[发明专利]关键合同字段抽取方法、装置、电子设备及存储介质

权利要求书

1.一种关键合同字段抽取方法，其特征在于，所述方法包括：

获取合同文件及对应的合同文件格式；

根据所述合同文件格式在预设文件解析算法库中筛选文件解析算法，得到目标文件解析算法；

利用所述目标文件解析算法对所述合同文件的每一页进行文本解析，得到所述合同文件每一页的文本内容；

基于所述文本内容利用预构建的分类模型对所述合同文件的每一页进行页面分类，得到所述合同文件每一页的页面类别；

基于所述页面类别筛选所述合同文件中关键页面，并将所述关键页面的文本内容确定为目标文本内容；

对所述目标文本内容进行字段抽取，得到关键合同字段信息。

2.如权利要求1所述的关键合同字段抽取方法，其特征在于，所述基于所述文本内容利用预构建的分类模型对所述合同文件的每一页进行页面分类，得到所述合同文件每一页的页面类别，包括：

利用多个分类模型对所述合同文件每一页的文本内容进行分析，得到每一个分类模型对应的所述合同文件每一页的初始页面类别；

将所述合同文件每一页对应的所有初始页面类别中出现频率最高的初始页面类别确定为该页的页面类别。

3.如权利要求2所述的关键合同字段抽取方法，其特征在于，所述将所述合同文件每一页对应的所有初始页面类别中出现频率最高的初始页面类别确定为该页的页面类别，包括：

判断所述合同文件中每一页对应的所有初始页面类别中出现频率最高的初始页面类别的种类是否为一种；

当所述合同文件中每一页对应的所有初始页面类别中出现频率最高的初始页面类别种类为一种，将所述合同文件每一页对应的所有初始页面类别中出现频率最高的初始页面类别确定为该页的页面类别；

当所述合同文件中每一页对应的所有初始页面类别中出现频率最高的初始页面类别种类不为一种，则将所述合同文件中每一页对应的所有初始页面类别中出现频率最高的初始页面类别确定为该页的待选页面类别；

利用预设的文本排序规则将所述合同文件中每一页对应的所有待选页面类别进行排序，并选取排序第一的待选页面类别确定为该页的页面类别。

4.如权利要求1所述的关键合同字段抽取方法，其特征在于，所述对所述目标文本内容进行字段抽取，得到关键合同字段信息，包括：

对所述目标文本内容进行分词，得到多个分词词语；

将所述分词词语转化为向量，得到分词词向量；

利用BiLSTM模型对所述分词词向量进行特征提取，并利用预构建的分类函数对提取的特征进行识别分类，得到预设字段类型对应的实体概率；

将所述预设字段类型对应的实体概率大于预设实体阈值的分词词向量对应的分词词语，确定为该预设字段类型的实体词语；

利用序列化标注算法计算每个预设字段类型对应的所述实体词语的顺序系数，根据所述顺序系数将预设字段类型对应的所有所述实体词语进行组合，得到该预设字段类型对应的抽取字段；

汇总所有所述抽取字段，得到关键合同字段关键合同字段信息。

5.如权利要求4所述的关键合同字段抽取方法，其特征在于，所述将所述分词词语转化为向量，得到分词词向量，包括：

将所述分词词语中的每个字符转化为字符向量；

将所有所述字符向量按照对应的字符在所述分词词语中的先后顺序进行组合，得到所述分词词向量。

6.如权利要求1所述的关键合同字段抽取方法，其特征在于，所述利用所述目标文件解析算法对所述合同文件的每一页进行文本解析，得到所述合同文件每一页的文本内容，包括：

利用所述目标文件解析算法将所述合同文件的每一页进行切分，得到合同页文件；

将所述合同页文件转化为预设的目标文件类型，得到转化页文件；

利用OCR识别技术解析所述转化页文件得到所述文本内容。