建筑行业中标通知书关键信息智能提取大模型训练数据

建筑行业招投标活动中，中标通知书是记录中标结果的核心法律文件，包含项目名称、招标人、中标人、中标金额、项目编号、建设工期、质量要求、项目经理、中标日期等关键信息。传统模式下，这些信息依赖人工逐项阅读和录入，效率低下且易出错；大量中标通知书堆积导致信息提取滞后，影响项目跟进和市场竞争分析；不同地区通知书的格式和表述差异大，人工提取难以保证一致性。本数据产品面向建筑行业中标通知书关键信息智能提取场景，通过构建涵盖12种文本格式、覆盖12个省份10类工程类型的标注语料数据集，训练大模型实现从非结构化文本中自动提取项目名称、中标金额等9个关键信息字段。招标单位可实现中标信息自动化归档，中标企业可快速录入项目信息，行业研究机构可批量获取市场数据用于竞争分析，推动建筑行业招投标信息处理从人工模式向智能化方向发展。数据来源：原始数据来源于公司平台积累的建筑行业中标通知书文本数据，涵盖房建、市政、公路、水利、装饰、钢结构、机电安装、园林绿化等10类工程类型，覆盖全国12个省份，经平台业务系统自动采集与人工核实后形成中标通知书原始文本库。 数据预处理：对原始文档进行OCR识别和文本清洗，去除印章、签名等非文本干扰，统一日期格式为YYYY-MM-DD，统一金额单位为万元，对中标人名称保留前2字+**+后4字脱敏，项目经理保留姓+*脱敏。 数据标注：采用人工标注、模型预标注+人工校验、规则提取+人工校验、双人交叉标注等多种方式，对每份通知书标注项目名称、招标人、中标人、中标金额、项目编号、建设工期、质量要求、项目经理、中标日期共9个关键信息字段，经双人交叉标注质检，标注一致率≥95%。 模型训练：采用BERT-BidNotice预训练模型（12层Transformer，768维隐藏层）进行命名实体识别训练，设置学习率2e-5、批大小32、训练轮次50，使用PyTorch框架，以F1值≥0.92为目标。 模型评估：使用测试集计算各字段的精确率、召回率、F1值，确保关键字段提取F1值≥0.90，整体准确率≥92%，经业务专家人工核验确认。

搜集汇总

背景与挑战

背景概述

该数据集包含12,000条建筑行业中标通知书数据，覆盖12个省份、10类工程类型，每条数据均标注了项目名称、中标金额、项目经理等9个关键信息字段，并经双人交叉标注质检，标注一致率不低于95%。产品面向智能提取场景，通过训练BERT-BidNotice模型实现从非结构化文本中自动提取关键信息，辅助招标、投标及行业研究，推动招投标信息处理智能化。