JP7325103B2 - 情報処理システム及び情報処理方法 - Google Patents
情報処理システム及び情報処理方法 Download PDFInfo
- Publication number
- JP7325103B2 JP7325103B2 JP2019233845A JP2019233845A JP7325103B2 JP 7325103 B2 JP7325103 B2 JP 7325103B2 JP 2019233845 A JP2019233845 A JP 2019233845A JP 2019233845 A JP2019233845 A JP 2019233845A JP 7325103 B2 JP7325103 B2 JP 7325103B2
- Authority
- JP
- Japan
- Prior art keywords
- clause
- contract
- type
- vector
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 62
- 238000003672 processing method Methods 0.000 title claims description 7
- 239000013598 vector Substances 0.000 claims description 195
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000013145 classification model Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000002349 favourable effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 32
- 238000000034 method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000012546 transfer Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 206010024796 Logorrhoea Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process 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
- 238000005457 optimization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
として機能する重要な書類であり、契約書の作成は、非常に重要な業務である。契約書作
成に関する技術として、例えば、特許文献1には、電算機のデータベースには契約類型毎
に予め想定される全ての契約パターン、該契約パターン毎のケースであって個々の個別案
件毎に修正すべき箇所を表示したケース、想定されるリスク等を蓄積し、契約文書作成者
は、前記契約文書作成システムの端末装置で契約類型から案件に類似した契約類型を選択
し、選択した契約類型に対応する契約パターンを順次表示させ、表示された契約パターン
毎に必要とするケースを選択し、必要に応じて選択されたパターン及びケースに沿ったリ
スク等を表示させ、全ての選択終了後に全体の契約文書及び個別案件に適合した語句に修
正箇所を修正し、契約文書を作成する契約文書作成システムが開示されている。
選択されたひな形の契約書を用いることが想定されている。しかしながら、実際の契約に
おいては、予め自社が用意したひな形の契約書を用いる場合だけでなく、初めて自社で契
約書を用意する場合や相手側が提示した契約書を用いる場合がある。これらの場合におい
て契約の担当者がその種類の契約に不慣れであると、条項がどのような条項であるのかを
把握することが難しいという問題があった。また、契約の担当者がその種類の契約に不慣
れであると、個々の条項が自己にとって有利であるのか不利であるのかが分からず契約書
の作成及び/またはチェックを行うことが難しいという問題があった。このような問題が
あるため、契約書の作成及び/またはチェックの効率が悪いという問題がある。
の効率を向上させること可能とする情報処理システム及び情報処理方法を提供することを
目的とする。
当該条項の種類を表す条項種類識別情報もしくは当該条項に対する条項メタデータとの分
析した関係が記憶されているストレージと、対象の契約書の対象の条項をベクトルに変換
する変換部と、前記分析した関係に基づいて、前記変換後の前記ベクトルを入力として、
前記対象の条項の種類を識別する条項種類識別情報もしくは前記対象の条項に対する条項
メタデータを予測して出力する予測部と、を備える。
の条項の種類を把握することができるので、契約書の条項がどのような条項であるのかを
ユーザが把握するのを容易化することができる。これにより、契約書の作成及び/または
チェックの効率を向上させることができる。
あるいは、この構成によれば、条項メタデータが契約のどちらの側が不利な条項である
ことを示唆する場合、対象のユーザは、自己にとって不利な条項を不利にならないように
変更したり、自己に不利にならないように条項を新たに追加したりすることができる。ま
た、条項メタデータが契約のどちらの側が有利な条項であることを示唆する場合、対象の
ユーザは、自己にとって有利な条項を把握しつつ契約書の作成及び/またはチェックを行
うことができる。これにより、契約書の作成及び/またはチェックの効率を向上させるこ
とができる。
あって、前記ストレージに記憶されている分析した関係は、標準契約書に含まれるいずれ
の条項のベクトルとも設定基準以上の類似性がない条項のベクトルを入力とし当該条項に
対してユーザが割り当てた条項種類を識別する条項種類識別情報を出力とする教師データ
として機械学習した分類モデルであり、前記予測部は、前記分類モデルに前記変換後のベ
クトルを入力して、前記対象の条項の種類を識別する条項種類識別情報を出力する。
あって、前記ストレージに記憶されている分析した関係は、標準契約書に含まれる条項そ
れぞれに対応するベクトルと、当該条項の種類を表す条項種類識別情報との組であり、前
記予測部は、変換後の前記ベクトルを、前記ストレージに記憶されている、標準契約書に
含まれる条項それぞれのベクトルと比較し、比較の結果、類似度が基準を満たすベクトル
に前記ストレージにおいて関連付けられた条項種類識別情報を出力する。
対象の条項の種類を判断することができる。
あって、前記ストレージには、標準契約書に含まれる条項それぞれに対応するベクトルと
当該条項に付された条項種類識別情報との組に対して、契約書の種類が更に関連付けられ
て記憶されており、前記対象の契約書の種類を取得する取得部を更に備え、前記予測部は
、前記変換後のベクトルを、前記取得部によって取得された前記対象の契約書の種類と同
じ種類の標準契約書に含まれる条項それぞれのベクトルと比較する。
れる条項と比較することができ、対象の条項の種類の判別精度を向上させることができる
。
ステムであって、前記変換部は、対象の契約書に含まれる条項それぞれをベクトルに変換
し、前記予測部は、前記変換後のベクトルそれぞれを、前記対象の契約書と同種の標準契
約書に含まれる条項それぞれのベクトルと比較し、前記予測部による比較の結果、前記変
換後のベクトルのうち、標準契約書に含まれるいずれの条項のベクトルとも設定基準以上
の類似性がないベクトルに対応する条項を非類似条項として出力する出力部を更に備える
。
契約書の作成及び/またはチェックを効率化することができる。
あって、前記出力部によって出力された前記非類似条項のベクトルを入力とし当該条項に
対してユーザが割り当てた条項の種類を識別する条項種類識別情報を出力とする教師デー
タを用いて、機械学習することにより分類モデルを更新する更新部を更に備え、前記予測
部は、更新後の前記分類モデルに前記変換後のベクトルを入力して、前記対象の条項の種
類を識別する条項種類識別情報を出力する。
識別情報を割り当てられる精度を向上させることができる。
ステムであって、前記変換部は、対象の契約書に含まれる条項それぞれをベクトルに変換
し、前記予測部は、前記変換後のベクトルそれぞれを、前記対象の契約書と同種の標準契
約書に含まれる条項それぞれのベクトルと比較し、前記予測部による比較の結果、前記標
準契約書に含まれる条項のベクトルのうち、前記変換後のベクトルとの間で設定基準以上
の類似性がないベクトルに対応する条項の種類を表す条項種類識別情報に対応する情報を
、前記対象の契約書に不足している条項として出力する出力部を更に備える。
契約書の作成及び/またはチェックを効率化することができる。
報処理システムであって、前記ストレージには、前記条項種類識別情報に対して、一以上
の条項データ及び/または条項メタデータが関連付けられて記憶されており、前記対象の
契約書に含まれる特定の条項に対する前記ユーザの特定の操作を受け付けた場合、当該特
定の条項の種類を識別する条項種類識別情報と同じ条項種類識別情報に前記ストレージに
おいて関連付けられた条項データ及び/または条項メタデータを出力する条項データ出力
部を更に備える。
で、契約書の作成を効率化することができる。
報処理システムであって、前記変換部は、対象の契約書の条項を日本語から外国語へ翻訳
し、翻訳後の外国語の条項をベクトルに変換する。
ゆれを吸収して、ベクトルに変換した後に、意味が近いもの同士をより類似度が高いベク
トルに、意味が遠いもの同士をより類似度が低いベクトルに変換することができる。
であって、前記外国語は、英語である。
りも英語の方があいまいでなく構文のゆれが少ないので、ベクトル化したときに日本語か
らベクトルに変換するよりも、意味が近いもの同士をより類似度が高いベクトルに、意味
が遠いもの同士をより類似度が低いベクトルに変換することができる。
る情報処理システムであって、前記対象の契約書を、条項毎に分割する分割部を更に備え
、前記変換部は、前記分割部による分割後の条項をベクトルに変換する。
るので、対象の契約書のそれぞれの条項に条項種類識別情報を割り当てることができる。
であって、前記ストレージには、ユーザ区分と当該ユーザ区分にとって有利もしくは不利
な標準条項のベクトルとの組と、条項メタデータとの分析した関係が記憶されており、前
記予測部は、前記分析した関係に基づいて、対象のユーザの区分と前記対象の条項のベク
トルとを入力として、条項メタデータを予測して出力する。
するよう示唆する条項メタデータが得られるので、対象のユーザは、自己にとって不利な
条項を不利にならないように変更したり、自己に不利にならないように条項を新たに追加
したりすることができる。また、対象のユーザの区分では有利な条項の場合、有利な条項
であることを示唆する条項メタデータが得られるので、対象のユーザは、自己にとって有
利な条項を把握しつつ契約書の作成及び/またはチェックを行うことができる。これによ
り、契約書の作成及び/またはチェックの効率を向上させることができる。
種類を表す条項種類識別情報もしくは当該条項に対する条項メタデータとの分析した関係
が記憶されているストレージが記憶されている情報処理システムが実行する情報処理方法
であって、対象の契約書の対象の条項をベクトルに変換するステップと、前記分析した関
係に基づいて、前記変換後の前記ベクトルを入力として、前記対象の条項の種類を識別す
る条項種類識別情報もしくは前記対象の条項に対する条項メタデータを予測して出力する
ステップと、を有する。
の条項の種類を把握することができるので、契約書の条項がどのような条項であるのかを
ユーザが把握するのを容易化することができる。これにより、契約書の作成及び/または
チェックの効率を向上させることができる。あるいは、この構成によれば、条項メタデー
タが得られるので、対象のユーザは、自己にとって不利な条項を不利にならないように変
更したり、自己に不利にならないように条項を新たに追加したりすることができる。また
、有利な条項であることが示唆する条項メタデータが得られるので、対象のユーザは、自
己にとって有利な条項を把握しつつ契約書の作成及び/またはチェックを行うことができ
る。これにより、契約書の作成及び/またはチェックの効率を向上させることができる。
は対象の条項の種類を把握することができるので、契約書の条項がどのような条項である
のかをユーザが把握するのを容易化することができる。これにより、契約書の作成及び/
またはチェックの効率を向上させることができる。
あるいは、本発明の一態様によれば、条項メタデータが契約のどちらの側が不利な条項
であることを示唆する場合、対象のユーザは、自己にとって不利な条項を不利にならない
ように変更したり、自己に不利にならないように条項を新たに追加したりすることができ
る。また、条項メタデータが契約のどちらの側が有利な条項であることを示唆する場合、
対象のユーザは、自己にとって有利な条項を把握しつつ契約書の作成及び/またはチェッ
クを行うことができる。これにより、契約書の作成及び/またはチェックの効率を向上さ
せることができる。
明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構
成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるの
を避け、当業者の理解を容易にするためである。
初めて自社で契約書を用意する場合や相手側から契約書を提示された場合などにおいて、
契約書の作成及び/またはチェックの効率を向上させたいという課題がある。契約書の作
成及び/またはチェックの効率を向上させるためには、対象の契約書の中から、その種類
の契約書では一般的でない条項(例えば、共同開発契約書であれば共同開発契約書では一
般的でない条項など)を見分けることができれば、その条項に注力してチェックすること
ができる。しかしながら、対象の契約書の中から、その種類の契約書では一般的でない条
項を見分けることが難しいという問題がある。
において、その種類の契約書としては不足している条項(例えば、共同開発契約書であれ
ば共同開発によって生まれた知的財産権の取り扱いを定めた条項など)がどんな条項であ
るかを把握できれば、その条項を加えることができる。しかしながら、対象の契約書にお
いて、その種類の契約書としては不足している条項がどんな条項であるかを把握すること
が難しいという問題がある。
に示すように、標準的な契約書である標準契約書のデータベースには、標準契約書が条項
毎に分割されて保存されている。
(ステップS1)まず例えばサーバは、対象の契約書のデータである契約書データDT
を用いて、対象の契約書を条項単位に分割する。そして例えばサーバは、この契約書デー
タDTの条項単位のデータと標準契約書の条項毎のデータとを結合してクラスタリングし
(グループ分けし)、条項それぞれのベクトルを取得する。
16について、対象の契約書と同種の標準契約書の条項それぞれのベクトルV21~V2
6との間で類似度(例えばコサイン類似度)を計算する。本実施形態では、類似度は一例
としてコサイン類度であるものとして説明する。
を除外する。例えばベクトルV11は、ベクトルV21~V26それぞれとの類似度が一
つも設定基準以上にならなかったので残される。同様に例えばベクトルV16は、ベクト
ルV21~V26それぞれとの類似度が一つも設定基準以上にならなかったので残される
。これにより、例えばベクトルV11、V16は、標準契約書の中に類似度が設定基準以
上の条項がなかったので、例えばサーバは、一般的でない条項としてユーザに示唆する。
では、V12~V15)それぞれについて、対象の契約書と同種の標準契約書の条項のベ
クトルV21~V26のうち類似度が最も高いベクトルの条項に対応する条項種別を、当
該ベクトルの条項種別に割り当てる。具体的には例えばサーバは、条項V12と、類似度
が設定基準以上で且つ最も類似しているベクトルV23であるとすると、条項12に対し
て、ベクトルV23に対応する条項種別を割り当てる。
準以上にならなかったので残される。同様に例えばベクトルV21は、ベクトルV11~
V16それぞれとの類似度が一つも設定基準以上にならなかったので残される。これによ
り、例えばベクトルV21、V26は、対象の契約書の中に類似度が設定基準以上の条項
がなかったので、例えばサーバは、その種類の契約書としては不足している条項としてユ
ーザに示唆する。
えばベクトルV11、V16に対応する条項)に、条項種類を割り当てる。例えば、ユー
ザがベクトルV11の条項を読んで、「秘密保持」の条項だと判断すれば、ユーザが端末
を操作してベクトルV11の条項に対して「秘密保持」を割り当てる。
似条項に対してユーザが割り当てた条項種類を識別する条項種類IDを出力とする教師デ
ータを用いて、機械学習することによって分類モデルを更新する。
用いて、条項それぞれの種類を予測する。
システムSは一例として、端末1-1~1-Nと通信回路網CNを介して接続されたサー
バ2を備える。情報処理システムSは、端末1-1、…、1-N(Nは自然数)を備えて
もよいし、備えなくてもよい。
電話(いわゆるスマートフォン)などの携帯電話、タブレット、ノートパソコン、または
デスクトップパソコンなどである。端末1-1~1-Nは例えば、WEBブラウザを用い
て、サーバ2から提供される情報を表示する。
以下、端末1-1~1-Nを総称して端末1とも呼ぶ。
ば、入力インタフェース11と、通信回路12と、ストレージ13と、メモリ14と、出
力インタフェース15と、プロセッサ16とを備える。
入力インタフェース11は、ユーザからの入力を受け付け、受け付けた入力に応じた入
力信号をプロセッサ16へ出力する。
通信回路12は、通信回路網CNに接続されて、通信回路網CNに接続されているサー
バ2と通信する。この通信は有線であっても無線であってもよい。
のデータが格納されている。
メモリ14は、データ及びプログラムを一時的に保持する。メモリ14は、揮発性メモ
リであり、例えばRAM(Random Access Memory)である。
令に従って情報をディスプレイ17に出力する。これにより、ディスプレイ17に情報が
表示される。なおディスプレイ17は端末1に外付けではなく端末1に内蔵されていても
よい。
プロセッサ16は、ストレージ13から本実施形態に係るプログラムをメモリ14にロ
ードし、当該プログラムに含まれる一連の命令を実行することによって、読込受付部16
1、編集受付部162、条項データ要求部163、条項種類要求部164.通信制御部1
65、出力制御部166として機能する。それぞれの処理については後述する。
、入力インタフェース21と、通信回路22と、ストレージ23と、メモリ24と、出力
インタフェース25と、プロセッサ26とを備える。
入力インタフェース21は、サーバ2の管理者からの入力を受け付け、受け付けた入力
に応じた入力信号をプロセッサ26へ出力する。
通信回路22は、通信回路網CNに接続されて、通信回路網CNに接続されている端末
1-1~1-Nと通信する。この通信は有線であっても無線であってもよい。
データが格納されている。
メモリ24は、データ及びプログラムを一時的に保持する。メモリ24は、揮発性メモ
リであり、例えばRAM(Random Access Memory)である。
出力インタフェース25は、外部の機器(例えばディスプレイと接続されており、プロ
セッサ26からの指令に従って当該外部の機器に信号(例えば映像信号)を出力する。こ
れにより、例えばディスプレイに映像信号が入力されて情報が表示される。
グラムに含まれる一連の命令を実行することによって、取得部261、分割部262、変
換部263、予測部264、条項データ読出部(条項データ出力部)265、条項種類読
出部266、出力部267、更新部268、通信制御部269として機能する。それぞれ
の処理については後述する。
である。図5に示すように、本実施形態に係るサーバ2のストレージ23に記憶されてい
る契約書種類マスタテーブルM1には、契約書種類IDと、条項名との組のレコードが蓄
積されている。ここで契約書種類IDは、契約書の種類を識別する契約書種類識別情報の
一例である。
図5に示すように、本実施形態に係るサーバ2のストレージ23に記憶されている条項
種類マスタテーブルM2には、条項種類IDと、条項名との組のレコードが蓄積されてい
る。ここで条項種類IDは、条項の種類を識別する条項種類識別情報の一例である。
。標準条項テーブルT1には、予め用意された標準的な契約書に含まれる条項に関する情
報が格納される。図6に示すように、本実施形態に係るサーバ2のストレージ23に記憶
されている標準条項テーブルT1には、契約書種類IDと、条項種類IDと、ベクトルと
、条項との組のレコードが蓄積されている。ベクトルは、条項すなわち条項単位の文章群
が変換されたものである。ベクトルは例えば、高次元の実数ベクトルである。変換時には
、近い意味の条項を近いベクトルに変換される。
このように、ストレージ23には、標準契約書に含まれる条項それぞれに対応するベク
トルと当該条項に付された条項種類識別情報(ここでは契約書種類ID)との組に対して
、契約書の種類が更に関連付けられて記憶されている。
いる。図6に示すように、本実施形態に係るサーバ2のストレージ23に記憶されている
条項テーブルT2には、契約書種類IDと、条項種類IDと、条項との組のレコードが蓄
積されている。
を表す条項種類識別情報(ここでは条項種類ID)との分析した関係が記憶されている。
このストレージ23に記憶されている分析した関係は、本実施形態では二種類ある。スト
レージ23に記憶されている分析した関係の一つは、標準契約書に含まれる条項それぞれ
に対応するベクトルと、当該条項の種類を表す条項種類識別情報(ここでは条項種類ID
)との組である。ストレージ23に記憶されている分析した関係のもう一つは、標準契約
書に含まれるいずれの条項のベクトルとも設定基準以上の類似性がない条項のベクトルを
入力とし当該条項に対してユーザが割り当てた条項種類を識別する条項種類識別情報を出
力とする教師データとして機械学習した分類モデルである。
ユーザによる操作に応じて提供された契約書データDTを読み込み、通信制御部165(
図3参照)は、契約書データDTをサーバ2へ送信するよう通信回路12を制御する。
編集受付部162は、契約書データDTに対する編集を受け付けて、出力制御部166
(図3参照)は編集された契約書データDTをディスプレイ17に表示するよう制御する
。
対象の契約書に含まれるタイトルを契約書の種類として取得してもよいし、対象の契約書
に含まれるタイトルから契約書の種類を判断してもよい。また、対象の契約書の種類をユ
ーザが指定するようにしてもよく、その場合、取得部261は、端末1がユーザから受け
付けた対象の契約書の種類を取得してもよい。
割部262は、「条」という単語を抽出し、この「条」を境目とみなして、条項毎に分割
してもよい。
、変換部263は、分割部262による分割後の条項をベクトルに変換する。この変換に
ついては後述する。
て、対象の条項の種類を識別する条項種類識別情報(ここでは条項種類ID)を予測して
出力する。
、予測部264は、変換後のベクトルを、ストレージ23に記憶されている、標準契約書
に含まれる条項それぞれのベクトルと比較し、比較の結果、類似度が基準を満たすベクト
ル(ここでは一例として最も類似するベクトル)にストレージ23において関連付けられ
た条項種類識別情報(ここでは条項種類ID)を出力する。これにより、対象の条項を、
標準契約書に含まれる条項と比較することができ、対象の条項の種類を判断することがで
きる。
た対象の契約書の種類と同じ種類の標準契約書に含まれる条項それぞれのベクトルと比較
する。これにより、対象の条項を、対象の契約書の種類と同じ種類の標準契約書に含まれ
る条項と比較することができ、対象の条項の種類の判別精度を向上させることができる。
条項それぞれとの間でコサイン類似度を算出し、算出されたコサイン類似度のうちコサイ
ン類似度が最も高いベクトルにストレージ23において関連付けられた条項種類IDを出
力する。これにより、条項の種類を把握することができる。
、予測部264は、この分類モデルに当該変換後のベクトルを入力して、対象の条項の種
類を識別する条項種類識別情報(ここでは条項種類ID)を出力する。これにより、条項
の種類の判別精度を向上させることができる。
関連付けてストレージ23に蓄積させる。
続いて変換部263におけるベクトルの変換処理の例について説明する。図8は、条項
に含まれる文章の数が三つの場合における条項のベクトル化の一例を示す模式図である。
図8に示すように、変換部263は、条項に含まれる第1文をベクトルX1に変換する。
同様に変換部263は条項に含まれる第2文をベクトルX2に変換する。同様に変換部2
63は条項に含まれる第3文をベクトルX3に変換する。そして、変換部263は、ベク
トルの平均(X1+X2+X3)/3を、当該条項に対応するベクトルとして出力する。
(ステップ1)まず、変換部263は、文章を形態素に分解する。
例えば文が「今日はいい天気です」の場合、「今日」、「は」、「いい」、「天気」、「
です」に分割される。
ramとして定義する。例えば、Nが2の場合、n-gramは、以下のように定義され
る。
N = 2 : (今日, は), (は, いい), (いい 天気), (天気 です)
となるような最適な行列U、Vを計算する。すなわち文書S1のすべてのn-gramは
文書S1に最も現れ、文書S2、文書S3に含まれる異なるn-gramは現れない。文
書S2、文書S3に関しても同様である。この行列U、Vは、非特許文献1に記載されて
いるものである。行列Uは、センテンス(文章)ごとの値の集合で、行列U、Vの最適化
によって学習(最適化関数)を実行することにより、文書のベクトル(分散表現)を導出
する。行列Uは、行列Vと大きさの同じで90度傾けた行列で、センテンス(文章)毎の
値の集合である。そして変換部263は、行列の片方であるVをもとに、含まれるすべて
のn-gram分散表現を平均して文章のベクトル(分散表現ともいう)を得る。
以下、対象の文章(センテンス)Sをベクトルに変換する処理の具体的な手法の例につ
いて簡単に説明する。学習時には、行列Vで単語ごとの表現を求める。単語のセンテンス
内での出現パターンを学習するためパラメーターUも使う。また行列U、Vを誤差関数を
使って最適化する。なお、誤差関数は例えば非特許文献1の式(3)を用いてもよい。
分散表現導出時には、文章(センテンス)SのBag of WordsベクトルDを求める。ベク
トルDと行列Vを掛け合わせ、出現頻度を加味したn-gramごとのベクトル表現の平
均を取り、文章Sのベクトル表現を求める。
なお、文章をベクトルに変換する処理は、公知のライブラリや公知の方法を用いてもよ
い。
条項種類の表示の処理の一例について説明する。図9は、端末1に表示されるブラウザ
画面の第1の例である。図9において、端末1において、事業譲渡契約書のデータが読み
込まれた場合に、端末1のブラウザに条項毎に表示される。図9では、「第1条」が、ユ
ーザによって選択された場合の画面である。ユーザによって「1条」が選択された場合、
図7に示すように条項種類要求部164は、条項番号として「1」をサーバ2に送信して
条項種類を要求する。この要求に対して、条項種類読出部266は、条項番号「1」に関
連付けて記憶された条項種類IDをストレージ23から読み出す。そして、通信制御部2
69は、読み出された条項種類IDに対応する情報を端末1へ送信するよう通信回路22
を制御する。端末1の出力制御部166は、この情報を受信した場合、条項種類ID(こ
こでは「事業譲渡」を識別するID)に対応するタグが表示する。これにより、図9のよ
うに、「1条」に対して「事業譲渡」のタグR1が付されて表示される。
続いて類似条項出力処理について説明する。図9において、「このタグで検索する」ボ
タンB1が表示されている。また、「条項を削除」ボタンB2が表示され、「条項を追加
」ボタンB3が表示されている。「条項を削除」ボタンB2が押されると、端末1のプロ
セッサ16は、この条項を削除する。一方、「条項を追加」ボタンB3が押されると、端
末1のプロセッサ16は、編集中の条項を追加する。
を選択するセレクトボックスSB2が表示されている。セレクトボックスSB1で契約書
の種類が選択され、セレクトボックスSB2で条項の種類が選択された場合、端末1の条
項データ要求部163は、この選択された契約書の種類を識別する契約書種類IDと、こ
の選択された条項の種類を識別する条項種類IDをサーバ2へ送信して、当該契約書の種
類で且つ当該条項の種類に該当する条項データを要求する。この要求に応じて、サーバ2
の条項データ読出部265は、当該受信した契約書種類IDと条項種類IDの組に対応付
けられた条項をストレージ23の条項テーブルT2から読み出す。そして、通信制御部1
65は、この読み出された条項を示す条項データを端末1へ送信する。端末1の出力制御
部166は、この条項データをブラウザ画面に表示する。これにより、図9の場合、契約
書種類で事業譲渡契約が選択され且つ条項種類として損害賠償が選択されているので、画
面領域R2において、他の事業譲渡契約書の損害賠償の条項が表示される。
画面の一例である。図9において、「このタグで検索する」ボタンB1が押されると、当
該条項に割り当てられた条項種類と同じ条項種類が割り当てられている他の同種(ここで
は事業譲渡譲渡)の契約書の条項が例えば、図10の画面領域R3に表示される。更に、
条項タグのセレクトボックスの値が、「損害賠償」から「事業譲渡」に切り替わる。
その際の処理としては、「このタグで検索する」ボタンB1が押されると、端末1の条
項データ要求部163は、当該契約書の種類を識別する契約書種類IDと、この割り当て
られた条項の種類を識別する条項種類IDをサーバ2へ送信して、当該契約書の種類で且
つ当該条項の種類に該当する条項データを要求する。この要求に応じて、サーバ2の条項
データ読出部265は、当該受信した契約書種類IDと条項種類IDの組に対応付けられ
た条項をストレージ23の条項テーブルT2から読み出す。そして、通信制御部165は
、この読み出された条項を示す条項データを端末1へ送信する。端末1の出力制御部16
6は、この条項データをブラウザ画面に表示する。これにより、図10の場合、画面領域
R3において、他の事業譲渡契約書の事業譲渡の条項が表示される。
合の処理の一例を示すフローチャートである。
(ステップS10)まず、端末1の読込受付部161が契約書データを読み込む。
へ送信する。
を例えば当該契約書に含まれるタイトルから取得する。
。
(ステップS50)サーバ2の変換部263は、対象の契約書の条項を日本語から外国
語(ここでは一例として英語)へ翻訳する。
て英語)の条項をベクトルに変換する。これにより、外国語(ここでは一例として英語)
に変換した後にベクトルに変換するので、日本語による表記ゆれを吸収して、ベクトルに
変換した後に、意味が近いもの同士をより類似度が高いベクトルに、意味が遠いもの同士
をより類似度が低いベクトルに変換することができる。特に英語に翻訳して、英語からベ
クトル化することによって、日本語よりも英語の方があいまいでなく構文のゆれが少ない
ので、ベクトル化したときに日本語からベクトルに変換するよりも、意味が近いもの同士
をより類似度が高いベクトルに、意味が遠いもの同士をより類似度が低いベクトルに変換
することができる。
同じ種類の契約書の各ベクトルとの類似度(例えばコサイン類似度)を算出する。
以上である類似度があるか否か判定する。
である類似度がある場合、出力部267は、類似度が最も高いベクトルに対応する条項種
類IDを、条項番号に関連付けてストレージ23に保存する。
基準以上である類似度がない場合、出力部267は、当該条項の条項番号を非類似条項と
してストレージ23に保存する。
出す。
する。そして予測部264は、前記変換後のベクトルそれぞれを、前記対象の契約書と同
種の標準契約書に含まれる条項それぞれのベクトルと比較する(ここでは一例としてコサ
イン類似度を算出する)。出力部267は、予測部264による比較の結果、前記変換後
のベクトルのうち(例えば、図1のベクトルV11~V16)、標準契約書に含まれるい
ずれの条項のベクトルとも設定基準以上の類似性がないベクトル(例えば、図1のベクト
ルV11、V16の二つのベクトル)に対応する条項を非類似条項として出力する。この
構成により、ユーザは標準的な契約書にない条項を把握することができるので、契約書の
作成及び/またはチェックを効率化することができる。
約書に含まれる条項のベクトル(例えば、図1のベクトルV21~V26)のうち、前記
変換後のベクトルとの間で設定基準以上の類似性がないベクトル(例えば、図1のベクト
ルV21、V26の二つのベクトル)に対応する条項の種類を表す条項種類識別情報(こ
こでは条項種類ID)に対応する情報を、対象の契約書に不足している条項として出力し
てもよい。この構成により、ユーザは標準的な契約書にない条項を把握することができる
ので、契約書の作成及び/またはチェックを効率化することができる。
の条項番号、条項毎に分けた契約書データを送信する。
けた契約書データを取得した場合、契約書を条項毎に分けて表示するとともに、非類似条
項を区別可能に表示する。これにより、ユーザは非類似条項を把握することができ、この
非類似条項に対して条項種類を割り当てる。
ザによって入力されたか否か判定する。
によって入力された場合、非類似条項の条項番号と、ユーザによって入力された条項種類
を識別する条項種類IDをサーバ2へ送信する。
合、受信した非類似条項の条項番号で特定される条項のベクトルを入力とし受信した条項
種類IDを出力とするデータセットを、ストレージ23に保存された教師データに加える
。
ングで、ストレージ23に保存された教師データを用いて、機械学習を実行することによ
って、分類モデルを更新する。
を入力とし当該条項に対してユーザが割り当てた条項の種類を識別する条項種類識別情報
(条項種類ID)を出力とする教師データを用いて、機械学習することにより分類モデル
を更新する。そして、予測部264は、更新後の分類モデルに変換後のベクトルを入力し
て、対象の条項の種類を識別する条項種類識別情報(ここでは条項種類ID)を出力する
。これにより、更新された分類モデルを用いることにより、条項に正しい条項種類識別情
報(ここでは条項種類ID)を割り当てられる精度を向上させることができる。
ーチャートである。この処理は、図11または後述する図13の処理が終わった後に実行
される処理である。
れたか否か判定する。
制御部165は、ユーザによって選択された条項の条項番号をサーバ2へ送信するよう制
御する。
類IDをストレージ23から読み出す。
応する情報を端末1へ送信するよう制御する。
を受信した場合、この条項種類IDに対応する情報(例えば、図9の「事業譲渡」のタグ
R1)をブラウザ画面に更に表示する。
163は、「このタグで検索する」ボタンB1が押されたか否かを判定する。
と判定された場合、端末1の通信制御部165は、「このタグで検索する」ボタンB1が
関連付けられている条項の条項種類ID(図9の例では、「事情譲渡」の条項種類ID)
をサーバ2へ送信するよう制御する。
信した場合、ストレージ23の条項テーブルT2において、この条項種類IDに関連付け
られた条項を類似条項として少なくとも一つ読み出す。 このように、ストレージ23に
は、条項種類識別情報(ここでは条項種類ID)に対して、一以上の条項データが関連付
けられて記憶されている。条項データ読出部(条項データ出力部)265は、対象の契約
書に含まれる特定の条項に対するユーザの特定の操作を受け付けた場合、当該特定の条項
の種類を識別する条項種類識別情報(ここでは条項種類ID)と同じ条項種類識別情報(
ここでは条項種類ID)にストレージ23において関連付けられた条項データを出力する
。これにより、ユーザが選択した条項と同種の他の条項を参照することができるので、契
約書の作成を効率化することができる。
なお、ストレージ23には、条項種類識別情報(ここでは条項種類ID)に対して、一
以上の条項データに加えてもしくは替えて、その条項データに関連する変更履歴、リスク
情報(例えば、その条項がリスクが高いか低いを示す情報)、コメント、及び/または修
正条項案、追加の条項案などのデータ(以下、これらを総称して「条項メタデータ」とい
う。)が関連付けられて記憶されていてもよい。その場合、条項データ読出部(条項デー
タ出力部)265は、対象の契約書に含まれる特定の条項に対するユーザの特定の操作を
受け付けた場合、当該特定の条項の種類を識別する条項種類識別情報(ここでは条項種類
ID)と同じ条項種類識別情報(ここでは条項種類ID)にストレージ23において関連
付けられた条項データ及び/または及び条項メタデータを出力してもよい。
た条項のデータを端末1へ送信するよう制御する。
の受信した条項データを例えばブラウザ画面に更に表示する。これにより、ユーザが選択
した条項と同種の他の条項を参照することができるので、契約書の作成を効率化すること
ができる。
る場合の処理の一例を示すフローチャートである。ステップS410~S460の処理は
、図11のステップS10~S60と同じであるので、その説明を省略する。なお、条項
毎にステップS450~S480の処理が繰り返される。
を入力して、対象の条項の種類を識別する条項種類IDを出力する。
号とステップS470で出力された条項種類IDの組をストレージ23に保存する。
送信する。
信した場合、この条項毎に分けた契約書データを用いて、契約書を条項毎に分けて表示す
る。
当該条項の種類を表す条項種類識別情報との分析した関係が記憶されているストレージ2
3を備える。更に情報処理システムSは、対象の契約書の対象の条項をベクトルに変換す
る変換部を備える。更に情報処理システムSは、前記分析した関係に基づいて、前記変換
後の前記ベクトルを入力として、前記対象の条項の種類を識別する条項種類識別情報を予
測して出力する予測部264を備える。
の条項の種類を把握することができるので、契約書の条項がどのような条項であるのかを
ユーザが把握するのを容易化することができる。
項の種類を表す条項種類識別情報との分析した関係が記憶されていたが、これに限らず、
これに加えてもしくは替えて、契約書の条項が変換されたベクトルと当該条項に対する条
項メタデータ(例えば、その条項のリスク度、条項の変更または追加を促すコメント、修
正条項案、追加すべき条項など)との分析した関係が記憶されていてもよい。その場合、
予測部264は、この分析した関係に基づいて、前記変換後の前記ベクトルを入力として
、対象の条項の条項メタデータを予測して出力してもよい。
する場合、対象のユーザは、自己にとって不利な条項を不利にならないように変更したり
、自己に不利にならないように条項を新たに追加したりすることができる。また、条項メ
タデータが契約のどちらの側が有利な条項であることを示唆する場合、対象のユーザは、
自己にとって有利な条項を把握しつつ契約書の作成及び/またはチェックを行うことがで
きる。これにより、契約書の作成及び/またはチェックの効率を向上させることができる
。
約当事者の立場)によって、ある条項が有利か不利かが変わってくるし、ある別の条項(
例えば、買主であれば売主が瑕疵責任を有する条項など)を追加すべきか否かが変わって
くる。また、契約書は、契約当事者の立場だけでなく、(1)法人、個人、大企業、中小
企業、民間企業などの営利団体、大学などの非営利団体といった当事者の区分によって、
ある条項が有利か不利かが変わってくるし、ある別の条項を追加するか否かが変わってく
る。また(2)金額の多寡、期間などの重要な指標である重要指標区分は、重点的にチェ
ックすべきである。
ンス料であるのが標準のところ、相手方から提示された契約書のドラフトに売上額の10
%がライセンス料であると記載があった場合には、ライセンスを受ける側にとって不利で
ある。すなわち、契約書に記載された金額の多寡も、契約当事者の立場または当事者の区
分によって、有利か不利かが変わってくる。
であるユーザの区分(例えば、契約当事者の立場、当事者の区分など)の観点から、対象
の条項(ユーザが読み込ませた契約書の条項)が不利な場合には、条項の変更を示唆する
かもしくは条項を追加するよう示唆する条項メタデータを出力してもよい。
ユーザの区分及び/または重要指標区分に応じて有利もしくは不利と判別できる標準条項
のデータセットに含まれる標準条項のベクトルと比較し、対象のベクトルと標準条項のベ
クトルとの類似度が基準を満たす場合、当該標準条項のデータセットに含まれる条項メタ
データ(例えば、修正条項例、追加条項例、コメントなど)を出力してもよい。
例えば、ストレージ23には、ある種類の条項(例えば、停止条項など)について、契
約書識別情報(例えば、売買契約書を識別する契約書ID)と、ユーザ区分(例えば、買
主)と、当該ユーザ区分にとって不利な標準条項(例えば、X条項)と、条項メタデータ
(例えば「この条項は不利です。○○と変更することをお勧めします」というコメント)
が関連付けられて記憶されている。その場合に、ユーザが提供した契約書の当該種類の条
項にA条項が含まれていた場合について説明する。
、A条項のベクトルとX条項のベクトルのコサイン類似度が閾値以上の場合)且つ対象の
ユーザがX条項にストレージ23において関連付けられたユーザ区分である買主に該当す
る場合、「この条項は不利です。○○と変更することをお勧めします」というコメントを
条項メタデータとして出力してもよい。
例えば、ストレージ23には、ある種類の条項(例えば、停止条項など)について、契
約書識別情報(例えば、売買契約書を識別する契約書ID)と、ユーザ区分(例えば、買
主)と、当該ユーザ区分にとって不利な標準条項(例えば、Y条項)と、条項メタデータ
(例えば「以下の条項を追加することをお勧めします」というコメントと、当該お勧めす
る条項C)が関連付けられて記憶されている。その場合に、ユーザが提供した契約書の当
該種類の条項にB条項が含まれていた場合について説明する。
クトルとY条項のベクトルのコサイン類似度が閾値以上の場合)且つ対象のユーザがY条
項にストレージ23において関連付けられたユーザ区分である買主に該当する場合、「以
下の条項を追加することをお勧めします」というコメントとともに条項Cを出力してもよ
い。
なお、不利な標準条項に加えてまたは替えて、有利な標準条項がストレージ23に記憶
されていてもよい。
とって有利もしくは不利な標準条項(例えば、Y条項)のベクトルと、条項メタデータ(
例えば「以下の条項を追加することをお勧めします」というコメントと、当該お勧めする
条項C)が関連付けられて記憶されていてもよい。そして、予測部264は、例えば、対
象の条項のベクトルがストレージ23に記憶されている標準条項のベクトルに設定基準以
上類似し且つ対象のユーザの区分が当該標準条項のベクトルにストレージ23で関連付け
られたユーザ区分に該当する場合、当該対象条項のベクトルと当該ユーザ区分の組にスト
レージ23で関連付けられた条項メタデータを出力してもよい。
るよう示唆する条項メタデータが得られるので、対象のユーザは、自己にとって不利な条
項を不利にならないように変更したり、自己に不利にならないように条項を新たに追加し
たりすることができる。また、対象のユーザの区分では有利な条項の場合、有利な条項で
あることが示唆する条項メタデータが得られるので、対象のユーザは、自己にとって有利
な条項を把握しつつ契約書の作成及び/またはチェックを行うことができる。これにより
、契約書の作成及び/またはチェックの効率を向上させることができる。
な標準条項のベクトルと、条項メタデータの組に対して、契約書識別情報が更に関連付け
られて記憶されていてもよい。
れている標準条項のベクトルに設定基準以上類似し、対象の契約書の契約書識別情報が当
該標準条項のベクトルにストレージ23で関連付けられた契約書識別情報に一致し、且つ
対象のユーザの区分が当該標準条項のベクトルにストレージ23で関連付けられたユーザ
区分に該当する場合、当該対象条項のベクトルと当該ユーザ区分の組にストレージ23で
関連付けられた条項メタデータを出力してもよい。
により得られた助言モデルを用いて条項メタデータを出力してもよい。ここで助言モデル
は例えば、ユーザ区分と当該ユーザ区分にとって有利もしくは不利な標準条項のベクトル
との組を入力とし条項メタデータを出力とする教師データとして機械学習したモデルであ
り、ストレージ23に記憶されていてもよい。この場合、サーバ2のプロセッサ26は、
この助言モデルに対象のユーザの区分と前記対象の条項のベクトルとを入力して、条項メ
タデータを出力する予測部として機能してもよい。
利もしくは不利な標準条項のベクトルとの組と、条項メタデータとの分析した関係(例え
ば、上記のルールベースの関係または上記の助言モデル)に基づいて、対象のユーザの区
分と対象の条項のベクトルとを入力として、条項メタデータを予測して出力する予測部と
して機能してもよい。
するよう示唆する条項メタデータが得られるので、対象のユーザは、自己にとって不利な
条項を不利にならないように変更したり、自己に不利にならないように条項を新たに追加
したりすることができる。また、対象のユーザの区分では有利な条項の場合、有利な条項
であることが示唆する条項メタデータが得られるので、対象のユーザは、自己にとって有
利な条項を把握しつつ契約書の作成及び/またはチェックを行うことができる。これによ
り、契約書の作成及び/またはチェックの効率を向上させることができる。
標準条項のベクトルとの組と、条項メタデータとの分析した関係に限らず、契約書識別情
報とユーザ区分と当該ユーザ区分にとって有利もしくは不利な標準条項のベクトルとの組
と、条項メタデータとの分析した関係であってもよい。
してもよいし、ソフトウェアで構成してもよい。ハードウェアで構成する場合には、情報
処理システム1の少なくとも一部の機能を実現するプログラムをフレキシブルディスクや
CD-ROM等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記
録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク
装置やメモリなどの固定型の記録媒体でもよい。
通信回線(無線通信も含む)を介して頒布してもよい。さらに、同プログラムを暗号化し
たり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介し
て、あるいは記録媒体に収納して頒布してもよい。
能させてもよい。複数の情報処理装置を用いて場合、情報処理装置のうちの1つをコンピ
ュータとし、当該コンピュータが所定のプログラムを実行することにより、情報処理シス
テムの少なくとも1つの手段として機能が実現されてもよい。
御で実現するようにしてもよい。また、各工程をコンピュータに実施させながら、工程間
の進行制御を人の手によって実施するようにしてもよい。また、さらには、全工程のうち
の少なくとも一部を人の手によって実施するようにしてもよい。
旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示され
ている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実
施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施
形態にわたる構成要素を適宜組み合わせてもよい。
11 入力インタフェース
12 通信回路
13 ストレージ
14 メモリ
15 出力インタフェース
16 プロセッサ
161 読込受付部
162 編集受付部
163 条項データ要求部
164 条項種類要求部
165 通信制御部
166 出力制御部
17 ディスプレイ
2 サーバ
21 入力インタフェース
22 通信回路
23 ストレージ
24 メモリ
25 出力インタフェース
26 プロセッサ
261 取得部
262 分割部
263 変換部
264 予測部
265 条項データ読出部(条項データ出力部)
266 条項種類読出部
267 出力部
268 更新部
269 通信制御部
S 情報処理システム
Claims (13)
- 契約書の条項が変換されたベクトルと当該条項の種類を表す条項種類識別情報もしくは当該条項に対する条項メタデータとの分析した関係が記憶されているストレージと、
対象の契約書の対象の条項をベクトルに変換する変換部と、
前記分析した関係に基づいて、前記変換後の前記ベクトルを入力として、前記対象の条項の種類を識別する条項種類識別情報もしくは前記対象の条項に対する条項メタデータを予測して出力する予測部と、
を備える情報処理システム。 - 前記ストレージに記憶されている分析した関係は、標準契約書に含まれるいずれの条項のベクトルとも設定基準以上の類似性がない条項のベクトルを入力とし当該条項に対してユーザが割り当てた条項種類を識別する条項種類識別情報を出力とする教師データとして機械学習した分類モデルであり、
前記予測部は、前記分類モデルに前記変換後のベクトルを入力して、前記対象の条項の種類を識別する条項種類識別情報を出力する
請求項1に記載の情報処理システム。 - 前記ストレージに記憶されている分析した関係は、標準契約書に含まれる条項それぞれに対応するベクトルと、当該条項の種類を表す条項種類識別情報との組であり、
前記予測部は、変換後の前記ベクトルを、前記ストレージに記憶されている、標準契約書に含まれる条項それぞれのベクトルと比較し、比較の結果、類似度が基準を満たすベクトルに前記ストレージにおいて関連付けられた条項種類識別情報を出力する
請求項1に記載の情報処理システム。 - 前記ストレージには、標準契約書に含まれる条項それぞれに対応するベクトルと当該条項に付された条項種類識別情報との組に対して、契約書の種類が更に関連付けられて記憶されており、
前記対象の契約書の種類を取得する取得部を更に備え、
前記予測部は、前記変換後のベクトルを、前記取得部によって取得された前記対象の契約書の種類と同じ種類の標準契約書に含まれる条項それぞれのベクトルと比較する
請求項3に記載の情報処理システム。 - 前記変換部は、対象の契約書に含まれる条項それぞれをベクトルに変換し、
前記予測部は、前記変換後のベクトルそれぞれを、前記対象の契約書と同種の標準契約書に含まれる条項それぞれのベクトルと比較し、
前記予測部による比較の結果、前記変換後のベクトルのうち、標準契約書に含まれるいずれの条項のベクトルとも設定基準以上の類似性がないベクトルに対応する条項を非類似条項として出力する出力部を更に備える
請求項3または4に記載の情報処理システム。 - 前記出力部によって出力された前記非類似条項のベクトルを入力とし当該条項に対してユーザが割り当てた条項の種類を識別する条項種類識別情報を出力とする教師データを用いて、機械学習することにより分類モデルを更新する更新部を更に備え、
前記予測部は、更新後の前記分類モデルに前記変換後のベクトルを入力して、前記対象の条項の種類を識別する条項種類識別情報を出力する
請求項5に記載の情報処理システム。 - 前記変換部は、対象の契約書に含まれる条項それぞれをベクトルに変換し、
前記予測部は、前記変換後のベクトルそれぞれを、前記対象の契約書と同種の標準契約書に含まれる条項それぞれのベクトルと比較し、
前記予測部による比較の結果、前記標準契約書に含まれる条項のベクトルのうち、前記変換後のベクトルとの間で設定基準以上の類似性がないベクトルに対応する条項の種類を表す条項種類識別情報に対応する情報を、前記対象の契約書に不足している条項として出力する出力部を更に備える
請求項3または4に記載の情報処理システム。 - 前記ストレージには、前記条項種類識別情報に対して、一以上の条項データ及び/または条項メタデータが関連付けられて記憶されており、
前記対象の契約書に含まれる特定の条項に対する前記ユーザの特定の操作を受け付けた場合、当該特定の条項の種類を識別する条項種類識別情報と同じ条項種類識別情報に前記ストレージにおいて関連付けられた条項データ及び/または及び条項メタデータを出力する条項データ出力部
を更に備える請求項2または6に記載の情報処理システム。 - 前記変換部は、対象の契約書の条項を日本語から外国語へ翻訳し、翻訳後の外国語の条項をベクトルに変換する
請求項1から8のいずれか一項に記載の情報処理システム。 - 前記外国語は、英語である
請求項9に記載の情報処理システム。 - 前記対象の契約書を、条項毎に分割する分割部を更に備え、
前記変換部は、前記分割部による分割後の条項をベクトルに変換する
請求項1から10のいずれか一項に記載の情報処理システム。 - 前記ストレージには、ユーザ区分と当該ユーザ区分にとって有利もしくは不利な標準条項のベクトルとの組と、条項メタデータとの分析した関係が記憶されており、
前記予測部は、前記分析した関係に基づいて、対象のユーザの区分と前記対象の条項のベクトルとを入力として、条項メタデータを予測して出力する
請求項1に記載の情報処理システム。 - 条項が変換されたベクトルと当該条項の種類を表す条項種類識別情報もしくは当該条項に対する条項メタデータとの分析した関係が記憶されているストレージが記憶されている情報処理システムが実行する情報処理方法であって、
対象の契約書の対象の条項をベクトルに変換するステップと、
前記分析した関係に基づいて、前記変換後の前記ベクトルを入力として、前記対象の条項の種類を識別する条項種類識別情報もしくは前記対象の条項に対する条項メタデータを予測して出力するステップと、
を有する情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019233845A JP7325103B2 (ja) | 2019-03-04 | 2019-12-25 | 情報処理システム及び情報処理方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019038397A JP6640395B1 (ja) | 2019-03-04 | 2019-03-04 | 情報処理システム及び情報処理方法 |
JP2019233845A JP7325103B2 (ja) | 2019-03-04 | 2019-12-25 | 情報処理システム及び情報処理方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019038397A Division JP6640395B1 (ja) | 2019-03-04 | 2019-03-04 | 情報処理システム及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020144844A JP2020144844A (ja) | 2020-09-10 |
JP7325103B2 true JP7325103B2 (ja) | 2023-08-14 |
Family
ID=87563159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019233845A Active JP7325103B2 (ja) | 2019-03-04 | 2019-12-25 | 情報処理システム及び情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7325103B2 (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123764A (ja) | 2000-08-11 | 2002-04-26 | Ricoh Leasing Co Ltd | 契約支援サービス方法、契約支援システム、管理サーバおよびプログラム |
JP2004185376A (ja) | 2002-12-04 | 2004-07-02 | Kosenjuku:Kk | 契約書自動設計プログラム |
JP2010092227A (ja) | 2008-10-07 | 2010-04-22 | Ntt Data Corp | 文書作成支援装置、文書作成支援方法およびプログラム |
US20130086470A1 (en) | 2011-09-30 | 2013-04-04 | Dietmar H. Dorr | Systems, methods, and interfaces for analyzing conceptually-related portions of text |
US20140053069A1 (en) | 2012-08-16 | 2014-02-20 | Sap Ag | Identifying and mitigating risks in contract document using text analysis with custom high risk clause dictionary |
JP2014238629A (ja) | 2013-06-06 | 2014-12-18 | 株式会社野村総合研究所 | 契約書分析システム、プログラム及び方法 |
US20150161102A1 (en) | 2013-12-05 | 2015-06-11 | Seal Software Ltd. | Non-Standard and Standard Clause Detection |
WO2018087863A1 (ja) | 2016-11-10 | 2018-05-17 | 株式会社オプティム | 情報処理装置、情報処理システムおよびプログラム |
CN108399482A (zh) | 2018-01-17 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 合同的评估方法、装置和电子设备 |
-
2019
- 2019-12-25 JP JP2019233845A patent/JP7325103B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002123764A (ja) | 2000-08-11 | 2002-04-26 | Ricoh Leasing Co Ltd | 契約支援サービス方法、契約支援システム、管理サーバおよびプログラム |
JP2004185376A (ja) | 2002-12-04 | 2004-07-02 | Kosenjuku:Kk | 契約書自動設計プログラム |
JP2010092227A (ja) | 2008-10-07 | 2010-04-22 | Ntt Data Corp | 文書作成支援装置、文書作成支援方法およびプログラム |
US20130086470A1 (en) | 2011-09-30 | 2013-04-04 | Dietmar H. Dorr | Systems, methods, and interfaces for analyzing conceptually-related portions of text |
US20140053069A1 (en) | 2012-08-16 | 2014-02-20 | Sap Ag | Identifying and mitigating risks in contract document using text analysis with custom high risk clause dictionary |
JP2014238629A (ja) | 2013-06-06 | 2014-12-18 | 株式会社野村総合研究所 | 契約書分析システム、プログラム及び方法 |
US20150161102A1 (en) | 2013-12-05 | 2015-06-11 | Seal Software Ltd. | Non-Standard and Standard Clause Detection |
WO2018087863A1 (ja) | 2016-11-10 | 2018-05-17 | 株式会社オプティム | 情報処理装置、情報処理システムおよびプログラム |
CN108399482A (zh) | 2018-01-17 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 合同的评估方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2020144844A (ja) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6640395B1 (ja) | 情報処理システム及び情報処理方法 | |
US11727203B2 (en) | Information processing system, feature description method and feature description program | |
JP4746439B2 (ja) | 文書検索サーバおよび文書検索方法 | |
KR102285142B1 (ko) | 챗봇을 위한 학습 데이터 추천 장치 및 방법 | |
US20180293215A1 (en) | Method and Computer Program for Sharing Memo between Electronic Documents | |
CN111078842A (zh) | 查询结果的确定方法、装置、服务器及存储介质 | |
JP6841394B1 (ja) | 情報処理システム | |
CN102214091A (zh) | 一种定位软件开发中需求变更影响范围的方法和系统 | |
US20190354533A1 (en) | Information processing device, information processing method, and non-transitory computer-readable recording medium | |
CN106933824A (zh) | 在多个文档中确定与目标文档相似的文档集合的方法和装置 | |
JP2018084983A (ja) | コンテンツマッチングシステム | |
US20200387505A1 (en) | Information processing system, feature description method and feature description program | |
JP6687944B2 (ja) | 自動翻訳システム、自動翻訳方法、およびプログラム | |
JP7325103B2 (ja) | 情報処理システム及び情報処理方法 | |
CN117076636A (zh) | 一种智能客服的信息查询方法、系统和设备 | |
JP7390442B2 (ja) | 文書処理モデルのトレーニング方法、装置、機器、記憶媒体及びプログラム | |
US20220343087A1 (en) | Matching service requester with service providers | |
CN114417010A (zh) | 面向实时工作流的知识图谱构建方法、装置和存储介质 | |
JP2021114070A (ja) | 情報検索装置、情報検索方法、および情報検索プログラム | |
CN113435188B (zh) | 基于语义相似的过敏文本样本生成方法、装置及相关设备 | |
JP7161255B2 (ja) | 文書作成支援装置、文書作成支援方法、及び、文書作成プログラム | |
JP7193890B2 (ja) | 文書情報評価装置および文書情報評価方法並びに文書情報評価プログラム | |
US20230409620A1 (en) | Non-transitory computer-readable recording medium storing information processing program, information processing method, information processing device, and information processing system | |
TW202349324A (zh) | 一種具有跨國類別轉換功能之商標系統與執行方法 | |
CN117668242A (zh) | 一种数据分析方法、系统及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200527 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200529 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230421 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230516 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7325103 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |