基于规则归纳与逐项比对的投标中标概率估计

中沁科技人工智能研究组 · 2026 年 10 月

摘要

估计一家企业投某个招标项目的中标概率，需要同时理解企业能做什么和公告要求什么。直接以大语言模型逐条判断，存在成本高、结果不稳定、依据难以核对的问题。本文提出一种两阶段的概率预测模型：第一阶段由规则归纳模块依据企业资料和一套结构化的归纳规范，为每家企业生成一套专属打分规则，并经试算校验；第二阶段以确定性的打分函数，将规则与公告特征逐项比对，输出概率及每一项的依据。公告侧引入「业务领域」层以弥补行业分类与实际业务的偏差，并从资格要求中抽取可比对的条件，区分硬性门槛与扣分项。该模型单条打分耗时在亚毫秒量级，同一输入的输出完全一致，且每个因子均可解释；配合标探的智能体系统，可完成从项目筛选、资格解读到投标建议的智能化分析。

1 引言

公共资源交易平台每天发布大量工程建设与政府采购公告，企业需要从中筛出值得投入的项目。是否值得投，取决于项目是否属于企业的主营业务，以及企业是否满足资格要求；在此基础上，还受地域、项目规模、过往业绩和与招标人的合作关系等因素影响。

直接把公告与企业资料交给大语言模型判断，面临三个问题：候选公告数量大，逐条调用的时延与成本不可接受；同一输入多次调用结果不一致；理由难以逐句核对来源。本文将「理解企业」与「评估公告」解耦：前者低频、需要语义理解，由规则归纳模块完成；后者高频、需要稳定可比，由确定性函数完成。

2 问题定义

给定企业资料 P（主营行业、资质证书、注册人员、业绩、服务地区、规模等）与一条招标公告 N（标题、行业、资格要求、金额、地区、招标人），估计该企业投标并中标的概率 p(N|P)，同时给出依据集合 E，每条依据对应一个可核对的事实；要求批量计算足够快，且同一 (P, N) 的输出确定。

3 模型

模型由三部分组成：(a) 规则归纳，以企业资料 P 和归纳规范 S 为输入生成专属规则 R，每家企业执行一次，并经试算校验；(b) 公告编码，将公告 N 映射为业务领域与资格条件两类特征，每条公告执行一次；(c) 打分，以确定性函数 f(R, P, φ(N)) 计算概率与依据。

业务领域映射：国民经济行业分类按生产活动划分，与企业实际业务存在偏差（如医疗设备采购常归入专用设备制造业）。模型定义 16 个业务领域，把公告的行业代码、行业标签与标题关键词共同映射到业务领域，并区分主领域与次领域。

条件抽取：从资格要求中抽取资质（含等级，「或」连接的视为任选其一）、注册人员、业绩（单项金额与个数）、注册资本、成立年限、财务年限、中小企业专门面向、入库登记等条件，与企业资料比对后取值为符合、不符合或待核实。

打分函数：p(N|P) = clip( g · 1/k(N) · ∏ x_i(N,P)^e_i )。k(N) 为按项目类型与金额估计的参与家数；x_1…x_8 依次为行业匹配、资格条件、地域、金额规模、类似业绩、合作关系、中小企业政策与企业体量八个维度的乘数；e_i 为专属规则给出的侧重指数（截断在 0.5 到 1.6）；硬性条件不符合时门控 g 取一个很小的值。行业不搭边时乘数极小，其他维度的加成无法将概率抬升。

4 实现与效率

公告编码在入库时完成，规则归纳在企业保存资料后异步执行，在线阶段只执行打分函数。单条公告打分耗时约 0.06 毫秒，对全国同时在报名的全部公告完成一次打分在秒级；同一输入的输出恒定，便于横向比较。

5 与智能体系统的协同

概率预测模型给出可比较的数与可核对的依据，标探在其上搭配一套完整的智能体系统：理解用户需求、检索候选公告、调用模型打分，再结合依据解读资格条件、指出差距并给出投标建议，形成「检索—预测—解读—建议」的智能化分析流程。模型也通过 MCP 工具 win_probability 向外部 AI 助手开放。

6 局限与后续工作

各维度乘数目前依据招投标实务经验设定，尚未以大规模中标结果数据校准，概率更适合用于项目之间的排序与比较；参与家数未建模具体竞争者；条件抽取基于规则，未能抽取的条件标记为待核实。后续工作包括中标概率排序、高概率新公告推送与面向集团客户的多主体规则。

参考文献

国家统计局. GB/T 4754—2017 国民经济行业分类.
财政部, 工业和信息化部. 政府采购促进中小企业发展管理办法（财库〔2020〕46 号）.