CN110502745A - 文本信息评价方法、装置、计算机设备和存储介质 - Google Patents
文本信息评价方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110502745A CN110502745A CN201910650492.1A CN201910650492A CN110502745A CN 110502745 A CN110502745 A CN 110502745A CN 201910650492 A CN201910650492 A CN 201910650492A CN 110502745 A CN110502745 A CN 110502745A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- information
- test
- model
- content
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 398
- 238000012360 testing method Methods 0.000 claims abstract description 354
- 238000012549 training Methods 0.000 claims abstract description 147
- 238000000605 extraction Methods 0.000 claims abstract description 71
- 230000010354 integration Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012986 modification Methods 0.000 claims abstract description 12
- 230000004048 modification Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 239000000284 extract Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010129 solution processing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及大数据，提供一种文本信息评价方法、装置、计算机设备和存储介质，方法包括：获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；根据信息集成模型将第一内容评测字段和第二内容评测字段、第一训练评测字段和第二训练评测字段进行消解处理，得到基础内容评测字段和基础训练评测字段；将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；将目标内容评测字段输入目标风险评测模型进行风险评测，得到文本评价信息，能够与风险源实时同步，有效控制合同风险。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种文本信息评价方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术和互联网技术的高速发展，人们每天都在面对海量的文本信息，当人们需要提取一篇文本中的某一些信息时，需要花费大量的时间去查找、提取以及查错。
传统的对于较长文本信息的提取常常会出现识别不精确，提取不准确等问题，并且在对提取的文本信息进行风险评测时，无法与风险源实时同步，不能有效控制合同风险的产生。
发明内容
基于此，有必要针对上述技术问题，提供一种能够与风险源实时同步，有效控制合同风险的文本信息评价方法、装置、计算机设备和存储介质。
一种文本信息评价方法，所述方法包括：
获取待评测内容信息以及与所述待评测内容信息同类型的训练样本；
获取与所述待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；
根据所述关系抽取模型从所述待评测内容信息和所述训练样本中抽取第一内容评测字段和第一训练评测字段，根据所述事件抽取模型从所述待评测内容信息和所述训练样本中抽取第二内容评测字段和第二训练评测字段；
根据所述信息集成模型将所述第一内容评测字段和所述第二内容评测字段进行消解处理，得到基础内容评测字段；
根据所述信息集成模型将所述第一训练评测字段和所述第二训练评测字段进行消解处理，得到基础训练评测字段；
将所述基础内容评测字段和所述基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；
将所述目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；
将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息。
在其中一个实施例中，所述方法还包括：
将所述目标训练评测字段按照预设比例划分为训练集和验证集；
根据所述训练集对基础风险评测模型进行训练，得到影响参数，将所述目标训练评测字段输入验证集中进行验证，得到验证结果；
根据所述验证结果和所述影响参数更新所述基础风险评测模型中与所述影响参数对应的参数信息，得到所述目标风险评测模型。
在其中一个实施例中，所述方法还包括：
获取文本评价信息中高于预设风险阈值的合同条款信息；
根据所述合同条款信息查找与所述待评测内容信息同类型的相似条款信息；
将所述合同条款信息在所述待评测内容中突出显示，将所述相似条款信息在所述待评测内容中与所述合同条款信息并排显示。
在其中一个实施例中，所述信息集成模型包括代词消解算法和名词消解算法，所述方法还包括：
将所述第一内容评测字段和所述第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与所述第一内容评测字段对应的第一代词信息和第一名词信息，与所述第二内容评测字段对应的第二代词信息和第二名词信息；
根据所述代词消解算法对所述第一代词信息和所述第二代词信息进行消解处理，得到目标代词信息，根据所述名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；
将所述目标代词信息和所述目标名词信息进行关联，得到所述基础内容评测字段。
在其中一个实施例中，所述方法还包括：
获取所述目标内容评测字段中的各个要素信息；
将所述各个要素信息输入与所述待评测内容信息对应的已训练的客观评估模型进行评估，得到与所述各个要素信息对应的客观评估信息；
将所述各个要素信息以及与所述各个要素信息对应的客观评估信息输入所述目标风险评测模型进行风险评测，得到所述文本评价信息。
一种文本信息评价装置，所述装置包括：
样本获取模块，用于获取待评测内容信息以及与所述待评测内容信息同类型的训练样本；
第一模型获取模块，用于获取与所述待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；
字段抽取模块，用于根据所述关系抽取模型从所述待评测内容信息和所述训练样本中抽取第一内容评测字段和第一训练评测字段，根据所述事件抽取模型从所述待评测内容信息和所述训练样本中抽取第二内容评测字段和第二训练评测字段；
第一消解模块，用于根据所述信息集成模型将所述第一内容评测字段和所述第二内容评测字段进行消解处理，得到基础内容评测字段；
第二消解模块，用于根据所述信息集成模型将所述第一训练评测字段和所述第二训练评测字段进行消解处理，得到基础训练评测字段；
目标字段获取模块，用于将所述基础内容评测字段和所述基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；
第二模型获取模块，用于将所述目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；
评测信息获取模块，用于将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息。
在其中一个实施例中，所述装置还包括：
字段划分模块，用于将所述目标训练评测字段按照预设比例划分为训练集和验证集；
字段训练验证模块，用于根据所述训练集对基础风险评测模型进行训练，得到影响参数，将所述目标训练评测字段输入验证集中进行验证，得到验证结果；
参数更新模块，用于根据所述验证结果和所述影响参数更新所述基础风险评测模型中与所述影响参数对应的参数信息，得到所述目标风险评测模型。
在其中一个实施例中，所述装置还包括：
条款获取模块，用于获取文本评价信息中高于预设风险阈值的合同条款信息；
相似条款获取模块，用于根据所述合同条款信息查找与所述待评测内容信息同类型的相似条款信息；
条款显示模块，用于将所述合同条款信息在所述待评测内容中突出显示，将所述相似条款信息在所述待评测内容中与所述合同条款信息并排显示。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
上述文本信息评价方法、装置、计算机设备和存储介质，通过获取待评测内容信息以及与待评测内容信息同类型的训练样本，训练样本用于对基础训练评测模型进行实时更新，达到与风险源实时同步的目的，再获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型，以用于准确的提取合同条款信息，再根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段，然后根据信息集成模型获取基础内容评测字段和基础训练评测字段，将其输入已训练的语义分析模型中进行深层语义分析，能够提取出准确的用于进行风险评测的目标内容评测字段和目标训练评测字段，将目标训练评测字段用于更新基础风险评测模型以达到与市场上的风险源实时更新，对于每一次的风险评测能够更加准确，最后将目标内容评测字段输入经过更新的目标风险评测模型进行风险评测，得到文本评价信息，能够与风险源实时同步，有效控制合同风险。
附图说明
图1为一个实施例中文本信息评价方法的应用环境图；
图2为一个实施例中文本信息评价方法的方法流程图；
图3为一个实施例中文本信息评价方法中显示条款信息的方法流程图；
图4为一个实施例中文本信息评价方法中获取文本评价信息的方法流程图；
图5为一个实施例中文本信息评价方法装置的结构示意图；
图6为一个实施例中计算机设备的内部结构示意图。
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。
本发明实施例中所提供的文本信息评价方法可以应用于如图1所示的应用环境中，服务器120或终端110获取待评测内容信息以及与待评测内容信息同类型的训练样本，其中待评测内容信息及训练样本可从终端110获取，也可从服务器在线获取，服务器120或终端110获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型，服务器120或终端110根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，服务器120或终端110根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段，服务器120或终端110根据信息集成模型将第一内容评测字段和第二内容评测字段进行消解处理，得到基础内容评测字段，服务器120或终端110再根据信息集成模型将第一训练评测字段和第二训练评测字段进行消解处理，得到基础训练评测字段，服务器120或终端110将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段，服务器120或终端110将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型，服务器120或终端110再将目标内容评测字段输入目标风险评测模型进行风险评测，最终得到文本评价信息。
下述实施方式以文本信息评价方法应用于图1的服务器120或终端110为例进行说明，但需要说明的是，实际应用中该方法并不仅限应用于上述服务器或终端。
如图2所示，为一个实施例中的文本信息评价方法的流程图，该方法具体包括以下步骤：
步骤202，获取待评测内容信息以及与待评测内容信息同类型的训练样本。
其中，待评测内容信息是各个类型的文本信息，该文本信息具体可为各个类型的合同信息。训练样本是与待评测内容信息同类型的文本信息，训练样本具体可为各个类型的合同信息。可以理解的是，待评测内容信息和训练样本可以但不限于是各类买卖合同、赠与合同、借款合同、租赁合同、融资租赁合同、承揽合同和建设工程合同等。
步骤204，获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型。
其中，关系抽取模型是预先训练的用于检测和识别文本中实体与实体之间的语义关系的模型。利用关系抽取模型所输出的信息常用组合形式进行表达，例如，(实体1，关系类别，实体2)，该组合表达形式用于表示各个实体之间存在的语义关系。例如，一个句子为：北京是中国的首都、政治中心和文化中心，那么这个句子中表述的语义关系可以为(中国，首都，北京)，(中国，政治中心，北京)和(中国，文化中心，北京)。事件抽取模型是预先训练的用于从非结构化的文本中抽取事件信息，并将其以结构化形式呈现出来的模型。例如，从“小明1893年出生于湖南湘潭”这句话中抽取事件(类型:出生，人物:小明，时间:1893年，出生地:湖南湘潭)。事件类型识别判断一句话是否表达了特定类型的事件。事件类型决定了事件表示的模板，不同类型的事件具有不同的模板。例如出生事件的模板是(人物，时间，出生地)，而合同的模板可能是(甲方，乙方，项目名称)。
步骤206，根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段。
其中，关系抽取模型是预先训练的用于从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段的模型。服务器根据关系抽取模型抽取得到第一内容评测字段和第一训练评测字段，再根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段，进一步利用关系抽取模型和事件抽取模型所提取出的第二内容评测字段和第二训练评测字段进行信息集成，得到基础内容评测字段和基础训练评测字段。
步骤208，根据信息集成模型将第一内容评测字段和第二内容评测字段进行消解处理，得到基础内容评测字段。
步骤210，根据信息集成模型将第一训练评测字段和第二训练评测字段进行消解处理，得到基础训练评测字段。
其中，信息集成模型是预先训练的用于将第一训练评测字段和第二训练评测字段进行消解处理的模型。信息集成模型主要包括共指消解算法和实体链接算法。共指消解算法指的是检测同一实体/关系/事件的不同提及，并将其链接在一起的任务的算法，例如，识别“小明”和“他”指的是同一实体。实体链接算法用于确定实体名所指向的真实世界实体。根据信息集成模型能够将第一内容评测字段和第二内容评测字段、第一训练评测字段和第二训练评测字段进行字段的消解处理，得到目标内容评测字段和目标训练评测字段。将关系抽取模型和事件抽取模型抽取出的字段进行消解处理，能够进一步得到更加准确的合同字段信息。
步骤212，将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段。
其中，语义分析模型是预先训练的，且利用深层语义特征对基础内容评测字段和基础训练评测字段进行分析的模型，传统地对于文本信息的提取常常基于浅层语义分析，浅层语义分析主要围绕着句子中的谓词，为每个谓词找到相应的语义角色。给定一个句子，但语义分析模型利用深层的语义分析，可以理解的是，深层的语义分析不以谓词为中心，而是将整个句子转化为某种形式化表达，能够更为精确的从繁杂的合同文本信息中提取有效的目标字段。目标字段可为一条完整的记录，例如获取合同中的目标字段可以是：甲方、乙方、项目名称、合同名称、合同金额，其构成一条完整的记录。可以理解的是，目标内容评测字段信息和目标训练评测字段信息是一条完整的合同记录信息。
步骤214，将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型。
其中，基础风险评测模型是已训练的用于对合同进行文本信息评价的模型，将目标训练评测字段输入基础风险评测模型的过程即对基础风险评测模型进行更新的过程，利用目标训练评测字段进一步对基础风险评测模型的更新能够实现对市场上新出现的合同风险信息进行检测识别，有效的控制风险的产生。
步骤216，将目标内容评测字段输入目标风险评测模型进行风险评测，得到文本评价信息。
其中，目标内容评测字段是从待评测内容信息中所提取出的用于进行文本信息评价的一条完整的记录信息。当待评测内容信息进行合同文本信息评价时，利用提取出的目标内容评测字段进行字段信息的反向查询。可以理解的是，目标风险评测模型是对目标内容评测字段进行文本信息评价的模型，目标风险评测模型利用风险训练样本进行训练和验证，同时还可利用决策树以及随机森林对风险高低进行概率评估，增加风险评估的准确性。
目标风险评测模型中包含合同中常出现的风险字段信息，同时对新出现的风险信息进行训练和验证，能够有效的识别潜存的风险。目标风险评测模型对目标内容字段的风险评测可以是对字段中包含的资金信息进行格式化分析、规范化分析、量化分析以及综合评估，也可以是判断是否清楚揭示交易方各自的权利、义务、违约赔偿等，以此判断合同条款中隐藏的各种风险。例如，当目标内容评测字段为“甲方、乙方、项目名称、合同名称、合同金额、联合体成员”这一目标字段进入文本信息评价模型时，当检测到合同金额大于500万，对乙方的注册资本等详细资质进行反向查询，若结合乙方的注册资本、公司状况以及信贷情况发现乙方可能无法履行该合同时，生成相应的文本评价信息。
在一个实施例中，可以再次通过随机森林和决策树进行风险评测，以使得文本评价信息更加准确。可以理解的是，决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，随机森林是利用多棵树对样本进行训练并预测的一种分类器，通过对待评测内容信息的精确提取，同时利用基础训练评测字段实时对基础风险评测模型的更新，能够有效的识别潜存的风险，对风险实现有效的把控。
本实施例中，通过利用关系抽取模型、事件抽取模型和信息集成模型对待评测内容信息和训练样本进行字段提取，得到基础内容评测字段和基础训练评测字段，将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行深层语义分析，进一步准确的提取出合同中的所有字段信息，再利用提取出的目标训练评测信息对基础风险评测模型进行更新，能够实现与风险源实时同步，再将目标内容评测信息输入目标风险评测模型中，准确地生成合同文本评价信息。
在一个实施例中，该方法还包括：将目标训练评测字段按照预设比例划分为训练集和验证集；根据训练集对基础风险评测模型进行训练，得到影响参数，将目标训练评测字段输入验证集中进行验证，得到验证结果；根据验证结果和影响参数更新基础风险评测模型中与影响参数对应的参数信息，得到目标风险评测模型。
其中，训练集是用于训练基础风险评测模型，并且后续将结合验证集进行作用，会选出同一参数的不同取值。验证集是当通过训练集训练出多个基础风险评测模型后，为了能找出效果最佳的模型，使用各个模型对验证集数据进行预测，并记录模型准确率。选出效果最佳的基础风险评测模型所对应的参数，即用来调整模型参数。可以理解的是，影响参数为对基础风险评测模型进行训练后，对文本信息评价结果产生变更影响的参数信息，根据验证结果和影响参数更新基础风险评测模型，得到目标风险评测模型。
本实施例中，通过结合训练集和验证集，对已训练的基础风险评测模型进行模型的更新，更新的过程即为模型中参数信息的更新，再根据验证结果和影响参数更新基础风险评测模型中与影响参数对应的参数信息，得到目标风险评测模型，能够与风险源实时同步，有效控制合同风险。
在一个实施例中，如图3所示，该方法还包括以下步骤：
步骤302，获取文本评价信息中高于预设风险阈值的合同条款信息。
其中，文本评价信息中包括一条或多条完整的有风险的合同记录信息，当文本评价信息中合同条款信息的风险值大于预设的风险阈值时，将该合同条款信息突出显示至待评测内容信息中。
步骤304，根据合同条款信息查找与待评测内容信息同类型的相似条款信息。
其中，相似条款信息为与合同条款信息同类型的条款信息，即通过相似条款信息进一步突出该合同条款信息的风险之处，且能够清晰直观的展示常用的该类型的合同条款应是如何进行设立的。
步骤306，将合同条款信息在待评测内容中突出显示，将相似条款信息在待评测内容中与合同条款信息并排显示。
其中，将高于风险阈值的合同条款信息在待评测内容中突出显示，突出显示的形式可以但不限于是高亮标注、下划线标注、颜色突出显示标注、字体加大加粗标注以及闪烁显示等。当识别出一份合同具有一定风险时，例如，排除投保人、被保险人或者受益人依法享有的权利的合同条款时，通过获取得到的文本评价信息定位风险所在的具体位置，将该条款输出展示，并将相似条款在待评测内容信息中与合同条款信息并排显示，能够直观的了解该合同条款信息所存在的风险。
本实施例中，通过获取文本评价信息中高于预设风险阈值的合同条款信息，再根据合同条款信息查找与待评测内容信息同类型的相似条款信息，然后将合同条款信息在待评测内容中突出显示，将相似条款信息在待评测内容中与合同条款信息并排显示，能够更加直观的了解到待评测内容信息中所存在的风险。
在一个实施例中，信息集成模型包括代词消解算法和名词消解算法，该方法还包括：将第一内容评测字段和第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与第一内容评测字段对应的第一代词信息和第一名词信息，与第二内容评测字段对应的第二代词信息和第二名词信息；根据代词消解算法对第一代词信息和第二代词信息进行消解处理，得到目标代词信息，根据名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；将目标代词信息和目标名词信息进行关联，得到基础内容评测字段。
其中，词性提取模型是根据字段的词性对第一内容评测字段和第二内容评测字段进行代词信息的提取和名词信息的提取的模型，代词消解算法和名词消解算法是将合同中所有的表述划分为现实世界中不同实体的等价描述的算法，将目标代词信息和目标名词信息进行关联，即将消解处理后的字段信息进行重组形成一条完整的合同记录信息，得到基础内容评测字段。
本实施例中，通过对第一内容评测字段、第二内容评测字段、第一训练评测字段和第二训练评测字段进行消解处理，得到目标代词信息和目标名词信息，将目标代词信息和目标名词信息进行关联，得到基础内容评测字段，能够准确的提取合同中的字段信息，同时也进一步提高对合同文本信息评价的准确度。
在一个实施例中，如图4所示，该方法还包括以下步骤：
步骤402，获取目标内容评测字段中的各个要素信息。
其中，目标内容评测字段为合同中一条完整的记录信息，获取目标内容评测字段中的各个要素信息即获取在一条完整的记录中的单个字段信息。例如，一条完整的记录信息为：甲方、乙方、合同金额、联合体成员，则其中的各个要素信息为甲方所对应的信息、乙方所对应的信息、合同金额所对应的信息、联合体成员所对应的信息。
步骤404，将各个要素信息输入与待评测内容信息对应的已训练的客观评估模型进行评估，得到与各个要素信息对应的客观评估信息。
其中，客观评估模型是对各个要素信息进行反向客观信息查询的模型，例如，对甲方这一字段进行反向客观信息查询的结果可以是：甲方的注册资本、甲方的注册年限和甲方的借贷信息等。通过获取与各个要素信息对应的客观评估信息，能够对合同风险的判断更加精确。
步骤406，将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，得到文本评价信息。
其中，将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，能够生成准确地文本评价信息。
本实施例中，通过获取目标内容评测字段中的各个要素信息，将各个要素信息输入与待评测内容信息对应的已训练的客观评估模型进行评估，得到与各个要素信息对应的客观评估信息，将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，得到文本评价信息，能够精确的对合同的风险进行识别。
如图5所示，为一实施例中的文本信息评价装置的示意图，该装置包括：
样本获取模块502，用于获取待评测内容信息以及与待评测内容信息同类型的训练样本；
第一模型获取模块504，用于获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；
字段抽取模块506，用于根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段；
第一消解模块508，用于根据信息集成模型将第一内容评测字段和第二内容评测字段进行消解处理，得到基础内容评测字段；
第二消解模块510，用于根据信息集成模型将第一训练评测字段和第二训练评测字段进行消解处理，得到基础训练评测字段；
目标字段获取模块512，用于将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；
第二模型获取模块514，用于将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；
评测信息获取模块516，用于将目标内容评测字段输入目标风险评测模型进行风险评测，得到文本评价信息。
在一个实施例中，第二模型获取模块包括：字段划分模块，用于将目标训练评测字段按照预设比例划分为训练集和验证集；字段训练验证模块，用于根据训练集对基础风险评测模型进行训练，得到影响参数，将目标训练评测字段输入验证集中进行验证，得到验证结果；参数更新模块，用于根据验证结果和影响参数更新基础风险评测模型中与影响参数对应的参数信息，得到目标风险评测模型。
在一个实施例中，评测信息获取模块包括：条款获取模块，用于获取文本评价信息中高于预设风险阈值的合同条款信息；相似条款获取模块，用于根据合同条款信息查找与待评测内容信息同类型的相似条款信息；条款显示模块，用于将合同条款信息在待评测内容中突出显示，将相似条款信息在待评测内容中与合同条款信息并排显示。
在一个实施例中，信息集成模型包括代词消解算法和名词消解算法，第一消解模块包括：将第一内容评测字段和第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与第一内容评测字段对应的第一代词信息和第一名词信息，与第二内容评测字段对应的第二代词信息和第二名词信息；根据代词消解算法对第一代词信息和第二代词信息进行消解处理，得到目标代词信息，根据名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；将目标代词信息和目标名词信息进行关联，得到基础内容评测字段。
在一个实施例中，评测信息获取模块包括：获取目标内容评测字段中的各个要素信息；将各个要素信息输入与待评测内容信息对应的已训练的客观评估模型进行评估，得到与各个要素信息对应的客观评估信息；将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，得到文本评价信息。
关于文本信息评价装置的具体限定可以参见上文中对于文本信息评价方法的限定，在此不再赘述。上述文本信息评价装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。上述文本信息评价装置可以实现为一种计算机程序的形式。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，也可以是终端。当该计算机设备为终端时，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备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和计算机程序。该内存储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文本信息评价方法。本领域技术人员可以理解，图6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，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，处理器执行程序时实现以下步骤：获取待评测内容信息以及与待评测内容信息同类型的训练样本；获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段；根据信息集成模型将第一内容评测字段和第二内容评测字段进行消解处理，得到基础内容评测字段；根据信息集成模型将第一训练评测字段和第二训练评测字段进行消解处理，得到基础训练评测字段；将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；将目标内容评测字段输入目标风险评测模型进行风险评测，得到文本评价信息。
在一个实施例中，处理器执行程序时还可以实现以下步骤：将目标训练评测字段按照预设比例划分为训练集和验证集；根据训练集对基础风险评测模型进行训练，得到影响参数，将目标训练评测字段输入验证集中进行验证，得到验证结果；根据验证结果和影响参数更新基础风险评测模型中与影响参数对应的参数信息，得到目标风险评测模型。
在一个实施例中，处理器执行程序时还可以实现以下步骤：获取文本评价信息中高于预设风险阈值的合同条款信息；根据合同条款信息查找与待评测内容信息同类型的相似条款信息；将合同条款信息在待评测内容中突出显示，将相似条款信息在待评测内容中与合同条款信息并排显示。
在一个实施例中，信息集成模型包括代词消解算法和名词消解算法，处理器执行程序时还可以实现以下步骤：将第一内容评测字段和第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与第一内容评测字段对应的第一代词信息和第一名词信息，与第二内容评测字段对应的第二代词信息和第二名词信息；根据代词消解算法对第一代词信息和第二代词信息进行消解处理，得到目标代词信息，根据名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；将目标代词信息和目标名词信息进行关联，得到基础内容评测字段。
在一个实施例中，处理器执行程序时还可以实现以下步骤：获取目标内容评测字段中的各个要素信息；将各个要素信息输入与待评测内容信息对应的已训练的客观评估模型进行评估，得到与各个要素信息对应的客观评估信息；将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，得到文本评价信息。
上述对于计算机设备的限定可以参见上文中对于文本信息评价方法的具体限定，在此不再赘述。
请继续参阅图6，还提供一种计算机可读存储介质，其上存储有计算机程序，如图6中所示的非易失性存储介质，其中，该程序被处理器执行时实现以下步骤：获取待评测内容信息以及与待评测内容信息同类型的训练样本；获取与待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；根据关系抽取模型从待评测内容信息和训练样本中抽取第一内容评测字段和第一训练评测字段，根据事件抽取模型从待评测内容信息和训练样本中抽取第二内容评测字段和第二训练评测字段；根据信息集成模型将第一内容评测字段和第二内容评测字段进行消解处理，得到基础内容评测字段；根据信息集成模型将第一训练评测字段和第二训练评测字段进行消解处理，得到基础训练评测字段；将基础内容评测字段和基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；将目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；将目标内容评测字段输入目标风险评测模型进行风险评测，得到文本评价信息。
在一个实施例中，该程序被处理器执行时还可以实现以下步骤：将目标训练评测字段按照预设比例划分为训练集和验证集；根据训练集对基础风险评测模型进行训练，得到影响参数，将目标训练评测字段输入验证集中进行验证，得到验证结果；根据验证结果和影响参数更新基础风险评测模型中与影响参数对应的参数信息，得到目标风险评测模型。
在一个实施例中，该程序被处理器执行时还可以实现以下步骤：获取文本评价信息中高于预设风险阈值的合同条款信息；根据合同条款信息查找与待评测内容信息同类型的相似条款信息；将合同条款信息在待评测内容中突出显示，将相似条款信息在待评测内容中与合同条款信息并排显示。
在一个实施例中，信息集成模型包括代词消解算法和名词消解算法，该程序被处理器执行时还可以实现以下步骤：将第一内容评测字段和第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与第一内容评测字段对应的第一代词信息和第一名词信息，与第二内容评测字段对应的第二代词信息和第二名词信息；根据代词消解算法对第一代词信息和第二代词信息进行消解处理，得到目标代词信息，根据名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；将目标代词信息和目标名词信息进行关联，得到基础内容评测字段。
在一个实施例中，该程序被处理器执行时还可以实现以下步骤：获取目标内容评测字段中的各个要素信息；将各个要素信息输入与待评测内容信息对应的已训练的客观评估模型进行评估，得到与各个要素信息对应的客观评估信息；将各个要素信息以及与各个要素信息对应的客观评估信息输入目标风险评测模型进行风险评测，得到文本评价信息。
上述对于计算机可读存储介质的限定可以参见上文中对于文本信息评价方法的具体限定，在此不再赘述。
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，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种文本信息评价方法，所述方法包括：
获取待评测内容信息以及与所述待评测内容信息同类型的训练样本；
获取与所述待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；
根据所述关系抽取模型从所述待评测内容信息和所述训练样本中抽取第一内容评测字段和第一训练评测字段，根据所述事件抽取模型从所述待评测内容信息和所述训练样本中抽取第二内容评测字段和第二训练评测字段；
根据所述信息集成模型将所述第一内容评测字段和所述第二内容评测字段进行消解处理，得到基础内容评测字段；
根据所述信息集成模型将所述第一训练评测字段和所述第二训练评测字段进行消解处理，得到基础训练评测字段；
将所述基础内容评测字段和所述基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；
将所述目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；
将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型，包括：
将所述目标训练评测字段按照预设比例划分为训练集和验证集；
根据所述训练集对基础风险评测模型进行训练，得到影响参数，将所述目标训练评测字段输入验证集中进行验证，得到验证结果；
根据所述验证结果和所述影响参数更新所述基础风险评测模型中与所述影响参数对应的参数信息，得到所述目标风险评测模型。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息之后，还包括：
获取所述文本评价信息中高于预设风险阈值的合同条款信息；
根据所述合同条款信息查找与所述待评测内容信息同类型的相似条款信息；
将所述合同条款信息在所述待评测内容中突出显示，将所述相似条款信息在所述待评测内容中与所述合同条款信息并排显示。
4.根据权利要求1所述的方法，所述信息集成模型包括代词消解算法和名词消解算法，其特征在于，所述根据所述信息集成模型将所述第一内容评测字段和所述第二内容评测字段进行消解处理，得到基础内容评测字段，包括：
将所述第一内容评测字段和所述第二内容评测字段输入已训练的词性提取模型进行字段提取，得到与所述第一内容评测字段对应的第一代词信息和第一名词信息，与所述第二内容评测字段对应的第二代词信息和第二名词信息；
根据所述代词消解算法对所述第一代词信息和所述第二代词信息进行消解处理，得到目标代词信息，根据所述名词消解算法对第一名词信息和第二名词信息进行消解处理，得到目标名词信息；
将所述目标代词信息和所述目标名词信息进行关联，得到所述基础内容评测字段。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息，包括：
获取所述目标内容评测字段中的各个要素信息；
将所述各个要素信息输入与所述待评测内容信息对应的已训练的客观评估模型进行评估，得到与所述各个要素信息对应的客观评估信息；
将所述各个要素信息以及与所述各个要素信息对应的客观评估信息输入所述目标风险评测模型进行风险评测，得到所述文本评价信息。
6.一种文本信息评价装置，其特征在于，所述装置包括：
样本获取模块，用于获取待评测内容信息以及与所述待评测内容信息同类型的训练样本；
第一模型获取模块，用于获取与所述待评测内容信息对应的关系抽取模型、事件抽取模型和信息集成模型；
字段抽取模块，用于根据所述关系抽取模型从所述待评测内容信息和所述训练样本中抽取第一内容评测字段和第一训练评测字段，根据所述事件抽取模型从所述待评测内容信息和所述训练样本中抽取第二内容评测字段和第二训练评测字段；
第一消解模块，用于根据所述信息集成模型将所述第一内容评测字段和所述第二内容评测字段进行消解处理，得到基础内容评测字段；
第二消解模块，用于根据所述信息集成模型将所述第一训练评测字段和所述第二训练评测字段进行消解处理，得到基础训练评测字段；
目标字段获取模块，用于将所述基础内容评测字段和所述基础训练评测字段输入已训练的语义分析模型进行分析，得到目标内容评测字段和目标训练评测字段；
第二模型获取模块，用于将所述目标训练评测字段输入已训练的基础风险评测模型进行模型更新，得到目标风险评测模型；
评测信息获取模块，用于将所述目标内容评测字段输入所述目标风险评测模型进行风险评测，得到文本评价信息。
7.根据权利要求6所述的装置，其特征在于，所述第二模型获取模块包括：
字段划分模块，用于将所述目标训练评测字段按照预设比例划分为训练集和验证集；
字段训练验证模块，用于根据所述训练集对基础风险评测模型进行训练，得到影响参数，将所述目标训练评测字段输入验证集中进行验证，得到验证结果；
参数更新模块，用于根据所述验证结果和所述影响参数更新所述基础风险评测模型中与所述影响参数对应的参数信息，得到所述目标风险评测模型。
8.根据权利要求6所述的装置，其特征在于，所述评测信息获取模块包括：
条款获取模块，用于获取文本评价信息中高于预设风险阈值的合同条款信息；
相似条款获取模块，用于根据所述合同条款信息查找与所述待评测内容信息同类型的相似条款信息；
条款显示模块，用于将所述合同条款信息在所述待评测内容中突出显示，将所述相似条款信息在所述待评测内容中与所述合同条款信息并排显示。
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5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5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910650492.1A CN110502745B (zh) | 2019-07-18 | 2019-07-18 | 文本信息评价方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910650492.1A CN110502745B (zh) | 2019-07-18 | 2019-07-18 | 文本信息评价方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110502745A true CN110502745A (zh) | 2019-11-26 |
| CN110502745B CN110502745B (zh) | 2023-04-07 |
Family
ID=68586064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910650492.1A Active CN110502745B (zh) | 2019-07-18 | 2019-07-18 | 文本信息评价方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110502745B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016268A (zh) * | 2020-09-01 | 2020-12-01 | 中国平安财产保险股份有限公司 | 线上文档处理方法、装置、计算机设备和可读存储介质 |
| CN113076245A (zh) * | 2021-03-30 | 2021-07-06 | 山东英信计算机技术有限公司 | 一种开源协议的风险评估方法、装置、设备及存储介质 |
| CN114820162A (zh) * | 2022-04-08 | 2022-07-29 | 中国银行股份有限公司 | 一种风险评估方法、系统、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109471915A (zh) * | 2018-10-09 | 2019-03-15 | 科大讯飞股份有限公司 | 一种文本评价方法、装置、设备以及可读存储介质 |
| CN109766540A (zh) * | 2018-12-10 | 2019-05-17 | 平安科技（深圳）有限公司 | 通用文本信息提取方法、装置、计算机设备和存储介质 |
| CN109783604A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于少量样本的信息提取方法、装置和计算机设备 |
| CN109918635A (zh) * | 2017-12-12 | 2019-06-21 | 中兴通讯股份有限公司 | 一种合同文本风险检测方法、装置、设备及存储介质 |
| CN109978339A (zh) * | 2019-02-27 | 2019-07-05 | 平安科技（深圳）有限公司 | Ai面试模型训练方法、装置、计算机设备及存储介质 |
-
2019
- 2019-07-18 CN CN201910650492.1A patent/CN110502745B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109918635A (zh) * | 2017-12-12 | 2019-06-21 | 中兴通讯股份有限公司 | 一种合同文本风险检测方法、装置、设备及存储介质 |
| CN109471915A (zh) * | 2018-10-09 | 2019-03-15 | 科大讯飞股份有限公司 | 一种文本评价方法、装置、设备以及可读存储介质 |
| CN109766540A (zh) * | 2018-12-10 | 2019-05-17 | 平安科技（深圳）有限公司 | 通用文本信息提取方法、装置、计算机设备和存储介质 |
| CN109783604A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技（深圳）有限公司 | 基于少量样本的信息提取方法、装置和计算机设备 |
| CN109978339A (zh) * | 2019-02-27 | 2019-07-05 | 平安科技（深圳）有限公司 | Ai面试模型训练方法、装置、计算机设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016268A (zh) * | 2020-09-01 | 2020-12-01 | 中国平安财产保险股份有限公司 | 线上文档处理方法、装置、计算机设备和可读存储介质 |
| CN113076245A (zh) * | 2021-03-30 | 2021-07-06 | 山东英信计算机技术有限公司 | 一种开源协议的风险评估方法、装置、设备及存储介质 |
| CN114820162A (zh) * | 2022-04-08 | 2022-07-29 | 中国银行股份有限公司 | 一种风险评估方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110502745B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147726B (zh) | 业务质检方法和装置、存储介质及电子装置 | |
| CN110765770B (zh) | 一种合同自动生成方法及装置 | |
| CN110597964B (zh) | 一种双录质检语义分析方法、装置及双录质检系统 | |
| WO2019218699A1 (zh) | 欺诈交易判断方法、装置、计算机设备和存储介质 | |
| US8949166B2 (en) | Creating and processing a data rule for data quality | |
| CN110489520A (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
| CN110502745A (zh) | 文本信息评价方法、装置、计算机设备和存储介质 | |
| CN106934275B (zh) | 一种基于个人信息的口令强度评测方法 | |
| JP6047463B2 (ja) | セキュリティ上の脅威を評価する評価装置及びその方法 | |
| CN106296195A (zh) | 一种风险识别方法及装置 | |
| CN107566391A (zh) | 域识别加主题识别构建机器学习模型检测网页暗链的方法 | |
| CN110008336B (zh) | 一种基于深度学习的舆情预警方法及系统 | |
| CN107133518B (zh) | 基于参数和信息流的源代码越权检测方法及装置 | |
| KR102051350B1 (ko) | 암호화폐 거래를 분석하기 위한 데이터 획득 방법 및 장치 | |
| CN106203808A (zh) | 企业信用风险评估方法和装置 | |
| CN110175851A (zh) | 一种作弊行为检测方法及装置 | |
| CN107103239A (zh) | 基于应用系统业务处理逻辑的源代码越权检测方法及装置 | |
| CN109063045A (zh) | 一种金融服务方法及金融服务终端 | |
| CN114549241A (zh) | 合同审查方法、装置、系统与计算机可读存储介质 | |
| CN110413307A (zh) | 代码功能的关联方法、装置及电子设备 | |
| Yang et al. | How does digitalization alter the paradox of supply base concentration? The effects of digitalization intensity and breadth | |
| CN117540803A (zh) | 基于大模型的决策引擎配置方法、装置、电子设备及介质 | |
| CN106022915A (zh) | 企业信用风险评估方法和装置 | |
| KR20210029326A (ko) | 비정형 재무정보 추출을 활용한 기업 건전성 진단 장치 및 방법 | |
| CN117725926A (zh) | 一种基于自然语言处理结合违规检查的评价方法及系统 |
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 |