CN117745482A - 合同条款的确定方法、装置、设备和介质 - Google Patents
合同条款的确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117745482A CN117745482A CN202311648177.8A CN202311648177A CN117745482A CN 117745482 A CN117745482 A CN 117745482A CN 202311648177 A CN202311648177 A CN 202311648177A CN 117745482 A CN117745482 A CN 117745482A
- Authority
- CN
- China
- Prior art keywords
- contract
- similarity
- determining
- clause
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 239000013598 vector Substances 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012550 audit Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种合同条款的确定方法、装置、设备和介质。该方法包括：基于合同关键词，从待处理合同中提取出待审核长句；基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。本发明提高了对待处理合同中条款确定的准确性，为后续的合同风险审查减少合同审查时间及避免重复合同多次审查。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种合同条款的确定方法、装置、设备和介质。
背景技术
面对社会经济的快速发展，如何规范合同管理并积极识别其中的法律风险，对于保证企业持续稳定发展具有积极意义。一般需要企业中具有法律专业知识并熟悉相关企业制度的人士来界定企业合同管理法律风险的范围并识别其中的法律风险。
目前，企业合同管理主要由对应的业务部门起草相应的合同，然后将该合同提交至相应的法律部门进行审查，在经过审查后，反馈给业务部门进行合同修改，成为正式合同。合同审查的周期长、效率低。
如何对企业合同文本中的法律风险进行识别，充分减少合同审查时间及避免重复合同多次审查的情况显得尤为重要。
发明内容
本发明提供了一种合同条款的确定方法、装置、设备和介质，以解决合同条款审核效率低的问题。
根据本发明的一方面，提供了一种合同条款的确定方法，包括：
基于合同关键词，从待处理合同中提取出待审核长句；
基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；
根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。
根据本发明的另一方面，提供了一种合同条款的确定装置，包括：
长句提取模块，用于基于合同关键词，从待处理合同中提取出待审核长句；
相似度确定模块，用于基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；
条款确定模块，用于根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的合同条款的确定方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的合同条款的确定方法。
本发明实施例的技术方案，通过对待处理合同进行文本识别得到待审核长句，再从多维度对待审核长句和合同条款库进行相似度比对，根据多维度相似度比对结果确定待审核长句的合同条款确定结果，提高了对待处理合同中条款确定的准确性，为后续的合同风险审查减少合同审查时间及避免重复合同多次审查。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例一提供的一种合同条款的确定方法的流程图；
图2是根据本发明实施例二提供的又一种合同条款的确定方法的流程框图；
图3是根据本发明实施例三提供的一种合同条款的确定装置的结构示意图；
图4是实现本发明实施例的合同条款的确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“候选”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种合同条款的确定方法的流程图，本实施例可适用于对合同中的标准条款进行结构化提取和确认的情况，该方法可以由合同条款的确定装置来执行，该合同条款的确定装置可以采用硬件和/或软件的形式实现，该合同条款的确定装置可配置于具有计算能力的服务器中。如图1所示，该方法包括：
S110、基于合同关键词，从待处理合同中提取出待审核长句。
其中，合同关键词是指预先确定不同合同类型对应关键词信息，合同类型用于对待处理合同的所属类别进行确定，相同合同类型的待处理合同中会包括通用条款，因此具备相同的关键词信息，预先根据通用条款中的相同词语确定不同合同类型对应的合同关键词。合同类型包括采购类合同或维保类合同等。采购类合同的合同关键词可以为购买、售价等，维保类合同的合同关键词可以为维护、周期、故障等。
具体的，根据合同关键词对待处理合同中的疑似合同条款进行预处理，得到的待审核长句即为待处理合同中的疑似合同条款，需要进一步对疑似合同条款的条款标准性和合规性进行确定。示例性的，预先根据合同类型确定通用条款所对应的合同关键词，根据合同关键词从待处理合同中进行长句提取，得到待审核长句。
在一个可行的实施例中，S110，包括：
对待处理合同进行文本识别，得到待处理合同文本信息；
根据合同关键词，确定待处理合同文本信息对应的合同类型；
基于合同类型对应的条款模板，对待处理合同文本信息进行长句切分，得到待审核长句。
具体的，对待处理合同进行预处理操作包括文本解析、合同分类以及长句切分。由于待处理合同的存储格式可能为非文档类型，例如为pdf、wps、excle、图片等格式，导致文本信息识别困难，因此需要预先对待处理合同进行文本解析，即对待处理合同进行文本识别，识别合同中的文本内容，得到待处理合同文本信息。
合同分类是指确定待处理合同对应的合同类型，根据预先确定的不同合同类型对应的合同关键词，利用合同关键词和待处理合同文本信息的匹配度确定对应的合同类型。
长句切分是指确定待处理合同中的疑似合同条款，预先根据合同类型确定对应的合同模板，合同模板中包括多条条款模板，条款模板为该合同类型对应的通用条款句子。根据条款模板与待处理合同文本信息的匹配结果确定句子相似度进行长句切分，得到待审核长句。
S120、基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到待审核长句与合同条款库中候选条款的多特征融合相似度。
其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度。
具体的，通过三个模型从多个维度对待审核长句和候选条款的相似度进行表征，再对多维度的相似度进行融合，以提高相似度确定的准确性。
其中，合同条款库是指预先建立的合规条款的数据库，具体的，合同条款库要按照要素化管理，要素即合同当事人名称、住所、标的、数量、质量等。合同条款库的设计要注意合同范本的分类、范本的属性、关联知识的链接等。范本分类主要是以常见法律关系为基础，以业务发展和经营管路为向导划分合同范本的分类。
合同条款库根据历史合同管理业务经验建立，例如将历史成熟合同范本中的条款进行一一梳理，提炼合并，并经过业务部门或者法务部门审查后，根据不同类型的合同要求，针对每个条款进行标签化管理，并抽象出相应的条款变量，实现便捷灵活组合以应对更多业务场景。在建立时根据历史合同分类和样本，自动拆解合同、标注条款标签，生成条款大数据，提升拆解准确率。
在一个可行的实施例中，S120，包括：
根据第一模型得到待审核长句与合同条款库中候选条款的第一相似度；
根据第二模型得到待审核长句与合同条款库中候选条款的第二相似度；
根据第三模型得到待审核长句与合同条款库中候选条款的第三相似度；
根据第一相似度、第二相似度和第三相似度的权重信息，得到待审核长句与合同条款库中候选条款的多特征融合相似度。
基于第一模型，根据待审核长句A与合同条款库中每一条候选条款B中的单个词语相似度，确定第一相似度sim1(A,B)；基于第二模型，根据待审核长句A与合同条款库中每一条候选条款B中词语之间的词序信息相似度，确定第二相似度sim2(A,B)；基于第三模型，根据待审核长句A与合同条款库中每一条候选条款B中词语之间的依存关系相似度，确定第三相似度sim3(A,B)。
确定待审核长句与合同条款库中每一条候选条款之间的多特征融合相似度，记为sim(A,B)。综合第一模型、第二模型和第三模型的相似度算法，多特征融合相似度的计算公式为：
sim(A,B)＝α1sim1(A,B)+α2sim2(A,B)+α3sim3(A,B)
其中α1，α2，α3分别为第一相似度、第二相似度和第三相似度的权重系数，用于平衡各相似模型计算出来的相似度。权重系数可以根据实际场景进行确定，在此并不对具体数值进行限制。
在一个可行的实施例中，根据第一模型得到待审核长句与合同条款库中候选条款的第一相似度，包括：
确定待审核长句中的第一词向量，以及确定候选条款中的第二词向量；
根据第一词向量和第二词向量之间的余弦距离确定第一相似度。
通过GloVe模型确定待审核长句中的词向量表示，作为第一词向量；通过GloVe模型确定候选条款中的词向量表示，作为第二词向量；通过计算两个词向量之间的余弦距离来表示待审核长句和候选条款之间的语义相似度，即第一相似度，确定公式为：
其中，Ai表示待审核长句中第i个词语的词向量表示，Bi表示候选条款中第i个词语的词向量表示。
基于向量空间模型，计算待审核长句A和候选条款B之间的相似度。使用GloVe预训练词向量，但是训练这些词向量的语料多来自于百度百科、论坛、人民日报等公开数据库，并不完全适用于法律法规领域，因此使用GloVe模型对法律合同文档进行再训练。使用再训练后的GloVe模型确定待审核长句和候选条款的词向量表示，具体的，对待审核长句或候选条款中每一个输入词语按照TF-IDF方式进行打分，然后求加权平均，得到句子或段落的向量表示。
GloVe(用于词表示的全局向量)是一种文本嵌入技术，它根据词在大量文本中的共现统计来构建词的向量表示。GloVe的想法是，在可比较的情况下出现的词在语义上是相关的，并且可以使用通过共现矩阵统计它们的共现来推断这些词之间的联系。
GloVe模型的学习策略是通过将词对儿的词向量经过内积操作和平移变换去趋于词对儿共现次数的对数值。其模型算法就是从共现矩阵中随机采集一批非零词对作为一个mini-batch的训练数据；随机初始化这些训练数据的词向量以及随机初始化两个偏置；然后进行内积和平移操作并设计损失函数计算损失值，计算梯度值；然后反向传播更新词向量和两个偏置；循环以上过程直到结束条件。
在一个可行的实施例中，根据第二模型得到待审核长句与合同条款库中候选条款的第二相似度，包括：
基于双向LSTM模型和全连接层对待审核长句和候选条款进行重新表示；
根据重新表示后的待审核长句和候选条款确定第二相似度。
BiLSTM是Bi-directional Long Short-Term Memory的缩写，是由前向LSTM与后向LSTM组合而成，通过对细胞状态中信息遗忘和记忆新的信息使得对后续时刻计算有用的信息得以传递，而无用的信息被丢弃。LSTM模型是由在RNN基础上增加了输入门，遗忘门，单元状态，输出门组成。在网络训练过程中，可通过门结构来添加或移除信息，不同神经网络都可通过单元状态上的门结构来决定去记住或遗忘哪些相关信息。BILSTM在RNN基础上增加了门机制和记忆单元，有效的防止梯度爆炸和梯度消失，同时更好的捕捉到较长距离的依赖，使用BILSTM可以捕捉到双向的语义依赖。
基于BiLSTM模型中的双向LSTM模型和全连接层，计算待审核长句A和候选条款B之间的相似度，记为sim2(A,B)。由于GloVe是基于全局词频统计的词表征工具，没有考虑词序且词向量区别不明确。因此，使用双向LSTM模型加全连接层的形式对句子进行重新表示，并根据重新表示后的句子计算相似度，能将词语的上下文以及出现的先后顺序反映到模型计算中。
在一个可行的实施例中，根据第三模型得到待审核长句与合同条款库中候选条款的第三相似度，包括：
对待审核长句进行句法分析，得到第一依存对集合，以及对候选条款进行句法分析，得到第二依存对集合；其中，依存对集合中包括多个依存对，依存对为三元组形式，三元组形式中包括第一依存词、第二依存词以及对应的依存关系；
根据第一依存对集合和第二依存对集合的依存关系对依存对进行匹配，得到依存对匹配组；
根据依存对匹配组中依存词向量之间的余弦相似度，确定依存对匹配组的相似度；
根据待审核长句和候选条款中各依存对匹配组的相似度确定第三相似度。
基于句法分析模型，计算待审核长句A和候选条款B之间的相似度，记为sim3(A,B)。利用中文句法分析工具，对待审核长句A和候选条款B中的句子元素做依存关系分析，确定词语间存在的依存关系，由此将句子结构信息融入到相似度计算中。
具体的，对待审核长句A和候选条款B分别进行句法依存分析，得到相应的依存对集合和，每个依存对表示为三元组形式(第一依存词，依存关系，第二依存词)。对于待审核长句A和候选条款B中有相同依存关系的三元组，作为依存对匹配组，计算该三元组中依存词向量之间的余弦相似度，并取最大值来表示该三元组之间的相似度。将各三元组间的相似度做加权平均，可得待审核长句A和候选条款B之间的相似度。
示例性的，待审核长句A对应的依存对集合中包括三个依存对，(A1，依存关系1，A2)，(A3，依存关系2，A4)和(A5，依存关系3，A6)；候选条款B对应的依存对集合中包括三个依存对，(B1，依存关系1，B2)，(B3，依存关系2，B4)和(B5，依存关系3，B6)。根据依存关系确定依存对匹配组为(A1，依存关系1，A2)匹配(B1，依存关系1，B2)，(A3，依存关系2，A4)匹配(B3，依存关系2，B4)，(A5，依存关系3，A6)匹配(B5，依存关系3，B6)。
确定(A1，依存关系1，A2)和(B1，依存关系1，B2)中A1和A2与B1和B2之间的词向量的余弦相似度最大值，作为该依存对匹配组的相似度，分别确定三个依存对匹配组的相似度，根据所有依存对匹配组的相似度的加权平均，得到待审核长句A和候选条款B之间的相似度。
句法分析(syntactic parsing)是自然语言处理中的关键技术之一，其基本任务是确定句子的句法结构或句子中词汇之间的依存关系。并将句子的语法结构表示为容易理解的结构(通常是树形结构)。对于句式灵活的句子，如果不考虑其语法结构，很难直接给用户返回正确的结果。依存句法认为“谓语”中的动词是一个句子的中心，其他成分与动词直接或间接地产生联系。“依存”指词与词之间支配与被支配的关系，这种关系不是对等的。这种从属关系是由支配词和从属词联结而成。
S130、根据多特征融合相似度和预设的相似度阈值的比较结果，确定待审核长句的条款确定结果。
其中，待审核长句的条款确定结果包括确定该待审核长句为标准条款，即合规条款，以及包括确定该审核长句为非标准条款，需要进行进一步审核确定。
具体的，若待审核长句与候选条款的多特征融合相似度大于预设相似度阈值，则确定该待审核长句的条款确定结果为标准条款。
通过待审核长句的条款确定结果，可以对待处理合同中的合同条款进行结构化输出，即合同条款结构化处理过程接收前端实时输入的合同文档，通过模型计算完成合同文档条款结构化的输出。即在结构化处理过程中，首先对输入的合同文档进行预处理，之后根据长句所属合同类型及长句相似度模型的计算，定义阈值，判断其计算结果是否超过阈值，若超过阈值则结构化到条款B内容对应的条款列目，抽取为HashMap的key-velue格式，即“属性值：描述值”对的结构化数据，否则需要判断该条款是否符合标准，为后续的合同风险审查节约成本。
在一个可行的实施例中，S130，包括：
确定候选条款中与待审核长句的多特征融合相似度最高的目标条款；
确定目标条款与待审核长句的目标多特征融合相似度是否大于相似度阈值；
若是，则确定待审核长句的条款确定结果为标准条款。
确定待审核长句与合同条款库中每一条候选条款的多特征融合相似度，并确定其中多特征融合相似度最高的候选条款为目标条款，确定该最高多特征融合相似度是否大于相似度阈值，若大于，则确定待审核长句的条款确定结果为标准条款，该标准条款的对应条款为目标条款。
可选的，在确定待审核长句的条款确定结果后，根据标准条款对合同条款库进行更新。具体的，若确定待审核长句为标准条款，则确定标准条款与对应的目标条款之间的区别信息，并对该区别信息进行审核，根据审核结果确定待审核长句与目标条款的完整度，若待审核长句的完整度大于目标条款，则根据待审核长句对合同条款库中的目标条款进行更新；否则，保持目标条款不变。
本发明实施例，通过对待处理合同进行文本识别得到待审核长句，再从多维度对待审核长句和合同条款库进行相似度比对，根据多维度相似度比对结果确定待审核长句的合同条款确定结果，提高了对待处理合同中条款确定的准确性，为后续的合同风险审查减少合同审查时间及避免重复合同多次审查。
实施例二
图2为本发明实施例二提供的又一种合同条款的确定方法的流程框图，本实施例是上述实施例的一种优选实施方式。如图2所示，该方法包括：
将获取到的合同文档作为待处理合同，首先对待处理合同经过预处理模块进行文本解析、合同分类以及长句切分。具体的，对待处理合同进行预处理操作包括文本解析、合同分类以及长句切分。由于待处理合同的存储格式可能为非文档类型，例如为pdf、wps、excle、图片等格式，导致文本信息识别困难，因此需要预先对待处理合同进行文本解析，即对待处理合同进行文本识别，识别合同中的文本内容，得到待处理合同文本信息。合同分类是指确定待处理合同对应的合同类型，根据预先确定的不同合同类型对应的合同关键词，利用合同关键词和待处理合同文本信息的匹配度确定对应的合同类型。长句切分是指确定待处理合同中的疑似合同条款，预先根据合同类型确定对应的合同模板，合同模板中包括多条条款模板，条款模板为该合同类型对应的通用条款句子。根据条款模板与待处理合同文本信息的匹配结果确定句子相似度进行长句切分，得到待审核长句。
经过预处理模块处理得到合同文档对应的待审核长句，将待审核长句输入到多特征融合相似度计算模块中，基于向量空间模型、基于BiLSTM模型、基于句法分析模型，计算得出多特征融合相似度。具体的，根据第一模型得到待审核长句与合同条款库中候选条款的第一相似度，其中，第一模型为向量空间模型；根据第二模型得到待审核长句与合同条款库中候选条款的第二相似度，其中，第二模型为BiLSTM模型；根据第三模型得到待审核长句与合同条款库中候选条款的第三相似度，其中，第三模型为句法分析模型；根据第一相似度、第二相似度和第三相似度的权重信息，得到待审核长句与合同条款库中候选条款的多特征融合相似度。
经过多特征融合相似度计算模块得到待审核长句与合同条款库中每一条候选条款的多特征融合相似度，将多特征融合相似度输入到条款结构化处理模块中，得到合同文档中的结构化数据。具体的，确定候选条款中与待审核长句的多特征融合相似度最高的目标条款；确定目标条款与待审核长句的目标多特征融合相似度是否大于相似度阈值；若是，则确定待审核长句的条款确定结果为标准条款。最终得到合同文档中的结构化数据即为属于标准条款的待审核长句。
本发明实施例将合同文档中的标准条款进行结构化输出，使得审核人员不需要对标准条款的对应合同内容进行重复审核，只需要对非标准条款的合同内容进行审核，并且根据对非标准条款的合同内容的审核结果对合同条款库进行新增更新，以提高合同条款库的完整性，并且提高了后续合同审查的效率和准确性。避免了对同类合同条款的重复审核带来的效率低下，提高了合同审查的效率。
本发明提出了一种合同条款智能结构化的方法。主要包含合同条款库的维护、预处理模块、多特征融合相似度计算模块以及条款结构化处理模块。预处理模块主要包括文本解析、事项分类、长句切分预处理操作。多特征融合相似度计算主要基于向量空间模型、BiLSTM模型和句法分析模型的相似度算法，多特征融合相似度计算出最终相似值。条款结构化处理模块主要完成相似度阈值的判定，及最终结构化的提取，并对合同条款库进行实时维护。即在确定待审核长句的条款确定结果后，根据标准条款对合同条款库进行更新。
实施例三
图3为本发明实施例三提供的一种合同条款的确定装置的结构示意图。如图3所示，该装置包括：
长句提取模块310，用于基于合同关键词，从待处理合同中提取出待审核长句；
相似度确定模块320，用于基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；
条款确定模块330，用于根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。
本发明实施例，通过对待处理合同进行文本识别得到待审核长句，再从多维度对待审核长句和合同条款库进行相似度比对，根据多维度相似度比对结果确定待审核长句的合同条款确定结果，提高了对待处理合同中条款确定的准确性，为后续的合同风险审查减少合同审查时间及避免重复合同多次审查。
可选的，相似度确定模块，包括：
第一相似度确定单元，用于根据所述第一模型得到所述待审核长句与所述合同条款库中候选条款的第一相似度；
第二相似度确定单元，用于根据所述第二模型得到所述待审核长句与所述合同条款库中候选条款的第二相似度；
第三相似度确定单元，用于根据所述第三模型得到所述待审核长句与所述合同条款库中候选条款的第三相似度；
融合相似度确定单元，用于根据所述第一相似度、所述第二相似度和所述第三相似度的权重信息，得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度。
可选的，第一相似度确定单元，具体用于：
确定所述待审核长句中的第一词向量，以及确定所述候选条款中的第二词向量；
根据所述第一词向量和所述第二词向量之间的余弦距离确定所述第一相似度。
可选的，第二相似度确定单元，具体用于：
基于双向LSTM模型和全连接层对所述待审核长句和所述候选条款进行重新表示；
根据重新表示后的待审核长句和候选条款确定所述第二相似度。
可选的，第三相似度确定单元，具体用于：
对所述待审核长句进行句法分析，得到第一依存对集合，以及对所述候选条款进行句法分析，得到第二依存对集合；其中，依存对集合中包括多个依存对，所述依存对为三元组形式，所述三元组形式中包括第一依存词、第二依存词以及对应的依存关系；
根据所述第一依存对集合和所述第二依存对集合的依存关系对依存对进行匹配，得到依存对匹配组；
根据所述依存对匹配组中依存词向量之间的余弦相似度，确定所述依存对匹配组的相似度；
根据所述待审核长句和所述候选条款中各依存对匹配组的相似度确定所述第三相似度。
可选的，长句提取模块，具体用于：
对所述待处理合同进行文本识别，得到待处理合同文本信息；
根据所述合同关键词，确定所述待处理合同文本信息对应的合同类型；
基于所述合同类型对应的条款模板，对所述待处理合同文本信息进行长句切分，得到待审核长句。
可选的，条款确定模块，具体用于：
确定所述候选条款中与所述待审核长句的多特征融合相似度最高的目标条款；
确定所述目标条款与所述待审核长句的目标多特征融合相似度是否大于相似度阈值；
若是，则确定所述待审核长句的条款确定结果为标准条款。
本发明实施例所提供的合同条款的确定装置可执行本发明任意实施例所提供的合同条款的确定方法，具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定，且不违背公序良俗。
实施例四
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如合同条款的确定方法。
在一些实施例中，合同条款的确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的方法合同条款的确定的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行合同条款的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用参考产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括交换件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、交换件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种合同条款的确定方法，其特征在于，该方法包括：
基于合同关键词，从待处理合同中提取出待审核长句；
基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；
根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。
2.根据权利要求1所述的方法，其特征在于，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度，包括：
根据所述第一模型得到所述待审核长句与所述合同条款库中候选条款的第一相似度；
根据所述第二模型得到所述待审核长句与所述合同条款库中候选条款的第二相似度；
根据所述第三模型得到所述待审核长句与所述合同条款库中候选条款的第三相似度；
根据所述第一相似度、所述第二相似度和所述第三相似度的权重信息，得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度。
3.根据权利要求2所述的方法，其特征在于，根据所述第一模型得到所述待审核长句与所述合同条款库中候选条款的第一相似度，包括：
确定所述待审核长句中的第一词向量，以及确定所述候选条款中的第二词向量；
根据所述第一词向量和所述第二词向量之间的余弦距离确定所述第一相似度。
4.根据权利要求2所述的方法，其特征在于，根据所述第二模型得到所述待审核长句与所述合同条款库中候选条款的第二相似度，包括：
基于双向LSTM模型和全连接层对所述待审核长句和所述候选条款进行重新表示；
根据重新表示后的待审核长句和候选条款确定所述第二相似度。
5.根据权利要求2所述的方法，其特征在于，根据所述第三模型得到所述待审核长句与所述合同条款库中候选条款的第三相似度，包括：
对所述待审核长句进行句法分析，得到第一依存对集合，以及对所述候选条款进行句法分析，得到第二依存对集合；其中，依存对集合中包括多个依存对，所述依存对为三元组形式，所述三元组形式中包括第一依存词、第二依存词以及对应的依存关系；
根据所述第一依存对集合和所述第二依存对集合的依存关系对依存对进行匹配，得到依存对匹配组；
根据所述依存对匹配组中依存词向量之间的余弦相似度，确定所述依存对匹配组的相似度；
根据所述待审核长句和所述候选条款中各依存对匹配组的相似度确定所述第三相似度。
6.根据权利要求1所述的方法，其特征在于，基于合同关键词，从待处理合同中提取出待审核长句，包括：
对所述待处理合同进行文本识别，得到待处理合同文本信息；
根据所述合同关键词，确定所述待处理合同文本信息对应的合同类型；
基于所述合同类型对应的条款模板，对所述待处理合同文本信息进行长句切分，得到待审核长句。
7.根据权利要求1所述的方法，其特征在于，根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果，包括：
确定所述候选条款中与所述待审核长句的多特征融合相似度最高的目标条款；
确定所述目标条款与所述待审核长句的目标多特征融合相似度是否大于相似度阈值；
若是，则确定所述待审核长句的条款确定结果为标准条款。
8.一种合同条款的确定装置，其特征在于，包括：
长句提取模块，用于基于合同关键词，从待处理合同中提取出待审核长句；
相似度确定模块，用于基于预先构建的合同条款库，根据第一模型、第二模型和第三模型得到所述待审核长句与所述合同条款库中候选条款的多特征融合相似度；其中，第一模型用于根据单个词语相似度确定第一相似度，第二模型用于根据词语之间的词序信息确定第二相似度，第三模型用于根据词语之间的依存关系确定第三相似度；
条款确定模块，用于根据所述多特征融合相似度和预设的相似度阈值的比较结果，确定所述待审核长句的条款确定结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的合同条款的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的合同条款的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648177.8A CN117745482A (zh) | 2023-12-04 | 2023-12-04 | 合同条款的确定方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648177.8A CN117745482A (zh) | 2023-12-04 | 2023-12-04 | 合同条款的确定方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117745482A true CN117745482A (zh) | 2024-03-22 |
Family
ID=90258399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311648177.8A Pending CN117745482A (zh) | 2023-12-04 | 2023-12-04 | 合同条款的确定方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117745482A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118520863A (zh) * | 2024-07-19 | 2024-08-20 | 北京厚普医药科技有限公司 | 临床试验项目的变更合同生成方法及系统 |
-
2023
- 2023-12-04 CN CN202311648177.8A patent/CN117745482A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118520863A (zh) * | 2024-07-19 | 2024-08-20 | 北京厚普医药科技有限公司 | 临床试验项目的变更合同生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520343B (zh) | 风险模型训练方法、风险识别方法、装置、设备及介质 | |
| CN109165294B (zh) | 一种基于贝叶斯分类的短文本分类方法 | |
| CN113722493B (zh) | 文本分类的数据处理方法、设备、存储介质 | |
| CN113392209B (zh) | 一种基于人工智能的文本聚类方法、相关设备及存储介质 | |
| CN111259153B (zh) | 一种完全注意力机制的属性级情感分析方法 | |
| CN111753082A (zh) | 基于评论数据的文本分类方法及装置、设备和介质 | |
| CN117312372B (zh) | 基于背景知识增强的sql生成方法、装置、设备及介质 | |
| CN112559684A (zh) | 一种关键词提取及信息检索方法 | |
| CN112528653B (zh) | 短文本实体识别方法和系统 | |
| CN115329207B (zh) | 智能销售信息推荐方法及系统 | |
| CN117745482A (zh) | 合同条款的确定方法、装置、设备和介质 | |
| CN113011156A (zh) | 审核文本的质检方法、装置、介质以及电子设备 | |
| CN118210908A (zh) | 一种检索增强方法、装置、电子设备及存储介质 | |
| CN115470313A (zh) | 信息检索及模型训练方法、装置、设备和存储介质 | |
| CN112906368B (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
| CN114647727A (zh) | 应用于实体信息识别的模型训练方法、装置和设备 | |
| US20230004715A1 (en) | Method and apparatus for constructing object relationship network, and electronic device | |
| CN116503127A (zh) | 模型训练方法、检索方法及相关装置 | |
| CN116108844A (zh) | 一种风险信息识别方法、装置、设备及存储介质 | |
| CN116090438A (zh) | 主题处理方法、装置、电子设备及存储介质 | |
| WO2022227196A1 (zh) | 一种数据分析方法、装置、计算机设备及存储介质 | |
| CN114169966B (zh) | 一种用张量提取货物订单元数据的方法及系统 | |
| CN117633180A (zh) | 一种问答匹配方法、装置、电子设备及存储介质 | |
| CN116561300A (zh) | 企业产品类别确定方法、装置、设备和介质 | |
| CN115618242A (zh) | 一种重复文本识别方法、装置、电子设备和存储介质 |
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 |