WO2023187981A1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法及び情報処理プログラム Download PDF

Info

Publication number
WO2023187981A1
WO2023187981A1 PCT/JP2022/015438 JP2022015438W WO2023187981A1 WO 2023187981 A1 WO2023187981 A1 WO 2023187981A1 JP 2022015438 W JP2022015438 W JP 2022015438W WO 2023187981 A1 WO2023187981 A1 WO 2023187981A1
Authority
WO
WIPO (PCT)
Prior art keywords
company
inference
target
contract
information processing
Prior art date
Application number
PCT/JP2022/015438
Other languages
English (en)
French (fr)
Inventor
亮 相田
みず穂 遠山
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2022/015438 priority Critical patent/WO2023187981A1/ja
Publication of WO2023187981A1 publication Critical patent/WO2023187981A1/ja

Links

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
    • 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

Definitions

  • the present invention relates to an information processing device, an information processing method, and an information processing program.
  • Patent Document 1 describes a document examination support method that allows even contract personnel with little experience and knowledge to easily examine contracts. , contract type, article type, etc.), evaluate the contract for each clause based on the various types acquired, and generate screen data containing the evaluation results.
  • One aspect of the present invention has been made in view of the above problems, and one example of its purpose is to provide a technology that can perform more appropriate inferences regarding a target document.
  • An information processing device includes an acquisition means for acquiring a target document that is at least a part of a target contract draft, and a contract template of a target company that is different from the target company and the target company.
  • An inference means for inferring the target document using an inference model learned using a concluded contract regarding at least one of other companies, and output information obtained by referring to the inference result by the inference means. and generating means for generating.
  • An information processing device includes an acquisition unit that acquires a template of a contract of a target company and a concluded contract regarding at least one of the target company and another company different from the target company. and a learning means for learning an inference model for inferring a target document by referring to the information acquired by the acquisition means.
  • An information processing method includes the steps of: at least one processor acquiring a target document that is at least a part of a target contract; a contract template of a target company; Performing inference regarding the target document using an inference model learned using a concluded contract regarding at least one of other companies different from the target company, and obtaining information by referring to the inference result from the inference. and generating output information that can be used.
  • At least one processor processes a contract template of a target company and a concluded contract regarding at least one of the target company and another company different from the target company. and learning an inference model that performs inference on the target document by referring to the template and the concluded contract.
  • An information processing program includes an acquisition process for acquiring a target document that is at least a part of a target contract draft, a contract template of a target company, the target company, and the target company.
  • An inference process that performs inference regarding the target document using an inference model learned using a concluded contract regarding at least one of other companies different from the above, and an inference result obtained by the inference process.
  • generation processing for generating output information.
  • An information processing program acquires, in a computer, a template of a contract of a target company and a concluded contract regarding at least one of the target company and another company different from the target company. Acquisition processing and learning processing for causing an inference model that performs inference on the target document to learn by referring to the information acquired in the acquisition processing are executed.
  • FIG. 1 is a block diagram showing the configuration of an information processing device according to exemplary embodiment 1.
  • FIG. 3 is a flow diagram showing the flow of an information processing method according to exemplary embodiment 1.
  • FIG. 1 is a block diagram showing the configuration of an information processing device according to exemplary embodiment 1.
  • FIG. 3 is a flow diagram showing the flow of an information processing method according to exemplary embodiment 1.
  • FIG. 2 is a diagram illustrating an overview of an information processing device according to a second exemplary embodiment.
  • FIG. FIG. 2 is a block diagram showing the configuration of an information processing device according to exemplary embodiment 2.
  • FIG. FIG. 3 is a diagram showing a configuration example of an inference model.
  • FIG. 7 is a diagram showing a specific example of condition determination for a master model and an individual company model.
  • FIG. 3 is a diagram showing a specific example of output information.
  • FIG. 3 is a diagram showing a specific example of output information.
  • 3 is a block diagram showing the configuration of an information processing device according to exemplary embodiment 3.
  • FIG. 1 is a diagram illustrating an example of a computer that executes instructions of a program that is software that implements each function of each device according to each exemplary embodiment of the present invention.
  • FIG. 1 is a diagram illustrating an example of a computer that executes instructions of a program that is software that implements each function of each device according to each exemplary embodiment of the present invention.
  • FIG. 1 is a block diagram showing the configuration of the information processing device 1. As shown in FIG. The information processing device 1 includes an acquisition section 11, an inference section 12, and a generation section 13.
  • the acquisition unit 11 acquires a target document that is at least a part of a target contract draft.
  • the target contract draft is the contract draft that is the target of the inference performed by the information processing device 1, and is, for example, a contract draft created by the company to which the user belongs.
  • the draft contract includes, for example, the contents of the contract for each of one or more clauses.
  • the target contract draft is, for example, a document draft representing the contents of a non-disclosure agreement, but the target contract draft is not limited to the above-mentioned example and may be another contract draft.
  • the target document may be the entire target contract draft, or it may be a part of the target contract draft (for example, a document of some of the multiple clauses included in the target contract draft). It's okay.
  • the inference unit 12 performs inference regarding the target document using the inference model.
  • the inference model is a model learned using a contract template of the target company and a concluded contract regarding at least one of the target company and another company different from the target company.
  • the target company is a company that makes a contract, and is, for example, a company to which the user belongs.
  • a concluded contract is a document representing the contents of a contract concluded in the past, and is, for example, a document of a non-disclosure agreement concluded between a target company and another company.
  • the concluded contract is not limited to the example described above, and may be another contract concluded in the past.
  • the concluded contract used for learning the inference model may be a concluded contract that was concluded in the past by the company that made the contract of the target contract draft, or it may be a concluded contract of another company. Good too.
  • the inference model is a model for making inferences regarding the target document.
  • the inference model includes one or more models.
  • the inference model may include a model generated by supervised learning using learning data, or may include a model generated by unsupervised learning.
  • Inference models may include, for example, discriminative models that identify classes of input data, or generative models that generate artificial data. Examples of the generative model include an autoencoder and a generative adversarial network (GAN).
  • GAN generative adversarial network
  • the inference model is not limited to the example described above, and may be another model.
  • the machine learning method for the inference model is not limited, and as an example, a decision tree-based, linear regression, or neural network method may be used, or two or more of these methods may be used. .
  • the input of the inference model includes the target document acquired by the acquisition unit 11.
  • the input of the inference model may include other information.
  • the input of the inference model may include at least one of the following information. ⁇ A template of the contract of the target company ⁇ An concluded contract regarding at least one of the target company and another company different from the target company; ⁇ Information regarding past negotiations between the target company and other companies ⁇ Number of contracts concluded between the target company and other companies in the past ⁇ History of negotiations between the target company and other companies ⁇ Target Differences between the template of the company's contract and the contract that has already been concluded - A history of past changes to contracts between the target company and other companies - One or more companies included in the industry to which the target company and other companies belong Information about past negotiations with the inference model
  • the output of the inference model includes information about the inference of the target document.
  • the information regarding the inference of the target document includes, for example, at least one of the following: a proposed amendment to the target document, a probability of
  • the generation unit 13 generates output information obtained by referring to the inference result by the inference unit 12.
  • the output information is, for example, at least any of the following: information indicating a proposed amendment to the target document, information indicating the probability of conclusion of a clause included in the target document, and information indicating a negotiation scenario regarding the clause included in the target document. Contains one.
  • the information processing device 1 includes the acquisition unit 11 that acquires a target document that is at least a part of a target contract draft, a contract template of a target company, and a target document that is at least a part of a target contract draft.
  • An inference unit 12 that performs inference regarding the target document using an inference model learned using a concluded contract regarding at least one of a company and another company different from the target company; and an inference by the inference unit 12.
  • a configuration is adopted that includes a generation unit 13 that generates output information obtained by referring to the results.
  • Information according to the exemplary embodiment is obtained by using an inference model trained using a contract template of the target company and completed contracts of the target company and/or other companies different from the target company. According to the processing device 1, it is possible to perform more appropriate inference regarding the target document.
  • the functions of the information processing device 1 described above can also be realized by a program.
  • the information processing program according to the exemplary embodiment includes an acquisition process for acquiring a target document that is at least a part of a target contract draft, a contract template of a target company, the target company, and the target company.
  • An inference process that makes inferences regarding the target document using an inference model learned using an concluded contract regarding at least one of other companies different from the above, and an inference result obtained by the above inference process.
  • a generation process that generates output information is executed.
  • FIG. 2 is a flow diagram showing the flow of the information processing method S1.
  • the execution entity of each step in the information processing method S1 may be a processor provided in the information processing device 1, or may be a processor provided in another device, and the execution entity of each step may be provided in a different device.
  • the processor may also be a
  • step S11 at least one processor obtains a target document that is at least a part of a target contract draft.
  • step S12 at least one processor uses an inference model learned using a contract template of the target company and a concluded contract regarding at least one of the target company and another company different from the target company. is used to make inferences regarding the target document.
  • step S13 at least one processor generates output information obtained by referring to the inference result from the above inference.
  • At least one processor acquires a target document that is at least a part of a target contract draft, and a contract template of a target company. and a concluded contract regarding at least one of the target company and another company different from the target company to make an inference regarding the target document, and based on the above inference.
  • a configuration including generating output information obtained by referring to the inference result is adopted. Therefore, according to the information processing method S1 according to the present exemplary embodiment, it is possible to perform more appropriate inference regarding the target document.
  • FIG. 3 is a block diagram showing the configuration of the information processing device 2. As shown in FIG.
  • the information processing device 2 includes an acquisition section 21 and a learning section 22.
  • the acquisition unit 21 acquires a contract template of the target company and a concluded contract regarding at least one of the target company and another company different from the target company.
  • the learning unit 22 learns an inference model that performs inference on the target document by referring to the information acquired by the acquisition unit 21.
  • the inference model includes one or more models.
  • the inference model may include a model generated by supervised learning using learning data, or may include a model generated by unsupervised learning.
  • Inference models may include, for example, discriminative models that identify classes of input data, or generative models that generate artificial data. Examples of the generative model include a generative model such as an autoencoder or a generative adversarial network, but the inference model is not limited to the above example and may be another model.
  • the machine learning method for the inference model is not limited, and as an example, a decision tree-based, linear regression, or neural network method may be used, or two or more of these methods may be used. .
  • the contract template of the target company and the concluded contract regarding at least one of the target company and another company different from the target company A configuration is adopted that includes an acquisition unit 21 that acquires information on a target document, and a learning unit 22 that makes an inference model that performs inference on a target document learn by referring to the information acquired by the acquisition unit 21. Therefore, the information processing device 2 according to the present exemplary embodiment has the advantage of being able to generate an inference model for making more appropriate inferences regarding the target document.
  • the functions of the information processing device 2 described above can also be realized by a program.
  • the information processing program according to the exemplary embodiment acquires, in a computer, a template of a contract of a target company and a concluded contract regarding at least one of the target company and another company different from the target company.
  • An acquisition process and a learning process that causes an inference model that performs inference on the target document to learn by referring to the information acquired in the acquisition process are executed.
  • FIG. 4 is a flow diagram showing the flow of the information processing method S2.
  • the execution entity of each step in the information processing method S2 may be a processor provided in the information processing device 2, or may be a processor provided in another device, and the execution entity of each step may be provided in a different device.
  • the processor may also be a
  • step S21 at least one processor acquires a contract template of the target company and a concluded contract regarding at least one of the target company and another company different from the target company.
  • step S22 at least one processor learns an inference model for inferring the target document by referring to the template and the concluded contract.
  • At least one processor processes the contract template of the target company and at least any of the target company and another company different from the target company.
  • a configuration is adopted that includes obtaining a concluded contract regarding the document, and learning an inference model that performs inference on the target document by referring to the template and the concluded contract. Therefore, according to the information processing method S2 according to the present exemplary embodiment, it is possible to generate an inference model for making more appropriate inferences regarding the target document.
  • Example Embodiment 2 A second exemplary embodiment of the present invention will be described with reference to the drawings. Note that components having the same functions as those described in the first exemplary embodiment are designated by the same reference numerals, and the description thereof will not be repeated.
  • FIG. 5 is a diagram schematically showing services provided by the information processing device 1A according to the second exemplary embodiment.
  • a user u1 is a user who performs initial settings of the information processing device 1A, and is, for example, a user who belongs to the legal department of the target company.
  • the user u1 registers learning data d2 used for learning the inference model M in the information processing device 1A.
  • User u3 is a user who provides a draft contract to be reviewed, and is, for example, a person in charge at a customer company.
  • the user u2 is a user who checks a draft contract based on the output information outputted by the information processing device 1A, and is, for example, a person in charge of a business department.
  • the user u1 registers the learning data d2, which includes the company template of the contract, past concluded contracts, etc., in the information processing device 1A.
  • the information processing device 1A trains the inference model M using the registered learning data d2.
  • the user u3 provides a draft contract that includes the target document d1.
  • the contract draft provided by user u3 may be a contract draft created using the target company's template, or may be a contract draft draft created using the contract partner company's template.
  • step S101 of FIG. 5 user u2 or user u3 uploads a draft contract to the information processing device 1A.
  • uploading of the draft contract there are cases where the user directly uploads a PDF file or a file in Word format, etc. to the system, or there are cases where the service provider uploads it after sending it by email to the service provider.
  • the information processing device 1A uses the inference model M to perform inference regarding the target document d1, and creates a counterproposal.
  • step S103 the user u1 belonging to the legal department performs a minimum confirmation of the counterproposal and presents the counterproposal d3 to the user u3. However, confirmation by the legal department is not essential, and step S103 may be omitted.
  • the counterproposal creation process shown in step S102 includes, as an example, the processes in steps S201 to S205 in FIG.
  • the information processing device 1A uses the inference model M to decompose the target document d1, understand the meaning of the contents written in the target document d1, compare the target document d1 with the in-house template, and detect differences such as omissions. Performs extraction, search and suggestions of correction candidates, etc. Details of these processes will be described later.
  • FIG. 6 is a block diagram showing the configuration of the information processing device 1A.
  • the information processing device 1A includes a control section 10A, a storage section 20A, a communication section 30A, and an input/output section 40A.
  • the communication unit 30A communicates with a device external to the information processing device 1A via a communication line.
  • a communication line includes a wireless LAN (Local Area Network), wired LAN, WAN (Wide Area Network), public line network, and mobile data. communication network, or a combination of these.
  • the communication unit 30A transmits data supplied from the control unit 10A to other devices, and supplies data received from other devices to the control unit 10A.
  • Input/output section 40A Input/output devices such as a keyboard, a mouse, a display, a printer, a touch panel, a camera, and an image reading device are connected to the input/output unit 40A.
  • the input/output unit 40A receives input of various information from connected input devices to the information processing apparatus 1A. Further, the input/output unit 40A outputs various information to the connected output device under the control of the control unit 10A.
  • Examples of the input/output unit 40A include an interface such as a USB (Universal Serial Bus).
  • image data representing an image of a document taken with a camera may be input as the target document d1.
  • the control unit 10A may perform processing such as OCR (Optical Character Reader) on the image data to convert it into text.
  • OCR Optical Character Reader
  • the control unit 10A includes an inference phase execution unit 100A and a learning phase execution unit 200A.
  • the inference phase execution unit 100A executes the inference phase using the inference model M.
  • the learning phase execution unit 200A executes the learning phase of the inference model M.
  • the inference phase execution unit 100A includes an acquisition unit 11A, an inference unit 12A, and a generation unit 13A.
  • the learning phase execution unit 200A includes an acquisition unit 21A and a learning unit 22A.
  • the acquisition unit 11A acquires at least a part of a draft contract between the target company and another company as the target document d1.
  • the target document d1 is at least a part of the draft contract that is the target of inference by the information processing device 1A, and includes the content of the contract for each of one or more clauses.
  • the target document d1 is, for example, at least a part of a draft non-disclosure agreement indicating the contents of a non-disclosure agreement between the target company and another company.
  • the target company is the company to which the user belongs.
  • the target document d1 may be created according to the template of the target company, or may be created according to the template of the contract partner company.
  • the target document d1 includes, for example, "Preamble”, “Purpose”, “Definition of Confidential Information”, “Exceptions to Confidential Information”, “Confidentiality”, “Scope of Disclosure”, “Copying”, “Compensation for Damages”, and “Validity”. Includes one or more points such as “period”, “consultation”, and “postscript”.
  • the acquisition unit 11A may acquire a target document d1 received from another device connected via the communication unit 30A, or a target document d1 input by an input device connected to the input/output unit 40A.
  • the document d1 may also be obtained.
  • the acquisition unit 11A may acquire the target document d1 by reading the target document d1 from the storage unit 20A or another external storage device.
  • the acquisition unit 11A may perform a process of dividing a draft contract between the target company and another company, and acquire at least some of the divided clauses as the target document d1.
  • the acquisition unit 11A may, for example, perform layout analysis, morphological analysis, syntactic analysis, etc. on the draft contract and divide the text included in the draft contract into clauses.
  • the acquisition unit 11A may divide the draft contract by another method, for example, by dividing the draft contract by article or clause.
  • the inference unit 12A performs inference regarding the target document d1 using the inference model M. Details of the processing executed by the inference unit 12A will be described later.
  • the generation unit 13A generates output information obtained by referring to the inference result by the inference unit 12A.
  • the generation unit 13A outputs the generated output information.
  • the generation unit 13A may transmit output information by transmitting the output information to another device connected via the communication unit 30A, or may output to an output device connected to the input/output unit 40A. Information may also be output.
  • the output device includes, for example, a display, a printer, a projector, or a speaker. Further, the generation unit 13A may output the output information by writing the output information to the storage unit 20A or an external storage device.
  • the acquisition unit 21A acquires learning data d2 used for learning the inference model M.
  • the acquisition unit 21A may acquire learning data d2 received from another device connected via the communication unit 30A, or may be inputted by an input device connected to the input/output unit 40A. Learning data d2 may also be acquired. Further, the acquisition unit 11A may acquire the learning data d2 by reading the learning data d2 from the storage unit 20A or another external storage device.
  • the learning unit 22A trains the inference model M that performs inference on the target document by referring to the learning data d2 acquired by the acquisition unit 21A.
  • the inference model M learned by the learning unit 22A is used in the inference process of the inference unit 12A.
  • the storage unit 20A stores the target document d1 acquired by the acquisition unit 11A, and also stores the learning data d2 acquired by the acquisition unit 21A. Furthermore, the storage unit 20A stores the inference model M. Note that storing the inference model M in the storage unit 20A means that the storage unit 20A stores parameters that define the inference model M.
  • the inference model M is a model for performing inference regarding the target document d1.
  • the inference model M includes one or more models.
  • the inference model M may include a model generated by supervised learning using learning data, or may include a model generated by unsupervised learning.
  • the inference model M may include, for example, a discrimination model that identifies the class of input data, or may include a generative model that generates artificial data.
  • Examples of the generative model include a generative model such as an autoencoder or a generative adversarial network, but the inference model is not limited to the above-mentioned example and may be another model.
  • the machine learning method for the inference model is not limited, and as an example, a decision tree-based, linear regression, or neural network method may be used, or two or more of these methods may be used. .
  • the input of the inference model M includes the target document d1. However, the input of the inference model M may include data other than the target document d1. As an example, the input of the inference model M may include at least one of the following (i) to (v).
  • Model contract of the target company (i) Model contract of the target company; (ii) Existing contracts regarding at least one of the target company and another company different from the target company; (iii) Past negotiations between the target company and other companies. (iv) Information regarding past negotiations between the target company and one or more companies included in the industry to which the other company belongs; (v) Information regarding past negotiations between the target company and the other company. At least a part of the draft contract.
  • the information regarding the past negotiations in (iii) above is, for example, ⁇ Number of contracts concluded for each party and/or clause ⁇ History of negotiations for each party and/or clause ⁇ Differences between the target company's contract template and the contract already concluded ⁇ Others of the target company Includes at least one of the history of changes to past contracts with the company and the timing of conclusion of the contract for each party and/or each clause.
  • the negotiation history includes, for example, the number of negotiations and/or the period required to conclude the contract.
  • the difference between the target company's contract template and the concluded contract includes, for example, the difference in conditions between the target company's contract template and the actual conclusion of the contract.
  • the output of the inference model M includes, for example, at least one of the following (a) to (e).
  • Information regarding amendments to the target document d1 includes, for example, information indicating omissions in clauses or points of contention, correction of typographical errors, or suggestions for stylistic changes. include.
  • An example of the information indicating the omission of a clause or issue is a checklist indicating whether the target document d1 includes a necessary clause or issue.
  • the information indicating correction of a typographical error indicates the content of correcting a typographical error included in the target document d1.
  • the information indicating a proposal for writing style conversion includes, for example, a proposal for converting "I say" into "I say".
  • negotiation scenario is a negotiation policy with a partner company to conclude a contract, and includes, as an example, a second draft and a third draft that take into account the reaction of the partner company.
  • the inference model M is a discriminative model
  • the inference model M includes a convolution layer, a pooling layer, and a combination layer.
  • the convolution layer input data is subjected to information convolution through filtering, and the data that has undergone the convolution is subjected to pooling processing in the pooling layer.
  • the data that has undergone the pooling process is processed in the connection layer and is converted into output data of the inference model M, for example, the probability of conclusion of a draft contract, and is output.
  • the inference model M is a generative model, for example, by inputting input data to the inference model M, the inference model M outputs a revised document (counterplan) of the target document d1.
  • the learning data d2 of the inference model M includes at least the following (i) and (ii).
  • a template contract of the target company (i) A signed contract regarding at least one of the target company and another company different from the target company; (ii) The concluded contract is a template contract of the target company.
  • the contract may be created using a template of another company different from the target company.
  • the learning data d2 includes at least one of (iii) to (v). Further, the learning data d2 may include data other than these.
  • the learning data includes (iii) above, in other words, the inference model M
  • the model was trained with at least reference to information on past negotiations with companies in
  • information regarding past negotiations is, for example, ⁇ Number of contracts concluded for each party and/or clause ⁇ History of negotiations for each party and/or clause ⁇ Differences between the target company's contract template and the contract already concluded ⁇ Others of the target company It includes at least one of the history of past changes to the contract with the company, the timing of the conclusion of the contract for each party and/or each clause, and the user's reactions to the system.
  • the user's reaction to the system is, for example, the user's reaction to the contract amendment proposal provided by the information processing device 1A (ignoring the amendment proposal, selecting candidate ⁇ , making a modification that is not in the candidates, etc.) etc.).
  • the inference model M at least refers to the number of contracts concluded in the past between the target company and the other companies. This is a learned model.
  • the inference model M is a model learned by at least referring to the history of negotiations between the target company and the other companies. It is.
  • the negotiation history includes, for example, the number of negotiations and/or the period required to conclude the contract.
  • the inference model M includes the template of the contract of the target company and the contract that has been concluded.
  • the difference between the target company's contract template and the concluded contract includes, for example, the difference in conditions between the target company's contract template and the contract results.
  • the inference model M at least refers to the history of changes to contracts in the past between the target company and the other companies. This is a model trained by
  • the inference model M is related to past negotiations between the target company and one or more companies included in the industry to which the other companies belong.
  • the model is learned by at least referring to information.
  • the information (iv) above is, for example, ⁇ Number of contracts concluded for each partner industry ⁇ Number of negotiations and/or period required to reach a conclusion for each partner industry and each clause ⁇ Differences between the company's template and the conditions of contract results for each partner industry and each clause Contains at least one of the following.
  • the inference model M learns by at least referring to a draft contract that was not concluded in the past between the target company and the other company. This is the model that was created.
  • the learning data d2 may include a label etc. indicating whether a contract has been concluded.
  • Examples 1 to 3 will be described as specific examples of the inference processing performed by the inference unit 12A and the output information generated by the generation unit 13A.
  • the inference processing by the inference unit 12A includes, for example, inference regarding modification of the target document d1.
  • the inference regarding the modification includes, for example, an inference process such as "If you modify 'Text A' to 'Text A', the conclusion probability will increase by ⁇ %."
  • the inference model M is, for example, an inference model that takes the target document d1 as an input and outputs information indicating the modification content of the target document d1, and is, for example, a generative model such as an autoencoder or an adversarial generative network.
  • the generation unit 13A generates output information including a proposal regarding modification of the target document d1 based on the output of the inference model M.
  • the inference processing by the inference unit 12A includes, for example, inference regarding the probability of concluding a contract with the other company.
  • the inference model M is, for example, an identification model that inputs the target document d1 and outputs the conclusion probability of the target document d1.
  • the inference model M includes, for example, a set of a contract that has been concluded in the past and a label indicating that it has been concluded, and a set of a contract that has not been concluded in the past and a label that indicates that it has not been concluded. It is generated by supervised machine learning using training data including .
  • the generation unit 13A generates output information including the probability of concluding a contract with the other company based on the output of the inference model M.
  • the inference processing by the inference unit 12A includes, for example, inference regarding future negotiations with the other companies.
  • the inference model M is, for example, a model that inputs the target document d1 and outputs a future negotiation scenario of the target document d1, and includes a generative model such as an autoencoder or an adversarial generative network.
  • the generation unit 13A generates output information including the negotiation policy with the other companies based on the output of the inference model M.
  • Example 1 the inference model M is learned using learning data d2 that includes articles and/or conditions concluded in a manner different from the template.
  • the inference model M is, for example, a generative model such as an adversarial network.
  • the input of the inference model M includes the target document d1
  • the output of the inference model M includes, for example, correction candidates for the target document d1.
  • correction candidates can be added or changed.
  • the inference model M is trained using, for example, learning data d2 including the number of times of conclusion and the timing of conclusion under specific articles and/or conditions.
  • the inference model M is, for example, a generative model such as an adversarial network.
  • the input of the inference model M includes the target document d1
  • the output of the inference model M includes the degree of recommendation of the above article and/or condition and the priority as a modification candidate for the target document d1.
  • the recommendation level and correction candidates for each article and condition can be determined regardless of whether the target document d1 and the template match or deviate from each other.
  • the display priority can be changed.
  • the inference model M is trained using, for example, learning data d2 that includes the number of times of conclusion (number of actual results of conclusion) under specific articles and/or conditions.
  • the inference model M is, for example, a discrimination model such as a neural network.
  • the input of the inference model M includes the target document d1
  • the output of the inference model M includes, for example, information indicating the possibility of conclusion of the articles and conditions of the target document d1 (conclusion probability, etc.).
  • the possibility of conclusion of the articles and conditions of the contract under review is displayed in comparison with articles and conditions with a high possibility of conclusion. be able to.
  • the inference model M is trained using, for example, learning data d2 that includes the number of changes (negotiations) required to conclude each clause.
  • the inference model M is, for example, a discrimination model such as a neural network.
  • the input of the inference model M includes the target document d1
  • the output of the inference model M includes, for example, information indicating a clause that can be negotiated.
  • the information processing device 1A can perform processing such as issuing an alert regarding a clause that can be negotiated.
  • Example 5 Also, for example, the above characteristics can be classified by customer, industry, and company size, and imported as learning data d2, and the inference model can be trained for each company, industry, etc. using the classified learning data. This makes it possible to display inference results by customer, industry, and company size.
  • the information processing device 1A or other device stores, for example, the company name, industry, position, contract type, company size, period required for the conclusion, number of negotiations leading to the conclusion, and a copy of the contract.
  • a tag such as a numerical value quantitatively indicating the degree of deviation from the model may be attached.
  • FIG. 7 is a diagram showing a configuration example of the inference model M.
  • the inference model M includes a master model M11, individual company models M21 to M23, and individual company models M31 to M33.
  • the master model M11 is an inference model common to multiple companies.
  • individual company models M21 to M23 and individual company models M31 to M33 are inference models for each company.
  • individual company models M21 and M31 are models for company A
  • individual company models M22 and M32 are models for company B
  • individual company models M23 and M33 are models for company C. .
  • the master model M11 is an inference model that detects issues common to multiple companies and makes conditional judgments.
  • the input of the master model M11 includes, for example, the target document d1.
  • the output of the master model M11 includes, for example, the results of determining conditions for each of the plurality of issues.
  • FIG. 8A is a diagram showing a specific example of condition determination for the master model M11.
  • the master model M11 outputs the condition determination results c1 for each of issues 1 to 3.
  • the determination result includes, for example, information indicating the severity of the conditions regarding conclusion of the contract.
  • the master model M11 is learned by accumulating templates as the number of subscribers increases.
  • the individual company models M21 to M23 are inference models that perform rule determination specific to each company. For example, the individual company models M21 to M23 output combinations with a high probability of conclusion, proposals for proofreading expressions, etc., depending on the contract partner and the power relationship.
  • the input of the individual company models M21 to M23 includes the target document d1 as an example.
  • the outputs of the individual company models M21 to M23 include, for example, the results of determining conditions for each of a plurality of issues.
  • condition c2 is initially set for each of issues 1 to 3
  • individual company models M31 to M33 are learned individually, resulting in different judgment results, for example, judgment results c2_A and c2_B. can get.
  • the individual company models M21 to M23 are learned by accumulating user feedback on pointed items.
  • the individual company models M31 to M33 are inference models that detect special issues, conditions, and determine conditions for each company.
  • the input of the individual company models M31 to M33 includes, for example, the target document d1.
  • the outputs of the individual company models M31 to M33 include, for example, special issues and condition determination results for each company.
  • the annotation may be added by the user or by the administrator of the information processing device 1A.
  • FIG. 9 is a diagram showing a specific example of output information generated by the generation unit 13A.
  • a screen sc1 is a screen that represents output information, and includes display areas a11 to a14.
  • the display area a11 displays the uploaded target document d1.
  • the target document d1 includes contract details for each of a plurality of clauses.
  • the display area a12 displays indications of omissions in clauses.
  • the display area a13 displays typo correction/writing style change suggestions.
  • the display area a14 displays risk analysis/correction candidates.
  • FIG. 10 is a diagram showing another example of output information.
  • a screen sc2 is a screen representing output information, and includes display areas a21 to a22.
  • the display area a21 displays the uploaded target document d1.
  • the display area a22 displays a proposal for a negotiation policy.
  • the recording location of the target document d1 and the learning data d2 may be a location other than the information processing device 1A, for example, a server of the target company. Furthermore, the information processing device 1A may introduce secure computation in the inference processing performed by the inference section 12A or the generation processing performed by the generation section 13A using the target document d1. Furthermore, the information processing device 1A may introduce secure computation in the learning phase execution process (learning process) using the learning data d2.
  • the inference unit 12A uses the template of the contract of the target company and the contract regarding at least one of the target company and another company different from the target company.
  • the inference model M trained using the completed contract is used to infer the target document.
  • the information processing apparatus 1A according to the exemplary embodiment According to this method, it is possible to make more appropriate inferences even for contract drafts created in a template different from that of the target company.
  • the acquisition unit 11A acquires at least a part of the draft contract between the target company and the other company as the target document, and uses the inference model.
  • M is a model learned by at least referring to information regarding past negotiations between the target company and the other companies. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, there is an effect that inferences more suitable for the target company can be performed. can get.
  • the inference model M includes information regarding past negotiations between the target company and one or more companies included in the industry to which the other companies belong. A configuration that is at least a reference-trained model is employed. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to perform inference that takes into account the content of past negotiations. This effect can be obtained.
  • the inference model M at least refers to a draft contract that was not concluded in the past between the target company and the other company.
  • a configuration that is a learned model is employed. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to perform inference that takes into account the results of past negotiations. This effect can be obtained.
  • the inference model M is a model learned by at least referring to the difference between the template of the contract of the target company and the concluded contract. configuration has been adopted. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to perform inference that takes into account the content of the difference. Effects can be obtained.
  • the inference model M is learned by at least referring to the number of contracts concluded in the past between the target company and the other companies. A model configuration is adopted. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, inferences that take into account the number of contracts concluded in the past are possible. The effect is that it can be done.
  • the inference model M is a model learned by at least referring to the history of negotiations between the target company and the other company. There is. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to perform inference that takes into account the history of past negotiations. This effect can be obtained.
  • the inference model M is a model learned by at least referring to the history of changes to contracts in the past between the target company and the other companies. configuration has been adopted. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, inferences are made that take into account the details of changes to the contract in the past. You can get the effect that you can.
  • the inference processing by the inference unit 12A includes inference regarding modification of the target document d1
  • the generation unit 13A includes a proposal regarding modification of the target document d1.
  • a configuration for generating output information is adopted. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to make a proposal regarding modification of the target document d1. is obtained.
  • the inference processing by the inference unit 12A includes inference regarding the probability of concluding a contract with the other company, and the generation unit 13A A configuration is adopted that generates output information including the probability of conclusion of a contract. Therefore, according to the information processing apparatus 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing apparatus 1 according to the exemplary embodiment 1, there is an effect that the conclusion probability of the target document d1 can be presented to the user. can get.
  • the inference processing by the inference unit 12A includes inference regarding future negotiations with the other companies
  • the generation unit 13A includes inferences regarding future negotiations with the other companies.
  • a configuration is adopted that generates output information including negotiation policy. Therefore, according to the information processing device 1A according to the present exemplary embodiment, in addition to the effects achieved by the information processing device 1 according to the first exemplary embodiment, it is possible to propose the negotiation policy with the other companies to the user. Effects can be obtained.
  • Example Embodiment 3 A third exemplary embodiment of the present invention will be described with reference to the drawings. Note that components having the same functions as those described in exemplary embodiments 1 and 2 are given the same reference numerals, and their descriptions will not be repeated.
  • FIG. 11 is a block diagram showing the configuration of the information processing device 2A.
  • the information processing device 2A includes a control section 10A, a storage section 20A, a communication section 30A, and an input/output section 40A.
  • the control unit 10A includes a learning phase execution unit 200A.
  • the learning phase execution unit 200A includes an acquisition unit 21A and a learning unit 22A. Since the acquisition unit 21A and the learning unit 22A have been described in the above-mentioned exemplary embodiment 2, the description thereof will not be repeated here.
  • Some or all of the functions of the information processing devices 1, 1A, 2, and 2A may be realized by hardware such as an integrated circuit (IC chip), or may be realized by software.
  • the information processing devices 1, 1A, 2, and 2A are realized, for example, by a computer that executes instructions of a program that is software that realizes each function.
  • a computer that executes instructions of a program that is software that realizes each function.
  • An example of such a computer (hereinafter referred to as computer C) is shown in FIG.
  • Computer C includes at least one processor C1 and at least one memory C2.
  • a program P for operating the computer C as the information processing device 1, 1A, 2, 2A is recorded in the memory C2.
  • the processor C1 reads the program P from the memory C2 and executes it, thereby realizing the functions of the information processing devices 1, 1A, 2, and 2A.
  • Examples of the processor C1 include a CPU (Central Processing Unit), GPU (Graphic Processing Unit), DSP (Digital Signal Processor), MPU (Micro Processing Unit), FPU (Floating Point Number Processing Unit), and PPU (Physics Processing Unit). , a microcontroller, or a combination thereof.
  • a flash memory for example, a flash memory, an HDD (Hard Disk Drive), an SSD (Solid State Drive), or a combination thereof can be used.
  • the computer C may further include a RAM (Random Access Memory) for expanding the program P during execution and temporarily storing various data. Further, the computer C may further include a communication interface for transmitting and receiving data with other devices. Further, the computer C may further include an input/output interface for connecting input/output devices such as a keyboard, a mouse, a display, and a printer.
  • RAM Random Access Memory
  • the program P can be recorded on a non-temporary tangible recording medium M that is readable by the computer C.
  • a recording medium M for example, a tape, a disk, a card, a semiconductor memory, or a programmable logic circuit can be used.
  • Computer C can acquire program P via such recording medium M.
  • the program P can be transmitted via a transmission medium.
  • a transmission medium for example, a communication network or broadcast waves can be used.
  • Computer C can also obtain program P via such a transmission medium.
  • Acquisition means for acquiring target documents that are at least part of the target contract draft, a contract template of the target company, and concluded contracts regarding the target company and at least one of other companies different from the target company.
  • information comprising: an inference means for inferring the target document using an inference model learned using the inference model; and a generation means for generating output information obtained by referring to the inference result by the inference means. Processing equipment.
  • the acquisition means acquires, as the target document, at least a part of a draft contract between the target company and the other company, and the inference model
  • the information processing device according to supplementary note 1, wherein the model is learned by at least referring to information regarding negotiation.
  • the inference model is a model learned by at least referring to information regarding past negotiations between the target company and one or more companies included in the industry to which the other company belongs, according to appendix 2.
  • Information processing device is a model learned by at least referring to information regarding past negotiations between the target company and one or more companies included in the industry to which the other company belongs, according to appendix 2.
  • (Appendix 5) 4. The information processing apparatus according to claim 2, wherein the inference model is a model learned by at least referring to a difference between a contract template of the target company and the concluded contract.
  • the inference model is a model learned by at least referring to the number of contracts concluded in the past between the target company and the other company, according to any one of appendices 2 to 5.
  • Information processing device
  • Appendix 7 The information processing device according to any one of appendices 2 to 6, wherein the inference model is a model learned by at least referring to a history of negotiations between the target company and the other company.
  • Appendix 8 The information processing device according to any one of appendices 2 to 7, wherein the inference model is a model learned by at least referring to a history of past changes in contracts between the target company and the other company. .
  • the inference processing by the inference means includes inference regarding modification of the target document, and the generation means generates output information including a proposal regarding modification of the target document.
  • the inference processing by the inference means includes inference regarding future negotiations with the other company, and the generation means generates output information including a negotiation policy with the other company.
  • the information processing device according to any one of the above.
  • An acquisition means for acquiring a template of a contract of a target company, a concluded contract regarding at least one of the target company and another company different from the target company, and an inference model that performs inference on the target document, as described above.
  • An information processing device comprising: learning means for learning by referring to information acquired by the acquisition means.
  • At least one processor obtains a target document that is at least a part of a draft target contract, a contract template of a target company, and at least one of the target company and another company different from the target company; information including: performing inference regarding the target document using an inference model learned using a concluded contract regarding the document; and generating output information obtained by referring to the inference result of the inference. Processing method.
  • At least one processor obtains a contract template of the target company and a concluded contract regarding at least one of the target company and another company different from the target company, and performs inference on the target document.
  • An information processing method comprising: learning an inference model by referring to the template and the concluded contract.
  • An information processing program that causes a learning process to learn by referring to information acquired in the acquisition process.
  • the processor includes at least one processor, and the processor performs an acquisition process of acquiring a target document that is at least a part of a target contract draft, a contract template of a target company, and a contract template different from the target company and the target company.
  • An inference process that performs inference regarding the target document using an inference model learned using a concluded contract regarding at least one of the companies, and output information obtained by referring to the inference result of the inference process.
  • An information processing device that executes generation processing.
  • this information processing device may further include a memory, and this memory stores a program for causing the processor to execute the acquisition process, the inference process, and the generation process. Good too. Further, this program may be recorded on a computer-readable non-transitory tangible recording medium.
  • an acquisition process comprising at least one processor, wherein the processor acquires a contract template of a target company and a concluded contract regarding at least one of the target company and another company different from the target company;
  • An information processing apparatus that executes a learning process that causes an inference model that performs inference on a target document to learn by referring to information acquired in the acquisition process.
  • this information processing device may further include a memory, and this memory may store a program for causing the processor to execute the acquisition process and the learning process. Further, this program may be recorded on a computer-readable non-transitory tangible recording medium.
  • the present invention has been described above with reference to the above-described exemplary embodiments, the present invention is not limited to the above-described exemplary embodiments.
  • the configuration and details of the present invention can be modified in various ways within the scope of the present invention by those skilled in the art.
  • at least one or more of the functions of the information processing devices 1, 1A, 2, and 2A described above may be executed by a plurality of different information processing devices installed and connected anywhere on the network, In other words, it may be executed using so-called cloud computing.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Technology Law (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

対象文書に関するより適切な推論を行うために、情報処理装置（１）は、対象の契約書案の少なくとも一部である対象文書を取得する取得部（１１）と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、上記対象文書に関する推論を行う推論部（１２）と、推論部（１２）による推論結果を参照して得られる出力情報を生成する生成部（１３）とを備える。

Description

情報処理装置、情報処理方法及び情報処理プログラム
　本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
　契約書の作成を支援するＡＩ（Artificial Intelligence：人工知能）が提案されている。例えば特許文献１には、経験及び知識が乏しい契約担当者においても容易に契約書の審査を行う文書審査支援方法として、機械学習によって得られた分類器を用いて契約書の各種種別（業界種別、契約書種別、条種別等）を取得し、取得した各種種別に基づいて条項毎に契約書の評価を行い、評価結果を含む画面データを生成することが記載されている。
日本国特開２０２０－１１９０８７号公報
　しかしながら、契約書の記載方法及びルールの優先度等は企業毎により異なるため、特許文献１に記載の技術においては、対象文書のそれぞれに適した契約書のレビュー等を行うことが困難だった。
　本発明の一態様は、上記の問題に鑑みてなされたものであり、その目的の一例は、対象文書に関するより適切な推論を行うことができる技術を提供することである。
　本発明の一側面に係る情報処理装置は、対象の契約書案の少なくとも一部である対象文書を取得する取得手段と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論手段と、前記推論手段による推論結果を参照して得られる出力情報を生成する生成手段とを備える。
　本発明の一側面に係る情報処理装置は、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得手段と、対象文書に対する推論を行う推論モデルを、前記取得手段が取得した情報を参照して学習させる学習手段とを備えている。
　本発明の一側面に係る情報処理方法は、少なくとも１つのプロセッサが、対象の契約書案の少なくとも一部である対象文書を取得することと、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行うことと、前記推論による推論結果を参照して得られる出力情報を生成することとを含む。
　本発明の一側面に係る情報処理方法は、少なくとも１つのプロセッサが、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得することと、対象文書に対する推論を行う推論モデルを、前記雛形と前記締結済契約書とを参照して学習させることとを含む。
　本発明の一側面に係る情報処理プログラムは、コンピュータに、対象の契約書案の少なくとも一部である対象文書を取得する取得処理と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論処理と、前記推論処理による推論結果を参照して得られる出力情報を生成する生成処理と、を実行させる。
　本発明の一側面に係る情報処理プログラムは、コンピュータに、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得処理と、対象文書に対する推論を行う推論モデルを、前記取得処理において取得した情報を参照して学習させる学習処理とを実行させる。
　本発明の一態様によれば、対象文書に関するより適切な推論を行うことができる。
例示的実施形態１に係る情報処理装置の構成を示すブロック図である。 例示的実施形態１に係る情報処理方法の流れを示すフロー図である。 例示的実施形態１に係る情報処理装置の構成を示すブロック図である。 例示的実施形態１に係る情報処理方法の流れを示すフロー図である。 例示的実施形態２に係る情報処理装置の概要を示す図である。 例示的実施形態２に係る情報処理装置の構成を示すブロック図である。 推論モデルの構成例を示す図である。 マスターモデル及び個社モデルの条件判定の具体例を示す図である。 出力情報の具体例を示す図である。 出力情報の具体例を示す図である。 例示的実施形態３に係る情報処理装置の構成を示すブロック図である。 本発明の各例示的実施形態に係る各装置の各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータの一例を示す図である。
　〔例示的実施形態１〕
　本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。
　＜情報処理装置１の構成＞
　本例示的実施形態に係る情報処理装置１の構成について、図１を参照して説明する。図１は、情報処理装置１の構成を示すブロック図である。情報処理装置１は、取得部１１、推論部１２及び生成部１３を備える。
　（取得部１１）
　取得部１１は、対象の契約書案の少なくとも一部である対象文書を取得する。ここで、対象の契約書案は、情報処理装置１が行う推論の対象の契約書案であり、一例として、ユーザが所属する企業において作成された契約書案である。契約書案は一例として、１又は複数の条項のそれぞれについての契約の内容を含む。対象の契約書案は、例えば秘密保持契約の内容を表す文書案であるが、対象の契約書案は上述した例に限られず、他の契約書案であってもよい。対象文書は、対象の契約書案の全部であってもよく、また、対象の契約書案に含まれる一部（例えば、契約書案に含まれる複数の条項のうちの一部の条項の文書）であってもよい。
　（推論部１２・推論モデル）
　推論部１２は、推論モデルを用いて上記対象文書に関する推論を行う。ここで、推論モデルは、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習されたモデルである。対象企業は、契約を行う企業であり、例えばユーザが所属する企業である。締結済契約書は、過去に締結された契約の内容を表す文書であり、例えば対象企業と他の企業とで締結された秘密保持契約の文書である。ただし、締結済契約書は上述した例に限られず、過去に締結された他の契約書であってもよい。推論モデルの学習に用いられる締結済契約書は、対象の契約書案の契約を行う企業が過去に締結した締結済契約書であってもよく、また、他の企業の締結済契約書であってもよい。
　推論モデルは対象文書に関する推論を行うためのモデルである。推論モデルは１又は複数のモデルを含む。推論モデルは、学習用データを用いた教師あり学習により生成されるモデルを含んでもよく、また、教師なし学習により生成されるモデルを含んでもよい。推論モデルは例えば入力データのクラスを識別する識別モデルを含んでもよく、また、人工的なデータを生成する生成モデルを含んでもよい。生成モデルとしては例えば、オートエンコーダ、又は敵対的生成ネットワーク（Generative adversarial network：ＧＡＮ）等が挙げられる。ただし、推論モデルは上述した例に限定されず、他のモデルであってもよい。推論モデルの機械学習の手法は限定されず、一例として、決定木ベース、線形回帰、又はニューラルネットワークの手法が用いられてもよく、また、これらのうちの２以上の手法が用いられてもよい。
　推論モデルの入力は、取得部１１が取得した対象文書を含む。ただし、推論モデルの入力は他の情報を含んでもよい。例えば、推論モデルの入力は、以下の少なくともいずれかひとつの情報を含んでもよい。
・対象企業の契約書の雛形
・対象企業及び対象企業とは異なる他の企業の少なくともいずれかに関する締結済契約書、
・対象企業と他の企業との間の過去の交渉に関する情報
・対象企業と他の企業との間で過去に締結された契約書の数
・対象企業と他の企業との交渉の履歴
・対象企業の契約書の雛形と、締結済契約書との相違
・対象企業と他の企業との過去における契約書の変更の履歴
・対象企業と他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報
　推論モデルの出力は、対象文書の推論に関する情報を含む。対象文書の推論に関する情報は一例として、対象文書の修正案、対象文書に含まれる条項の締結確率、及び対象文書に含まれる条項についての交渉シナリオ、の少なくともいずれか一つを含む。
　（生成部１３）
　生成部１３は、推論部１２による推論結果を参照して得られる出力情報を生成する。ここで、出力情報は一例として、対象文書の修正案を示す情報、対象文書に含まれる条項の締結確率を示す情報、及び、対象文書に含まれる条項についての交渉シナリオを示す情報、の少なくともいずれか一つを含む。
　＜情報処理装置１の効果＞
　以上のように、本例示的実施形態に係る情報処理装置１においては、対象の契約書案の少なくとも一部である対象文書を取得する取得部１１と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、上記対象文書に関する推論を行う推論部１２と、推論部１２による推論結果を参照して得られる出力情報を生成する生成部１３とを備える構成が採用されている。対象企業の契約書の雛形と当該対象企業及び／又は当該対象企業とは異なる他の企業の契約済契約書とを用いて学習された推論モデルを用いることにより、本例示的実施形態に係る情報処理装置１によれば、対象文書に関するより適切な推論を行うことができるという効果が得られる。
　＜情報処理プログラム＞
　上述の情報処理装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る情報処理プログラムは、コンピュータに、対象の契約書案の少なくとも一部である対象文書を取得する取得処理と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、上記対象文書に関する推論を行う推論処理と、上記推論処理による推論結果を参照して得られる出力情報を生成する生成処理とを実行させる。
　＜情報処理方法Ｓ１の流れ＞
　本例示的実施形態に係る情報処理方法Ｓ１の流れについて、図２を参照して説明する。図２は、情報処理方法Ｓ１の流れを示すフロー図である。情報処理方法Ｓ１における各ステップの実行主体は、情報処理装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
　ステップＳ１１では、少なくとも１つのプロセッサが、対象の契約書案の少なくとも一部である対象文書を取得する。ステップＳ１２では、少なくとも１つのプロセッサが、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、上記対象文書に関する推論を行う。ステップＳ１３では、少なくとも１つのプロセッサが、上記推論による推論結果を参照して得られる出力情報を生成する。
　＜情報処理方法Ｓ１の効果＞
　以上のように、本例示的実施形態に係る情報処理方法Ｓ１においては、少なくとも１つのプロセッサが、対象の契約書案の少なくとも一部である対象文書を取得することと、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、上記対象文書に関する推論を行うことと、上記推論による推論結果を参照して得られる出力情報を生成することと、を含む構成が採用されている。このため、本例示的実施形態に係る情報処理方法Ｓ１によれば、対象文書に関するより適切な推論を行うことができるという効果が得られる。
　＜情報処理装置２の構成＞
　本例示的実施形態に係る情報処理装置２の構成について図３を参照して説明する。図３は、情報処理装置２の構成を示すブロック図である。情報処理装置２は、取得部２１及び学習部２２を備える。
　（取得部２１）
　取得部２１は、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する。
　（学習部２２）
　学習部２２は、対象文書に対する推論を行う推論モデルを、取得部２１が取得した情報を参照して学習させる。推論モデルは１又は複数のモデルを含む。推論モデルは、学習用データを用いた教師あり学習により生成されるモデルを含んでもよく、また、教師なし学習により生成されるモデルを含んでもよい。推論モデルは例えば入力データのクラスを識別する識別モデルを含んでもよく、また、人工的なデータを生成する生成モデルを含んでもよい。生成モデルとしては例えば、オートエンコーダ、又は敵対的生成ネットワーク等の生成モデルが挙げられるが、推論モデルは上述した例に限定されず、他のモデルであってもよい。推論モデルの機械学習の手法は限定されず、一例として、決定木ベース、線形回帰、又はニューラルネットワークの手法が用いられてもよく、また、これらのうちの２以上の手法が用いられてもよい。
　＜情報処理装置２の効果＞
　以上のように、本例示的実施形態に係る情報処理装置２においては、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得部２１と、対象文書に対する推論を行う推論モデルを、取得部２１が取得した情報を参照して学習させる学習部２２とを備える構成が採用されている。このため、本例示的実施形態に係る情報処理装置２によれば、対象文書に関するより適切な推論を行うための推論モデルを生成できるという効果が得られる。
　＜情報処理プログラム＞
　上述の情報処理装置２の機能は、プログラムによって実現することもできる。本例示的実施形態に係る情報処理プログラムは、コンピュータに、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得処理と、対象文書に対する推論を行う推論モデルを、上記取得処理において取得した情報を参照して学習させる学習処理と、を実行させる。
　＜情報処理方法Ｓ２の流れ＞
　本例示的実施形態に係る情報処理方法Ｓ２の流れについて、図４を参照して説明する。図４は、情報処理方法Ｓ２の流れを示すフロー図である。情報処理方法Ｓ２における各ステップの実行主体は、情報処理装置２が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
　ステップＳ２１では、少なくとも１つのプロセッサが、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する。ステップＳ２２では、少なくとも１つのプロセッサが、対象文書に対する推論を行う推論モデルを、上記雛形と上記締結済契約書とを参照して学習させる。
　＜情報処理方法Ｓ２の効果＞
　以上のように、本例示的実施形態に係る情報処理方法Ｓ２においては、少なくとも１つのプロセッサが、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得することと、対象文書に対する推論を行う推論モデルを、上記雛形と上記締結済契約書とを参照して学習させることと、を含む構成が採用されている。このため、本例示的実施形態に係る情報処理方法Ｓ２によれば、対象文書に関するより適切な推論を行うための推論モデルを生成できるという効果が得られる。
　〔例示的実施形態２〕
　本発明の例示的実施形態２について、図面を参照して説明する。なお、例示的実施形態１にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を繰り返さない。
　＜情報処理装置１Ａの概要＞
　情報処理装置１Ａは、契約書案のレビューを支援するサービスを提供する。図５は、例示的実施形態２に係る情報処理装置１Ａが提供するサービスを概略的に示す図である。図５において、ユーザｕ１は情報処理装置１Ａの初期設定を行うユーザであり、例えば対象企業の法務部に所属するユーザである。ユーザｕ１は一例として、推論モデルＭの学習に用いる学習用データｄ２を情報処理装置１Ａに登録する。ユーザｕ３はレビュー対象の契約書案を提供するユーザであり、例えば顧客企業の担当者である。ユーザｕ２は情報処理装置１Ａが出力する出力情報に基づき契約書案の確認等を行うユーザであり、例えば事業部門の担当者である。
　図５の例では、まず、初期設定としてユーザｕ１が契約書の自社雛形及び過去の締結済契約書等を含む学習用データｄ２を情報処理装置１Ａに登録する。情報処理装置１Ａは登録された学習用データｄ２を用いて推論モデルＭを学習させる。また、ユーザｕ３は、対象文書ｄ１を含む契約書案を提供する。ユーザｕ３が提供する契約書案は、対象企業の雛形で作成された契約書案であってもよく、また、契約の相手企業の雛形で作成された契約書案であってもよい。
　また、図５のステップＳ１０１～Ｓ１０３の処理により、契約書案のレビューが行われる。まず、図５のステップＳ１０１において、ユーザｕ２又はユーザｕ３は契約書案を情報処理装置１Ａにアップロードする。契約書案のアップロードに関して、ｐｄｆファイル又はワード形式のファイル等をユーザが直接システムにアップロードするケースもあれば、サービス提供者にメールで送付後、サービス提供者がアップロードすることもあり得る。ステップＳ１０２において、情報処理装置１Ａは推論モデルＭを用いて対象文書ｄ１についての推論を行い、対案を作成する。ステップＳ１０３において、法務部に所属するユーザｕ１が対案について最低限の確認を行い、対案ｄ３をユーザｕ３に提示する。ただし、法務部の確認は必須ではなく、ステップＳ１０３は省略されてもよい。
　ステップＳ１０２に示す対案の作成処理は、一例として、図５のステップＳ２０１～Ｓ２０５の処理を含む。ステップＳ２０１～Ｓ２０５において、情報処理装置１Ａは、推論モデルＭを用いて、対象文書ｄ１の分解、対象文書ｄ１の記載内容の意味理解、対象文書ｄ１の自社雛形との比較、抜け漏れ等の差分抽出、及び修正候補の検索・提案等を行う。これらの処理の詳細については後述する。
　＜情報処理装置１Ａの構成＞
　図６は情報処理装置１Ａの構成を示すブロック図である。情報処理装置１Ａは、制御部１０Ａ、記憶部２０Ａ、通信部３０Ａ及び入出力部４０Ａを備える。
　（通信部３０Ａ）
　通信部３０Ａは、情報処理装置１Ａの外部の装置と通信回線を介して通信する。通信回線の具体的構成は本例示的実施形態を限定するものではないが、通信回線は一例として、無線ＬＡＮ（Local Area Network）、有線ＬＡＮ、ＷＡＮ（Wide Area Network）、公衆回線網、モバイルデータ通信網、又は、これらの組み合わせである。通信部３０Ａは、制御部１０Ａから供給されたデータを他の装置に送信したり、他の装置から受信したデータを制御部１０Ａに供給したりする。
　（入出力部４０Ａ）
　入出力部４０Ａには、キーボード、マウス、ディスプレイ、プリンタ、タッチパネル、カメラ、画像読取装置等の入出力機器が接続される。入出力部４０Ａは、接続された入力機器から情報処理装置１Ａに対する各種の情報の入力を受け付ける。また、入出力部４０Ａは、制御部１０Ａの制御の下、接続された出力機器に各種の情報を出力する。入出力部４０Ａとしては、例えばＵＳＢ（Universal Serial Bus）などのインタフェースが挙げられる。対象文書ｄ１としては例えば、カメラで文書を撮影した画像を表す画像データが入力されてもよい。その場合、制御部１０Ａが画像データに対しＯＣＲ（Optical Character reader）等の処理を行ってテキストに変換してもよい。
　（制御部１０Ａ）
　制御部１０Ａは、推論フェーズ実行部１００Ａ及び学習フェーズ実行部２００Ａを備える。推論フェーズ実行部１００Ａは推論モデルＭを用いた推論フェーズを実行する。学習フェーズ実行部２００Ａは推論モデルＭの学習フェーズを実行する。推論フェーズ実行部１００Ａは、取得部１１Ａ、推論部１２Ａ及び生成部１３Ａを備える。学習フェーズ実行部２００Ａは、取得部２１Ａ及び学習部２２Ａを備える。
　（取得部１１Ａ）
　取得部１１Ａは、対象文書ｄ１として、対象企業と他の企業との間の契約書案の少なくとも一部を取得する。対象文書ｄ１は、情報処理装置１Ａの推論の対象である契約書案の少なくとも一部であり、１又は複数の条項のそれぞれについての契約の内容を含む。対象文書ｄ１は、一例として、対象企業と他の企業との間の秘密保持契約の内容を示す秘密保持契約書案の少なくとも一部である。また、対象企業はユーザが所属する企業である。対象文書ｄ１は、対象企業の雛形に沿って作成されていてもよく、また、契約の相手企業の雛形に沿って作成されていてもよい。対象文書ｄ１は、例えば、「前文」、「目的」、「秘密情報の定義」、「秘密情報の例外」、「秘密保持」、「開示範囲」、「複写」、「損害賠償」、「有効期間」、「協議」、「後文」といった１又は複数の論点を含む。
　取得部１１Ａは一例として、通信部３０Ａを介して接続された他の装置から受信される対象文書ｄ１を取得してもよく、また、入出力部４０Ａに接続された入力装置により入力される対象文書ｄ１を取得してもよい。また、取得部１１Ａは、記憶部２０Ａ又は他の外部記憶装置から対象文書ｄ１を読み出すことにより対象文書ｄ１を取得してもよい。
　また、取得部１１Ａは、対象企業と他の企業との間の契約書案を分割する処理を行い、分割した少なくとも一部の条項を対象文書ｄ１として取得してもよい。この場合、取得部１１Ａは一例として、契約書案についてレイアウト解析、形態素解析及び構文解析等を行って契約書案に含まれるテキストを条項毎に分割してもよい。ただし、取得部１１Ａは、契約書案を条項毎に分割するのではなく、他の手法で契約書案を分割してもよく、例えば条文毎又は文節毎に契約書案を分割してもよい。
　（推論部１２Ａ）
　推論部１２Ａは、推論モデルＭを用いて対象文書ｄ１に関する推論を行う。推論部１２Ａが実行する処理の詳細については後述する。
　（生成部１３Ａ）
　生成部１３Ａは、推論部１２Ａによる推論結果を参照して得られる出力情報を生成する。生成部１３Ａは、生成した出力情報を出力する。生成部１３Ａは一例として、通信部３０Ａを介して接続された他の装置に出力情報を送信することにより出力情報を送信してもよく、また、入出力部４０Ａに接続された出力装置に出力情報を出力してもよい。ここで、出力装置は一例として、ディスプレイ、プリンタ、プロジェクタ又はスピーカを含む。また、生成部１３Ａは記憶部２０Ａ又は外部記憶装置に出力情報を書き込むことにより出力情報を出力してもよい。
　（取得部２１Ａ）
　取得部２１Ａは、推論モデルＭの学習に用いる学習用データｄ２を取得する。取得部２１Ａは一例として、通信部３０Ａを介して接続された他の装置から受信される学習用データｄ２を取得してもよく、また、入出力部４０Ａに接続された入力装置により入力される学習用データｄ２を取得してもよい。また、取得部１１Ａは、記憶部２０Ａ又は他の外部記憶装置から学習用データｄ２を読み出すことにより学習用データｄ２を取得してもよい。
　（学習部２２Ａ）
　学習部２２Ａは、対象文書に対する推論を行う推論モデルＭを、取得部２１Ａが取得した学習用データｄ２を参照して学習させる。学習部２２Ａが学習させた推論モデルＭは、推論部１２Ａの推論処理で用いられる。
　（記憶部２０Ａ）
　記憶部２０Ａは、取得部１１Ａが取得した対象文書ｄ１を記憶するとともに、取得部２１Ａが取得した学習用データｄ２を記憶する。また、記憶部２０Ａは、推論モデルＭを記憶する。なお、記憶部２０Ａが推論モデルＭを記憶するとは、記憶部２０Ａが推論モデルＭを規定するパラメータを記憶することをいう。
　（推論モデルＭ）
　推論モデルＭは、対象文書ｄ１に関する推論を行うためのモデルである。推論モデルＭは１又は複数のモデルを含む。推論モデルＭは、学習用データを用いた教師あり学習により生成されるモデルを含んでもよく、また、教師なし学習により生成されるモデルを含んでもよい。推論モデルＭは例えば入力データのクラスを識別する識別モデルを含んでもよく、また、人工的なデータを生成する生成モデルを含んでもよい。生成モデルとしては例えば、オートエンコーダ又は敵対的生成ネットワーク等の生成モデルが挙げられるが、推論モデルは上述した例に限定されず、他のモデルであってもよい。推論モデルの機械学習の手法は限定されず、一例として、決定木ベース、線形回帰、又はニューラルネットワークの手法が用いられてもよく、また、これらのうちの２以上の手法が用いられてもよい。
　（推論モデルＭの入力）
　推論モデルＭの入力は、対象文書ｄ１を含む。ただし、推論モデルＭの入力は、対象文書ｄ１以外の他のデータを含んでいてもよい。推論モデルＭの入力は一例として、以下の（ｉ）～（ｖ）の少なくともいずれか一つを含んでもよい。
　（ｉ）対象企業の契約書の雛形
　（ｉｉ）対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書
　（ｉｉｉ）対象企業と他の企業との間の過去の交渉に関する情報
　（ｉｖ）対象企業と他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報
　（ｖ）対象企業と他の企業との間で過去に締結に至らなかった契約書案の少なくとも一部
　ここで、上記（ｉｉｉ）過去の交渉に関する情報は、一例として、
・相手先ごと及び／又は条項ごとの契約締結実績数
・相手先ごと及び／又は条項ごとの交渉の履歴
・対象企業の契約書の雛形と、契約済契約書との相違
・対象企業の他の企業との過去における契約書の変更の履歴
・相手先ごと及び／又は条項ごとの契約の締結時期
の少なくともいずれか一つを含む。
　ここで、交渉の履歴は、一例として、契約の締結に至るまでに要した折衝回数及び／又は期間を含む。また、対象企業の契約書の雛形と締結済契約書との相違は、一例として、対象企業の契約書の雛形と締結実績との条件の差を含む。
　また、上記（ｉｖ）の情報は、例えば、
・相手先業界ごとの契約締結実績数
・相手先業界ごと、条項ごとの締結に至るまでに要した折衝回数及び／又は期間
・相手先業界ごと、条項ごとの自社ひな型と締結実績の条件の差
の少なくともいずれか一つを含む。
　（推論モデルＭの出力）
　推論モデルＭの出力は、一例として、以下の（ａ）～（ｅ）の少なくともいずれか一つを含む。
　（ａ）対象文書ｄ１の修正に関する情報
　（ｂ）契約書案の条項毎の締結確率又は契約書案全体の締結確率
　（ｃ）交渉シナリオ
　（ｄ）条文及び／又は条件の推奨度合い、及び修正候補としての優先度
　（ｅ）交渉になり得る条項
　ここで、（ａ）対象文書ｄ１の修正に関する情報は、例えば、条項又は論点の抜け漏れの指摘、誤記の訂正、又は、文体変換の提案を示す情報を含む。条項又は論点の抜け漏れの指摘を示す情報は一例として、対象文書ｄ１に必要な条項又は論点が含まれているかを示すチェックリストである。誤記の訂正を示す情報は、対象文書ｄ１に含まれる誤記の訂正内容を示す。文体変換の提案を示す情報は一例として、「～を言います。」を「～をいう。」に変換する提案を含む。
　また、（ａ）対象文書ｄ１の修正に関する情報は、対象文書ｄ１の修正候補を示す情報であってもよい。また、（ｃ）交渉シナリオは、契約を結ぶ相手企業との交渉方針であり、一例として、相手企業の反応を考慮した二次案、三次案を含む。
　推論モデルＭが識別モデルである場合、一例として、推論モデルＭは、畳み込み層、プーリング層、結合層を含む。畳み込み層において、入力データはフィルタリングによる情報の畳み込みがなされ、畳み込みを経たデータは、プーリング層においてプーリング処理が施される。プーリング処理を経たデータは、結合層で処理されることによって、推論モデルＭの出力データ、例えば契約書案の締結確率に変換されて出力される。また、推論モデルＭが生成モデルである場合、一例として、入力データを推論モデルＭに入力することにより、推論モデルＭは対象文書ｄ１の修正後の文書（対案）を出力する。
　＜推論モデルＭの学習用データｄ２＞
　推論モデルＭの学習用データｄ２は、少なくとも以下の（ｉ）及び（ｉｉ）を含む。
　（ｉ）対象企業の契約書の雛形
　（ｉｉ）対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書
　ここで、（ｉｉ）締結済契約書は、対象企業の雛形で作成された契約書であってもよく、また、対象企業とは異なる他の企業の雛形で作成された契約書であってもよい。
　また、学習用データｄ２は、（ｉｉｉ）～（ｖ）の少なくともいずれか一つを含む。また、学習用データｄ２は、これら以外の他のデータを含んでもよい。
　（ｉｉｉ）対象企業と他の企業との間の過去の交渉に関する情報
　（ｉｖ）対象企業と他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報
　（ｖ）対象企業と他の企業との間で過去に締結に至らなかった契約書案の少なくとも一部
　ここで、学習用データが上記（ｉｉｉ）を含む場合、換言すると、推論モデルＭは、対象企業と他の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである。ここで、過去の交渉に関する情報は、例えば、
・相手先ごと及び／又は条項ごとの契約締結実績数
・相手先ごと及び／又は条項ごとの交渉の履歴
・対象企業の契約書の雛形と、契約済契約書との相違
・対象企業の他の企業との過去における契約書の変更の履歴
・相手先ごと及び／又は条項ごとの契約の締結時期
・システムに対するユーザのリアクション
の少なくともいずれか一つを含む。
　ここで、システムに対するユーザのリアクションは、例えば、情報処理装置１Ａが提供した契約書修正案に対するユーザのリアクション（修正提案を無視した、候補の○○を選択した、候補にない修正を行った、等）を含む。
　また、学習用データｄ２が上記契約締結実績数を含む場合、換言すると、推論モデルＭは、上記対象企業と上記他の企業との間で過去に締結された契約書の数を少なくとも参照して学習されたモデルである。
　また、学習用データｄ２が上記交渉の履歴を含む場合、換言すると、推論モデルＭは、推論モデルＭは、上記対象企業と上記他の企業との交渉の履歴を少なくとも参照して学習されたモデルである。ここで、交渉の履歴は、一例として、契約の締結に至るまでに要した折衝回数及び／又は期間を含む。
　また、学習用データｄ２が上記対象企業の契約書の雛形と契約済契約書との相違を含む場合、換言すると、推論モデルＭは、上記対象企業の契約書の雛形と、上記締結済契約書との相違を少なくとも参照して学習されたモデルである。ここで、対象企業の契約書の雛形と締結済契約書との相違は、一例として、対象企業の契約書の雛形と締結実績との条件の差を含む。
　また、学習用データｄ２が上記過去における契約書の変更の履歴を含む場合、換言すると、推論モデルＭは、上記対象企業の上記他の企業との過去における契約書の変更の履歴を少なくとも参照して学習されたモデルである。
　また、学習用データｄ２が上記（ｉｖ）を含む場合、換言すると、推論モデルＭは、上記対象企業と上記他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである。ここで、上記（ｉｖ）の情報は、例えば、
・相手先業界ごとの契約締結実績数
・相手先業界ごと、条項ごとの締結に至るまでに要した折衝回数及び／又は期間
・相手先業界ごと、条項ごとの自社ひな型と締結実績の条件の差
の少なくともいずれか一つを含む。
　また、学習用データｄ２が上記（ｖ）を含む場合、換言すると、推論モデルＭは、上記対象企業と上記他の企業との間で過去に締結に至らなかった契約書案を少なくとも参照して学習されたモデルである。
　また、推論モデルＭが教師あり学習により生成される場合、学習用データｄ２は、契約が締結されたかを示すラベル等を含んでいてもよい。
　＜推論処理の具体例＞
　ここで、推論部１２Ａが行う推論処理及び生成部１３Ａが生成する出力情報の具体例として、例１～３を説明する。
　（例１）
　推論部１２Ａによる推論処理には、一例として、対象文書ｄ１の修正に関する推論が含まれる。ここで、修正に関する推論は、一例として「「文言Ａ」を「文言Ａ’」に修正すると締結確率が～～％向上する」といった推論処理を含む。この場合、推論モデルＭは一例として、対象文書ｄ１を入力とし、対象文書ｄ１の修正内容を示す情報を出力する推論モデルであり、例えばオートエンコーダ又は敵対的生成ネットワーク等の生成モデルである。生成部１３Ａは、推論モデルＭの出力に基づき、対象文書ｄ１の修正に関する提案を含む出力情報を生成する。
　（例２）
　また、推論部１２Ａによる推論処理には、一例として、上記他の企業との契約の締結確率に関する推論が含まれる。この場合、推論モデルＭは一例として、対象文書ｄ１を入力とし、対象文書ｄ１の締結確率を出力する識別モデルである。この場合、推論モデルＭは一例として、過去の締結済契約書と締結した旨を示すラベルとのセット、及び、過去に締結に至らなかった契約書案と締結しなかった旨を示すラベルとのセット、を含む学習用データを用いた教師あり機械学習により生成される。この場合、生成部１３Ａは、推論モデルＭの出力に基づき、上記他の企業との契約の締結確率を含む出力情報を生成する。
　（例３）
　また、推論部１２Ａによる推論処理には、一例として、上記他の企業との将来の交渉に関する推論が含まれる。この場合、推論モデルＭは一例として、対象文書ｄ１を入力とし、対象文書ｄ１の今後の交渉シナリオを出力するモデルであり、例えばオートエンコーダ又は敵対的生成ネットワーク等の生成モデルを含む。この場合、生成部１３Ａは、推論モデルＭの出力に基づき、上記他の企業との交渉方針を含む出力情報を生成する。
　＜モデルＭと出力との組み合わせ例＞
　（例１）
　推論モデルＭは一例として、雛型と異なる形で締結された条文及び／又は条件を含む学習用データｄ２を用いて学習される。推論モデルＭは一例として敵対的ネットワーク等の生成モデルである。ここで、推論モデルＭの入力は対象文書ｄ１を含み、推論モデルＭの出力は一例として、対象文書ｄ１の修正候補を含む。この場合、上記学習用データを用いて学習させた推論モデルＭを用いることにより、修正候補を追加したり変化させたりすることができる。
　（例２）
　また、推論モデルＭは一例として、特定の条文及び／又は条件での締結回数や締結時期を含む学習用データｄ２を用いて学習される。推論モデルＭは一例として敵対的ネットワーク等の生成モデルである。ここで、推論モデルＭの入力は対象文書ｄ１を含み、推論モデルＭの出力は、対象文書ｄ１について上記条文及び／又は条件の推奨度合いや修正候補としての優先度を含む。この場合、上記学習用データを用いて学習させた推論モデルＭを用いることにより、対象文書ｄ１と雛形とが一致しているか乖離しているかに関わらず、各条文や条件の推奨度合いや修正候補としての表示優先度を変化させることができる。
　（例３）
　また、推論モデルＭは一例として、特定の条文及び／又は条件での締結回数（締結実績数）を含む学習用データｄ２を用いて学習される。推論モデルＭは一例としてニューラルネットワーク等の識別モデルである。ここで、推論モデルＭの入力は対象文書ｄ１を含み、推論モデルＭの出力は一例として、対象文書ｄ１の条文及び条件の締結可能性を示す情報（締結確率、等）を含む。この場合、上記学習用データを用いて学習させた推論モデルＭを用いることにより、締結の可能性の高い条文や条件と比較してレビュー中の契約書の条文や条件の締結可能性を表示することができる。
　（例４）
　また、推論モデルＭは一例として、条項ごとの締結に至るまでに要した変更（折衝）回数を含む学習用データｄ２を用いて学習される。推論モデルＭは一例としてニューラルネットワーク等の識別モデルである。ここで、推論モデルＭの入力は対象文書ｄ１を含み、推論モデルＭの出力は一例として、交渉になり得る条項を示す情報を含む。この場合、上記学習用データを用いて学習させた推論モデルＭを用いることにより、情報処理装置１Ａは、交渉になり得る条項についてのアラートを出す等の処理を行うことができる。
　（例５）
　また、例えば、相手先別、業界別、企業規模別に上記の特徴を分類して学習用データｄ２として取り込み、分類された学習用データを用いて企業ごと、業界ごと等に推論モデルを学習させることにより、推論結果を相手先別、業界別、企業規模別に表示することができる。
　＜締結済契約書の保存＞
　締結済契約書の保存において、情報処理装置１Ａ又は他の装置は、一例として、企業名、業界、立場、契約種別、企業規模、締結に要した期間、締結に至るまでの折衝の回数、雛型との乖離度合いを定量的に表示した数値等のタグをつけてもよい。このような締結済契約書を用いて学習させた推論モデルＭを用いることにより、例えば特定の相手先との契約書交渉において、相手先とは異なる同業他社との間で締結された条文や条件を参考に表示できるという効果が得られる。また、例えば締結に要する目安期間の理解や通常より時間のかかっている案件にアラートを出すことができる、という効果が得られる。また、例えば通常と比べてリスクの高い契約書を判別できる。また、例えば相手先企業や業界と自社との間の力関係や妥協度合いを定量的に可視化できるという効果が得られる。
　＜推論モデルＭの構成例＞
　ここで、推論モデルＭの構成例について図面を参照しつつ説明する。図７は推論モデルＭの構成例を示す図である。ただし、推論モデルＭの構成及び機能分担等は、図７の例に限定されるものではなく、他の構成であってもよい。図７の例で、推論モデルＭは、マスターモデルＭ１１、個社モデルＭ２１～Ｍ２３、及び個社モデルＭ３１～Ｍ３３を含む。マスターモデルＭ１１は、複数の企業に共通する推論モデルである。一方、個社モデルＭ２１～Ｍ２３及び個社モデルＭ３１～Ｍ３３は企業ごとの推論モデルである。図７の例で、個社モデルＭ２１及びＭ３１は企業Ａ用のモデルであり、個社モデルＭ２２及びＭ３２は企業Ｂ向けのモデルであり、個社モデルＭ２３及びＭ３３は企業Ｃ向けのモデルである。
　（マスターモデルＭ１１）
　マスターモデルＭ１１は複数の企業に共通する論点の検出及び条件判定を行う推論モデルである。マスターモデルＭ１１の入力は一例として、対象文書ｄ１を含む。また、マスターモデルＭ１１の出力は一例として、複数の論点のそれぞれについての条件の判定結果を含む。図８の（ａ）は、マスターモデルＭ１１の条件判定の具体例を示す図である。図８の例で、マスターモデルＭ１１は論点１～論点３のそれぞれについての条件の判定結果ｃ１を出力する。ここで、判定結果は一例として、契約の締結に関する条件の厳しさを示す情報を含む。マスターモデルＭ１１は、契約者数の増加による雛形の蓄積により学習される。
　（個社モデルＭ２１～Ｍ２３）
　個社モデルＭ２１～Ｍ２３は、企業ごとの固有なルール判定を行う推論モデルである。個社モデルＭ２１～Ｍ２３は一例として、契約相手及び力関係に応じて、締結確率の高い組み合わせ、表現の校正提案等を出力する。
　個社モデルＭ２１～Ｍ２３の入力は、一例として対象文書ｄ１を含む。また、個社モデルＭ２１～Ｍ２３の出力は、一例として、複数の論点のそれぞれについての条件の判定結果を含む。図８の（ｂ）の例では、論点１～３のそれぞれについて条件ｃ２が初期設定され、個社モデルＭ３１～Ｍ３３が個別に学習されることによりそれぞれ異なる判定結果、例えば判定結果ｃ２＿Ａ、ｃ２＿Ｂが得られる。個社モデルＭ２１～Ｍ２３は、指摘事項に対するユーザフィードバックの蓄積により学習される。
　（個社モデルＭ３１～Ｍ３３）
　個社モデルＭ３１～Ｍ３３は、企業ごとの特殊な論点の検出、条件の検出、及び条件の判定を行う推論モデルである。個社モデルＭ３１～Ｍ３３の入力は、一例として対象文書ｄ１を含む。また、個社モデルＭ３１～Ｍ３３の出力は、一例として、企業ごとの特殊な論点、及び条件の判定結果を含む。ここで、アノテーションはユーザが付与してもよく、情報処理装置１Ａの管理者等がアノテーションを付与してもよい。
　＜出力例＞
　図９は、生成部１３Ａが生成する出力情報の具体例を示す図である。図において、画面ｓｃ１は、出力情報が表す画面であり、表示領域ａ１１～ａ１４を含む。表示領域ａ１１はアップロードされた対象文書ｄ１を表示する。図９の例で、対象文書ｄ１は複数の条項のそれぞれについての契約の内容を含む。表示領域ａ１２は条項の抜け漏れの指摘を表示する。表示領域ａ１３は誤記訂正／文体変更提案を表示する。表示領域ａ１４はリスク分析／修正候補を表示する。
　図１０は、出力情報の他の例を示す図である。図において、画面ｓｃ２は出力情報が表す画面であり、表示領域ａ２１～ａ２２を含む。表示領域ａ２１はアップロードされた対象文書ｄ１を表示する。表示領域ａ２２は交渉方針の提案を表示する。
　＜データの記録場所＞
　対象文書ｄ１及び学習用データｄ２の記録場所は、情報処理装置１Ａ以外の場所、例えば対象企業のサーバであってもよい。また、情報処理装置１Ａは対象文書ｄ１を用いた推論部１２Ａの推論処理又は生成部１３Ａが行う生成処理において秘密計算を導入してもよい。また、情報処理装置１Ａは、学習用データｄ２を用いた学習フェーズの実行処理（学習処理）において秘密計算を導入してもよい。
　＜情報処理装置１Ａの効果＞
　以上のように、本例示的実施形態に係る情報処理装置１Ａにおいては、推論部１２Ａは、対象企業の契約書の雛形と、対象企業及び対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルＭを用いて対象文書の推論を行う。特に、対象企業の雛形とは異なる雛形で作成された締結済契約書に含まれる条文及び条件を学習用データとして推論モデルＭを学習させることにより、本例示的実施形態に係る情報処理装置１Ａによれば、対象企業の雛形とは異なる雛形で作成された契約書案についてもより適した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、取得部１１Ａは、上記対象文書として、前記対象企業と前記他の企業との間の契約書案の少なくとも一部を取得し、推論モデルＭは、上記対象企業と上記他の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、対象企業により適した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業と上記他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、過去の交渉の内容を加味した推論を行うことができるという効果が得られる。
　以上のように、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業と上記他の企業との間で過去に締結に至らなかった契約書案を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、過去の交渉の結果を加味した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業の契約書の雛形と、上記締結済契約書との相違を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、上記相違の内容を加味した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業と上記他の企業との間で過去に締結された契約書の数を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、過去に締結された契約の実績数を加味した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業と前記他の企業との交渉の履歴を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、過去の交渉の履歴を加味した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論モデルＭは、上記対象企業の上記他の企業との過去における契約書の変更の履歴を少なくとも参照して学習されたモデルである構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、過去における契約書の変更の内容を加味した推論を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論部１２Ａによる推論処理には、対象文書ｄ１の修正に関する推論が含まれ、生成部１３Ａは、対象文書ｄ１の修正に関する提案を含む出力情報を生成する構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、対象文書ｄ１の修正に関する提案を行うことができるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論部１２Ａによる推論処理には、上記他の企業との契約の締結確率に関する推論が含まれ、生成部１３Ａは、他の企業との契約の締結確率を含む出力情報を生成する構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、対象文書ｄ１の締結確率をユーザに提示できるという効果が得られる。
　また、本例示的実施形態に係る情報処理装置１Ａにおいては、推論部１２Ａによる推論処理には、上記他の企業との将来の交渉に関する推論が含まれ、生成部１３Ａは、上記他の企業との交渉方針を含む出力情報を生成する構成が採用されている。このため、本例示的実施形態に係る情報処理装置１Ａによれば、例示的実施形態１に係る情報処理装置１の奏する効果に加えて、上記他の企業との交渉方針をユーザに提案できるという効果が得られる。
　〔例示的実施形態３〕
　本発明の例示的実施形態３について、図面を参照して説明する。なお、例示的実施形態１～２にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を繰り返さない。
　＜情報処理装置２Ａの構成＞
　図１１は情報処理装置２Ａの構成を示すブロック図である。情報処理装置２Ａは、制御部１０Ａ、記憶部２０Ａ、通信部３０Ａ及び入出力部４０Ａを備える。制御部１０Ａは、学習フェーズ実行部２００Ａを備える。学習フェーズ実行部２００Ａは取得部２１Ａ及び学習部２２Ａを備える。取得部２１Ａ及び学習部２２Ａは上述した例示的実施形態２で説明したため、ここではその説明を繰り返さない。
　〔ソフトウェアによる実現例〕
　情報処理装置１、１Ａ、２、２Ａの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
　後者の場合、情報処理装置１、１Ａ、２、２Ａは、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図１２に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを情報処理装置１、１Ａ、２、２Ａとして動作させるためのプログラムＰが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、情報処理装置１、１Ａ、２、２Ａの各機能が実現される。
　プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。
　なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。
　また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。
　〔付記事項１〕
　本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
　〔付記事項２〕
　上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
　（付記１）
　対象の契約書案の少なくとも一部である対象文書を取得する取得手段と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論手段と、前記推論手段による推論結果を参照して得られる出力情報を生成する生成手段と、を備えている情報処理装置。
　（付記２）
　前記取得手段は、前記対象文書として、前記対象企業と前記他の企業との間の契約書案の少なくとも一部を取得し、前記推論モデルは、前記対象企業と前記他の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである、付記１に記載の情報処理装置。
　（付記３）
　前記推論モデルは、前記対象企業と前記他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである、付記２に記載の情報処理装置。
　（付記４）
　前記推論モデルは、前記対象企業と前記他の企業との間で過去に締結に至らなかった契約書案を少なくとも参照して学習されたモデルである、付記２又は３に記載の情報処理装置。
　（付記５）
　前記推論モデルは、前記対象企業の契約書の雛形と、前記締結済契約書との相違を少なくとも参照して学習されたモデルである、請求項２又は３に記載の情報処理装置。
　（付記６）
　前記推論モデルは、前記対象企業と前記他の企業との間で過去に締結された契約書の数を少なくとも参照して学習されたモデルである、付記２から５の何れか１つに記載の情報処理装置。
　（付記７）
　前記推論モデルは、前記対象企業と前記他の企業との交渉の履歴を少なくとも参照して学習されたモデルである、付記２から６の何れか１つに記載の情報処理装置。
　（付記８）
　前記推論モデルは、前記対象企業の前記他の企業との過去における契約書の変更の履歴を少なくとも参照して学習されたモデルである、付記２から７の何れか１つに記載の情報処理装置。
　（付記９）
　前記推論手段による推論処理には、前記対象文書の修正に関する推論が含まれ、前記生成手段は、前記対象文書の修正に関する提案を含む出力情報を生成する、付記１から８の何れか１つに記載の情報処理装置。
　（付記１０）
　前記推論手段による推論処理には、前記他の企業との契約の締結確率に関する推論が含まれ、前記生成手段は、前記他の企業との契約の締結確率を含む出力情報を生成する、付記１から９の何れか１つに記載の情報処理装置。
　（付記１１）
　前記推論手段による推論処理には、前記他の企業との将来の交渉に関する推論が含まれ、前記生成手段は、前記他の企業との交渉方針を含む出力情報を生成する、付記１から１０の何れか１つに記載の情報処理装置。
　（付記１２）
　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得手段と、対象文書に対する推論を行う推論モデルを、前記取得手段が取得した情報を参照して学習させる学習手段と、を備えている情報処理装置。
　（付記１３）
　少なくとも１つのプロセッサが、対象の契約書案の少なくとも一部である対象文書を取得することと、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行うことと、前記推論による推論結果を参照して得られる出力情報を生成することと、を含む情報処理方法。
　（付記１４）
　少なくとも１つのプロセッサが、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得することと、対象文書に対する推論を行う推論モデルを、前記雛形と前記締結済契約書とを参照して学習させることと、を含む情報処理方法。
　（付記１５）
　コンピュータに、対象の契約書案の少なくとも一部である対象文書を取得する取得処理と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論処理と、前記推論処理による推論結果を参照して得られる出力情報を生成する生成処理と、を実行させる情報処理プログラム。
　（付記１６）
　コンピュータに、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得処理と、対象文書に対する推論を行う推論モデルを、前記取得処理において取得した情報を参照して学習させる学習処理と、を実行させる情報処理プログラム。
　〔付記事項３〕
　上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
　少なくとも１つのプロセッサを備え、前記プロセッサは、対象の契約書案の少なくとも一部である対象文書を取得する取得処理と、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論処理と、前記推論処理による推論結果を参照して得られる出力情報を生成する生成処理とを実行する情報処理装置。
　なお、この情報処理装置は、更にメモリを備えていてもよく、このメモリには、前記取得処理と、前記推論処理と、前記生成処理とを前記プロセッサに実行させるためのプログラムが記憶されていてもよい。また、このプログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。
　また、上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
　少なくとも１つのプロセッサを備え、前記プロセッサは、対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得処理と、対象文書に対する推論を行う推論モデルを、前記取得処理において取得した情報を参照して学習させる学習処理とを実行する情報処理装置。
　なお、この情報処理装置は、更にメモリを備えていてもよく、このメモリには、前記取得処理と、前記学習処理とを前記プロセッサに実行させるためのプログラムが記憶されていてもよい。また、このプログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。
　以上、上記例示的実施形態等を参照して本願発明を説明したが、本願発明は、上述した例示的実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることができる。また、上述した情報処理装置１、１Ａ、２、２Ａの機能のうちの少なくとも一以上の機能は、ネットワーク上のいかなる場所に設置され接続された複数の異なる情報処理装置で実行されてもよく、つまり、いわゆるクラウドコンピューティングで実行されてもよい。
１、１Ａ、２、２Ａ　情報処理装置
１１、１１Ａ、２１、２１Ａ　取得部
１２、１２Ａ　推論部
１３、１３Ａ　生成部
２２、２２Ａ　学習部
Ｓ１、Ｓ１Ａ、Ｓ２　情報処理方法

 

Claims (16)

  1. 　対象の契約書案の少なくとも一部である対象文書を取得する取得手段と、
    　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論手段と、
    　前記推論手段による推論結果を参照して得られる出力情報を生成する生成手段と
    を備えている情報処理装置。
  2. 　前記取得手段は、前記対象文書として、前記対象企業と前記他の企業との間の契約書案の少なくとも一部を取得し、
    　前記推論モデルは、前記対象企業と前記他の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである
    請求項１に記載の情報処理装置。
  3. 　前記推論モデルは、前記対象企業と前記他の企業が属する業界に含まれる１又は複数の企業との間の過去の交渉に関する情報を少なくとも参照して学習されたモデルである
    請求項２に記載の情報処理装置。
  4. 　前記推論モデルは、前記対象企業と前記他の企業との間で過去に締結に至らなかった契約書案を少なくとも参照して学習されたモデルである
    請求項２又は３に記載の情報処理装置。
  5. 　前記推論モデルは、前記対象企業の契約書の雛形と、前記締結済契約書との相違を少なくとも参照して学習されたモデルである
    請求項２又は３に記載の情報処理装置。
  6. 　前記推論モデルは、前記対象企業と前記他の企業との間で過去に締結された契約書の数を少なくとも参照して学習されたモデルである
    請求項２から５の何れか１項に記載の情報処理装置。
  7. 　前記推論モデルは、前記対象企業と前記他の企業との交渉の履歴を少なくとも参照して学習されたモデルである
    請求項２から６の何れか１項に記載の情報処理装置。
  8. 　前記推論モデルは、前記対象企業の前記他の企業との過去における契約書の変更の履歴を少なくとも参照して学習されたモデルである
    請求項２から７の何れか１項に記載の情報処理装置。
  9. 　前記推論手段による推論処理には、前記対象文書の修正に関する推論が含まれ、
    　前記生成手段は、前記対象文書の修正に関する提案を含む出力情報を生成する
    請求項１から８の何れか１項に記載の情報処理装置。
  10. 　前記推論手段による推論処理には、前記他の企業との契約の締結確率に関する推論が含まれ、
    　前記生成手段は、前記他の企業との契約の締結確率を含む出力情報を生成する
    請求項１から９の何れか１項に記載の情報処理装置。
  11. 　前記推論手段による推論処理には、前記他の企業との将来の交渉に関する推論が含まれ、
    　前記生成手段は、前記他の企業との交渉方針を含む出力情報を生成する
    請求項１から１０の何れか１項に記載の情報処理装置。
  12. 　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得手段と、
    　対象文書に対する推論を行う推論モデルを、前記取得手段が取得した情報を参照して学習させる学習手段と
    を備えている情報処理装置。
  13. 　少なくとも１つのプロセッサが、
    　対象の契約書案の少なくとも一部である対象文書を取得することと、
    　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行うことと、
    　前記推論による推論結果を参照して得られる出力情報を生成することと、
    を含む情報処理方法。
  14. 　少なくとも１つのプロセッサが、
    　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得することと、
    　対象文書に対する推論を行う推論モデルを、前記雛形と前記締結済契約書とを参照して学習させることと、
    を含む情報処理方法。
  15. 　コンピュータに、
    　対象の契約書案の少なくとも一部である対象文書を取得する取得処理と、
    　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを用いて学習された推論モデルを用いて、前記対象文書に関する推論を行う推論処理と、
    　前記推論処理による推論結果を参照して得られる出力情報を生成する生成処理と、
    を実行させる情報処理プログラム。
  16. 　コンピュータに、
    　対象企業の契約書の雛形と、当該対象企業及び当該対象企業とは異なる他の企業の少なくとも何れかに関する締結済契約書とを取得する取得処理と、
    　対象文書に対する推論を行う推論モデルを、前記取得処理において取得した情報を参照して学習させる学習処理と、
    を実行させる情報処理プログラム。
PCT/JP2022/015438 2022-03-29 2022-03-29 情報処理装置、情報処理方法及び情報処理プログラム WO2023187981A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/015438 WO2023187981A1 (ja) 2022-03-29 2022-03-29 情報処理装置、情報処理方法及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/015438 WO2023187981A1 (ja) 2022-03-29 2022-03-29 情報処理装置、情報処理方法及び情報処理プログラム

Publications (1)

Publication Number Publication Date
WO2023187981A1 true WO2023187981A1 (ja) 2023-10-05

Family

ID=88200041

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/015438 WO2023187981A1 (ja) 2022-03-29 2022-03-29 情報処理装置、情報処理方法及び情報処理プログラム

Country Status (1)

Country Link
WO (1) WO2023187981A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019212115A (ja) * 2018-06-06 2019-12-12 大日本印刷株式会社 検査装置、検査方法、プログラム及び学習装置
CN111144087A (zh) * 2019-12-30 2020-05-12 重庆木舌科技有限公司 基于人工智能的企业法律流程辅助决策系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019212115A (ja) * 2018-06-06 2019-12-12 大日本印刷株式会社 検査装置、検査方法、プログラム及び学習装置
CN111144087A (zh) * 2019-12-30 2020-05-12 重庆木舌科技有限公司 基于人工智能的企业法律流程辅助决策系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Contract review using AI!?", 3RD AI ARTIFICIAL INTELLIGENCE EXPO; APRIL 3RD TO 5TH, 2019, 3 April 2019 (2019-04-03) - 5 April 2019 (2019-04-05), pages 1 - 2, XP009550051 *
VANNI RACHEL: "How AI Accelerates the Legal Contract Drafting Process", KIRA INC., 27 May 2020 (2020-05-27), XP093095292, Retrieved from the Internet <URL:https://kirasystems.com/learn/how-ai-accelerates-the-legal-contract-drafting-process/> [retrieved on 20231026] *

Similar Documents

Publication Publication Date Title
CN110852065B (zh) 一种文档审核方法、装置、系统、设备及存储介质
EP3680850A1 (en) Method and system for determining risk score for a contract document
McDonald et al. Web engineering in practice
US8307338B2 (en) Converting rules in a rule-based system to ontological information
US20060206878A1 (en) Method and apparatus for converting formula included in a computer program
CN113850666A (zh) 业务调度的方法、装置、设备及存储介质
WO2022105237A1 (zh) 带格式文本的信息抽取方法和装置
WO2023187981A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN112464927A (zh) 一种信息提取方法、装置及系统
US20110019223A1 (en) System and method for automated generation of a fully parameterized workflow plan
US10699329B2 (en) Systems and methods for document to order conversion
CN113822215A (zh) 设备操作指引文件生成方法、装置、电子设备及存储介质
US8249735B2 (en) Method and system for automatically identifying an existing workflow to manufacture a given product type
JP7301278B2 (ja) 図面学習装置
Lima et al. Artificial intelligence optimization strategies for invoice management: a preliminary study
KR20220038997A (ko) 인공 지능 기반 비정형 데이터 해석 방법
TWI768744B (zh) 參考單據產生方法及系統
Anwer et al. BECIA: a behaviour engineering-based approach for change impact analysis
WO2020172767A1 (zh) 电子签购单识别方法、装置及终端设备
Deepika et al. Software Reusability Estimation Using Machine Learning Techniques—A Systematic Literature Review
US11727672B1 (en) System and method for generating training data sets for specimen defect detection
CN108388546B (zh) 一种线上签批方法、装置及设备
CN113377717B (zh) 单证文件生成方法、装置、电子设备及存储介质
JP6835756B2 (ja) 作業特定装置、作業特定方法及びプログラム
CN112084116B (zh) 一种软件安全评估用cc验证描述模板自动生成方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22935132

Country of ref document: EP

Kind code of ref document: A1