4. 基于投标文件特征的风险识别方法

围标串标行为在投标文件层面往往会留下可观测的痕迹。这些痕迹并非单一证据，而是多个特征相互印证形成的“证据簇”。本节聚焦五类高频特征：内容雷同、错误一致、排版异常、联系人重叠、保证金同源，并给出可操作的比对与相似度分析方法。

一、五类特征的风险含义

内容雷同指不同投标人的技术方案、施工组织设计、售后服务承诺等大段文字高度相似，甚至整段复制。正常独立编制的方案会因企业技术积累、项目理解不同而呈现明显差异。错误一致是雷同的“加强版”：如果两家投标文件在同一处出现相同的错别字、相同的计算错误、相同的单位遗漏，其独立编制的可能性极低。排版异常包括页边距、行距、字体、编号样式、页眉页脚完全一致，或文档属性中的作者、公司名、创建时间高度接近。联系人重叠指不同投标人的项目联系人、授权代表、技术负责人电话、邮箱、社保关系出现交叉。保证金同源指多家投标人的保证金从同一账户转出，或由同一人代办、同一银行网点同一时段集中办理。

二、文件比对与相似度分析技术

实际操作中，建议按“先粗筛、再精比、后交叉验证”的路径推进。

第一步：文本提取与清洗。将 PDF、Word 投标文件统一转为纯文本，去除页眉页脚、页码、目录等噪声。可使用 Python 的 pdfplumber、python-docx 库完成。示例代码如下：

import pdfplumber, re

def extract_text(path):
    text = ""
    with pdfplumber.open(path) as pdf:
        for page in pdf.pages:
            t = page.extract_text() or ""
            text += t + "\n"
    # 去除页码、页眉等噪声
    text = re.sub(r"第\s*\d+\s*页", "", text)
    return text

第二步：相似度计算。常用方法有三类：一是余弦相似度，将文本向量化后计算夹角余弦，适合段落级比对；二是Jaccard 相似度，基于词集合交集与并集之比，适合短文本；三是SimHash + 汉明距离，适合海量文档快速去重。以余弦相似度为例，示例参数如下：将每份文件按 500 字切分为若干段落，使用 TF-IDF 向量化，计算两两段落相似度。若某两份文件的段落相似度大于 0.85 的段落占比超过 30%，则标记为“高度疑似雷同”。

第三步：错误一致性检测。提取各文件中的错别字、异常标点、错误公式，建立“错误指纹”集合。若两份文件共享 3 个以上非通用错误指纹，则风险等级上调。例如，两份文件均将“混凝土”误写为“混泥土”，且均在同一段落出现，属于强关联信号。

第四步：排版与元数据比对。检查文档属性中的作者、最后修改人、创建时间、公司名称。若不同投标文件的作者字段相同，或创建时间间隔在数分钟内，应重点核查。同时比对页边距、字体、行距、编号格式等排版参数。

第五步：联系人及保证金交叉验证。建立联系人信息表，比对电话、邮箱、身份证号、社保缴纳单位。保证金方面，调取银行流水，核对付款账户名称、付款时间、付款网点。若多家投标人的保证金由同一账户转出，或由同一人同一时段代办，属于高风险信号。

三、风险识别流程图

下图展示了从投标文件输入到风险判定的完整信号链，包含五类特征的提取、比对与交叉验证逻辑。

四、实操要点与判断依据

在具体执行时，有几点需要特别注意。第一，相似度阈值不是绝对的。技术方案中引用国家标准、规范条文的部分天然相似，应将其排除在比对范围之外，或单独标记为“通用内容”。第二，错误一致比文字雷同更具证明力。因为通用表述可以解释为行业惯例，但相同的非通用错误很难用巧合解释。第三，排版和元数据属于辅助证据，单独使用证明力有限，但与内容雷同叠加时，可显著提升判断的可靠性。第四，保证金同源需要银行流水支撑，仅凭投标人自述不足以认定，应调取付款凭证、账户信息、办理时间等原始记录。

建议在实际项目中建立一份《投标文件特征比对记录表》，字段包括：投标人名称、文件页数、相似度最高对象、高相似段落占比、共享错误指纹数量、排版一致项、联系人交叉项、保证金付款账户、付款时间、综合风险等级。该表可直接用于评标辅助或合规审查留痕。