[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

本申請實施例公開了一種合同文本的關鍵信息抽取方法、裝置、存儲介質及終端設備，涉及辦公自動化領域。本申請抽取商務合同文本中的關鍵要素信息是為了構建合同文本的知識圖譜，構建合同文本的知識圖譜的目的是更好的管理這些合同文本。利用自然語言技術和特征規則對商務合同文本的關鍵信息進行提取，將合同要素的抽取真正的在工業生產中落地化，將本來繁瑣的人工處理變成自動化流程，大大降低了企業的成本開支。

技術領域

本申請涉及辦公自動化領域，尤其涉及一種合同文本的關鍵信息抽取方法、裝置、存儲介質及終端設備。

背景技術

自然語言處理是集融語言學、計算機科學和數學于一體的綜合學科，是人工智能領域的一個重要方向，主要包括信息抽取、自動文摘、語音識別技術等技術，廣泛應用在電商、文化娛樂、金融和物流等多個行業中。

商務合同文本關鍵信息的抽取屬于自然語言信息抽取的問題，其實也就是運用自然語言技術處理抽取商務合同中的關鍵實體信息。在使用自然語言技術對長段落信息進行提取時，一般采用人工方式進行提取，因為自然語言技術提取長段落存在提取準確性較低的問題。

發明內容

本申請實施例提供了合同文本的關鍵信息抽取方法、裝置、存儲介質及終端設備，可以解決相關技術中抽取關鍵實體信息和長段落信息時不準確的問題。所述技術方案如下：

第一方面，本申請實施例提供了一種合同文本的關鍵信息抽取方法，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。

第二方面，本申請實施例提供了一種合同文本的關鍵信息抽取裝置，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；