CN112651753A - 基于区块链的智能合约生成方法、系统及电子设备 - Google Patents
基于区块链的智能合约生成方法、系统及电子设备 Download PDFInfo
- Publication number
- CN112651753A CN112651753A CN202011612684.2A CN202011612684A CN112651753A CN 112651753 A CN112651753 A CN 112651753A CN 202011612684 A CN202011612684 A CN 202011612684A CN 112651753 A CN112651753 A CN 112651753A
- Authority
- CN
- China
- Prior art keywords
- vector
- word
- business license
- determining
- text
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000013598 vector Substances 0.000 claims abstract description 140
- 230000011218 segmentation Effects 0.000 claims abstract description 63
- 238000013528 artificial neural network Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000012550 audit Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种基于区块链的智能合约生成方法、系统及电子设备,涉及区块链技术领域,该方法首先在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本;然后根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果;再将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据;最后根据第二向量中的代码块的数据,确定智能合约。当申请人提出营业执照的申请后,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,解决了现有人工审核费时费力的问题。
Description
技术领域
本发明涉及区块链技术领域,尤其是涉及一种基于区块链的智能合约生成方法、系统及电子设备。
背景技术
在营业执照的申请过程中,涉及众多的信息审核,申请人需要提交各种申请文件才能满足复杂的审核要求,且现有技术中的审核过程采用人工审核的方式,耗时耗力。而区块链技术领域中的智能合约具有规则公开透明、合约内的规则以及数据对外可见;所有交易公开可见,不会存在任何虚假或者隐藏的交易等优点,结合区块链具有的信息不可篡改以及不可伪造性等优点,很适合将智能合约应用于营业执照的审核过程中,但现有技术中缺乏相关实现手段。
发明内容
有鉴于此,本发明的目的在于提供一种基于区块链的智能合约生成方法、系统及电子设备,该方法实现了端到端的智能合约自动生成过程,当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,实现了营业执照审核的自动化,解决了现有技术中存在的人工审核费时费力的问题。
第一方面,本发明实施例提供了一种基于区块链的智能合约生成方法,该智能合约用于营业执照的审核,该方法包括:
在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本;
根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果;
将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据;
根据第二向量中的代码块的数据,确定智能合约。
在一些实施方式中,根据营业执照文本确定营业执照文本的第一向量的步骤,包括:
根据预设的词性分割规则对营业执照文本进行词分割操作,确定营业执照文本的词性分割结果;
根据预设的词嵌入规则对词分割结果进行词嵌入操作,并将生成的词嵌入向量确定为第一向量。
在一些实施方式中,根据预设的词性分割规则对营业执照文本进行词分割操作,确定营业执照文本的词性分割结果的步骤,包括:
获取预设的词性分割规则中包含的词性;其中词性包括:主语、其他、关系以及关系对象;
根据词性分别对营业执照文本进行词分割操作,确定营业执照文本的主语、其他、关系以及关系对象的分割结果。
在一些实施方式中,根据预设的词嵌入规则对词分割结果进行词嵌入操作,并将生成的词嵌入向量确定为第一向量的步骤,包括:
获取词性为主语、其他、关系以及关系对象的词分割结果;
利用词嵌入方法,将关系对应的词分割结果转化为第一词嵌入向量;
利用词聚合方法,将主语以及关系对象对应的词分割结果转化为第二词嵌入向量;
根据第一词嵌入向量和第二词嵌入向量,确定第一向量。
在一些实施方式中,词聚合方法,通过以下算式实现:
其中,xk为所述主语或所述关系对象;Exi-1为所述主语或所述关系对象的前一个词向量;Exi+1为所述主语或所述关系对象后一个词向量;wi为权重;Exk为所述主语以及所述关系对象的聚合结果。
在一些实施方式中,将第一向量输入至预设的神经网络中得到第二向量的步骤,包括:
将第一向量中词性为主语、其他、关系以及关系对象的向量数据输入至神经网络中;
神经网络计算输出三维向量(a1,a2,a3);其中,a1用于确定词性的分类;a2用于匹配代码块;a3用于确定关系对象在代码块的位置;
根据三维向量确定第二向量。
在一些实施方式中,神经网络在训练过程中的损失函数为:
其中,Loss为损失函数输出值;K为数据集个数;为词性的分类数量;a1为输出向量的第一维;为属于第j类的第i个a1;a2i为第i个输出向量的第二维真实值;a3i为第i个输出向量的第三维真实值;a2i′为第i个输出向量的第二维预测值;a3i′为第i个输出向量的第三维预测值;w1、w2、w3分别为权重值,且w1>w2>w3。
第二方面,本发明实施例提供了一种基于区块链的智能合约生成系统,该智能合约用于营业执照的审核,该系统包括:
数据获取模块,用于在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本;
第一向量确定模块,用于根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果;
第二向量确定模块,用于将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据;
智能合约确定模块,用于根据第二向量中的代码块的数据,确定智能合约。
第三方面,本发明实施例还提供一种电子设备,包括:处理器和存储器;存储器上存储有计算机程序,计算机程序在被处理器运行时实现上述第一方面任意可能的实施方式中提到的基于区块链的智能合约生成方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其中,计算机程序被处理器运行时实现上述第一方面任意可能的实施方式中提到的基于区块链的智能合约生成方法的步骤。
本发明实施例带来了以下有益效果:
本发明提供了一种基于区块链的智能合约生成方法、系统及电子设备,该智能合约用于营业执照的审核,该方法首先在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本;然后根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果;再将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据;最后根据第二向量中的代码块的数据,确定智能合约。该方法实现了端到端的智能合约自动生成过程,当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,实现了营业执照审核的自动化,解决了现有技术中存在的人工审核费时费力的问题。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种基于区块链的智能合约生成方法的流程图;
图2为本发明实施例提供的一种基于区块链的智能合约生成方法中步骤S102的流程图;
图3为本发明实施例提供的一种基于区块链的智能合约生成方法中步骤S201的流程图;
图4为本发明实施例提供的一种基于区块链的智能合约生成方法中步骤S202的流程图;
图5为本发明实施例提供的一种基于区块链的智能合约生成方法中步骤S103的流程图;
图6为本发明实施例提供的一种基于区块链的智能合约生成系统的结构示意图;
图7为本发明实施例提供的一种电子设备的结构示意图。
图标:
610-数据获取模块;620-第一向量确定模块;630-第二向量确定模块;640-智能合约确定模块;101-处理器;102-存储器;103-总线;104-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在营业执照的申请过程中,涉及众多的信息审核,申请人需要提交各种申请文件才能满足复杂的审核要求,且现有技术中的审核过程采用人工审核的方式,耗时耗力。而区块链技术领域中的智能合约具有规则公开透明、合约内的规则以及数据对外可见;所有交易公开可见,不会存在任何虚假或者隐藏的交易等优点,结合区块链具有的信息不可篡改以及不可伪造性等优点,很适合将智能合约应用于营业执照的审核过程中,但现有技术中缺乏相关实现手段。
基于此,本发明实施例提供了一种基于区块链的智能合约生成方法、系统及电子设备,通过区块链技术和神经网络技术,结合词分割以及嵌入策略,实现了端到端的智能合约自动生成过程。当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,实现了营业执照审核的自动化,解决了现有技术中存在的人工审核费时费力的问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于区块链的智能合约生成方法进行详细介绍。
参见图1所示的一种基于区块链的智能合约生成方法的流程图,该方法包括以下步骤:
步骤S101,在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本。
该步骤中的区块链网络应用于营业执照审核的节点,包含了各类营业执照文书。由于营业执照文书的格式是固定的,因此其对应的文本内容之间的格式也大体相同。在获得营业执照文本后,需要对文本内容进行类似格式化的操作,例如:对营业执照文本的内容进行语句分割、词语提取,相关分类等。
步骤S102,根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果。
对于营业执照文本而言,最重要的就是获取主体以及与主体有关的关系对象,因此需要对营业执照文本进行词分割。可按照主语、其他、关系、关系对象等进行词分割,然后将分类结果进行词嵌入操作。
该步骤中的词嵌入操作为人工智能领域相关领域的操作,词嵌入可视为给每个组一个n维的编码,能够在某一维度上描述词性,在另一维度描述感情色彩;用特征描述取代符号描述的过程类似于机器视觉中使用深度网络提取图片的基本特征,也便于对比、泛化、以及知识迁移。词嵌入最终可将词的特征映射到较低的维度,使得相关模型的参数更少,训练更快。
步骤S103,将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据。
第一向量的获取可认为是对营业执照文本的分割以及向量化,第二向量的获取可认为是对营业执照文本的词性与区块链的关联。具体的说,该区块链网络中代码块为条件判断的代码块,可设置在相关模板库中。
作为神经网络的输入数据,第一向量的本质为词嵌入向量,而从神经网络输出的第二向量中,每一维度和词性决定了该词组与代码块的位置关系,进而决定后续智能合约的生成。
步骤S104,根据第二向量中的代码块的数据,确定智能合约。
第二向量中与代码块有关的数据决定着代码块的内容以及代码块的位置,利用相关代码生成器将代码块相关数据进行处理,生成智能合约。
本质上来说智能合约是一段程序,它以计算机指令的方式实现了传统合约的自动化处理。智能合约就是双方在区块链上交易时,触发执行的一段代码,这段代码就是智能合约。智能合约不只是一个可以自动执行的程序,它本身就是一个系统参与者,对接收到的信息进行回应,可以接收和储存价值,也可以向外发送信息和价值。
当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约根据区块链上的信息自动审核申请人是否满足营业执照申请。
通过上述实施例中提供的基于区块链的智能合约生成方法可知,该方法通过区块链技术和神经网络技术,结合词分割以及嵌入策略,实现了端到端的智能合约自动生成过程。当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,实现了营业执照审核的自动化,解决了现有技术中存在的人工审核费时费力的问题。
在一些实施方式中,根据营业执照文本确定营业执照文本的第一向量的步骤S102,如图2所示,包括:
步骤S201,根据预设的词性分割规则对营业执照文本进行词分割操作,确定营业执照文本的词性分割结果。
具体实施过程中,对营业执照文本按照主语、其他、关系以及关系对象进行分割,具体步骤如图3所示:
步骤S31,获取预设的词性分割规则中包含的词性;其中词性包括:主语、其他、关系以及关系对象。
步骤S32,根据词性分别对营业执照文本进行词分割操作,确定营业执照文本的主语、其他、关系以及关系对象的分割结果。
主语作为代码块中条件判断的对象;关系即为等于、大于、小于等判断大小的关系;关系对象作为代码块中条件判断的目标值,是关系后面对应的目标。例如“大于10万元”中的“10万元”即为关系对象;其他,是指代码块生成过程中没有起到任何作用的词。
步骤S202,根据预设的词嵌入规则对词分割结果进行词嵌入操作,并将生成的词嵌入向量确定为第一向量。
对营业执照文本按照主语、其他、关系以及关系的词嵌入向量获取过程如图4所示,包括:
步骤S41,获取词性为主语、其他、关系以及关系对象的词分割结果。
词性为主语、其他、关系以及关系对象的词分割结果已由步骤S31-S32完成,不再赘述。
步骤S42,利用词嵌入方法,将关系对应的词分割结果转化为第一词嵌入向量。
该步骤中,将关系对应的词分割结果直接通过词嵌入方法获得。
步骤S43,利用词聚合方法,将主语以及关系对象对应的词分割结果转化为第二词嵌入向量。
该步骤中,将主语以及关系对象的嵌入向量进行计算,通过词聚合的方式获得第二词嵌入向量。具体实施过程中,词聚合方法通过以下算式实现:
其中,xk为所述主语或所述关系对象;Exi-1为所述主语或所述关系对象的前一个词向量;Exi+1为所述主语或所述关系对象后一个词向量;wi为权重;Exk为所述主语以及所述关系对象的聚合结果。
步骤S44,根据第一词嵌入向量和第二词嵌入向量,确定第一向量。
第一向量获取后,将将第一向量输入至预设的神经网络中得到第二向量中,在一些实施方式中该步骤S103如图5所示,包括:
步骤S501,将第一向量中词性为主语、其他、关系以及关系对象的向量数据输入至神经网络中。
步骤S502,神经网络计算输出三维向量(a1,a2,a3);其中,a1用于确定词性的分类;a2用于匹配代码块;a3用于确定关系对象在代码块的位置。
具体的说,以词性为主语、其他、关系以及关系对象为例,a1=1时该词为主语;a1=2时该词为关系,a1=3时该词为关系对象,a1=4时该词为其他。
步骤S503,根据三维向量确定第二向量。
输出向量的第一特征用于词性分类,当a1=1时,则词为主语,作为代码块中条件判断的对象,其位置通过输出向量的第三维特征a3获取:利用神经网络输出的a3与位置编号间的最短欧氏距离来确定位置。
当a1=2时,则词为关系,通过对应关系匹配模板库中的(条件判断的)代码块,对应关系通过输出向量的第二维特征a2获得:利用神经网络输出的a2与代码块编号间的最短欧式距离,来确定代码块编号。
当a1=3时,则词为关系对象,作为代码块中条件判断的目标值,其位置通过输出向量的第三维特征a3获取:利用神经网络输出的a3与位置编号间的最短欧氏距离来确定位置。
当a1=4时,则词为其他,表示该词在当前代码生成过程中为无关词,不进行任何代码生成相关操作。
若其他类型的词具有相应的代码生成操作,通过增加a1特征的类别实现扩展,类如a1=5,a1=6等,并在词性分类后执行对应操作。
在一些实施方式中,神经网络在训练过程中的损失函数为:
其中,Loss为损失函数输出值;K为数据集个数;为词性的分类数量;a1为输出向量的第一维;为属于第j类的第i个a1;a2i为第i个输出向量的第二维真实值;a3i为第i个输出向量的第三维真实值;a2i′为第i个输出向量的第二维预测值;a3i′为第i个输出向量的第三维预测值;w1、w2、w3分别为权重值,且w1>w2>w3。
当申请人提出营业执照的申请时,不再需要提供相关申报材料,审核人员接收到申请时,从区块链节点收集申请人相关的申请信息,智能合约根据区块链上的信息自动审核申请人是否满足营业执照申请。具体实施过程中,可在获得区块链的审核结果后再进行人工校验,进一步提升审核精度。
通过上述实施例中提供的基于区块链的智能合约生成方法可知,该方法通过区块链技术和神经网络技术,结合词分割以及嵌入策略,实现了端到端的智能合约自动生成过程。当申请人提出营业执照的申请后,审核人员从区块链上收集申请人相关的申请信息,智能合约能够根据区块链上的信息自动审核申请人是否满足营业执照申请,实现了营业执照审核的自动化,解决了现有技术中存在的人工审核费时费力的问题。
对应于上述方法实施例,本发明实施例还提供了一种基于区块链的智能合约生成系统,该智能合约用于营业执照的审核,该系统的结构示意图如图6所示,包括:
数据获取模块610,用于在已创建的区块链网络中获取营业执照文本;其中,营业执照文本为保存在区块链网络中的营业执照文书对应的文本;
第一向量确定模块620,用于根据营业执照文本确定营业执照文本的第一向量;第一向量包含营业执照文本的词分割结果以及词嵌入结果;
第二向量确定模块630,用于将第一向量输入至预设的神经网络中得到第二向量;第二向量用于根据词分割结果以及词嵌入结果确定区块链网络中的代码块的数据;
智能合约确定模块640,用于根据第二向量中的代码块的数据,确定智能合约。
本发明实施例提供的基于区块链的智能合约生成系统,与上述实施例提供的基于区块链的智能合约生成方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。为简要描述,实施例部分未提及之处,可参考前述方法实施例中相应内容。
本实施例还提供一种电子设备,为该电子设备的结构示意图如图7所示,该设备包括处理器101和存储器102;其中,存储器102用于存储一条或多条计算机指令,一条或多条计算机指令被处理器执行,以实现上述基于区块链的智能合约生成。
图7所示的电子设备还包括总线103和通信接口104,处理器101、通信接口104和存储器102通过总线103连接。
其中,存储器102可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。总线103可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接,将封装好的IPv4报文或IPv4报文通过网络接口发送至用户终端。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102,处理器101读取存储器102中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前述实施例的方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以用软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于区块链的智能合约生成方法,其特征在于,所述智能合约用于营业执照的审核,所述方法包括:
在已创建的区块链网络中获取营业执照文本;其中,所述营业执照文本为保存在所述区块链网络中的营业执照文书对应的文本;
根据所述营业执照文本确定所述营业执照文本的第一向量;所述第一向量包含所述营业执照文本的词分割结果以及词嵌入结果;
将所述第一向量输入至预设的神经网络中得到第二向量;所述第二向量用于根据所述词分割结果以及所述词嵌入结果确定所述区块链网络中的代码块的数据;
根据所述第二向量中的代码块的数据,确定所述智能合约。
2.根据权利要求1所述的方法,其特征在于,根据所述营业执照文本确定所述营业执照文本的第一向量的步骤,包括:
根据预设的词性分割规则对所述营业执照文本进行词分割操作,确定所述营业执照文本的词性分割结果;
根据预设的词嵌入规则对所述词分割结果进行词嵌入操作,并将生成的词嵌入向量确定为所述第一向量。
3.根据权利要求2所述的方法,其特征在于,根据预设的词性分割规则对所述营业执照文本进行词分割操作,确定所述营业执照文本的词性分割结果的步骤,包括:
获取预设的所述词性分割规则中包含的词性;其中所述词性包括:主语、其他、关系以及关系对象;
根据所述词性分别对所述营业执照文本进行词分割操作,确定所述营业执照文本的所述主语、所述其他、所述关系以及所述关系对象的分割结果。
4.根据权利要求3所述的方法,其特征在于,根据预设的词嵌入规则对所述词分割结果进行词嵌入操作,并将生成的词嵌入向量确定为所述第一向量的步骤,包括:
获取所述词性为所述主语、所述其他、所述关系以及所述关系对象的所述词分割结果;
利用词嵌入方法,将所述关系对应的所述词分割结果转化为第一词嵌入向量;
利用词聚合方法,将所述主语以及所述关系对象对应的所述词分割结果转化为第二词嵌入向量;
根据所述第一词嵌入向量和所述第二词嵌入向量,确定所述第一向量。
6.根据权利要求4所述的方法,其特征在于,将所述第一向量输入至预设的神经网络中得到第二向量的步骤,包括:
将所述第一向量中词性为所述主语、所述其他、所述关系以及所述关系对象的向量数据输入至所述神经网络中;
所述神经网络计算输出三维向量(a1,a2,a3);其中,a1用于确定所述词性的分类;a2用于匹配所述代码块;a3用于确定所述关系对象在所述代码块的位置;
根据所述三维向量确定所述第二向量。
8.一种基于区块链的智能合约生成系统,其特征在于,所述智能合约用于营业执照的审核,所述系统包括:
数据获取模块,用于在已创建的区块链网络中获取营业执照文本;其中,所述营业执照文本为保存在所述区块链网络中的营业执照文书对应的文本;
第一向量确定模块,用于根据所述营业执照文本确定所述营业执照文本的第一向量;所述第一向量包含所述营业执照文本的词分割结果以及词嵌入结果;
第二向量确定模块,用于将所述第一向量输入至预设的神经网络中得到第二向量;所述第二向量用于根据所述词分割结果以及所述词嵌入结果确定所述区块链网络中的代码块的数据;
智能合约确定模块,用于根据所述第二向量中的代码块的数据,确定所述智能合约。
9.一种电子设备,其特征在于,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时实现如权利要求1至7任一项所述的基于区块链的智能合约生成方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质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运行时实现上述权利要求1至7任一项所述的基于区块链的智能合约生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011612684.2A CN112651753B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的智能合约生成方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011612684.2A CN112651753B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的智能合约生成方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651753A true CN112651753A (zh) | 2021-04-13 |
CN112651753B CN112651753B (zh) | 2024-09-24 |
Family
ID=75364169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011612684.2A Active CN112651753B (zh) | 2020-12-30 | 2020-12-30 | 基于区块链的智能合约生成方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651753B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297849A (zh) * | 2021-05-17 | 2021-08-24 | 济南森维网络科技有限公司 | 基于区块链技术的财务预提费用管理方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778882A (zh) * | 2016-12-23 | 2017-05-31 | 杭州云象网络技术有限公司 | 一种基于前馈神经网络的智能合约自动分类方法 |
CN108399163A (zh) * | 2018-03-21 | 2018-08-14 | 北京理工大学 | 结合词聚合与词组合语义特征的文本相似性度量方法 |
CN109710384A (zh) * | 2018-12-29 | 2019-05-03 | 杭州趣链科技有限公司 | 一种安全的Java智能合约解释执行引擎及方法 |
CN110046250A (zh) * | 2019-03-17 | 2019-07-23 | 华南师范大学 | 三嵌入卷积神经网络模型及其文本多分类方法 |
CN110245186A (zh) * | 2019-05-21 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 一种基于区块链的业务处理方法及相关设备 |
CN111191007A (zh) * | 2019-12-30 | 2020-05-22 | 山东爱城市网信息技术有限公司 | 一种基于区块链的文章关键词过滤方法及设备、介质 |
CN111241294A (zh) * | 2019-12-31 | 2020-06-05 | 中国地质大学(武汉) | 基于依赖解析和关键词的图卷积网络的关系抽取方法 |
CN111241592A (zh) * | 2019-12-30 | 2020-06-05 | 航天信息股份有限公司 | 一种基于区块链技术的商事登记方法和系统 |
US20200244649A1 (en) * | 2019-06-18 | 2020-07-30 | Alibaba Group Holding Limited | Blockchain-based enterprise authentication method, apparatus, and device, and blockchain-based authentication traceability method, apparatus, and device |
US20200279224A1 (en) * | 2019-04-16 | 2020-09-03 | Alibaba Group Holding Limited | Blockchain-based program review system, method, computing device and storage medium |
US20200311050A1 (en) * | 2018-12-29 | 2020-10-01 | Alibaba Group Holding Limited | System and method for implementing native contract on blockchain |
CN111737484A (zh) * | 2020-05-15 | 2020-10-02 | 浙江工业大学 | 一种基于联合学习的警情知识图谱构建方法 |
US10873456B1 (en) * | 2019-05-07 | 2020-12-22 | LedgerDomain, LLC | Neural network classifiers for block chain data structures |
-
2020
- 2020-12-30 CN CN202011612684.2A patent/CN112651753B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778882A (zh) * | 2016-12-23 | 2017-05-31 | 杭州云象网络技术有限公司 | 一种基于前馈神经网络的智能合约自动分类方法 |
CN108399163A (zh) * | 2018-03-21 | 2018-08-14 | 北京理工大学 | 结合词聚合与词组合语义特征的文本相似性度量方法 |
CN109710384A (zh) * | 2018-12-29 | 2019-05-03 | 杭州趣链科技有限公司 | 一种安全的Java智能合约解释执行引擎及方法 |
US20200311050A1 (en) * | 2018-12-29 | 2020-10-01 | Alibaba Group Holding Limited | System and method for implementing native contract on blockchain |
CN110046250A (zh) * | 2019-03-17 | 2019-07-23 | 华南师范大学 | 三嵌入卷积神经网络模型及其文本多分类方法 |
US20200279224A1 (en) * | 2019-04-16 | 2020-09-03 | Alibaba Group Holding Limited | Blockchain-based program review system, method, computing device and storage medium |
US10873456B1 (en) * | 2019-05-07 | 2020-12-22 | LedgerDomain, LLC | Neural network classifiers for block chain data structures |
CN110245186A (zh) * | 2019-05-21 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 一种基于区块链的业务处理方法及相关设备 |
US20200244649A1 (en) * | 2019-06-18 | 2020-07-30 | Alibaba Group Holding Limited | Blockchain-based enterprise authentication method, apparatus, and device, and blockchain-based authentication traceability method, apparatus, and device |
CN111241592A (zh) * | 2019-12-30 | 2020-06-05 | 航天信息股份有限公司 | 一种基于区块链技术的商事登记方法和系统 |
CN111191007A (zh) * | 2019-12-30 | 2020-05-22 | 山东爱城市网信息技术有限公司 | 一种基于区块链的文章关键词过滤方法及设备、介质 |
CN111241294A (zh) * | 2019-12-31 | 2020-06-05 | 中国地质大学(武汉) | 基于依赖解析和关键词的图卷积网络的关系抽取方法 |
CN111737484A (zh) * | 2020-05-15 | 2020-10-02 | 浙江工业大学 | 一种基于联合学习的警情知识图谱构建方法 |
Non-Patent Citations (3)
Title |
---|
HONG, I-HSUAN ET AL: "《The transaction contract of scarce materials in a supply chain: Paying a higher price to acquire a higher quantity》", 《JOURNAL OF THE OPERATIONAL RESEARCH SOCIETY》, vol. 71, no. 3, pages 400 - 416 * |
聂晓涛;杨光宇;陈丹;: "基于区块链技术的智能合约及电费结算机制研究", 科技通报, no. 05, 31 May 2020 (2020-05-31), pages 120 - 124 * |
黄洁华;高灵超;许玉壮;白晓敏;胡凯;: "《众筹区块链上的智能合约设计》", 《信息安全研究》, no. 03, pages 21 - 29 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297849A (zh) * | 2021-05-17 | 2021-08-24 | 济南森维网络科技有限公司 | 基于区块链技术的财务预提费用管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112651753B (zh) | 2024-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560453B (zh) | 语音信息校验方法、装置、电子设备及介质 | |
CN110263821B (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
CN112347367A (zh) | 信息服务提供方法、装置、电子设备和存储介质 | |
WO2021208727A1 (zh) | 基于人工智能的文本错误检测方法、装置、计算机设备 | |
CN113360654B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN113538070B (zh) | 用户生命价值周期检测方法、装置和计算机设备 | |
CN113052577B (zh) | 一种区块链数字货币虚拟地址的类别推测方法及系统 | |
CN110046251A (zh) | 社区内容风险评估方法及装置 | |
CN115392237B (zh) | 情感分析模型训练方法、装置、设备及存储介质 | |
CN113806548A (zh) | 基于深度学习模型的信访要素抽取方法及抽取系统 | |
CN112364198A (zh) | 一种跨模态哈希检索方法、终端设备及存储介质 | |
CN112836502A (zh) | 一种金融领域事件隐式因果关系抽取方法 | |
CN110209772B (zh) | 一种文本处理方法、装置、设备及可读存储介质 | |
CN112651753A (zh) | 基于区块链的智能合约生成方法、系统及电子设备 | |
CN113240259A (zh) | 规则策略组的生成方法、系统及电子设备 | |
CN117472431A (zh) | 代码注释生成方法、装置、计算机设备、存储介质和产品 | |
CN116738956A (zh) | 一种提示模板生成方法、装置、计算机设备及存储介质 | |
CN112541357B (zh) | 实体识别方法、装置及智能设备 | |
CN113705201B (zh) | 基于文本的事件概率预测评估算法、电子设备及存储介质 | |
CN109522928A (zh) | 文本的主题情感分析方法、装置、电子设备及存储介质 | |
CN110196976B (zh) | 文本的情感倾向分类方法、装置和服务器 | |
JP5824429B2 (ja) | スパムアカウントスコア算出装置、スパムアカウントスコア算出方法、及びプログラム | |
CN116151241B (zh) | 一种实体识别方法及装置 | |
CN113837183B (zh) | 基于实时挖掘的多阶段凭证智能生成方法、系统及介质 | |
CN110362831A (zh) | 目标用户识别方法、装置、电子设备及存储介质 |
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 |