[發明專利]合同文本的關鍵信息抽取方法、裝置、存儲介質及終端設備

在審

• 申請號: 202110943296.0
• 申請日: 2021-08-17
• 公開（公告）號: CN113704401A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 陳文旋;吳士泓;侯靜怡;王志剛;徐靜
• 申請（專利權）人: 遠光軟件股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/205;G06F40/237;G06F40/258;G06F40/295
• 代理公司: 廣東朗乾律師事務所 44291
• 代理人: 楊煥軍

1.一種合同文本的關鍵信息抽取方法，其特征在于，所述方法包括：

檢測合同文本的格式；

在所述格式為預設格式時，采用遍歷方式在合同文本中獲取段落i的文本內容；其中，所述合同文本由n個段落組成，1≤i≤n，n為大于1的整數；

基于所述段落i抽取關鍵實體信息和長段落信息；

其中，抽取關鍵實體信息包括：

從所述段落i中抽取多個實體的實體信息；

若所述多個實體中存在預設的關鍵實體，保存所述關鍵實體的實體信息；

其中，抽取長段落信息包括：

在所述段落i的文本內容為章節標題時，獲取該章節標題中的章節序號M；

繼續以段落為基本單位在所述合同文本中進行遍歷，若段落j的文本內容為章節標題且該章節標題的章節序號為M+1，將段落i+1至段落j-1的文本內容作為所述段落i中章節標題的長段落信息；其中，M為大于或等于1的整數，j大于i且為整數；

完成所述合同文本中所有段落的遍歷后，生成所述合同文本的抽取結果。

2.根據權利要求1所述的方法，其特征在于，還包括：

若所述多個實體中不存在預設的關鍵實體時，丟棄所述多個實體的實體信息。

3.根據權利要求1或2所述的方法，其特征在于，所述若所述多個實體中存在預設的關鍵實體，保存所述關鍵實體的實體信息，包括：

在同一實體存在多個相同的實體信息時，獲取各個實體信息的前綴；

將前綴包含預設關鍵詞的實體信息作為所需的實體信息。

4.根據權利要求3所述的方法，其特征在于，還包括：

在所述合同文本中存在表格時，遍歷所述合同文本得到所有表格；

獲取表格的表頭描述信息，在表頭描述信息包含預設字段時，抽取所述表格的表格內容進行保存，否則，丟棄該表格的表格內容。

5.根據權利要求1或2或4所述的方法，其特征在于，還包括：

在所述格式不為預設格式時，將所述合同文本的格式轉換為所述預設格式。

6.根據權利要求5所述的方法，其特征在于，使用聯合中文詞法分析模型來從所述段落i中提取多個實體的實體信息；所述聯合中文詞法分析模型是利用訓練樣板對基礎聯合中文詞法分析模型進行增量訓練得到的。

7.根據權利要求5所述的方法，其特征在于，所述關鍵實體包括：簽訂地址、簽訂日期、項目名稱、項目編號、項目地點、甲方信息、乙方信息中的一種或多種；

所述長段落信息包括：合同表更信息、權利與義務信息、爭議解決信息、標的信息、違約責任信息中的一種或多種。

8.一種合同文本的關鍵信息抽取裝置，其特征在于，所述裝置包括：

檢測單元，用于檢測合同文本的格式；

遍歷單元，用于在所述格式為預設格式時，采用遍歷方式在合同文本中獲取段落i的文本內容；其中，所述合同文本由n個段落組成，1≤i≤n，n為大于1的整數；

抽取單元，用于基于所述段落i抽取關鍵實體信息和長段落信息；

其中，抽取關鍵實體信息包括：

從所述段落i中抽取多個實體的實體信息；

若所述多個實體中存在預設的關鍵實體，保存所述關鍵實體的實體信息；

其中，抽取長段落信息包括：

在所述段落i的文本內容為章節標題時，獲取該章節標題中的章節序號M；

繼續以段落為基本單位在所述合同文本中進行遍歷，若段落j的文本內容為章節標題且該章節標題的章節序號為M+1，將段落i+1至段落j-1的文本內容作為所述段落i中章節標題的長段落信息；其中，M為大于或等于1的整數，j大于i且為整數；

生成單元，用于完成所述合同文本中所有段落的遍歷后，生成所述合同文本的抽取結果。

9.一種計算機存儲介質，其特征在于，所述計算機存儲介質存儲有多條指令，所述指令適于由處理器加載并執行如權利要求1～7任意一項的方法步驟。

10.一種終端設備，其特征在于，包括：處理器、存儲器和麥克風；其中，所述存儲器存儲有計算機程序，所述計算機程序適于由所述處理器加載并執行如權利要求1～7任意一項的方法步驟。