建筑行业中标金额规模提取及大模型分析语料数据

建筑行业招投标活动中，中标金额是衡量项目投资规模和市场价值的核心指标。然而，建筑行业中标金额数据分散在不同地区、不同工程类型的中标公告中，格式不统一、表述差异大，传统人工方式难以高效完成金额提取和规模分级；大量中标金额数据缺乏系统化分析，企业无法快速判断项目规模级别，影响投标策略制定和资源配置；行业缺乏统一的金额规模分析标准，不同地区对项目规模的认定存在偏差。本数据产品面向建筑行业中标金额规模AI分析场景，通过构建涵盖12种文本格式、覆盖12个省份10类工程类型、5个规模等级的标注语料数据集，训练大模型实现从中标文本中自动提取金额并完成规模分级分析。招标单位可快速评估项目规模，投标企业可制定差异化竞争策略，行业研究机构可批量获取金额分布数据用于市场趋势分析，推动建筑行业招投标金额分析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公告文本数据，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金额原始文本库。 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并保留两位小数，对项目名称保留前2字+**+后2字脱敏，招标人保留前2字+**+后4字脱敏，中标人保留前2字+**+后4字脱敏。 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，对每条语料标注项目名称、招标人、中标人、中标金额、金额规模等级、规模分析结论共6个关键字段，金额规模分为微型（<100万）、小型（100-500万）、中型（500-3000万）、大型（3000-10000万）、特大型（≥10000万）五级，标注一致率≥95%。 模型训练：采用BERT-BidAmount预训练模型（12层Transformer，768维隐藏层）进行金额提取与规模分类联合训练，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：使用测试集计算金额提取的精确率、召回率、F1值及规模分类的准确率，确保金额提取F1值≥0.90，规模分类准确率≥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

该数据集为建筑行业中标金额规模提取及大模型分析语料，包含12000条标注数据，覆盖12个省份、10类工程类型，按金额分为微型、小型、中型、大型、特大型五个规模等级。数据经OCR识别、清洗、脱敏及人工标注，标注了项目名称、招标人、中标人、中标金额、金额规模等级和规模分析结论等6个字段，并采用BERT模型进行金额提取与规模分类联合训练，以支持招投标金额的智能化分析。