建筑行业招投标异常行为检测垂类大模型语料数据

该数据可用于训练建筑行业招投标异常行为检测垂类大语言模型，使其能够深度理解招投标活动中围标串标、资质挂靠、虚假投标、恶意低价、违规评标、转包分包等异常行为检测方向的自然语言问题，并准确转化为对应的SQL查询语句，从而实现招投标异常行为数据的高效查询与智能分析。依托建设通平台整合的评标报告、投诉举报、审计检查、系统监测等多源数据构建标准化语料体系，模型经训练后可精准理解"围标串标""资质挂靠""恶意低价""违规评标""黑名单"等招投标异常行为特有需求，建筑行业企业可基于本语料数据的"指标名称""问题查询"等字段内容，适配自身异常行为数据表结构（如替换建表语句中的表名、字段名），快速启用文字转SQL功能进行复用。本数据也为建筑行业提供稀缺的、高质量的招投标异常行为检测垂直领域语料库，支撑意图识别、自然语言处理等核心技术的研发与评测，对推动建筑行业数据要素价值释放与AI技术应用落地具有重要意义。1. 数据清洗与标准化
数据清洗：对从建设通平台整合超千万级的评标报告、投诉举报、审计检查、系统监测等多源原始数据进行清洗，剔除重复异常记录、缺失关键字段（如项目名称、异常类型、涉及企业）的数据及存在逻辑矛盾的样本。例如，下浮率为负值、投标金额超过控制价、异常发现时间早于投标递交时间等异常记录均予以剔除。表格中"结果输出"为"无匹配数据"的样本，作为查询无返回结果的标准语料被保留，增强了模型对数据缺失场景的理解能力。
格式统一：统一异常类型名称（如"围标串标""资质挂靠""虚假投标""恶意低价""违规评标""转包分包"）、异常等级划分标准（严重/一般/轻微）和SQL语法风格，确保语料的规范性和一致性。对建表语句进行格式化，统一字段类型和注释风格。
2. 问题分类与结构化
按照招投标异常行为检测的特定场景对问题进行归类，主要包括项目异常总览（如"某项目的异常投标记录"）、异常类型筛选（如"围标串标记录"）、异常等级筛选（如"严重等级的异常行为"）、涉及企业查询（如"某企业涉及的异常行为"）、下浮率异常筛查（如"下浮率超过30%的投标"）、投标金额异常查询（如"投标金额异常偏低的记录"）、投标时间异常分析（如"投标递交时间异常集中"）、处理结果查询（如"被取消中标资格的记录"）等，确保语料对招投标异常行为检测核心场景的全面覆盖。
3. 核心算法建模
（1）语义解析与要素提取：采用基于规则和行业词典的文本分析方法，对自然语言问题进行解析，精准提取关键要素。针对招投标异常行为领域的特有表述（如"串标""陪标""围标""挂靠""借用资质""低价抢标""围标串标""黑名单"等），构建异常术语同义词映射表，将口语化表述归一化为标准异常类型名称。同时提取查询对象（项目/企业/招标单位）、筛选条件（异常类型、异常等级、下浮率范围、时间范围、确认状态）及聚合维度等关键要素。
（2）SQL语句生成：基于预定义的"异常术语-字段"映射规则和"查询意图-过滤条件"映射规则，自动生成标准化的SQL查询语句。映射规则覆盖多条件组合（AND/OR）、排序（ORDER BY）、分页（LIMIT）、聚合函数（COUNT/SUM/AVG/MAX/MIN）、分组统计（GROUP BY）及日期范围查询（BETWEEN）等SQL语法结构，重点强化异常类型归一化和下浮率/金额异常阈值查询的SQL生成能力。

搜集汇总

背景与挑战

背景概述

该数据集是专为建筑行业招投标异常行为检测垂类大语言模型训练而构建的标准化语料库，整合评标报告、投诉举报等多源数据，经过清洗、分类和算法建模，使模型能够深度理解围标串标、资质挂靠等异常行为相关的自然语言问题，并准确转化为SQL查询语句。通过覆盖项目异常总览、异常类型筛选等核心场景，并支持企业适配自身数据表结构，实现高效查询与智能分析，推动建筑行业数据要素价值释放。