Пять прикладных сценариев
Похожие тендеры
Поиск закупок с близким смыслом даже при разной терминологии и формулировках.
Товарные и контрактные аналоги
Сопоставление позиций, описаний, КТРУ и ОКПД2 для оценки цен и конкуренции.
Многоязычный поиск RFQ
Общее пространство эмбеддингов для запросов и объявлений на разных языках.
Поиск по документации
Семантическое извлечение по фрагментам OCR‑текста, требованиям, приложениям и техническим заданиям.
Рекомендации поставщикам
Подбор релевантных возможностей по профилю компании, истории участия и товарам.
Рабочая архитектура
Метаданные закупки остаются отдельными фильтруемыми полями: дата, регион, заказчик, отрасль, диапазон цены и классификаторы. Вектор не должен заменять точные ограничения доступа или бизнес‑фильтры.
Что индексировать
| Объект | Текст для эмбеддинга | Метаданные |
|---|---|---|
| Тендер | название, предмет, описание, требования | дата, регион, цена, закон, заказчик |
| Позиция | наименование, характеристики, единица измерения | ОКПД2, КТРУ, количество, цена |
| Документ | чанки (chunks) распознанного текста | тип файла, страница, тендер, права |
| Организация | профиль, направления деятельности, товары | ИНН, регион, роли, риск‑события |
Контроль качества
- соберите эталонный набор (golden set) из реальных поисковых задач
- проверьте Recall@K и nDCG отдельно по коротким и длинным запросам
- сравните плотное, разреженное и гибридное извлечение с одинаковым переранжировщиком
- оцените влияние OCR, разбиения на чанки (chunking), дублей и смены модели эмбеддингов
- контролируйте права доступа и фильтры до выдачи кандидатов
Пилот без самообмана
Начните с одного измеримого сценария и репрезентативного среза данных. Зафиксируйте базовую линию ключевого или SQL‑поиска, бюджет задержки и минимально допустимое качество. После этого сравнивайте модели и индексы на одном наборе запросов.
Источник данных и условия доступа: tenderdatahub.ru ↗