CN110442764A - 基于数据爬取的合约生成方法、装置和计算机设备 - Google Patents
基于数据爬取的合约生成方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110442764A CN110442764A CN201910600658.9A CN201910600658A CN110442764A CN 110442764 A CN110442764 A CN 110442764A CN 201910600658 A CN201910600658 A CN 201910600658A CN 110442764 A CN110442764 A CN 110442764A
- Authority
- CN
- China
- Prior art keywords
- main body
- contract
- preset
- information
- vector
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Library & Information Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请揭示了一种基于数据爬取的合约生成方法、装置、计算机设备和存储介质,所述方法包括:爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
Description
技术领域
本申请涉及到计算机领域,特别是涉及到一种基于数据爬取的合约生成方法、装置、计算机设备和存储介质。
背景技术
合约用于约定合约主体(第一主体与第二主体)之间的责任与义务,在当今社会中经常采用。传统技术中一般是第一主体根据自己的需要,人为寻找符合要求的第二主体,再准备相应的合约并与第二主体签署,或者第二主体根据自己能够提供的服务,人为寻找合适的第一主体,再准备相应的合约并与第一主体签署。因此在传统技术中的合约生成与签署的过程中,需要依靠业务员的经验以人为判断合约对方是否合适,具有自动化程度低、合约成功率低等缺陷。
发明内容
本申请的主要目的为提供一种基于数据爬取的合约生成方法、装置、计算机设备和存储介质,旨在解决自动化程度低、合约成功率低等缺陷。
为了实现上述发明目的,本申请提出一种基于数据爬取的合约生成方法,包括以下步骤:
根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
进一步地,所述根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中的步骤,包括:
采用Python语言的Scrapy框架,在预设网站中爬取多个历史合约,所述历史合约至少包括一个指定第一主体或者一个指定第二主体;
判断所述历史合约的数量是否大于预设的合约数量阈值;
若所述历史合约的数量大于预设的合约数量阈值,则从所述历史合约中提取指定第一主体的信息,和/或从所述历史合约中提取指定第二主体的信息;
将所述指定第一主体的信息以及所述指定第二主体的信息分别存入预设的第一主体库和第二主体库中。
进一步地,所述第一主体和所述第二主体的信息均由多个信息字段构成,所述根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成的步骤,包括:
根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量;
根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值;
判断所述第一多维向量和所述第二多维向量的相似度值是否大于预设的相似阈值;
若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则将所述第一主体与所述第二主体组成匹配组。
进一步地,所述根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量的步骤,包括:
根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,利用已经训练好的基于长短期记忆网络的孪生网络模型结构,计算出所述第一主体在多维空间上的第一多维向量,以及所述第二主体在多维空间上的第二多维向量;
所述根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值的步骤,包括:
采用公式
计算出所述第一多维向量和所述第二多维向量的相似度值similarity,其中A为所述第一主体在多维空间上的第一多维向量,B为所述第二主体在多维空间上的第二多维向量,Ai为所述第一多维向量的第i个分向量,Bi为所述第二多维向量的第i个分向量。
进一步地,所述相同标签有多个,所述根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板的步骤,包括:
根据多个所述相同标签,从预设的合约模板库中调取与所述相同标签对应的多个初始合约模板;
统计预定时间内多个所述初始合约模板的被调用次数,并将被调用次数最多的初始合约模板作为所述指定合约模板。
进一步地,所述在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约的步骤之后,包括:
从所述第一主体库中提取所述最终合约中的第一主体对应的第一终端信息,以及从所述第二主体库中提取所述最终合约中的第二主体对应的第二终端信息;
根据所述第一终端信息与所述第二终端信息,将所述最终合约发送给所述第一主体和所述第二主体,并要求所述第一主体和所述第二主体在所述最终合约中进行签署操作;
接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。
进一步地,所述合约生成方法应用于合约生成终端,所述合约生成终端是预先搭建的区块链网络中的一个区块链节点,所述区块链网络采用指定共识机制,所述接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约的步骤,包括:
在预先搭建的区块链网络中,获取根据所述指定共识机制投选出的多个审核区块链节点;
向所有所述审核区块链节点发送审核请求,并要求所述审核区块链节点发送回复信息;
接收所述审核区块链节点发送的回复信息,并将所述回复信息为能够进行审核的审核区块链节点记为最终审核区块链节点;
将所述进行签署操作后的最终合约发送给多个所述最终审核区块链节点,并要求所述最终审核区块链节点进行审核;
接收多个所述最终审核区块链节点对所述进行签署操作后的最终合约的审核结果,并判断所述审核结果是否满足预设的区块链记录条件;
若所述审核结果满足预设的区块链记录条件,则将所述进行签署操作后的最终合约记录入所述区块链网络中。
本申请提供一种基于数据爬取的合约生成装置,包括:
数据爬取单元,用于根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
匹配度值计算单元,用于根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
标签调取单元,用于从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
合约模板调取单元,用于根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
合约细节获取单元,用于根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
初始合约获取单元,用于将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
最终合约获取单元,用于在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于数据爬取的合约生成方法、装置、计算机设备和存储介质,爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
附图说明
图1为本申请一实施例的基于数据爬取的合约生成方法的流程示意图;
图2为本申请一实施例的基于数据爬取的合约生成装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例提供一种基于数据爬取的合约生成方法,包括以下步骤:
S1、根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
S2、根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
S3、从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
S4、根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
S5、根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
S6、将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
S7、在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
如上述步骤S1所述,根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签。其中所述数据爬取技术例如采用爬虫技术,例如采用Python语言的Scrapy框架,在预设的信息源中爬取。预设的信息源例如网站、论坛、数据库、关联软件等。从预设的信息源中爬取多个合约主体的信息例如包括:在指定网站或数据库中获取历史合约,并从历史合约中提取出历史合约的参与主体的信息,其中所述合约主体的信息例如包括企业名称、统一社会信用代码、法人、历史沿革、股东信息、组织架构等。预设的分类存储规则用于将有第一倾向的合约主体存储存入预设的第一主体库,将有第二倾向的合约主体存储存入预设的第二主体库。所述第一标签、第二标签分别指反应所述第一主体需求、第二主体需求的标签,例如包括需求合约类型标签、风险承受能力标签等等。所述第一标签、第二标签可以通过任意方式生成,例如根据爬取获得的合约主体的信息,再从所述合约主体的信息筛选出关键信息(例如需求合约类型、风险承受能力等),再利用预设的关键信息与标签对应关系,生成第一标签或者第二标签。其中第一主体例如为甲方主体,第二主体例如为乙方主体。
如上述步骤S2所述,根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成。预设的匹配算法用于判断所述第一主体与所述第二主体是否匹配,即是否适于签署合约。具体的采用匹配算法以获取匹配度值大于预设的匹配阈值的匹配组可为任意方法,例如为:根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量;根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值;判断所述第一多维向量和所述第二多维向量的相似度值是否大于预设的相似阈值;若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则将所述第一主体与所述第二主体组成匹配组。
如上述步骤S3所述,从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签。如前述,第一标签能够反应第一主体的需求,第二标签能够反应第二主体的需求,因此第一标签与第二标签相同的标签(即相同标签),能够反应即将生成的合约。
如上述步骤S4所述,根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板。合约模板库中存储有多个合约模板,在合约模板的基础上填充对应的合约细节以及合约参与主体的信息,即可形成合约。其中,所述合约模板与多个标签对应,例如低风险金融合约模板对应金融类型标签、低风险标签等等。从而根据所述相同标签调取的指定合约模板,能够同时满足第一主体与第二主体的需求。进一步地,还可以根据第一主体或者第二主体的信息(所属行业、所属部门、历史签约记录、历史合同模板调用记录等信息)从预设的合约模板库调取指定合约模板。
如上述步骤S5所述,根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节。匹配度值的大小反应了第一主体与第二主体的匹配程度,若匹配度值较高,则对合约细节的容忍程度更大,反之更小。因此可以根据所述匹配组的匹配度值的大小,获得与所述匹配组对应的指定合约细节。其中,所述合约细节例如为合约条款。进一步地,获得与所述匹配组对应的指定合约细节的过程还包括:调取所述第一主体的过往履约情况、股权结构、监管处罚、诉讼信息、信用评级等数据,并采用预设的评级算法进行综合评级,从而获得所述第一主体的风险等级;调取所述第二主体的过往履约情况、股权结构、监管处罚、诉讼信息、信用评级等数据,并采用预设的评级算法进行综合评级,从而获得所述第二主体的风险等级;根据所述第一主体的风险等级和所述第二主体的风险等级调取对应条款(例如所述第一主体的风险等级更高则调取对第一主体更为严苛的条款)。
如上述步骤S6所述,将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约。所述组合处理的方式可以为任意方式,例如为在所述指定合约模板的标注位置填入对应的指定合约细节。
如上述步骤S7所述,在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。初始合约中缺少合约参与主体的信息,因此将第一主体的信息与第二主体的信息补入所述初始合约中,即可生成最终合约。
在一个实施方式中,所述根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中的步骤S1,包括:
S101、采用Python语言的Scrapy框架,在预设网站中爬取多个历史合约,所述历史合约至少包括一个指定第一主体或者一个指定第二主体;
S102、判断所述历史合约的数量是否大于预设的合约数量阈值;
S103、若所述历史合约的数量大于预设的合约数量阈值,则从所述历史合约中提取指定第一主体的信息,和/或从所述历史合约中提取指定第二主体的信息;
S104、将所述指定第一主体的信息以及所述指定第二主体的信息分别存入预设的第一主体库和第二主体库中。
如上所述,实现了根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中。其中所述Python语言的Scrapy框架是在预设网站中进行爬取信息的有效手段,主要包括:引擎、调度器、下载器、爬虫、项目管道、下载器中间件、爬虫中间件、调度中间件等。具体爬取过程包括:引擎从调度器中取出一个链接用于接下来的抓取;引擎把链接封装成一个请求传给下载器;下载器把资源下载下来;爬虫解析出实体,交给实体管道进行进一步的处理。据此,在预设网站中爬取多个历史合约。再判断所述历史合约的数量是否大于预设的合约数量阈值;若所述历史合约的数量大于预设的合约数量阈值,表明所述历史合约中的指定第一主体或者指定第二主体具有较高的签署合约的需要,据此将所述指定第一主体的信息以及所述指定第二主体的信息分别存入预设的第一主体库和第二主体库中。
在一个实施方式中,所述第一主体和所述第二主体的信息均由多个信息字段构成,所述根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成的步骤S2,包括:
S201、根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量;
S202、根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值;
S203、判断所述第一多维向量和所述第二多维向量的相似度值是否大于预设的相似阈值;
S204、若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则将所述第一主体与所述第二主体组成匹配组。
如上所述,实现了获取匹配度值大于预设的匹配阈值的匹配组。为了保证相似度区配的准确性,本申请采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量。其中多维向量计算方法可以为任意方法,例如将第一主体的多个信息字段分别映射为多个不同维度的分向量,再将所述多个不同维度的分向量组合为所述第一多维向量,其中所述多维向量计算方法可以采用基于机器学习的模型,例如基于长短期记忆网络的孪生网络模型结构。若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则表明第一主体与第二主体的匹配程度较高,据此将所述第一主体与所述第二主体组成匹配组。
在一个实施方式中,所述根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量的步骤S201,包括:
S2011、根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,利用已经训练好的基于长短期记忆网络的孪生网络模型结构,计算出所述第一主体在多维空间上的第一多维向量,以及所述第二主体在多维空间上的第二多维向量;
所述根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值的步骤S202,包括:
S2021、采用公式
计算出所述第一多维向量和所述第二多维向量的相似度值similarity,其中A为所述第一主体在多维空间上的第一多维向量,B为所述第二主体在多维空间上的第二多维向量,Ai为所述第一多维向量的第i个分向量,Bi为所述第二多维向量的第i个分向量。
如上所述,实现了计算出所述第一多维向量和所述第二多维向量的相似度值。所述第一多维向量和所述第二多维向量是通过基于长短期记忆网络的孪生网络模型结构学习得到的多维数值向量,所述第一多维向量和所述第二多维向量在多维空间上的相似度值是通过计算所述第一多维向量和所述第二多维向量的距离。其中当similarity的值越接近于1,表明越相似;越接近于0,表明越不相似。其中,基于长短期记忆网络的孪生网络模型结构可以通过离线采用基于长短期记忆网络的孪生网络模型结构训练模型,学习包括多个信息字段的信息在多维空间上的表征,从而得到表征信息的多维数值向量。
在一个实施方式中,所述相同标签有多个,所述根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板的步骤S4,包括:
S401、根据多个所述相同标签,从预设的合约模板库中调取与所述相同标签对应的多个初始合约模板;
S402、统计预定时间内多个所述初始合约模板的被调用次数,并将被调用次数最多的初始合约模板作为所述指定合约模板。
如上所述,实现了从预设的合约模板库中调取与所述相同标签对应的指定合约模板。当存在多个相同标签时,并且所述相同标签对应有多个初始合约模板时,若将所有初始合约模板均作为指定合约模板将大大增加计算量。本申请通过统计预定时间内多个所述初始合约模板的被调用次数,并将被调用次数最多的初始合约模板作为所述指定合约模板,从而减少指定合约模板的数量,并保证合约的签署成功率。其中统计预定时间内多个所述初始合约模板的被调用次数的方式包括:获取所述初始合约模板的被调用日志,从所述被调用日志中提取被调用字段,根据所述被调用字段统计预定时间内的被调用次数。
在一个实施方式中,所述在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约的步骤S7之后,包括:
S71、从所述第一主体库中提取所述最终合约中的第一主体对应的第一终端信息,以及从所述第二主体库中提取所述最终合约中的第二主体对应的第二终端信息;
S72、根据所述第一终端信息与所述第二终端信息,将所述最终合约发送给所述第一主体和所述第二主体,并要求所述第一主体和所述第二主体在所述最终合约中进行签署操作;
S73、接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。
如上所述,实现了接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。本申请通过为第一主体以及第二主体提供准确的合约的方式,免去了第一主体以及第二主体主动寻找合约对象的过程,对于第一主体以及第二主体而言是乐见其成的,因此有大概率在最终合约中执行签署操作。据此从所述第一主体库中提取所述最终合约中的第一主体对应的第一终端信息,以及从所述第二主体库中提取所述最终合约中的第二主体对应的第二终端信息;根据所述第一终端信息与所述第二终端信息,将所述最终合约发送给所述第一主体和所述第二主体,并要求所述第一主体和所述第二主体在所述最终合约中进行签署操作;接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。
在一个实施方式中,所述合约生成方法应用于合约生成终端,所述合约生成终端是预先搭建的区块链网络中的一个区块链节点,所述区块链网络采用指定共识机制,所述接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约的步骤S73,包括:
S731、在预先搭建的区块链网络中,获取根据所述指定共识机制投选出的多个审核区块链节点;
S732、向所有所述审核区块链节点发送审核请求,并要求所述审核区块链节点发送回复信息;
S733、接收所述审核区块链节点发送的回复信息,并将所述回复信息为能够进行审核的审核区块链节点记为最终审核区块链节点;
S734、将所述进行签署操作后的最终合约发送给多个所述最终审核区块链节点,并要求所述最终审核区块链节点进行审核;
S735、接收多个所述最终审核区块链节点对所述进行签署操作后的最终合约的审核结果,并判断所述审核结果是否满足预设的区块链记录条件;
S736、若所述审核结果满足预设的区块链记录条件,则将所述进行签署操作后的最终合约记录入所述区块链网络中。
如上所述,实现了将进行签署操作后的最终合约记录入所述区块链网络。本申请采用指定共识机制可以为任意共识机制,例如为股份授权证明机制。其中股份授权证明机制是指,所有区块链节点投选出多个委托区块链节点,从而多个委托区块链节点代表所有区块链节点对是否将数据(例如交易)记录入公共账本做出判断,从而避免当区块链节点数量过多时区块链运作缓慢的缺点。根据所述指定共识机制投选出的多个审核区块链节点能够做出是否加入区块链网络的公共账本的决定。并且,为了防止部分审核区块链节点不能参与审核(例如部分审核区块链节点未开机,或者通讯故障等原因)而导致最终决定不准确,本实施方式还采用预先发送审核请求的方式,以确定能够进行审核的审核区块链节点,并记为最终审核区块链节点,从而既减少了不必要的网络开销(发送审核请求的开销远小于发送合约的开销)。并且将所述进行签署操作后的最终合约记录入所述区块链网络中,以利用区块链网络的数据难以篡改的特性,保证所述进行签署操作后的最终合约的可信度。其中所述预设的区块链记录条件可以为任意条件,例如为审核结果为审核通过的数量达到预定的数量阈值等。
本申请的基于数据爬取的合约生成方法,爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
参照图2,本申请实施例提供一种基于数据爬取的合约生成装置,包括:
数据爬取单元10,用于根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
匹配度值计算单元20,用于根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
标签调取单元30,用于从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
合约模板调取单元40,用于根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
合约细节获取单元50,用于根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
初始合约获取单元60,用于将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
最终合约获取单元70,用于在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
其中上述单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述数据爬取单元10,包括:
历史合约爬取子单元,用于采用Python语言的Scrapy框架,在预设网站中爬取多个历史合约,所述历史合约至少包括一个指定第一主体或者一个指定第二主体;
合约数量阈值判断子单元,用于判断所述历史合约的数量是否大于预设的合约数量阈值;
主体信息提取子单元,用于若所述历史合约的数量大于预设的合约数量阈值,则从所述历史合约中提取指定第一主体的信息,和/或从所述历史合约中提取指定第二主体的信息;
主体信息保存子单元,用于将所述指定第一主体的信息以及所述指定第二主体的信息分别存入预设的第一主体库和第二主体库中。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述第一主体和所述第二主体的信息均由多个信息字段构成,所述匹配度值计算单元20,包括:
多维向量计算子单元,用于根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量;
相似度值计算子单元,用于根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值;
相似阈值判断子单元,用于判断所述第一多维向量和所述第二多维向量的相似度值是否大于预设的相似阈值;
匹配组组成子单元,用于若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则将所述第一主体与所述第二主体组成匹配组。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述多维向量计算子单元,包括:
多维向量计算模块,用于根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,利用已经训练好的基于长短期记忆网络的孪生网络模型结构,计算出所述第一主体在多维空间上的第一多维向量,以及所述第二主体在多维空间上的第二多维向量;
所述相似度值计算子单元,包括:
相似度值计算模块,用于采用公式
计算出所述第一多维向量和所述第二多维向量的相似度值similarity,其中A为所述第一主体在多维空间上的第一多维向量,B为所述第二主体在多维空间上的第二多维向量,Ai为所述第一多维向量的第i个分向量,Bi为所述第二多维向量的第i个分向量。
其中上述模块分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述相同标签有多个,所述合约模板调取单元40,包括:
初始合约模板调取子单元,用于根据多个所述相同标签,从预设的合约模板库中调取与所述相同标签对应的多个初始合约模板;
被调用次数统计子单元,用于统计预定时间内多个所述初始合约模板的被调用次数,并将被调用次数最多的初始合约模板作为所述指定合约模板。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述装置,包括:
终端信息提取单元,用于从所述第一主体库中提取所述最终合约中的第一主体对应的第一终端信息,以及从所述第二主体库中提取所述最终合约中的第二主体对应的第二终端信息;
最终合约发送单元,用于根据所述第一终端信息与所述第二终端信息,将所述最终合约发送给所述第一主体和所述第二主体,并要求所述第一主体和所述第二主体在所述最终合约中进行签署操作;
签署合约保存单元,用于接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。
其中上述单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
在一个实施方式中,所述合约生成方法应用于合约生成终端,所述合约生成终端是预先搭建的区块链网络中的一个区块链节点,所述区块链网络采用指定共识机制,所述签署合约保存单元,包括:
审核区块链节点获取子单元,用于在预先搭建的区块链网络中,获取根据所述指定共识机制投选出的多个审核区块链节点;
审核请求发送子单元,用于向所有所述审核区块链节点发送审核请求,并要求所述审核区块链节点发送回复信息;
回复信息接收子单元,用于接收所述审核区块链节点发送的回复信息,并将所述回复信息为能够进行审核的审核区块链节点记为最终审核区块链节点;
要求审核子单元,用于将所述进行签署操作后的最终合约发送给多个所述最终审核区块链节点,并要求所述最终审核区块链节点进行审核;
审核结果接收子单元,用于接收多个所述最终审核区块链节点对所述进行签署操作后的最终合约的审核结果,并判断所述审核结果是否满足预设的区块链记录条件;
记录子单元,用于若所述审核结果满足预设的区块链记录条件,则将所述进行签署操作后的最终合约记录入所述区块链网络中。
其中上述子单元分别用于执行的操作与前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
本申请的基于数据爬取的合约生成装置,爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
参照图3,本发明实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于数据爬取的合约生成方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于数据爬取的合约生成方法。
上述处理器执行上述基于数据爬取的合约生成方法,其中所述方法包括的步骤分别与执行前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
本领域技术人员可以理解,图中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备,爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现基于数据爬取的合约生成方法,其中所述方法包括的步骤分别与执行前述实施方式的基于数据爬取的合约生成方法的步骤一一对应,在此不再赘述。
本申请的计算机可读存储介质,爬取多个合约主体的信息,并分别存入预设的第一主体库和第二主体库中;计算第一主体与第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组;对比所述第一标签和所述第二标签,从而获得相同标签;从预设的合约模板库中调取与所述相同标签对应的指定合约模板;获得与所述匹配组对应的指定合约细节;将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。从而解决了自动化程度低、合约成功率低等缺陷。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于数据爬取的合约生成方法,其特征在于,包括:
根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
2.根据权利要求1所述的基于数据爬取的合约生成方法,其特征在于,所述根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中的步骤,包括:
采用Python语言的Scrapy框架,在预设网站中爬取多个历史合约,所述历史合约至少包括一个指定第一主体或者一个指定第二主体;
判断所述历史合约的数量是否大于预设的合约数量阈值;
若所述历史合约的数量大于预设的合约数量阈值,则从所述历史合约中提取指定第一主体的信息,和/或从所述历史合约中提取指定第二主体的信息;
将所述指定第一主体的信息以及所述指定第二主体的信息分别存入预设的第一主体库和第二主体库中。
3.根据权利要求1所述的基于数据爬取的合约生成方法,其特征在于,所述第一主体和所述第二主体的信息均由多个信息字段构成,所述根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成的步骤,包括:
根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量;
根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值;
判断所述第一多维向量和所述第二多维向量的相似度值是否大于预设的相似阈值;
若所述第一多维向量和所述第二多维向量的相似度值大于预设的相似阈值,则将所述第一主体与所述第二主体组成匹配组。
4.根据权利要求3所述的基于数据爬取的合约生成方法,其特征在于,所述根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,采用预设的多维向量计算方法,计算出所述第一主体和所述第二主体在多维空间中的第一多维向量和第二多维向量的步骤,包括:
根据所述第一主体的多个信息字段和所述第二主体的多个信息字段,利用已经训练好的基于长短期记忆网络的孪生网络模型结构,计算出所述第一主体在多维空间上的第一多维向量,以及所述第二主体在多维空间上的第二多维向量;
所述根据预设的相似度计算方法,计算所述第一多维向量和所述第二多维向量的相似度值的步骤,包括:
采用公式
计算出所述第一多维向量和所述第二多维向量的相似度值similarity,其中A为所述第一主体在多维空间上的第一多维向量,B为所述第二主体在多维空间上的第二多维向量,Ai为所述第一多维向量的第i个分向量,Bi为所述第二多维向量的第i个分向量。
5.根据权利要求1所述的基于数据爬取的合约生成方法,其特征在于,所述相同标签有多个,所述根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板的步骤,包括:
根据多个所述相同标签,从预设的合约模板库中调取与所述相同标签对应的多个初始合约模板;
统计预定时间内多个所述初始合约模板的被调用次数,并将被调用次数最多的初始合约模板作为所述指定合约模板。
6.根据权利要求1所述的基于数据爬取的合约生成方法,其特征在于,所述在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约的步骤之后,包括:
从所述第一主体库中提取所述最终合约中的第一主体对应的第一终端信息,以及从所述第二主体库中提取所述最终合约中的第二主体对应的第二终端信息;
根据所述第一终端信息与所述第二终端信息,将所述最终合约发送给所述第一主体和所述第二主体,并要求所述第一主体和所述第二主体在所述最终合约中进行签署操作;
接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约。
7.根据权利要求6所述的基于数据爬取的合约生成方法,其特征在于,所述合约生成方法应用于合约生成终端,所述合约生成终端是预先搭建的区块链网络中的一个区块链节点,所述区块链网络采用指定共识机制,所述接收并保存所述第一主体和所述第二主体进行签署操作后的最终合约的步骤,包括:
在预先搭建的区块链网络中,获取根据所述指定共识机制投选出的多个审核区块链节点;
向所有所述审核区块链节点发送审核请求,并要求所述审核区块链节点发送回复信息;
接收所述审核区块链节点发送的回复信息,并将所述回复信息为能够进行审核的审核区块链节点记为最终审核区块链节点;
将所述进行签署操作后的最终合约发送给多个所述最终审核区块链节点,并要求所述最终审核区块链节点进行审核;
接收多个所述最终审核区块链节点对所述进行签署操作后的最终合约的审核结果,并判断所述审核结果是否满足预设的区块链记录条件;
若所述审核结果满足预设的区块链记录条件,则将所述进行签署操作后的最终合约记录入所述区块链网络中。
8.一种基于数据爬取的合约生成装置,其特征在于,包括:
数据爬取单元,用于根据预设的数据爬取技术,从预设的信息源中爬取多个合约主体的信息,并根据预设的分类存储规则分别存入预设的第一主体库和第二主体库中,其中所述第一主体库存储有第一主体的信息以及反应所述第一主体需求的第一标签,所述第二主体库存储有第二主体的信息以及反应所述第二主体需求的第二标签;
匹配度值计算单元,用于根据预设的匹配算法,计算所述第一主体库中的第一主体与所述第二主体库中的第二主体的匹配度值,并获取匹配度值大于预设的匹配阈值的匹配组,其中所述匹配组由一个第一主体和一个第二主体构成;
标签调取单元,用于从所述第一主体库中调取所述匹配组中的第一主体的第一标签,以及从所述第二主体库中调取所述匹配组中的第二主体的第二标签,并对比所述第一标签和所述第二标签,从而获得相同标签;
合约模板调取单元,用于根据所述相同标签,从预设的合约模板库中调取与所述相同标签对应的指定合约模板;
合约细节获取单元,用于根据所述匹配组的匹配度值的大小,利用预设的匹配度值大小与合约细节的对应关系,获得与所述匹配组对应的指定合约细节;
初始合约获取单元,用于将所述指定合约模板与所述指定合约细节进行组合处理,从而获得初始合约;
最终合约获取单元,用于在所述初始合约中填入所述匹配组中的第一主体的信息与第二主体的信息,从而生成最终合约。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910600658.9A CN110442764B (zh) | 2019-07-04 | 2019-07-04 | 基于数据爬取的合约生成方法、装置和计算机设备 |
PCT/CN2020/088013 WO2021000645A1 (zh) | 2019-07-04 | 2020-04-30 | 基于数据爬取的合约生成方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910600658.9A CN110442764B (zh) | 2019-07-04 | 2019-07-04 | 基于数据爬取的合约生成方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110442764A true CN110442764A (zh) | 2019-11-12 |
CN110442764B CN110442764B (zh) | 2023-03-21 |
Family
ID=68428485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910600658.9A Active CN110442764B (zh) | 2019-07-04 | 2019-07-04 | 基于数据爬取的合约生成方法、装置和计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110442764B (zh) |
WO (1) | WO2021000645A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110955785A (zh) * | 2019-12-06 | 2020-04-03 | 南通中实纺织交易市场有限公司 | 一种基于现货资源线上实现精确锁定的交易方法 |
CN111127150A (zh) * | 2019-12-23 | 2020-05-08 | 卓尔智联(武汉)研究院有限公司 | 基于区块链的智能合约需求匹配方法、装置和计算机设备 |
WO2021000645A1 (zh) * | 2019-07-04 | 2021-01-07 | 深圳壹账通智能科技有限公司 | 基于数据爬取的合约生成方法、装置和计算机设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383894A (zh) * | 2016-09-23 | 2017-02-08 | 深圳市由心网络科技有限公司 | 一种企业供需信息匹配方法和装置 |
CN106778329A (zh) * | 2016-11-28 | 2017-05-31 | 中国银行股份有限公司 | 一种区块链智能合约模板动态更新方法、装置及系统 |
CN108595507A (zh) * | 2018-03-21 | 2018-09-28 | 上海数据交易中心有限公司 | 数据流通方法、装置及系统、存储介质、终端 |
CN108846679A (zh) * | 2018-05-22 | 2018-11-20 | 北京易知创新数据科技有限公司 | 一种应用于b2b企业服务的客户推荐方法 |
CN109325729A (zh) * | 2018-08-21 | 2019-02-12 | 平安科技(深圳)有限公司 | 一种生成电子合同的方法及服务器 |
CN109460966A (zh) * | 2018-10-12 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 基于请求方类别的合同签订方法、装置及终端设备 |
CN109472686A (zh) * | 2018-10-12 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 合同签订方法、装置及终端设备 |
CN109800404A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 电子合同模板生成方法、装置、计算机设备和存储介质 |
CN109816329A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智能合同签署方法、系统、计算机设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913219A (zh) * | 2016-04-05 | 2016-08-31 | 周宇航 | 对电子合约的全过程执行进行监控和管理的方法和系统 |
CN107679045B (zh) * | 2016-08-01 | 2021-08-31 | 华为技术有限公司 | 版权授权管理方法及系统 |
CN107993069A (zh) * | 2017-12-13 | 2018-05-04 | 清华大学 | 一种基于区块链网络的在线交易方法及系统 |
CN109741181B (zh) * | 2018-12-29 | 2021-06-29 | 南京荣链科技有限公司 | 一种基于智能合约的交易撮合方法、系统、服务器及介质 |
CN110442764B (zh) * | 2019-07-04 | 2023-03-21 | 深圳壹账通智能科技有限公司 | 基于数据爬取的合约生成方法、装置和计算机设备 |
-
2019
- 2019-07-04 CN CN201910600658.9A patent/CN110442764B/zh active Active
-
2020
- 2020-04-30 WO PCT/CN2020/088013 patent/WO2021000645A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106383894A (zh) * | 2016-09-23 | 2017-02-08 | 深圳市由心网络科技有限公司 | 一种企业供需信息匹配方法和装置 |
CN106778329A (zh) * | 2016-11-28 | 2017-05-31 | 中国银行股份有限公司 | 一种区块链智能合约模板动态更新方法、装置及系统 |
CN108595507A (zh) * | 2018-03-21 | 2018-09-28 | 上海数据交易中心有限公司 | 数据流通方法、装置及系统、存储介质、终端 |
CN108846679A (zh) * | 2018-05-22 | 2018-11-20 | 北京易知创新数据科技有限公司 | 一种应用于b2b企业服务的客户推荐方法 |
CN109325729A (zh) * | 2018-08-21 | 2019-02-12 | 平安科技(深圳)有限公司 | 一种生成电子合同的方法及服务器 |
CN109460966A (zh) * | 2018-10-12 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 基于请求方类别的合同签订方法、装置及终端设备 |
CN109472686A (zh) * | 2018-10-12 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 合同签订方法、装置及终端设备 |
CN109816329A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智能合同签署方法、系统、计算机设备及存储介质 |
CN109800404A (zh) * | 2019-01-03 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 电子合同模板生成方法、装置、计算机设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021000645A1 (zh) * | 2019-07-04 | 2021-01-07 | 深圳壹账通智能科技有限公司 | 基于数据爬取的合约生成方法、装置和计算机设备 |
CN110955785A (zh) * | 2019-12-06 | 2020-04-03 | 南通中实纺织交易市场有限公司 | 一种基于现货资源线上实现精确锁定的交易方法 |
CN111127150A (zh) * | 2019-12-23 | 2020-05-08 | 卓尔智联(武汉)研究院有限公司 | 基于区块链的智能合约需求匹配方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021000645A1 (zh) | 2021-01-07 |
CN110442764B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597925B (zh) | 一种基于区块链的跨链数据处理方法及装置 | |
CN110442764A (zh) | 基于数据爬取的合约生成方法、装置和计算机设备 | |
CN110135860B (zh) | 一种基于区块链技术的农作物种子安全溯源系统 | |
US20210099283A1 (en) | Pruning entries in tamper-evident data stores | |
WO2020046509A1 (en) | Eligibility of a digital asset for a transaction | |
US11556658B2 (en) | Cross-partition calls in partitioned, tamper-evident data stores | |
CA3190548A1 (en) | Cryptographic-asset collateral management | |
CN108961030A (zh) | 关于电子票据的数据处理方法、装置、系统、介质和设备 | |
CN107968709A (zh) | 业务数据处理方法、身份管理方法及业务审计方法 | |
CN112003942A (zh) | 链下数据请求响应方法、系统、节点设备与存储介质 | |
CN110110269B (zh) | 一种基于区块链的事件订阅方法及装置 | |
CN112868210A (zh) | 区块链时间戳协议 | |
US20220327544A1 (en) | Method and system for detecting fraudulent transactions using a fraud detection model trained based on dynamic time segments | |
US20190229931A1 (en) | Distributed telephone number ledger and register | |
CN110619065A (zh) | 资源调度业务处理方法、装置、计算机设备和存储介质 | |
CN110390524A (zh) | 区块链中作业数据处理方法、装置、电子设备及存储介质 | |
US11194788B2 (en) | Involved node availability | |
CN109410070A (zh) | 核保数据处理方法和系统 | |
CN115622777A (zh) | 一种基于联盟链的多中心联邦学习数据共享方法 | |
CN114240611A (zh) | 业务数据准确性核算方法、装置、计算机设备和存储介质 | |
CN108234549A (zh) | 保单信息核对方法和装置 | |
CN110213071A (zh) | 数据核对方法、装置、系统、计算机设备和存储介质 | |
CN110213239B (zh) | 可疑交易报文生成方法、装置及服务器 | |
CN116187915A (zh) | 一种仓库管理方法、装置、设备及存储介质 | |
CN109697596A (zh) | 一种构建电子政务的方法及装置 |
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 |