT采纳[D].成都：电子科技大学，2009：57?72.

LI Jingjing. Study on electronic tendering of state?invested construction projects： expert management system and IT adoption [D]. Chengdu： University of Electronic Science and Technology of China， 2009： 57?72.

[3] 于阳.政府采购系统中专家库的盲抽取方法[D].成都：四川大学，2006：36?51.

YU Yang. The blinded selection method of experts database in the government e?procurement system [D]. Chengdu： Sichuan University， 2006： 36?51.

[4] 王威.政府采购中评标专家库系统的设计与实现[D].南京：南京理工大学，2011：38?41.

WANG Wei. The design and implementation of an evaluation expert library in government procurement [D]. Nanjing： Nanjing University of Science and Technology， 2011： 38?41.

[5] 王丰飞，方俊，张庆华.专家库管理与评标专家抽取系统设计[J].电子测试，2015（16）：20?21.

WANG Fengfei， FANG Jun， ZHANG Qinghua. Expert database management and evaluation system design of bid evaluation expert [J]. Electronic test， 2015（16）： 20?21.

[6] 于阳，李涛，胡晓勤，等.一种安全电子招标系统中专家抽取的方法[J].计算机应用研究，2007（1）：180?182.

YU Yang， LI Tao， HU Xiaoqin， et al. Experts selection me?thod in secure e?bidding system [J]. Application research of computers， 2007（1）： 180?182.

[7] 孟陶然.评标专家均衡随机抽取模型[J].中国管理信息化，2009，12（15）：50?53.

MENG Taoran. Random and equilibrium model for selecting bidding evaluation experts [J]. China management informatio?nization， 2009， 12（15）： 50?53.

[8] 李建国.采购评审专家自动化语音抽取系统设计及实现[J].工程技术，2016（6）：114?115.

LI Jianguo. Design and implementation of automatic voice extraction system for procurement evaluation experts [J]. Enginee?ring technology， 2016（6）： 114?115.

[9] 苏晓兰.企业采购中评审专家自动化抽取方式的探索[J].中国招标，2016（14）：13?14.

SU Xiaolan. The exploration of expert automatic extraction method in enterprise procurement [J]. China tendering weekly， 2016（14）： 13?14.

[10] 江卓军，陈琤，王增洪.金融采购信息化初探[J].电子科学技术，2016，3（4）：518?522.

JIANG Zhuojun， CHEN Cheng， WANG Zenghong. An exploration on the informationization on financial firms′ procurement [J]. Electronic science & technology， 2016， 3（4）： 518?522.endprint