В.В. Мелентьев1, Д.В. Сердечный2, П.В. Никитин3, С.А. Корчагин4

1 Энгельсский технологический институт (г. Энгельс, Россия),
филиал Саратовского государственного технического университета имени Гагарина Ю.А.

2−4 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)

1 melen2004@inbox.ru, 2dvserdechny@fa.ru, 3pvnikitin@fa.ru, 4sakorchagin@fa.ru

Постановка проблемы. Для проведения интеллектуального анализа государственных контрактов, построения качественных моделей прогнозирования исполнения контрактов, поиска закономерностей и прочей ценной информации нужны данные о самих контрактах, которые находятся в открытом доступе в различных информационных системах. В настоящее время сбор таких данных является трудоемкой задачей. Парсинговая система позволяет автоматизировать процесс сбора данных и провести их предобработку для последующего построения моделей машинного обучения и проведения интеллектуального анализа.

Цель. Разработать парсинговую систему для автоматического сбора и обработки информации о государственных контрактах, а также для подготовки данных для их использования в алгоритмах машинного обучения.

Результаты. Создана парсинговая система, которая позволяет собирать информацию о государственных контрактах из различных источников, а также проводить их автоматический анализ с использованием методов машинного обучения.

Практическая значимость. Разработанная система может быть использована для улучшения эффективности управления государственными закупками и повышения их транспарентности.

Мелентьев В.В., Сердечный Д.В., Никитин П.В., Корчагин С.А. Разработка парсинговой системы государственных контрактов и их интеллектуальный анализ // Информационно-измерительные и управляющие системы. 2023. Т. 21. № 5. С. 36−47. DOI: https://doi.org/10.18127/j20700814-202305-05

1. Пузырев С.А., Солукова А.А. Анализ механизма регулирования государственных закупок в Европейском союзе // Вестник Московского университета МВД России. 2019. № 5. С. 263−267.
2. Попова А.А., Сердечный Д.В., Корчагин С.А., Никитин П.В. Экономические аспекты внедрения автоматических систем управления в деятельность производственных организаций // Вестник Алтайской академии экономики и права. 2023. № 2-1. С. 86−90.
3. Samuels D. Government procurement and changes in firm transparency // The Accounting Review. 2021. Т. 96. № 1. С. 401−430.
4. Jiménez A., Hanoteau J., Barkemeyer R. E-procurement and firm corruption to secure public contracts: The moderating role of governance institutions and supranational support // Journal of Business Research. 2022. Т. 149. С. 640−650.
5. Zhang X., Yousaf H.M.A.U. Green supply chain coordination considering government intervention, green investment, and customer green preferences in the petroleum industry // Journal of Cleaner Production. 2020. Т. 246. С. 118984.
6. Малкина М.Ю., Виноградова А.В. Как российские институты влияют на эффективность госзаказа // Всерос. экономический журнал ЭКО. 2020. № 3 (549). С. 8−29.
7. Молоканов А.И. Совершенствование роли банков в системе государственного заказа в условиях развития инновационных финансовых технологий // Наука и бизнес: пути развития. 2020. № 9. С. 183−186.
8. Ахмедов Р.Т. Коррупция в сфере государственных заказов // Форум молодых ученых. 2020. № 1 (41). С. 47−54.
9. Felbermayr G. et al. The global sanctions data base // European Economic Review. 2020. Т. 129. С. 103561.
10. Молдобаев Т.Ш. Цифровые инструменты анализа данных по сомнительным контрагентам // Цифровая трансформация для укрепления экономического потенциала страны и улучшения качества жизни людей. С. 29.
11. Engin Z., Treleaven P. Algorithmic government: Automating public services and supporting civil servants in using data science technologies // The Computer Journal. 2019. Т. 62. № 3. С. 448−460.
12. Janssen M. et al. A framework for analysing blockchain technology adoption: Integrating institutional, market and technical factors // International Journal of Information Management. 2020. Т. 50. С. 302−309.
13. Гурин О. Июльские поправки к Закону № 44−ФЗ: новая конфигурация контрактной системы // Прогосзаказ.РФ. 2021. № 9. С. 6.
14. Фетисова Я.Р. Обзор практики: наиболее распространенные способы закупок по 223−ФЗ и 44−ФЗ // StudNet. 2022. Т. 5. № 1. С. 743−753.
15. Аристархова М.К., Зуева О.К., Перевезенцева А.Ю. Методика оценки эффективности исполнения государственного заказа // Journal of new economy. 2017. № 1 (69). С. 47−62.
16. Стырин Е.М., Родионова Ю.Д. Единая информационная система в сфере закупок как государственная цифровая платформа: современное состояние и перспективы // Вопросы государственного и муниципального управления. 2020. № 3. С. 49−70.
17. Кушнарёв В.В. Организационно-экономический механизм логистизации системы госзакупок // Вестник Ростовского государственного экономического университета (РИНХ). 2014. № 2 (46). С. 69−72.
18. Лябах А.Ю., Куликов В.С. Анализ единой информационной системы в сфере закупок и пути ее совершенствования // ГосРег: государственное регулирование общественных отношений. 2017. № 2. С. 18−18.
19. Thivaharan S., Srivatsun G., Sarathambekai S. A survey on python libraries used for social media content scraping // 2020 International Conference on Smart Electronics and Communication (ICOSEC). IEEE. 2020. С. 361−366.
20. Patel J.M., Patel J.M. Web scraping in python using beautiful soup library // Getting Structured Data from the Internet: Running Web Crawlers/Scrapers on a Big Data Production Scale. 2020. С. 31−84.
21. Nagpal A., Gabrani G. Python for data analytics, scientific and technical applications // 2019 Amity international conference on artificial intelligence (AICAI). IEEE. 2019. С. 140−145.
22. Hug N. Surprise: A Python library for recommender systems // Journal of Open Source Software. 2020. Т. 5. № 52. С. 2174.
23. Gayoso A. et al. A Python library for probabilistic analysis of single-cell omics data // Nature biotechnology. 2022. Т. 40. № 2. С. 163−166.
24. Ravasi M., Vasconcelos I. PyLops – A linear-operator Python library for scalable algebra and optimization // SoftwareX. 2020. Т. 11. С. 100361.
25. Cam N.T. et al. Detect malware in android firmware based on distributed network environment // 2019 IEEE 19th International Conference on Communication Technology (ICCT). IEEE. 2019. С. 1566−1570.
26. Doroshenko I.A. Creating a virtual assistant using Python // LinguaNet. 2021. С. 15−18.
27. Ильичев В.Ю., Юрик Е.А. Анализ массивов данных с использованием библиотеки Pandas для Python // Научное обозрение. Технические науки. 2020. № 4. С. 41−45.
28. Harris C.R. et al. Array programming with NumPy // Nature. 2020. Т. 585. № 7825. С. 357−362.
29. Sial A.H., Rashdi S.Y.S., Khan A.H. Comparative analysis of data visualization libraries Matplotlib and Seaborn in Python // International Journal. 2021. Т. 10. № 1.
30. Тимохин П.Ю., Михайлюк М.В. Метод извлечения поверхностей уровня на GPU с помощью программируемой тесселяции // Программирование. 2020. Т. 490. № 3. С. 66−72.