[发明专利]一种合同文本风险检测方法、装置、设备及存储介质在审
申请号: | 201711320389.8 | 申请日: | 2017-12-12 |
公开(公告)号: | CN109918635A | 公开(公告)日: | 2019-06-21 |
发明(设计)人: | 许慢;牛国扬;陈虹;温海娇;邓钊 | 申请(专利权)人: | 中兴通讯股份有限公司 |
主分类号: | G06F17/27 | 分类号: | G06F17/27;G06Q10/06 |
代理公司: | 北京元本知识产权代理事务所 11308 | 代理人: | 秦力军 |
地址: | 518057 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 合同文本 风险检测 存储介质 分类模型 商业领域 文本 自然语言处理 短语 语义 分类模块 风险评估 语义匹配 检测 准确率 词语 解析 分类 判决 客户 | ||
1.一种合同文本风险检测方法,其特征在于,包括:
根据待检测的合同文本所属商业领域,获取所述商业领域对应的条款分类模型;
利用所述条款分类模型,对所述合同文本的条款进行分类,得到所述合同文本的条款文本及对应的条款类型;
对每个所述条款类型的条款文本进行风险评估,确定每个所述条款类型的条款文本的风险程度。
2.根据权利要求1所述的方法,其特征在于,还包括:
在根据待检测的合同文本所属商业领域,获取所述商业领域对应的条款分类模型之前,构建用于对合同文本的条款进行分类的条款分类模型;
利用所述商业领域的训练合同文本,对所构建的条款分类模型进行训练,得到性能优化的条款分类模型。
3.根据权利要求2所述的方法,其特征在于,所述利用所述商业领域的训练合同文本,对所构建的条款分类模型进行训练,得到性能优化的条款分类模型包括:
对所述训练合同文本的条款进行分类,得到所述训练合同文本的条款文本及对应的条款类型;
对所述训练合同文本的条款文本进行分词处理,得到组成所述训练合同文本的条款文本的词语;
利用所述词语的词向量及对应的条款类型,对所述条款分类模型的参数进行调整,得到性能优化的条款分类模型。
4.根据权利要求3所述的方法,其特征在于,还包括:
在利用所述条款分类模型,对所述合同文本的条款进行分类之后,若每个预设条款类型均有对应的条款文本,则确定所述合同文本完备。
5.根据权利要求3或4所述的方法,其特征在于,所述对每个所述条款类型的条款文本进行风险评估,确定每个所述条款类型的条款文本的风险程度包括:
利用语义匹配模型,将每个所述条款类型的条款文本与所述条款类型的条款样本进行相似比对,得到条款文本相似度;
根据所述条款文本相似度与预设风险阈值,对所述合同文本进行风险评估,得到每个所述条款类型的条款文本的风险程度。
6.根据权利要求5所述的方法,其特征在于,所述利用语义匹配模型,将每个所述条款类型的条款文本与所述条款类型的条款样本进行相似比对,得到条款文本相似度包括:
从样本数据库中获取所述条款类型对应的多个条款样本;
利用所述语义匹配模型,将组成所述条款文本的词语的词向量分别与组成每个所述条款样本的词语的词向量进行相似比对,得到所述条款文本与每个所述条款样本的相似度,并将最大相似度确定为所述条款类型的条款文本相似度。
7.根据权利要求6所述的方法,其特征在于,还包括:
在确定每个所述条款类型的条款文本的风险程度之后,将每个所述条款类型的条款文本作为新样本,保存至所述样本数据库;
利用所述样本数据库的所述新样本,更新所述条款分类模块和所述语义匹配模型。
8.一种合同文本风险检测装置,其特征在于,包括:
模型获取模块,用于根据待检测的合同文本所属商业领域,获取所述商业领域对应的条款分类模型;
条款分类模块,用于利用所述条款分类模型,对所述合同文本的条款进行分类,得到所述合同文本的条款文本及对应的条款类型;
风险评估模块,用于对每个所述条款类型的条款文本进行风险评估,确定每个所述条款类型的条款文本的风险程度。
9.一种合同文本风险检测设备,其特征在于,包括:处理器以及与所述处理器耦接的存储器;所述存储器上存储有可在所述处理器上运行的合同文本风险检测程序,所述合同文本风险检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的合同文本风险检测方法的步骤。
10.一种存储介质,其特征在于,其上存储有合同文本风险检测程序,所述合同文本风险检测程序被处理器执行时实现如权利要求1至7中任一项所述的合同文本风险检测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中兴通讯股份有限公司,未经中兴通讯股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711320389.8/1.html,转载请声明来源钻瓜专利网。