Create modules/requirement_analyzer.py

modules/modules/requirement_analyzer.py

@@ -0,0 +1,211 @@
+import re
+import os
+import json
+import numpy as np
+from typing import Dict, List, Any, Union, Tuple, Optional
+from datetime import datetime
+
+# استيراد نماذج الذكاء الاصطناعي
+from modules.ai_models import LLMProcessor
+
+class RequirementAnalyzer:
+    """
+    فئة لتحليل متطلبات المناقصة وتقييمها
+    """
+    
+    def __init__(self, use_ai: bool = True):
+        """
+        تهيئة محلل المتطلبات
+        
+        المعاملات:
+        ----------
+        use_ai : bool, optional
+            استخدام الذكاء الاصطناعي للتحليل المتقدم (افتراضي: True)
+        """
+        self.use_ai = use_ai
+        
+        # تحميل قاعدة بيانات المتطلبات القياسية
+        self.standard_requirements = self._load_standard_requirements()
+        
+        # تحميل معايير التقييم
+        self.evaluation_criteria = self._load_evaluation_criteria()
+        
+        # إنشاء معالج نماذج اللغة الكبيرة إذا تم تفعيل استخدام الذكاء الاصطناعي
+        if self.use_ai:
+            self.llm_processor = LLMProcessor()
+    
+    def _load_standard_requirements(self) -> Dict[str, List[Dict[str, Any]]]:
+        """
+        تحميل قاعدة بيانات المتطلبات القياسية
+        """
+        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
+        return {
+            "عام": [
+                {
+                    "id": "G001",
+                    "title": "شهادات الاعتماد",
+                    "description": "يجب أن يكون المورد/المقاول حاصل على الشهادات والاعتمادات الضرورية للعمل",
+                    "importance": "عالية",
+                    "category": "إدارية"
+                },
+                {
+                    "id": "G002",
+                    "title": "الخبرة السابقة",
+                    "description": "يجب أن يكون لدى المورد/المقاول خبرة سابقة في أعمال مماثلة",
+                    "importance": "عالية",
+                    "category": "فنية"
+                }
+            ],
+            "إنشاءات": [
+                {
+                    "id": "C001",
+                    "title": "تصنيف المقاولين",
+                    "description": "يجب أن يكون المقاول مصنف لدى وزارة الشؤون البلدية والقروية والإسكان في المجال والدرجة المطلوبة",
+                    "importance": "عالية",
+                    "category": "إدارية"
+                },
+                {
+                    "id": "C002",
+                    "title": "جودة المواد",
+                    "description": "يجب أن تكون جميع المواد المستخدمة مطابقة للمواصفات القياسية السعودية",
+                    "importance": "عالية",
+                    "category": "فنية"
+                }
+            ],
+            "تقنية معلومات": [
+                {
+                    "id": "IT001",
+                    "title": "شهادة NITCS",
+                    "description": "يجب أن يكون المورد حاصل على شهادة المركز الوطني للتصديق الرقمي",
+                    "importance": "عالية",
+                    "category": "إدارية"
+                },
+                {
+                    "id": "IT002",
+                    "title": "متطلبات الأمن السيبراني",
+                    "description": "يجب الالتزام بمتطلبات الأمن السيبراني وفق ضوابط الهيئة الوطنية للأمن السيبراني",
+                    "importance": "عالية",
+                    "category": "فنية"
+                }
+            ]
+        }
+    
+    def _load_evaluation_criteria(self) -> Dict[str, Dict[str, Any]]:
+        """
+        تحميل معايير التقييم للمتطلبات
+        """
+        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
+        return {
+            "فنية": {
+                "weight": 0.6,
+                "subcriteria": {
+                    "جودة الحلول المقترحة": 0.3,
+                    "الخبرة في مشاريع مماثلة": 0.25,
+                    "الكوادر الفنية": 0.25,
+                    "المنهجية وخطة العمل": 0.2
+                }
+            },
+            "مالية": {
+                "weight": 0.3,
+                "subcriteria": {
+                    "السعر الإجمالي": 0.7,
+                    "تفاصيل التكاليف": 0.2,
+                    "شروط الدفع": 0.1
+                }
+            },
+            "المحتوى المحلي": {
+                "weight": 0.1,
+                "subcriteria": {
+                    "نسبة المحتوى المحلي": 0.7,
+                    "توظيف الكوادر السعودية": 0.3
+                }
+            }
+        }
+    
+    def analyze(self, extracted_data: Dict[str, Any]) -> Dict[str, Any]:
+        """
+        تحليل البيانات المستخرجة وتقييم المتطلبات
+        
+        المعاملات:
+        ----------
+        extracted_data : Dict[str, Any]
+            البيانات المستخرجة من المستند
+            
+        المخرجات:
+        --------
+        Dict[str, Any]
+            نتائج تحليل المتطلبات
+        """
+        analysis_results = {
+            "requirements": [],
+            "compliance": {},
+            "gaps": [],
+            "risks": [],
+            "recommendations": [],
+            "evaluation": {}
+        }
+        
+        # استخراج المتطلبات من البيانات المستخرجة
+        if "requirements" in extracted_data:
+            requirements = extracted_data["requirements"]
+        else:
+            requirements = []
+        
+        # تصنيف وتنظيم المتطلبات
+        categorized_reqs = self._categorize_requirements(requirements)
+        analysis_results["categorized_requirements"] = categorized_reqs
+        
+        # تحليل الامتثال للمتطلبات القياسية
+        compliance_results = self._analyze_compliance(requirements)
+        analysis_results["compliance"] = compliance_results
+        
+        # تحديد الفجوات في المتطلبات
+        gaps = self._identify_gaps(requirements, extracted_data)
+        analysis_results["gaps"] = gaps
+        
+        # تحليل المخاطر المتعلقة بالمتطلبات
+        risks = self._analyze_risks(requirements, extracted_data)
+        analysis_results["risks"] = risks
+        
+        # إعداد التوصيات
+        recommendations = self._generate_recommendations(
+            requirements, compliance_results, gaps, risks, extracted_data
+        )
+        analysis_results["recommendations"] = recommendations
+        
+        # إعداد تقييم المتطلبات
+        if "project_type" in extracted_data:
+            project_type = extracted_data["project_type"]
+        else:
+            project_type = "عام"
+            
+        evaluation = self._evaluate_requirements(requirements, project_type)
+        analysis_results["evaluation"] = evaluation
+        
+        # استخدام الذكاء الاصطناعي للتحليل المتقدم إذا كان مفعلاً
+        if self.use_ai and requirements:
+            ai_analysis = self._analyze_with_ai(requirements, extracted_data)
+            analysis_results["ai_analysis"] = ai_analysis
+        
+        # تضمين المتطلبات الكاملة في النتيجة
+        analysis_results["requirements"] = requirements
+        
+        return analysis_results
+    
+    def _categorize_requirements(self, requirements: List[Dict[str, Any]]) -> Dict[str, List[Dict[str, Any]]]:
+        """
+        تصنيف المتطلبات حسب الفئات
+        """
+        categorized = {}
+        
+        # تصنيف المتطلبات حسب الفئة
+        for req in requirements:
+            category = req.get("category", "عامة")
+            
+            if category not in categorized:
+                categorized[category] = []
+                
+            categorized[category].append(req)
+        
+        # تصنيف ثانوي حسب الأهمية
+        for category