我院拟对《向量化数据预处理服务》项目按照询价采购方式进行采购。凡有意向参与此次采购的供应商,请携带报价单、营业执照、资质文件复印件并加盖公章，于2024年11月25日上午9:00前交至北京朝阳医院信息中心。

项目名称：《向量化数据预处理服务》

采购人：  首都医科大学附属北京朝阳医院

采购项目最高限价：5万元，超过最高限价的报价，将被取消询价资格。

响应文件提交截止时间及地点：

提交截止时间：2024年11月25日09：00（北京时间）

地点：工体南路8号北京朝阳医院信息中心

在以上截止时间后送达到指定地点的响应文件为无效文件，该文件将被拒收。

项目需求：为了提升在生成式文本模型方面的技术能力和用户体验，现需进行数据脱敏、数据准备、数据向量化等一系列工作。

本项目旨在通过这些步骤，为建立一个高效、安全且用户友好的生成式文本模型系统打好基础。具体要求如下：

1. 数据脱敏

对原始数据中的个人身份信息（如姓名、身份证号、电话号码、联系人信息、地址信息等）进行脱敏处理，确保这些信息无法被重新识别。

对敏感词汇进行脱敏处理，确保这些信息不会泄露。

使用多种脱敏技术，如替换、加密、哈希等，以确保脱敏后的数据仍能保持其原有的语义和结构。

进行脱敏效果验证，确保脱敏后的数据符合相关法律法规的要求。

2. 数据准备

收集来自不同来源的文本数据，包括但不限于医疗文书、护理文书、专业文献等。

清洗数据，去除重复项、纠正错误、处理缺失值等，确保数据的质量。

整理数据，使其符合后续处理的要求，例如统一格式、标准化处理等。

进行数据标注，对部分数据进行人工标注，以便于模型训练和验证。

构建数据流水线，自动化处理数据采集、清洗和整理过程，提高效率。

3. 数据向量化

使用预训练的词嵌入模型将文本数据转换为向量表示。对向量进行归一化处理，以确保它们在同一尺度上比较。

选择合适的词嵌入模型，并根据实际需求进行微调，以提高向量的质量。

验证向量的质量，通过相似度计算、聚类分析等方法评估向量的有效性。

应答人资格要求：

1、在中华人民共和国境内注册，能够独立承担民事责任。

2、遵守国家有关法律、法规、规章，具有良好的商业信誉和健全的财务会计制度。

3、具备对故障设备提供紧急修复的技术能力；具备设备的升级、维护、保养等综合技术支持和实际维护经验。

4、供应商企业经济状况良好，在近三年内无重大经营违法活动。

5、良好的商业信誉和健全的财务会计制度。

6、具备履行合同所必须的设备和专业技术能力。

联系人：何宜楠

联系电话：010-85231654