CN110083807B - 合同的修改影响自动预测方法、装置、介质及电子设备 - Google Patents
合同的修改影响自动预测方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN110083807B CN110083807B CN201910185746.7A CN201910185746A CN110083807B CN 110083807 B CN110083807 B CN 110083807B CN 201910185746 A CN201910185746 A CN 201910185746A CN 110083807 B CN110083807 B CN 110083807B
- Authority
- CN
- China
- Prior art keywords
- text
- contract
- modification
- influence
- modified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Abstract
本公开是关于一种合同的修改影响自动预测方法、装置、介质及电子设备,属于机器学习应用技术领域,该方法包括:获取属于同一种类别的第一合同的文本和第二合同的文本;获取第二合同的文本中相对于第一合同的文本的修改文本和第一合同的文本中所述修改文本对应的修改前的原始文本;获取所述修改前的原始文本所来源的第一文本段和所述修改文本所来源的第二文本段;将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。本公开通过训练机器学习模型实现合同的自动修改的影响判断,有效减少了审核负荷,提高了审核准确率和审核效率。
Description
技术领域
本公开涉及机器学习应用技术领域,具体而言,涉及一种合同的修改影响自动预测方法、装置、介质及电子设备。
背景技术
合同是平等主体的自然人、法人、其他组织之间设立、变更、终止民事权利义务关系意思表示一致的协议。
通常合同中具有大量的内容,人工进行对比查找修改部分,效率低,失误率高,给审核人员带来极大的工作负荷,非常耗费人力成本。同时更重要的是合同被恶意修改的部分,肯能对合同会带来巨大的初衷变动,给合同制定的另一方带来极大的损失、危害,合同修改会造成何种影响需要通过大量的知识积累进行分析判断,审核人员工作量大,人力成本高。所以一种自动的可以准确对比识别出合同修改部分,且可以预测修改部分对合同带来的影响的方法意义重大。
因此,需要提供一种合同的修改影响自动预测方法、装置、介质及电子设备。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种合同的修改影响自动预测方案,进而至少在一定程度上在降低审核人员的审核负荷的情况下,自动、准确的判断合同被修改部分对合同带来的影响。
根据本公开的一个方面,提供一种合同的修改影响自动预测方法,其包括:
获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;
将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;
获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
在本公开的一种示例性实施例中,所述将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本,包括:
获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本;
将所述第一合同的文本和第二合同的文本中剔除了目标剔除部分的部分文本进行对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本与所述修改文本对应的修改前的原始文本。
在本公开的一种示例性实施例中,所述获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本包括:
根据所述合同的类别,获取对应所述合同类别的合同模板,所述合同模板中含有对应所述合同的类别的目标剔除部分位置信息;
按照所述目标剔除部分位置信息从第一合同和第二合同中剔除所述目标剔除部分,获得所述第一合同和第二合同中剔除了目标剔除部分的部分文本。
在本公开的一种示例性实施例中,所述获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段,包括:
通过所述修改文本之前的第一个句号和之后的第一个句号确定所述第一文本段;
通过所述原始文本之前的第一个句号和之后的第一个句号确定所述第二文本段。
在本公开的一种示例性实施例中,所述机器学习模型的训练方法是:
收集所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别,得到样本组集,所述样本组事先标定了修改对于合同的影响;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别样本组数据输入机器学习模型,输出与所述样本组对应的所述修改对于合同的影响结果;
如果输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响不一致,则调整机器学习模型的系数,直到一致;
当所有的样本组数据输入机器学习模型后,输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响一致,训练结束。
在本公开的一种示例性实施例中,根据每种类别的合同,分别训练适用于每种类别的合同的机器学习模型,其特征在于,所述方法还包括:
在获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段之后:
根据所述第一合同和第二合同的类别的查找与所述类别对应的机器学习模型;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入查找到的机器学习模型,输出所述修改对于合同的影响的预测结果。
在本公开的一种示例性实施例中,在所述获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的之前,还包括:
获取属于同一种类别的第一合同的扫描图像和第二合同的扫描图像;
利用光学字符识别来识别出所述属于同一种类别的第一合同的文本和第二合同的文本。
本公开还提供一种合同的修改影响自动预测装置,其特征在于,包括:
第一获取模块,用于获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;
对比模块,用于将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;
第二获取模块,用于获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;
判断模块,用于将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
本公开还提供一种计算机可读存储介质,其上存储有合同的修改影响自动预测程序,其特征在于,所述合同的修改影响自动预测程序被处理器执行时实现上述任一项所述的方法。
本公开还提供一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的合同的修改影响自动预测程序;其中,所述处理器配置为经由执行所述合同的修改影响自动预测程序来执行上述任一项所述的方法。
本公开一种合同的修改影响自动预测方法及装置,首先,获取一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;第二合同相比于第一合同进行了部分修改,这些修改在什么地方,这些修改会对合同带来何种影响在后续步骤需要进行判断;将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本的部分文本修改和第一合同的文本中所述部分文本修改对应的修改前的部分文本;通过已有的对比识别技术,将两份合同对比自动找出合同被修改的部分;然后,获取所述修改前的部分文本在第一合同的文本中所来源的第一文本段和所述部分文本修改在第二合同的文本中所来源的第二文本段;文本修改部分只有结合所来源的文本段一起才能完整得出该文本修改的影响;最后,将所述第一文本段、修改前部分文本、第二文本段、部分修改文本和合同类别数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果;通过训练机器学习模型实现合同的自动修改的影响判断,有效减少了审核负荷,提高了审核准确率和审核效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出一种合同的修改影响自动预测方法的流程图。
图2示意性示出一种合同的修改影响自动预测方法的应用场景示例图。
图3示意性示出一种第一文本段和第二文本段的获取方法流程图。
图4示意性示出一种合同的修改影响自动预测装置的方框图。
图5示意性示出一种用于实现上述合同的修改影响自动预测方法的电子设备示例框图。
图6示意性示出一种用于实现上述合同的修改影响自动预测方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了合同的修改影响自动预测方法,该合同的修改影响自动预测方法可以运行于服务器,也可以运行于服务器集群或云服务器等,当然,本领域技术人员也可以根据需求在其他平台运行本发明的方法,本示例性实施例中对此不做特殊限定。参考图1所示,该合同的修改影响自动预测方法可以包括以下步骤:
步骤S110.获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的。
步骤S120.将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本。
步骤S130.获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段。
步骤S140.将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
上述合同的修改影响自动预测方法中,首先,获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;第二合同相比于第一合同进行了部分修改,这些修改在什么地方,这些修改会对合同带来何种影响在后续步骤需要进行判断;将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本的部分文本修改和第一合同的文本中所述部分文本修改对应的修改前的部分文本;通过已有的对比识别技术,可以将两份合同对比自动找出合同被修改的部分;然后,获取所述修改前的部分文本在第一合同的文本中所来源的第一文本段和所述部分文本修改在第二合同的文本中所来源的第二文本段;文本修改部分只有结合所来源的文本段一起才能完整得出该文本修改的影响;最后,将所述第一文本段、修改前部分文本、第二文本段、部分修改文本和合同类别数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果;通过训练机器学习模型实现合同的自动修改的影响判断,有效减少了审核负荷,提高了审核准确率和审核效率。
下面,将结合附图对本示例实施方式中上述合同的修改影响自动预测方法中的各步骤进行详细的解释以及说明。
在步骤S110中,获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的。
在本示例实施方式中,参考图2所示,服务器201获取到服务器202发送的属于同一种类别的第一合同的文本和第二合同的文本,第二合同是在第一合同的基础上修改部分文本后得到的,然后,服务器201就可以在合同的文本中对比查找出第二合同的文本中修改的部分文本。通常被修改的合同中通常只有少数几个文本被修改,但是少数几个文本,也就是部分文本的修改会对合同带来巨大的影响;所以需要在获取合同的文本后,在后续的步骤中从合同文本中查找被修改的部分文本,进而判断这少部分文本修改带来的影响。文本的获取可以是获取一种类别的第一合同的扫描图像和第二合同的扫描图像,利用光学字符识别来识别出所述一种类别的第一合同的文本和第二合同的文本;也可以是直接获取所述文本形式的第一合同和第二合同中的文本。
在步骤S120中,将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本。
在本示例实施方式中,将第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中修改文本对应的修改前的原始文本,利用现有的对比识别技术,可以准确的实现两份合同的对比,查找出不同之处,也就是第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中修改文本对应的修改前的原始文本。例如,通过利用自动查重工具,将第一合同设定为被查文件,将第二合同设为对比文件,就可以找到第二合同中相对于第一合同的文本中发生修改的部分文本,以及在第一合同中对应的原始文本,这样就可以在后续步骤中利用查找到的修改文本和原始文本对比判断,合同修改的影响。
在本示例的一种实施方式中,所述将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本,包括:
获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本;
将所述第一合同的文本和第二合同的文本中剔除了目标剔除部分的部分文本进行对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本与所述修改文本对应的修改前的原始文本。
通常每个合同中都包含有大量的套话等形成合同的背景等部分内容,这部分内容是否修改对合同几乎不会带来影响,也就是不会被修改,这部分内容,也就是目标剔除部分的部分文本,会对后续步骤的计算对比分析带来较大的负荷,将所述第一合同的文本和第二合同的文本中剔除了目标剔除部分的部分文本进行对比,得到第二合同的文本中相对于第一合同的文本的部分文本修改和第一合同的文本中所述部分文本修改对应的修改前的部分文本,通过剔除这部分内容可以有效提高计算分析的效率和准确率,其中,第一合同和第二合同剔除相同的目标剔除部分。
在本示例的一种实施方式中,所述获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本包括:
根据所述合同的类别,获取对应所述合同类别的合同模板,所述合同模板中含有对应所述合同的类别的目标剔除部分位置信息;
按照所述目标剔除部分位置信息从第一合同和第二合同中剔除所述目标剔除部分,获得所述第一合同和第二合同中剔除了目标剔除部分的部分文本。
每种类型的合同通常都具有固定的标准格式,通过包含一种类型的合同的目标剔除部分的位置信息的合同模板匹配到所述目标剔除部分,就可以准确的按照所述目标剔除部分位置信息从第一合同和第二合同中剔除目标剔除部分,获得所述第一合同和第二合同中剔除了目标剔除部分的部分文本。
在步骤S130中,获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段。
在本示例实施方式中,原始文本对整个合同的影响是与原始文本所在的文本段的中体现的,所以需要获取所述原始文本在第二合同的文本中所来源的第二文本段,同时,通过与修改文本和修改文本在第一合同的文本中所来源的第一文本段结合,可以更加准确的得出合同修改的变化带来的影响,所以需要获取所述修改文本在第一合同的文本中所来源的第一文本段,这样就可以在后续步骤中准确获取所述文本的部分修改对于整个合同的影响。
在本示例的一种实施方式中,所述获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段,参考图3所示,包括步骤S310和步骤S320:
在步骤S310中,通过所述修改文本之前的第一个句号和之后的第一个句号确定所述第一文本段;
在步骤S320中,通过所述原始文本之前的第一个句号和之后的第一个句号确定所述第二文本段。
通常一个句号代表该句号之前的文本段表达了一个完整的意思,这样就可以通过句号准确定位获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段。实现在后续步骤中准确的对合同中每一文本段的审核。
在步骤S140中,将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
在本示例实施方式中,将第一文本段、修改文本、第二文本段、原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,可以自动、准确、高效的得到所述修改对于合同的影响的预测结果。其中,预测结果可以是例如本次修改会导致成本上升,本次修改会导致总价上涨等;输入机器学习模型的数据是将第一文本段、修改文本、第二文本段、原始文本和合同类别转化得到的特征向量数据,例如将所有获取的文本根据文本中,词和字按照顺序转化为词向量得到的特征向量数据。
在本示例的一种实施方式中,机器学习模型的训练方法是:
收集所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别,得到样本组集,所述样本组事先标定了修改对于合同的影响;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别样本组数据输入机器学习模型,输出与所述样本组对应的所述修改对于合同的影响结果;
如果输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响不一致,则调整机器学习模型的系数,直到一致;
当所有的样本组数据输入机器学习模型后,输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响一致,训练结束。
机器学习模型的训练样本为:标定了修改对于合同的影响的第一文本段、修改文本、第二文本段、原始文本和合同类别样本组,这样就可以通过文本修改前后和文本修改部分所在的文本段准确的训练可以准确输出各种修改的影响的预测结果。
在本示例的一种实施方式中,根据每种类别的合同,分别训练适用于每种类别的合同的机器学习模型,其特征在于,所述方法还包括:
在获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段之后:
根据所述第一合同和第二合同的类别的查找与所述类别对应的机器学习模型;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入查找到的机器学习模型,输出所述修改对于合同的影响的预测结果。
不同类别的合同的内容往往不同,同时修改部分内容会导致的影响也会不同,本示例中,通过训练适用于每种类别的机器学习模型,在审核时,将每种合同的审核要素数据输入相应合同类别的机器学习模型,可以有效保证机器学习模型的判断准确率。
在本示例的一种实施方式中,在所述获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的之前,还包括:
获取属于同一种类别的第一合同的扫描图像和第二合同的扫描图像;
利用光学字符识别来识别出所述属于同一种类别的第一合同的文本和第二合同的文本。
在收到的合同是纸质版或者其它非文本的形式的合同时,我们需要首先获取扫描版本的合同,然后通过光学字符识别从所述扫描图像中识别出所述一种类别的合同的文本。这样可以方便的处理其它非文本形式的合同,在后面进行合同修改的影响的自动判断。
在本示例的一种实施方式中,在所述获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的之前,还可以包括:
获取所述文本形式的第一合同和第二合同中的文本。
如果需要进行文本修改对合同的影响判断的合同是以文本形式储存的,在需要进行判断时,可以直接获取文本形式的合同中的文本,在后面进行自动审查。
本公开还提供了一种合同的修改影响自动预测装置。参考图4所示,该合同的修改影响自动预测可以包括第一获取模块410、对比模块420、第二获取模块430以及判断模块440。其中:
第一获取模块410可以用于获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;
对比模块420可以用于将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;
第二获取模块430可以用于获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;
判断模块440可以用于将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
上述合同的修改影响自动预测装置中各模块的具体细节已经在对应的合同的修改影响自动预测方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1中所示的步骤S110:获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;S120:将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;步骤S130:获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;步骤S140:将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别的作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (8)
1.一种合同的修改影响自动预测方法,其特征在于,包括:
获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;
将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;
获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;
通过所述修改文本之前的第一个句号和之后的第一个句号确定所述第一文本段;
通过所述原始文本之前的第一个句号和之后的第一个句号确定所述第二文本段;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果;
所述机器学习模型的训练方法是:
收集所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别,得到样本组集,所述样本组事先标定了修改对于合同的影响;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别样本组数据输入机器学习模型,输出与所述样本组对应的所述修改对于合同的影响结果;
如果输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响不一致,则调整机器学习模型的系数,直到一致;
当所有的样本组数据输入机器学习模型后,输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响一致,训练结束。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本,包括:
获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本;
将所述第一合同的文本和第二合同的文本中剔除了目标剔除部分的部分文本进行对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本与所述修改文本对应的修改前的原始文本。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第一合同和第二合同中剔除了目标剔除部分的部分文本包括:
根据所述合同的类别,获取对应所述合同类别的合同模板,所述合同模板中含有对应所述合同的类别的目标剔除部分位置信息;
按照所述目标剔除部分位置信息从第一合同和第二合同中剔除所述目标剔除部分,获得所述第一合同和第二合同中剔除了目标剔除部分的部分文本。
4.根据权利要求1所述的方法,根据每种类别的合同,分别训练适用于每种类别的合同的机器学习模型,其特征在于,所述方法还包括:
在获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段之后:
根据所述第一合同和第二合同的类别查找与所述类别对应的机器学习模型;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别作为输入数据输入查找到的机器学习模型,输出所述修改对于合同的影响的预测结果。
5.根据权利要求1所述的方法,其特征在于,在所述获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的之前,还包括:
获取属于同一种类别的第一合同的扫描图像和第二合同的扫描图像;
利用光学字符识别来识别出所述属于同一种类别的第一合同的文本和第二合同的文本。
6.一种合同的修改影响自动预测装置,其特征在于,包括:
第一获取模块,用于获取属于同一种类别的第一合同的文本和第二合同的文本,所述第二合同是在第一合同的基础上修改部分文本后得到的;
对比模块,用于将所述第一合同的文本和第二合同的文本对比,得到第二合同的文本中相对于第一合同的文本不同的修改文本和第一合同的文本中与所述修改文本对应的修改前的原始文本;
第一获取模块,用于获取所述修改文本在第一合同的文本中所来源的第一文本段和所述原始文本在第二合同的文本中所来源的第二文本段;
通过所述修改文本之前的第一个句号和之后的第一个句号确定所述第一文本段;通过所述原始文本之前的第一个句号和之后的第一个句号确定所述第二文本段;
判断模块,用于将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别作为输入数据输入预先训练好的机器学习模型,得到所述修改对于合同的影响的预测结果;
所述机器学习模型的训练方法包括:
收集所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别,得到样本组集,所述样本组事先标定了修改对于合同的影响;
将所述第一文本段、所述修改文本、所述第二文本段、所述原始文本和合同类别样本组数据输入机器学习模型,输出与所述样本组对应的所述修改对于合同的影响结果;
如果输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响不一致,则调整机器学习模型的系数,直到一致;
当所有的样本组数据输入机器学习模型后,输出的所述修改对于合同的影响与所述样本组对应的修改对于合同的影响一致,训练结束。
7.一种计算机可读存储介质,其上存储有合同的修改影响自动预测程序,其特征在于,所述合同的修改影响自动预测程序被处理器执行时实现权利要求1-5任一项所述的方法。
8. 一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的合同的修改影响自动预测程序;其中,所述处理器配置为经由执行所述合同的修改影响自动预测程序来执行权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910185746.7A CN110083807B (zh) | 2019-03-12 | 2019-03-12 | 合同的修改影响自动预测方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910185746.7A CN110083807B (zh) | 2019-03-12 | 2019-03-12 | 合同的修改影响自动预测方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110083807A CN110083807A (zh) | 2019-08-02 |
CN110083807B true CN110083807B (zh) | 2023-07-25 |
Family
ID=67413152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910185746.7A Active CN110083807B (zh) | 2019-03-12 | 2019-03-12 | 合同的修改影响自动预测方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110083807B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832288B (zh) * | 2020-07-27 | 2023-09-29 | 网易有道信息技术(北京)有限公司 | 文本修正方法及装置、电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105683874A (zh) * | 2013-10-03 | 2016-06-15 | 微软技术许可有限责任公司 | 用于文本预测的绘文字 |
CN108460022A (zh) * | 2018-03-20 | 2018-08-28 | 福州大学 | 一种文本Valence-Arousal情感强度预测方法及系统 |
-
2019
- 2019-03-12 CN CN201910185746.7A patent/CN110083807B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105683874A (zh) * | 2013-10-03 | 2016-06-15 | 微软技术许可有限责任公司 | 用于文本预测的绘文字 |
CN108460022A (zh) * | 2018-03-20 | 2018-08-28 | 福州大学 | 一种文本Valence-Arousal情感强度预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110083807A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460250B (zh) | 用于画像的数据的清洗方法、装置、介质及电子设备 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN110727437B (zh) | 代码优化项获取方法、装置、存储介质及电子设备 | |
CN110110320B (zh) | 自动合同审查方法、装置、介质以及电子设备 | |
CN109947924B (zh) | 对话系统训练数据构建方法、装置、电子设备及存储介质 | |
CN109660533B (zh) | 实时识别异常流量的方法、装置、计算机设备和存储介质 | |
CN107992484B (zh) | 一种评测ocr系统的性能的方法、设备及存储介质 | |
CN110647523B (zh) | 数据质量的分析方法及装置、存储介质、电子设备 | |
CN110705235B (zh) | 业务办理的信息录入方法、装置、存储介质及电子设备 | |
CN110162518B (zh) | 数据分组方法、装置、电子设备及存储介质 | |
CN111079408A (zh) | 一种语种识别方法、装置、设备及存储介质 | |
CN110826619A (zh) | 电子卷宗的文件分类方法、装置及电子设备 | |
CN113032834A (zh) | 一种数据库表格处理方法、装置、设备及存储介质 | |
CN112148841A (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN112989256B (zh) | 识别响应信息中web指纹的方法和装置 | |
CN109064464B (zh) | 用于检测电池极片毛刺的方法和装置 | |
CN111325031A (zh) | 简历解析方法及装置 | |
US10489728B1 (en) | Generating and publishing a problem ticket | |
CN110083807B (zh) | 合同的修改影响自动预测方法、装置、介质及电子设备 | |
CN113936232A (zh) | 一种碎屏识别方法、装置、设备和存储介质 | |
CN110929499B (zh) | 文本相似度获取方法、装置、介质及电子设备 | |
CN113342954A (zh) | 一种应用于问答系统的图像信息处理方法、装置及电子设备 | |
CN112989050A (zh) | 一种表格分类方法、装置、设备及存储介质 | |
CN117349434A (zh) | 语音分类方法、装置及存储介质 | |
CN112669850A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |