江卓軍+陳璇+蘇曉蘭+宋春鵬+陳曉杰

摘 要： 采購評審專家的自動化抽取是采購信息化的重要組成部分。目前就評審專家的計(jì)算機(jī)輔助抽取提出了不少算法，但在自動化抽取方面的研究和討論仍然較少。故提出一種面向復(fù)雜約束條件的采購評審專家自動化抽取算法。該算法以多項(xiàng)目并行抽取為業(yè)務(wù)前提，通過重構(gòu)抽取流程，設(shè)立不同抽取任務(wù)間的通信機(jī)制，優(yōu)化規(guī)則模型，較好地解決了復(fù)雜規(guī)則下評審專家的自動化抽取問題。該算法已經(jīng)在中國銀聯(lián)的采購信息化平臺上成功實(shí)現(xiàn)。

關(guān)鍵詞： 采購； 信息化； 評審專家； 自動抽取算法； 人工智能； 通信機(jī)制

中圖分類號： TN911.1?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）03?0075?05

Abstract： The automatic extraction of procurement evaluation expert is an important component of procurement information system. A large quantity of computer?assisted extraction algorithms are proposed for evaluation expert， but the automatic extraction aspect is less researched and discussed. A procurement evaluation expert automatic extraction algorithm for complex constraints is proposed in this paper. Taking the multi?project parallel extraction as the business premise， the extraction process is reconstructed， the communication mechanism among different extraction tasks is established， and the rule model is optimized to realize the evaluation expert automatic extraction based on complex rules. The algorithm was realized on procurement informatization platform of China UnionPay.

Keywords： procurement； informatization； evaluation expert； automation extraction algorithm； artificial intelligence； communication mechanism

0 引 言

2000年以來，伴隨采購業(yè)務(wù)信息化的不斷深入，采購評審專家（以下簡稱“評審專家”）抽取工作的信息化水平也在不斷提升。2008—2009年，文獻(xiàn)[1?2]借鑒題庫智能組卷算法，較為系統(tǒng)地為評審專家抽取提出了隨機(jī)抽取、基于深度及廣度搜索、智能抽?。ㄈ邕z傳算法）等一系列算法。同期，政府采購等在評審專家的計(jì)算機(jī)抽取方面進(jìn)行了探索[3?5]；文獻(xiàn)[6?7]等亦從評審專家抽取的安全性、均衡性等方面對相關(guān)算法進(jìn)行了研究和實(shí)踐。2016年，文獻(xiàn)[8?9]開始討論評審專家的自動化抽取方案，并提出了一些見解。

縱觀上述研究成果發(fā)現(xiàn)，它們往往都有一些默認(rèn)的業(yè)務(wù)前提：一是默認(rèn)評審專家僅有“專業(yè)門類”一個(gè)分類維度，且一個(gè)專業(yè)門類項(xiàng)下的評審專家都是無差異的；二是默認(rèn)被抽取到的評審專家都有時(shí)間參加采購評審，無需重復(fù)多輪次抽??；三是默認(rèn)各個(gè)采購項(xiàng)目的評審專家抽取任務(wù)是串行執(zhí)行的，不需要考慮不同采購項(xiàng)目抽取任務(wù)之間的互相干擾。但是，上述假設(shè)在實(shí)際業(yè)務(wù)中往往會碰到一些挑戰(zhàn)，主要表現(xiàn)在：

1） 評審專家往往有多個(gè)分類維度（如專業(yè)門類、所屬部門、資深程度等），而且抽取規(guī)則也往往是基于多個(gè)維度的（如要求抽取某些專業(yè)門類的資深專家，要求屏蔽某些部門的評審專家等）。

2） 實(shí)踐中有至少30%收到邀請的評審專家會因工作沖突無法參加采購評審。因此，評審專家抽取往往是個(gè)互動的過程，需要多輪反復(fù)抽取才能最終確定參審專家，而不是僅僅通過算法一次性獲得專家名單那么簡單。

3） 也正因?yàn)閷＜页槿⌒枰忧叶噍喅槿?，耗時(shí)較長。多個(gè)采購項(xiàng)目的串行抽取模式往往不能滿足抽取效率的要求，需要實(shí)現(xiàn)多項(xiàng)目并行抽取，而并行抽取就必須解決不同抽取任務(wù)間的互相干擾問題。因此，對采購評審專家的抽取算法還需要進(jìn)一步深入研究。尤其是，當(dāng)希望評審專家的抽取工作實(shí)現(xiàn)全自動運(yùn)行時(shí)，則更需要深入梳理抽取流程，對評審專家抽取的具體工作步驟進(jìn)行合理地安排與調(diào)度。

本文結(jié)合中國銀聯(lián)在采購信息化方面的工作[10]，基于中國銀聯(lián)采購評審專家的抽取模式，提出一套新的評審專家自動化抽取模式及相應(yīng)的抽取算法，以適應(yīng)更為復(fù)雜規(guī)則下的抽取工作和多項(xiàng)目并行抽取的現(xiàn)實(shí)訴求。

1 中國銀聯(lián)評審專家抽取業(yè)務(wù)模型概述

1.1 專家?guī)旄艣r

中國銀聯(lián)的采購評審工作由評審小組負(fù)責(zé)，評審小組一般由內(nèi)外部評審專家及相關(guān)部門委派的評委聯(lián)合組成，其中內(nèi)部評審專家是從公司內(nèi)部評審專家?guī)熘蟹诸愲S機(jī)抽取產(chǎn)生的。本文將以中國銀聯(lián)的內(nèi)部專家抽取業(yè)務(wù)模型為基礎(chǔ)，開展自動化抽取算法的討論。目前，內(nèi)部評審專家?guī)靸?nèi)的評審專家來自公司內(nèi)各個(gè)部門，分屬若干個(gè)專業(yè)門類、兩個(gè)資深等級（資深專家和普通專家）。每位專家可自主選擇參加一個(gè)或多個(gè)專業(yè)門類的采購項(xiàng)目評審。經(jīng)統(tǒng)計(jì)，每年經(jīng)統(tǒng)一抽取參加采購評審的內(nèi)部評審專家有近千人次。endprint

1.2 專家抽取業(yè)務(wù)流程

中國銀聯(lián)采購項(xiàng)目的評審專家抽取總體上可分為三個(gè)大的工作環(huán)節(jié)，具體如下：

1） 采購項(xiàng)目主辦人提出抽取申請。申請內(nèi)容一般包括抽取專家的專業(yè)門類、資深程度、抽取人數(shù)、需求部門、委派評委的部門，以及評審時(shí)間、評審地點(diǎn)等。

2） 專家管理員實(shí)施專家抽取。在這一環(huán)節(jié)中，專家管理員按照抽取申請中的信息，通過隨機(jī)抽取確定候選專家名單，并通過短信或語音方式向?qū)＜野l(fā)出邀請，請其確認(rèn)。如出現(xiàn)有專家不能參加評審，則還要繼續(xù)抽取候選名單，再行確認(rèn)，直至抽到足夠的滿足條件的專家為止。

3） 專家管理員進(jìn)行異常事件處理。抽取完成后，如果因特殊原因?qū)е略u審延期、個(gè)別專家無法參審等，均需要按照相應(yīng)的程序進(jìn)行處理。

1.3 主要的抽取規(guī)則

每一個(gè)采購項(xiàng)目需要從內(nèi)部評審專家?guī)斐槿〉脑u審專家1～7人不等，并要滿足以下抽取規(guī)則：

1） 一個(gè)采購項(xiàng)目可以申請抽取一個(gè)或多個(gè)專業(yè)門類的評審專家，也可對評審專家的資深等級提出要求。

2） 不得抽取來自需求部門的員工作為評審專家。

3） 同一采購項(xiàng)目中，不得出現(xiàn)兩名評審專家來自同一個(gè)部門的情形（含委派的評委）。

4） 評審專家如果出差或休假，可提前登記。登記期間不再抽取。

5） 不得抽取近7天已經(jīng)有2次參審記錄的評審專家。

此外，由于多個(gè)采購項(xiàng)目的評審專家抽取任務(wù)需要并行執(zhí)行，應(yīng)當(dāng)避免抽取沖突情形（如兩個(gè)同一時(shí)間評審的采購項(xiàng)目不能抽取同一名評審專家等）。

2 評審專家自動化抽取業(yè)務(wù)分析

要實(shí)現(xiàn)評審專家抽取的自動化，需要在上面業(yè)務(wù)模型的基礎(chǔ)上，對一些關(guān)鍵環(huán)節(jié)進(jìn)行進(jìn)一步剖析和設(shè)計(jì)。

2.1 關(guān)于業(yè)務(wù)流程

評審專家的自動抽取是一個(gè)人機(jī)互動的業(yè)務(wù)，涉及的角色有需求方、管理方和自動抽取平臺。有必要對業(yè)務(wù)流程進(jìn)行細(xì)化，明確各角色的工作內(nèi)容，區(qū)分自動抽取和人工干預(yù)的邊界，具體流程圖見圖1。

2.2 關(guān)于抽取申請

提出專家抽取申請是整個(gè)抽取業(yè)務(wù)的第一步。一個(gè)采購項(xiàng)目可提出一個(gè)抽取申請，一個(gè)抽取申請內(nèi)包含多個(gè)申請條目。每個(gè)抽取申請應(yīng)當(dāng)明確項(xiàng)目編號、項(xiàng)目名稱、需求部門、委派評委的部門；每個(gè)申請條目都應(yīng)當(dāng)明確專家的專業(yè)門類（指對專家專業(yè)取向的要求。在銀聯(lián)的專家管理體系中，為專家劃分了34個(gè)專業(yè)門類，申請時(shí)可在其中選擇）、資深程度（指對專家評審能力的要求。在銀聯(lián)的專家管理體系中，為專家劃分了資深和非資深兩個(gè)等級。申請時(shí)，可以有“資深”、“普通”或“無要求”三個(gè)選擇）和抽取人數(shù)。抽取申請表樣式見表1。

2.3 關(guān)于多項(xiàng)目并行抽取場景的考慮

由于評審專家抽取業(yè)務(wù)往往面臨的是多個(gè)采購項(xiàng)目并行抽取的場景，且抽取的專業(yè)門類、所在部門等也往往會有重疊或交叉，因此，不可避免地會出現(xiàn)抽取沖突的情形。為解決沖突問題，設(shè)定如下原則：

1） 優(yōu)先分級原則。由于不同采購項(xiàng)目的評審專家抽取任務(wù)難度不同，緊急程度也不同，需要對提出專家抽取申請的采購項(xiàng)目劃分不同的優(yōu)先級。在采購評審任務(wù)較為密集時(shí)，安排優(yōu)先級高的采購項(xiàng)目先行抽取，避免優(yōu)先級較低的采購項(xiàng)目與之爭奪專家資源。

2） 資源鎖定原則。當(dāng)一個(gè)采購項(xiàng)目抽取到一名評審專家并向其發(fā)出邀請，無論是否已確認(rèn)，或確認(rèn)結(jié)果如何，該專家資源均已被鎖定，其他采購項(xiàng)目不得再抽取這名評審專家參加相同時(shí)段的采購評審。

3） 頻度控制原則。短時(shí)期內(nèi)頻繁地向一個(gè)評審專家發(fā)送評審邀請，會降低專家的體驗(yàn)度，必須從全局維度（而不是項(xiàng)目維度）控制向?qū)＜野l(fā)送評審邀請的頻度，比如已經(jīng)給某位專家發(fā)送過關(guān)于某一天的項(xiàng)目評審邀請了，不管其答復(fù)如何，系統(tǒng)將不再給他發(fā)那一天任何項(xiàng)目的評審信息。

在多項(xiàng)目并行抽取的場景中，可以看到多個(gè)抽取任務(wù)并行推進(jìn)，要實(shí)現(xiàn)上述原則2）和原則3），必須建立抽取任務(wù)間的通信機(jī)制。通過維護(hù)和查詢“專家抽取日志”來實(shí)現(xiàn)抽取任務(wù)間的通信和互鎖。

2.4 關(guān)于人工干預(yù)

雖然自動化抽取減少了人工操作的強(qiáng)度，強(qiáng)化了專家抽取的獨(dú)立性，但也存在一些弱點(diǎn)：一是對于參審意愿不強(qiáng)的評審專家，當(dāng)接到自動化抽取平臺發(fā)送的短信時(shí)，往往會選擇不參加評審，或置之不理，而當(dāng)接到人工電話時(shí)，會提高參審的積極性；二是由于評審專家抽取的隨機(jī)性、并發(fā)性，以及不同抽取任務(wù)間的互相影響，專家抽取的次序及調(diào)度方案可能不是最優(yōu)的，當(dāng)出現(xiàn)某些采購項(xiàng)目抽不到評審專家時(shí)，必須進(jìn)行人工干預(yù)。在設(shè)計(jì)中，人工干預(yù)主要出現(xiàn)在以下幾種情形下：

1） 經(jīng)過全專家?guī)斓乃阉?，最終未能抽到采購項(xiàng)目所需的全部評審專家；

2） 正在進(jìn)行自動化抽取，但離評審時(shí)間不到半個(gè)工作日；

3） 原先確定參審的評審專家臨時(shí)通知不能參審，需要緊急補(bǔ)抽。

本文在算法中不討論人工干預(yù)的方法，僅僅是在自動化抽取的流程中為人工干預(yù)預(yù)留了出口。

3 自動化抽取算法

3.1 算法設(shè)計(jì)思路

本文算法的總體思路如下：

1） 多項(xiàng)目間實(shí)行并行抽取。即，每個(gè)采購項(xiàng)目提出一份“抽取申請”；每一份“抽取申請”形成一個(gè)抽取任務(wù)；各抽取任務(wù)并行執(zhí)行。

2） 單個(gè)抽取任務(wù)內(nèi)實(shí)行串行抽取。即，一次抽取一名專家，通過短信與之確認(rèn)可否參加，待其答復(fù)（或超時(shí)）后再抽取下一名專家，直至抽取完成（由于一個(gè)采購項(xiàng)目需要抽取的評審專家一般不超過5人，因此，單個(gè)抽取任務(wù)內(nèi)的串行抽取是能滿足抽取效率要求的）。

3） 專家篩選規(guī)則動態(tài)調(diào)整。對于每一次抽取，首先要從專家?guī)熘幸罁?jù)一定的規(guī)則篩選出一個(gè)專家子集（對應(yīng)于后面算法中的TABLE_F），然后在該子集中以隨機(jī)抽取的方式抽取一名評審專家。由于不同抽取任務(wù)之間，以及一個(gè)抽取任務(wù)內(nèi)的不同抽取輪次之間存在相互影響，因此，每一次抽取的篩選規(guī)則受到其他抽取任務(wù)及之前抽取輪次有關(guān)抽取結(jié)果的影響（如一名專家已經(jīng)接受了其他抽取任務(wù)的評審邀請，就不能接受本抽取任務(wù)的邀請了）。為實(shí)現(xiàn)篩選規(guī)則的“動態(tài)化”，本算法設(shè)計(jì)了一個(gè)面向所有抽取任務(wù)的抽取共享信息池（對應(yīng)于后面算法中的TABLE_LOG）。自動化抽取平臺在實(shí)施每次抽取前都要基于該信息池，動態(tài)調(diào)整本次抽取的評審專家篩選規(guī)則，從而確保抽取任務(wù)的正確完成。endprint

基于上述思路，以中國銀聯(lián)評審專家抽取業(yè)務(wù)模型為例，具體描述數(shù)據(jù)庫的庫表結(jié)構(gòu)和算法框架。

3.2 主要數(shù)據(jù)庫表的結(jié)構(gòu)模型

1） 評審專家?guī)旖Y(jié)構(gòu)模型

評審專家?guī)欤═ABLE_EXPERT）用于記錄專家靜態(tài)信息，每條記錄對應(yīng)一名評審專家，詳見表2。

2） 專家抽取申請表結(jié)構(gòu)模型

專家抽取申請表（TABLE_APPLY）用于記錄專家申請信息，每條記錄對應(yīng)一次評審專家申請，詳見表3。

3） 專家抽取條目表結(jié)構(gòu)模型

專家抽取條目表（TABLE_APPLY_ITEM）用于記錄專家抽取申請中的抽取條目，每條記錄對應(yīng)一個(gè)抽取條目，與專家抽取申請表（TABLE_APPLY）形成一對多的關(guān)系，詳見表4。

4） 專家抽取日志結(jié)構(gòu)模型

專家抽取日志（TABLE_LOG）用于記錄評審專家抽取動作，每向一位專家發(fā)送一次評審邀請，就在本日志中增加一條記錄，詳見表5。

3.3 算法框架描述

基于上述業(yè)務(wù)邏輯和庫表結(jié)構(gòu)，現(xiàn)使用偽代碼給出自動化抽取算法如下：

Begin

// 本算法用于完成一個(gè)項(xiàng)目的自動化抽取任務(wù)。

// 抽取任務(wù)分為三個(gè)階段完成：

// ==== STEP 1：接收抽取申請，參數(shù)初始化 ====

接收抽取申請（TABLE_APPLY）；

DATE = TABLE_APPLY.Evaluate_Date；

// 需要屏蔽的部門列表 = 需求部門列表 + 委派評委的部門列表

NO_EXTR_DEPT=TABLE_APPLY.Dept_of_Demand+TABLE_APPLY.Dept_of_Apointee；

參審專家清單 = NULL；

// ==== STEP 2：判定抽取優(yōu)先級，安排抽取時(shí)間 ====

// 安排兩個(gè)優(yōu)先級，高優(yōu)先級項(xiàng)目從9點(diǎn)鐘開始抽，一般項(xiàng)目從10點(diǎn)鐘開始抽。

// 包含如下三種情形之一的項(xiàng)目，定義為高優(yōu)先級項(xiàng)目：一是項(xiàng)

目抽取專家總?cè)藬?shù)超過5人（含）；二是項(xiàng)目評審時(shí)間為“全天”；

三是離評審開始時(shí)間少于30 h的。

if （需抽取專家總?cè)藬?shù)超過5人（含），或評審時(shí)間為“全天”，或離評審開始時(shí)間少于30 h）{

START_TIME = 9：00；

}

else{

START_TIME = 10：00；

}

do{

wait（）；

}until（System_time>= START_TIME）；

// ==== STEP 3： 執(zhí)行一個(gè)采購項(xiàng)目的抽取任務(wù) ====

while （還有尚未處理的申請條目）{

//執(zhí)行一個(gè)申請條目的抽取任務(wù)。

選擇一個(gè)尚未處理的申請條目，開始自動化抽取；

M = TABLE_APPLY_ITEM.Number_of_Need；

//初始化本申請條目抽取人數(shù)

select評審專家from評審專家?guī)?/p>

where該評審專家的專業(yè)門類滿足申請條目中關(guān)于專家專業(yè)門類的要求

and該評審專家的資深程度滿足申請條目中關(guān)于專家資深程度的要求

and該評審專家沒有登記休假或出差

and該評審專家近7天已經(jīng)參審記錄少于2次；

把得到的結(jié)果存放在臨時(shí)表TABLE_G中；

i = M；

do{

select 評審專家 from TABLE_G

// 屏蔽來自本項(xiàng)目需求部門、委派評委部門及已經(jīng)確認(rèn)參加本項(xiàng)目評審的專家所在部門的專家

where “評審專家.所在部門”不在“需要屏蔽的部門列表”中

// 屏蔽已經(jīng)接收到同一天采購項(xiàng)目評審邀請的專家

and TABLE_LOG（評審專家.Expert_ID，DATE）=NULL；

把得到的結(jié)果存放在臨時(shí)表TABLE_F中；

// 已對專家?guī)爝M(jìn)行了遍歷，但未抽到足夠的專家，切換到人工抽取

if （TABLE_F == NULL）{跳出本循環(huán)；}

從TABLE_F中隨機(jī)抽取一名專家向其發(fā)送邀請短信；

insert into TABLE_LOG（Expert_ID，Date，Reply_Time，Status）

value （Ei.Expert_ID，DATE，System_time，‘未答復(fù)）；

將專家所在的部門添加到“需要屏蔽的部門列表”中；

i??；

}until（i<=0）；

if （i>0）{跳出本循環(huán)} //本申請條目抽取失敗

等待20 min； //暫定等待專家回復(fù)的時(shí)間是20 min

j = M；

while （j>=1） {

if（專家答復(fù)可以參加）{

update TABLE_LOG set Status=‘參加where Expert_ID=Ej；

把加入“參審專家清單”中；

M??；

}

else{

update TABLE_LOG set Status=‘不參加where Expert_ID=Ej；endprint

將專家所在的部門從“需要屏蔽的部門列表”中去除；

}

j??；

}

}

if （M<=0）{

向上級程序返回“參審專家清單”，并告知抽取成功；

}

else{

向上級程序返回“參審專家清單”，切換到人工抽??；

}

End

4 結(jié) 語

本文給出的算法框架是基于中國銀聯(lián)的采購評審專家管理模型和業(yè)務(wù)訴求進(jìn)行設(shè)計(jì)的，已經(jīng)納入中國銀聯(lián)的采購信息化體系，并在實(shí)踐中發(fā)揮了積極的作用[10]。由于不同的單位在專家?guī)鞌?shù)量、管理模式、業(yè)務(wù)模型等方面存在差異，可依據(jù)本文算法的指導(dǎo)思想，對本算法涉及的庫表結(jié)構(gòu)、抽取流程、抽取規(guī)則等進(jìn)行適應(yīng)性調(diào)整。當(dāng)庫內(nèi)評審專家數(shù)量和使用評審專家的采購項(xiàng)目數(shù)量大幅增加時(shí)，可考慮使用人工智能的有關(guān)算法對本文算法框架進(jìn)行進(jìn)一步優(yōu)化，以提高評審專家抽取的效率和成功率。

參考文獻(xiàn)

[1] 任真.國家投資工程建設(shè)項(xiàng)目評標(biāo)專家?guī)熘悄艹槿?yīng)用研究[D].成都：電子科技大學(xué)，2008：37?57.

REN Zhen. Application research on intelligent extraction of evaluation expert library of state?invested construction projects [J]. Chengdu： University of Electronic Science and Technology of China， 2008： 37?57.

[2] 李菁菁.國家投資建設(shè)項(xiàng)目網(wǎng)上招投標(biāo)研究：專家管理系統(tǒng)和IT采納[D].成都：電子科技大學(xué)，2009：57?72.

LI Jingjing. Study on electronic tendering of state?invested construction projects： expert management system and IT adoption [D]. Chengdu： University of Electronic Science and Technology of China， 2009： 57?72.

[3] 于陽.政府采購系統(tǒng)中專家?guī)斓拿こ槿》椒╗D].成都：四川大學(xué)，2006：36?51.

YU Yang. The blinded selection method of experts database in the government e?procurement system [D]. Chengdu： Sichuan University， 2006： 36?51.

[4] 王威.政府采購中評標(biāo)專家?guī)煜到y(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].南京：南京理工大學(xué)，2011：38?41.

WANG Wei. The design and implementation of an evaluation expert library in government procurement [D]. Nanjing： Nanjing University of Science and Technology， 2011： 38?41.

[5] 王豐飛，方俊，張慶華.專家?guī)旃芾砼c評標(biāo)專家抽取系統(tǒng)設(shè)計(jì)[J].電子測試，2015（16）：20?21.

WANG Fengfei， FANG Jun， ZHANG Qinghua. Expert database management and evaluation system design of bid evaluation expert [J]. Electronic test， 2015（16）： 20?21.

[6] 于陽，李濤，胡曉勤，等.一種安全電子招標(biāo)系統(tǒng)中專家抽取的方法[J].計(jì)算機(jī)應(yīng)用研究，2007（1）：180?182.

YU Yang， LI Tao， HU Xiaoqin， et al. Experts selection me?thod in secure e?bidding system [J]. Application research of computers， 2007（1）： 180?182.

[7] 孟陶然.評標(biāo)專家均衡隨機(jī)抽取模型[J].中國管理信息化，2009，12（15）：50?53.

MENG Taoran. Random and equilibrium model for selecting bidding evaluation experts [J]. China management informatio?nization， 2009， 12（15）： 50?53.

[8] 李建國.采購評審專家自動化語音抽取系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)[J].工程技術(shù)，2016（6）：114?115.

LI Jianguo. Design and implementation of automatic voice extraction system for procurement evaluation experts [J]. Enginee?ring technology， 2016（6）： 114?115.

[9] 蘇曉蘭.企業(yè)采購中評審專家自動化抽取方式的探索[J].中國招標(biāo)，2016（14）：13?14.

SU Xiaolan. The exploration of expert automatic extraction method in enterprise procurement [J]. China tendering weekly， 2016（14）： 13?14.

[10] 江卓軍，陳琤，王增洪.金融采購信息化初探[J].電子科學(xué)技術(shù)，2016，3（4）：518?522.

JIANG Zhuojun， CHEN Cheng， WANG Zenghong. An exploration on the informationization on financial firms′ procurement [J]. Electronic science & technology， 2016， 3（4）： 518?522.endprint