问题——招投标活动覆盖基础设施建设、公共服务采购等重点领域，关注度高、资金规模大、环节链条长。现实中，围标串标、投标“陪跑”、异常报价、关联企业交叉投标等隐性行为，常借助复杂的企业关系和投标策略隐藏起来，给监管部门的日常筛查、线索固化和风险预警带来难度。另一方面，合规企业也希望规则清晰、证据可核环境中参与竞争，避免因数据特征看似“异常”而被误判，影响信誉与市场机会。 原因——长期以来，一些异常识别手段偏重单一维度：要么主要依赖投标文本或报价相似度，要么基于静态指标做阈值判别。面对“策略性分散”“跨项目联动”“多层关联公司运作”等新型手法，这类方法容易出现两上不足：一是只看到局部相似，难以揭示企业之间长期、隐蔽的结构性联系；二是只在单一尺度上识别团体，忽略企业关系可能随项目类型、地域范围和时间阶段呈现不同聚合形态，导致线索碎片化、解释链条不完整。 影响——此次联合申请的专利提出，以招投标记录为基础构建投标企业关系网络，将企业在多个项目中的竞争与共现关系进行结构化表达；在此基础上开展社区检测——识别不同尺度下的企业团体——并比较不同尺度的社区集合，找出在多尺度上稳定出现的“稳健团体”。该设计旨在区分“偶然同场”和“结构性结盟”，使风险识别从单点特征判断转向对网络结构与群体行为的综合研判。专利还提出构建企业团体层级树，刻画团体之间的包含关系与层级关联，为解释“谁与谁形成稳定团体、团体如何分化组合、行为如何随时间演化”提供更清晰的证据框架。最后，通过候选异常团体筛选机制，结合投标流向图与子团体事件时序图协同分析，提升对异常投标行为识别的稳健性与可解释性，在提高准确率的同时降低误报风险。 对策——从治理实践看，推动招投标领域由“事后查处”向“事前预警、事中干预、事后追溯”转型，需要数据、规则与流程共同推进。一是夯实数据治理基础，推动项目公告、报名、投标、开评标、定标、履约等关键环节数据标准化、可追溯，减少信息孤岛，为算法模型提供稳定输入。二是坚持技术辅助而非替代，建立“模型预警—人工复核—执法取证—闭环反馈”的工作机制，确保识别结果可审计、可复盘、可解释。三是明确合规边界与权责清单，细化异常识别的适用范围、触发阈值、复核流程与救济通道，既提升查处效率，也保护正常竞争主体的合法权益。四是加强跨部门协同，在依法合规前提下探索与信用监管、行业监管、公共资源交易平台的数据联动，提升对跨区域、跨项目异常行为的发现能力。 前景——随着公共资源交易数字化不断推进，招投标监管正从经验判断转向数据驱动。基于关系网络、多尺度社区识别和时序分析的综合方法，契合复杂市场行为“隐蔽化、网络化、长期化”的演变趋势。未来，如对应的成果在更大样本、更复杂场景中得到充分验证，并与行业规则、风险指标体系及执法实践有效衔接，有望在工程建设、政府采购、国企招采等场景形成可推广的治理工具箱，继续提升市场透明度与公共资金使用效率。同时也需重视技术应用边界：算法模型应持续校准，降低数据偏差带来的误判；对企业关系与交易行为的分析要严格遵守数据安全与隐私保护要求，确保技术创新在法治框架内运行。
招投标秩序建设的关键，是让守规者更安心、让违规者更难遁；以数据为基础、以模型为工具、以制度为边界的治理思路，正在为公共资源交易提供新的治理手段。技术进步不是替代规则，而是提升规则可执行性、让监督更精准；只有在公开透明、依法合规的轨道上持续创新，才能更好维护市场公平与高质量发展。