[發明專利]一種合同條款分類方法

在審

• 申請號: 201711465943.1
• 申請日: 2017-12-28
• 公開（公告）號: CN107992941A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 姜宏;關健
• 申請（專利權）人: 武漢璞華大數據技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62;G06F17/27
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 苗青盛,馬英迪

技術領域

本發明涉及機器識別技術領域，尤其涉及一種合同條款分類方法。

背景技術

目前，大多數的合同都是甲方或者乙方單方面編寫，再交由另一方審核。通常，合同起草方把握主動權，在合同的制定過程中更多的考慮和保護己方利益。由此導致合同中可能會出現一些條款存在語義上的歧義甚至與原義嚴重不符的現象。

因此，大部分合同的審批和簽訂都需要人工校對每條條款，甲乙雙方逐條對合同條款的文字表達和內容是否規范進行協商。這種合同的簽訂和審批大多經過甲乙雙方多次商定才能達成最終合同，尤其涉及到一些重要條款，需要甲乙雙方多次探討。

此外，個別條款還要通過不同的領導審核，由此造成的流程程序負責，導致了時間成本和人力成本的浪費。

發明內容

本發明為解決現有技術中存在的問題，提供了一種合同條款分類方法。

一方面，本發明提出一種合同條款分類方法，包括：S1，將目標合同中的任一條款的數據輸入合同條款分類模型，獲取該條款對應的類別；其中，所述合同條款分類模型的訓練方法包括：S11，將合同數據訓練集輸入卷積神經網絡；所述合同數據訓練集包括若干條條款的數據和所述若干條條款分別對應的類別；S12，對所述卷積神經網絡進行優化并執行步驟S11，直至所述卷積神經網絡的準確率達到預先設定的訓練標準，將訓練好的所述卷積神經網絡作為合同條款分類模型。

優選地，所述合同條款分類模型包括降維層、卷積層、池化層、全連接層和分類層。

優選地，所述步驟S1前還包括：S0，對目標合同中的任一條款的內容進行預處理，獲取該條款的數據；所述預處理至少包括去標點、分詞和去停用詞。

優選地，步驟S12中的所述準確率通過TensorFlow中的TensorBoard獲取。

優選地，所述步驟S12進一步包括：若所述卷積神經網絡的準確率達到預先設定的訓練標準和/或所述卷積神經網絡的訓練次數達到預先設定的次數閾值，則確認所述卷積神經網絡為合同條款分類模型；否則，對所述卷積神經網絡進行優化并執行步驟S11。

優選地，所述分類層包括softmax分類器。

優選地，應用jieba分詞實現對目標合同中的任一條款的分詞；對任一條款進行分詞后，如該條款的長度小于預先設定的最大長度，則將該條款的長度補齊至所述最大長度。

再一方面，本發明提出一種合同條款分類設備，包括：至少一個處理器；以及與所述處理器通信連接的至少一個存儲器，其中：所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行如前所述的方法。

又一方面，本發明提出一種非暫態計算機可讀存儲介質，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行如前所述的方法。

本發明提供的一種合同條款分類方法，通過訓練卷積神經網絡獲取合同條款分類模型，實現了對合同條款的自動分類，減輕了合同校對過程中的人力和時間成本消耗，為關鍵條款的獲取提供了便利。

附圖說明

圖1為本發明具體實施例的一種合同條款分類模型的訓練方法的流程示意圖；

圖2為本發明具體實施例的一種合同條款分類設備的結構示意圖。

具體實施方式

下面結合附圖和實施例，對本發明的具體實施方式作進一步詳細描述。以下實施例用于說明本發明，但不用來限制本發明的范圍。

為了解決在合同的審批和簽訂過程中，由于合同條款的逐條協商帶來的時間成本和人力成本的大量浪費，本發明提出了一種合同條款分類方法，通過自然語言處理實現對合同條款的分類，以便于找到需要的類型的條款。

一種合同條款分類方法，包括：S1，將目標合同中的任一條款的數據輸入合同條款分類模型，獲取該條款對應的類別；其中，所述合同條款分類模型的訓練方法包括：S11，將合同數據訓練集輸入卷積神經網絡；所述合同數據訓練集包括若干條條款的數據和所述若干條條款分別對應的類別；S12，對所述卷積神經網絡進行優化并執行步驟S11，直至所述卷積神經網絡的準確率達到預先設定的訓練標準，將訓練好的所述卷積神經網絡作為合同條款分類模型。

具體地，為了解決合同條款的自動分類，將目標合同中的任一條款的數據輸入到合同條款分類模型中，應用所述合同條款分類模型對所述任一條款進行分類，并輸出所述任一條款對應的類別。