گزارش نشان می دهد که چگونه NLP به استخراج ارزش از قراردادهای تدارکات کمک می کند

  1. چکیده و مقدمه

  2. دامنه و وظیفه

    2.1. منابع داده و پیچیدگی

    2.2. تعریف وظیفه

  3. کار مرتبط

    3.1. بررسی اجمالی تحقیق متن کاوی و NLP

    3.2. متن کاوی و NLP در استفاده در صنعت

    3.3. متن کاوی و NLP برای تهیه

    3.4. نتیجه گیری از بررسی ادبیات

  4. روش پیشنهادی

    4.1. دانش دامنه

    4.2. استخراج محتوا

    4.3. منطقه بندی لات

    4.4. تشخیص آیتم لات

    4.5. تجزیه فراوان

    4.6. تجزیه XML، پیوستن به داده ها، و توسعه شاخص های ریسک

  5. آزمایش و نمایش

    5.1. ارزیابی مولفه

    5.2. نمایش سیستم

  6. بحث

    6.1. تمرکز “صنعت” پروژه

    6.2. ناهمگونی داده ها، ماهیت چند زبانه و چند وظیفه ای

    6.3. معضل انتخاب های الگوریتمی

    6.4. هزینه داده های آموزشی

  7. نتیجه گیری، قدردانی و مراجع

3.3. متن کاوی و NLP برای تهیه

در مقایسه با سایر حوزه‌ها، کار روی متن کاوی/NLP برای تدارکات کم است. ما در این بخش به چند مورد اشاره می‌کنیم. گراندیا و کروین (2020) یک مطالعه اکتشافی از بیش از 140000 اعلامیه تدارکاتی از پلت فرم تدارکات الکترونیکی بلژیک بین سال‌های 2011 تا 2016 انجام دادند تا روند به سمت «تدارکات عمومی پایدار» (SPP) را تحلیل کنند. کار هیچ اطلاعاتی را از اسناد تدارکات استخراج نمی کند. در عوض، یک کلمه کلیدی سبک …

Source link