CN110765770A - 一种合同自动生成方法及装置 - Google Patents
一种合同自动生成方法及装置 Download PDFInfo
- Publication number
- CN110765770A CN110765770A CN201910830509.1A CN201910830509A CN110765770A CN 110765770 A CN110765770 A CN 110765770A CN 201910830509 A CN201910830509 A CN 201910830509A CN 110765770 A CN110765770 A CN 110765770A
- Authority
- CN
- China
- Prior art keywords
- contract
- template
- target
- information
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种合同自动生成方法及装置，本发明涉及基架运维技术领域，方法包括：获取合同生成请求，合同生成请求携带待生成合同的基础信息，基础信息包括合同名称及合同业务所属类型；根据待生成合同的基础信息调取合同模板，合同模板包括多个合同要素填充域；获取用户在多个合同要素填充域内输入的合同要素值；根据合同模板及合同要素值生成目标合同；将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息；输出含风险提示信息的目标合同。本发明实施例提供的技术方案能够解决现有技术中合同制作效率低的问题。
Description
【技术领域】
本发明涉及基架运维技术领域，尤其涉及一种合同自动生成方法及装置。
【背景技术】
目前，企业中需要用到的合同越来越多，不同类型的合同具有不同的合同内容，相同类型的合同也会因为个性化的协定而具有不同的合同内容，各种类型的合同在生成过程中，难以及时了解合同存在的潜在风险，制作、审核、修改工作繁重，使得浪费大量的人力物力。
【发明内容】
有鉴于此，本发明实施例提供了一种合同自动生成方法及装置，用以解决现有技术中合同制作效率低的问题。
为了实现上述目的，根据本发明的一个方面，提供了一种合同自动生成方法，所述方法包括：获取合同生成请求，所述合同生成请求携带待生成合同的基础信息，所述基础信息包括合同名称及合同业务所属类型；根据所述待生成合同的基础信息调取合同模板，所述合同模板包括多个合同要素填充域；获取用户在所述多个合同要素填充域内输入的合同要素值；根据所述合同模板及所述合同要素值生成目标合同；将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息；输出含所述风险提示信息的目标合同。
进一步地，所述根据所述待生成合同的基础信息调取合同模板，包括：根据所述待生成合同的业务所属类型调取合同模板集合，所述合同模板集合包括多个合同模板，其中，每个所述合同模板与对应一个合同名称相关联；从所述合同模板集合中获取一个与所述待生成合同的合同名称相匹配的合同模板；输出所述合同模板中的多个合同要素填充域。
进一步地，所述根据所述待生成合同的基础信息调取合同模板，包括：从所述基础信息中提取关键词，并根据所述关键词在网络搜索引擎中搜索多个合同样本；将所述多个合同样本去重处理；基于去重处理后的多个合同样本训练合同模板生成模型，其中，所述合同模板生成模型是利用机器学习方法和所述合同样本对现有的卷积神经网络结构进行有监督训练而得到的；得到训练后的所述合同模板生成模型输出的合同模板，所述合同模板包括多个合同要素填充域。
进一步地，所述将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息，包括：
根据所述目标合同的基础信息调取与所述目标合同的业务所属类型及合同名称相一致的合同范本，所述合同范本中的条款文本与相应的风险提示信息相关联；将所述目标合同分割为多个子段文本，并通过相似度计算模型计算每个所述子段文本与所述合同范本中的条款文本的语义相似度得分；以所述语义相似度得分最高的条款文本所对应的风险提示信息作为所述子段文本的风险提示信息；将所述风险提示信息标注在所述目标合同的对应子段文本上。
进一步地，在所述输出含所述风险提示信息的目标合同之后，所述方法还包括：提取所述风险提示信息中的关键词，根据所述关键词得到所述风险等级；根据所述风险等级及其对应的标注颜色标注所述目标合同，以方便用户根据标注后的所述目标合同进行修改，所述修改方式包括重新编辑、删除、替换、语序调整中的至少一种。
进一步地，在所述输出含所述风险提示信息的目标合同后，所述方法还包括：响应于所述用户的审核完成指示，根据所述目标合同所调用的合同模板，获取所述合同模板中的***标识；调用******的接口，获取与所述***标识对应的***信息；根据所述合同模板中的盖章位置信息，确定所述***信息在所述目标合同中所对应的盖章位置；将所述***信息加盖至所述目标合同中所对应的盖章位置后，输出所述目标合同。
为了实现上述目的，根据本发明的一个方面，提供了一种合同自动生成装置，所述装置包括：第一获取单元，用于获取合同生成请求，所述合同生成请求携带待生成合同的基础信息，所述基础信息包括合同名称及合同业务所属类型；调取单元，用于根据所述待生成合同的基础信息调取合同模板，所述合同模板包括多个合同要素填充域；第二获取单元，用于获取用户在所述多个合同要素填充域内输入的合同要素值；生成单元，用于根据所述合同模板及所述合同要素值生成目标合同；比对单元，用于将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息；输出单元，用于输出含所述风险提示信息的目标合同。
进一步地，所述调取单元包括：调取子单元，用于根据所述待生成合同的业务所属类型调取合同模板集合，所述合同模板集合包括多个合同模板，其中，每个所述合同模板与对应一个合同名称相关联；第一获取子单元，用于从所述合同模板集合中获取一个与所述待生成合同的合同名称相匹配的合同模板；输出子单元，用于输出所述合同模板中的多个合同要素填充域。
为了实现上述目的，根据本发明的一个方面，提供了一种计算机非易失性存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在设备执行上述的合同自动生成方法。
为了实现上述目的，根据本发明的一个方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的合同自动生成方法的步骤。
在本方案中，通过待生成合同的基础信息调取合同模板，并通过用户在填充域内输入的合同要素值，生成目标合同；将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息；生成含所述风险提示信息的目标合同，提高合同生成效率，同时使得用户对合同存在的风险一目了然。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种可选的合同自动生成方法的流程图；
图2是本发明实施例提供的一种可选的合同自动生成装置的示意图；
图3是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述终端，但这些终端不应限于这些术语。这些术语仅用来将终端彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一终端也可以被称为第二终端，类似地，第二终端也可以被称为第一终端。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1是根据本发明实施例的一种合同自动生成方法的流程图，如图1所示，该方法包括：
步骤S101，获取合同生成请求，合同生成请求携带待生成合同的基础信息，基础信息包括合同名称及合同业务所属类型。
其中，合同的名称例如可以是增资合同、股东合同、股权转让合同、房屋租赁合同、房屋买卖合同、债券转让协议等；业务所属类型包括银行业务、信托业务、证券业务及基金业务中的任意一种。可以理解地，用户可以在预设的网页上选择所需的业务类型及所需合同的名称。
步骤S102，根据待生成合同的基础信息调取合同模板，合同模板包括多个合同要素填充域。可以理解地，“填充域”是指预先***合同模板中的可编辑、填充的区域。
步骤S103，获取用户在多个合同要素填充域内输入的合同要素值。合同要素可以是合同标的、合同数量、合同约定的价款或报酬、合同履行的期限、地点及方式、违约责任、解决争议的措施等。示例性地，合同要素填充域包括借款人名称、借款人性质、借款用途、借款期限、有无担保、放款方式、争议解决方式等。进一步地，填充域可以通过文本填充、数字填充、预设字段选取等多种方式进行填充或编辑。例如，借款期限，用户可以直接编辑输入30年，也可以通过点击选择预设的30年，从而加快合同生成效率。
步骤S104，根据合同模板及合同要素值生成目标合同。
本实施例中，合同要素填充域设有预置的标识，通过标识，服务器能够直接将合同要素值与对应的合同要素填充域进行关联，从而保障生成的目标合同准确性。
步骤S105，将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息。
步骤S106，输出含风险提示信息的目标合同。
在本方案中，通过待生成合同的基础信息调取合同模板，并通过用户在填充域内输入的合同要素值，生成目标合同；将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息；生成含风险提示信息的目标合同，提高合同生成效率，同时使得用户对合同存在的风险一目了然。
可选地，根据待生成合同的基础信息调取合同模板，包括：根据待生成合同的业务所属类型调取合同模板集合，合同模板集合包括多个合同模板，其中，每个合同模板与对应一个合同名称相关联；从合同模板集合中获取一个与待生成合同的合同名称相匹配的合同模板；输出合同模板中的多个合同要素填充域。
可以理解地，服务器会解析基础信息中的合同名称和合同业务所属类型，并根据业务所属类型初筛选合同模板集合，然后在初筛选得到的合同模板集合中匹配合同名称确定所需的合同模板。
可选地，根据待生成合同的基础信息调取合同模板，包括：从基础信息中提取关键词，并根据关键词在网络搜索引擎中搜索多个合同样本；将多个合同样本去重处理；基于去重处理后的多个合同样本训练合同模板生成模型；得到训练后的合同模板生成模型输出的合同模板，合同模板包括多个合同要素填充域。
具体地，将多个合同样本去重处理可以采取局部敏感哈希(simHash)算法，用相同的规则抽取合同样本中的少部分字符串代表整个合同样本，如果少部分字符串重合度高，那么整个合同样本的重复度也很高。可以理解地，相似的文本，相应的simHash串也是相似的，也就是两个文本的simHash签名值的相似性直观的反映了原始文本的相似性，这便给文本去重带来了可能。待去重的文本经过simHash算法的映射之后，会得到01字符串，若两个文本的01字符串只在少数几个位置上的0和1不一样，其他大多数位置上是完全一致的。那么这两个文本的相似度极高。因此，通过计算两个01字符串之间0或1不同的位置数量，得到的值可以用来表征两个文本之间的相似度。
其中，合同模板生成模型是利用机器学习方法和合同样本对现有的卷积神经网络结构进行有监督训练而得到的。在一种实施方式中，合同模板生成模型由递归神经网络构成的模型，在其他实施方式中，也可以采用卷积神经网络或对抗网络等网络模型。通过学习合同样本中合同的组成要素、语义关系分类等特征，使得模型能够生成所需的合同模板。
可选地，将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息，包括：
根据目标合同的基础信息调取与目标合同的业务所属类型及合同名称相一致的合同范本，合同范本中的条款文本与相应的风险提示信息相关联；将目标合同分割为多个子段文本，并通过相似度计算模型计算每个子段文本与合同范本中的条款文本的语义相似度得分；以语义相似度得分最高的条款文本所对应的风险提示信息作为子段文本的风险提示信息；将风险提示信息标注在目标合同的对应子段文本上。
在本实施例中，相似度计算模型用于确定两个文本是否为相似文本。具体地，相似度计算模型可以通过获取两个文本之间的相似度参数，基于相似度参数来确定是否为相似文本。其中，相似度参数包括Jaccard系数、编辑距离、语义距离中的至少一种。
Jaccard系数用于比较有限样本集之间的相似性与差异性，具体地，可以将待比较的文本进行分词，得到两个词组集合，然后，基于这两个词组集合获取文本相似度。
编辑距离是指莱文斯坦距离，可以作为两个文本之间的相似性度量。示例性地，两个字符串，它们之间的编辑距离便是将其中一个字符串转换为另一个字符串需要操作的最少次数，这里的操作被限定为三种：针对一个字符的***、删除或者替换。
语义距离是从语义角度度量两个文本之间的相似性，而计算两个文本之间的语义距离可以采用Word2Vec方法，通过将待比较的文本转化为语义层面的表现形式，然后通过各种距离表征方法计算得到两个文本之间的语义距离。
在本实施方式中，风险提示信息包括风险所依据的法律条款及风险修正建议。从而使得用户在看到风险提示信息后，能够对目标合同进行修改。
可选地，在输出含风险提示信息的目标合同之后，方法还包括：提取风险提示信息中的关键词，根据关键词得到风险等级；根据风险等级及其对应的标注颜色标注目标合同，以方便用户根据标注后的目标合同进行修改，修改方式包括重新编辑、删除、替换、语序调整中的至少一种。
示例性地，例如提取的关键词为“约”，其为合同中的禁用词，用红色来对其进行标注，以方便用户对这个词进行修改，消除合同的不严谨词汇，使得目标合同更加规范，准确。
可选地，在输出含风险提示信息的目标合同之后，方法还包括：响应于用户的审核完成指示，根据目标合同所调用的合同模板，获取所述合同模板中的***标识；调用******的接口，获取与***标识对应的***信息；根据合同模板中的盖章位置信息，确定***信息在目标合同中所对应的盖章位置；将***信息加盖至目标合同中所对应的盖章位置后，输出目标合同。
可以理解地，在用户审核完成后，服务器能够根据合同模板中的***标识去调用相应的***信息，然后根据合同模板中的***所在的坐标值，将***信息加盖至目标合同的相应位置，从而快速有效地生成有效的合同，提高合同制作效率。
本发明实施例提供了一种合同自动生成装置，该装置用于执行上述合同自动生成方法，如图2所示，该装置包括：第一获取单元10、调取单元20、第二获取单元30、生成单元40、比对单元50及输出单元60。
第一获取单元10，用于获取合同生成请求，合同生成请求携带待生成合同的基础信息，基础信息包括合同名称及合同业务所属类型。
其中，合同的名称例如可以是增资合同、股东合同、股权转让合同、房屋租赁合同、房屋买卖合同、债券转让协议等；业务所属类型包括银行业务、信托业务、证券业务及基金业务中的任意一种。可以理解地，用户可以在预设的网页上选择所需的业务类型及所需合同的名称。
调取单元20，用于根据待生成合同的基础信息调取合同模板，合同模板包括多个合同要素填充域。可以理解地，“填充域”是指预先***合同模板中的可编辑、填充的区域。
第二获取单元30，用于获取用户在多个合同要素填充域内输入的合同要素值。合同要素可以是合同标的、合同数量、合同约定的价款或报酬、合同履行的期限、地点及方式、违约责任、解决争议的措施等。示例性地，合同要素填充域包括借款人名称、借款人性质、借款用途、借款期限、有无担保、放款方式、争议解决方式等。进一步地，填充域可以通过文本填充、数字填充、预设字段选取等多种方式进行填充或编辑。例如，借款期限，用户可以直接编辑输入30年，也可以通过点击选择预设的30年，从而加快合同生成效率。
生成单元40，用于根据合同模板及合同要素值生成目标合同。
本实施例中，合同要素填充域设有预置的标识，通过标识，服务器能够直接将合同要素值与对应的合同要素填充域进行关联，从而保障生成的目标合同准确性。
比对单元50，用于将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息。
输出单元60，用于输出含风险提示信息的目标合同。
在本方案中，通过待生成合同的基础信息调取合同模板，并通过用户在填充域内输入的合同要素值，生成目标合同；将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息；生成含风险提示信息的目标合同，提高合同生成效率，同时使得用户对合同存在的风险一目了然。
可选地，根据待生成合同的基础信息调取合同模板，包括：根据待生成合同的业务所属类型调取合同模板集合，合同模板集合包括多个合同模板，其中，每个合同模板与对应一个合同名称相关联；从合同模板集合中获取一个与待生成合同的合同名称相匹配的合同模板；输出合同模板中的多个合同要素填充域。
可以理解地，服务器会解析基础信息中的合同名称和合同业务所属类型，并根据业务所属类型初筛选合同模板集合，然后在初筛选得到的合同模板集合中匹配合同名称确定所需的合同模板。
进一步地，调取单元20包括调取子单元、第一获取子单元及输出子单元。
调取子单元，用于根据待生成合同的业务所属类型调取合同模板集合，合同模板集合包括多个合同模板，其中，每个合同模板与对应一个合同名称相关联；第一获取子单元，用于从合同模板集合中获取一个与待生成合同的合同名称相匹配的合同模板；输出子单元，用于输出合同模板中的多个合同要素填充域。
可选地，调取子单元用于从基础信息中提取关键词，并根据关键词在网络搜索引擎中搜索多个合同样本；将多个合同样本去重处理；基于去重处理后的多个合同样本训练合同模板生成模型；得到训练后的合同模板生成模型输出的合同模板，合同模板包括多个合同要素填充域。
具体地，将多个合同样本去重处理可以采取局部敏感哈希算法，用相同的规则抽取合同样本中的少部分字符串代表整个合同样本，如果少部分字符串重合度高，那么整个合同样本的重复度也很高。可以理解地，相似的文本，相应的simHash串也是相似的，也就是两个文本的simHash签名值的相似性直观的反映了原始文本的相似性，这便给文本去重带来了可能。待去重的文本经过simHash算法的映射之后，会得到01字符串，若两个文本的01字符串只在少数几个位置上的0和1不一样，其他大多数位置上是完全一致的。那么这两个文本的相似度极高。因此，通过计算两个01字符串之间0或1不同的位置数量，得到的值可以用来表征两个文本之间的相似度。
其中，合同模板生成模型是利用机器学习方法和合同样本对现有的卷积神经网络结构进行有监督训练而得到的。在一种实施方式中，合同模板生成模型由递归神经网络构成的模型，在其他实施方式中，也可以采用卷积神经网络或对抗网络等网络模型。通过学习合同样本中合同的组成要素、语义关系分类等特征，使得模型能够生成所需的合同模板。
可选地，比对单元50包括第二调取子单元、分割子单元、确认子单元及标注子单元。
第二调取子单元，用于根据目标合同的基础信息调取与目标合同的业务所属类型及合同名称相一致的合同范本，合同范本中的条款文本与相应的风险提示信息相关联；分割子单元，用于将目标合同分割为多个子段文本，并通过相似度计算模型计算每个子段文本与合同范本中的条款文本的语义相似度得分；确认子单元，用于以语义相似度得分最高的条款文本所对应的风险提示信息作为子段文本的风险提示信息；标注子单元，用于将风险提示信息标注在目标合同的对应子段文本上。
在本实施例中，相似度计算模型用于确定两个文本是否为相似文本。具体地，相似度计算模型可以通过获取两个文本之间的相似度参数，基于相似度参数来确定是否为相似文本。其中，相似度参数包括Jaccard系数、编辑距离、语义距离中的至少一种。
Jaccard系数用于比较有限样本集之间的相似性与差异性，具体地，可以将待比较的文本进行分词，得到两个词组集合，然后，基于这两个词组集合获取文本相似度。
编辑距离是指莱文斯坦距离，可以作为两个文本之间的相似性度量。示例性地，两个字符串，它们之间的编辑距离便是将其中一个字符串转换为另一个字符串需要操作的最少次数，这里的操作被限定为三种：针对一个字符的***、删除或者替换。
语义距离是从语义角度度量两个文本之间的相似性，而计算两个文本之间的语义距离可以采用Word2Vec方法，通过将待比较的文本转化为语义层面的表现形式，然后通过各种距离表征方法计算得到两个文本之间的语义距离。
在本实施方式中，风险提示信息包括风险所依据的法律条款及风险修正建议。从而使得用户在看到风险提示信息后，能够对目标合同进行修改。
可选地，装置还包括提取单元、标注单元。
提取单元，用于提取风险提示信息中的关键词，根据关键词得到风险等级；标注单元，用于根据风险等级及其对应的标注颜色标注目标合同，以方便用户根据标注后的目标合同进行修改，修改方式包括重新编辑、删除、替换、语序调整中的至少一种。
示例性地，例如提取的关键词为“约”，其为合同中的禁用词，用红色来对其进行标注，以方便用户对这个词进行修改，消除合同的不严谨词汇，使得目标合同更加规范，准确。
可选地，装置还包括第三获取单元、调用单元、确定单元及第二输出单元。
第三获取单元，用于响应于用户的审核完成指示，根据目标合同所调用的合同模板，获取所述合同模板中的***标识；调用单元，用于调用******的接口，获取与***标识对应的***信息；确定单元，用于根据合同模板中的盖章位置信息，确定***信息在目标合同中所对应的盖章位置；第二输出单元，用于将***信息加盖至目标合同中所对应的盖章位置后，输出目标合同。
可以理解地，在用户审核完成后，服务器能够根据合同模板中的***标识去调用相应的***信息，然后根据合同模板中的***所在的坐标值，将***信息加盖至目标合同的相应位置，从而快速有效地生成有效的合同，提高合同制作效率。
本发明实施例提供了一种计算机非易失性存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：获取合同生成请求，合同生成请求携带待生成合同的基础信息，基础信息包括合同名称及合同业务所属类型；根据待生成合同的基础信息调取合同模板，合同模板包括多个合同要素填充域；获取用户在多个合同要素填充域内输入的合同要素值；根据合同模板及合同要素值生成目标合同；将目标合同与数据库中预存的合同范本进行风险比对，得到目标合同的风险提示信息；输出含风险提示信息的目标合同。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：根据待生成合同的业务所属类型调取合同模板集合，合同模板集合包括多个合同模板，其中，每个合同模板与对应一个合同名称相关联；从合同模板集合中获取一个与待生成合同的合同名称相匹配的合同模板；输出合同模板中的多个合同要素填充域。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：从基础信息中提取关键词，并根据关键词在网络搜索引擎中搜索多个合同样本；将多个合同样本去重处理；基于去重处理后的多个合同样本训练合同模板生成模型，其中，合同模板生成模型是利用机器学习方法和合同样本对现有的卷积神经网络结构进行有监督训练而得到的；得到训练后的合同模板生成模型输出的合同模板。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：根据目标合同的基础信息调取与目标合同的业务所属类型及合同名称相一致的合同范本，合同范本中的条款文本与相应的风险提示信息相关联；将目标合同分割为多个子段文本，并通过相似度计算模型计算每个子段文本与合同范本中的条款文本的语义相似度得分；以语义相似度得分最高的条款文本所对应的风险提示信息作为子段文本的风险提示信息；将风险提示信息标注在目标合同的对应子段文本上。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：提取风险提示信息中的关键词，根据关键词得到风险等级；根据风险等级及其对应的标注颜色标注目标合同，以方便用户根据标注后的目标合同进行修改，修改方式包括重新编辑、删除、替换、语序调整中的至少一种。
可选地，在程序运行时控制存储介质所在设备执行以下步骤：响应于用户的审核完成指示，根据目标合同所调用的合同模板，获取所述合同模板的***标识；调用******的接口，获取与***标识对应的***信息；根据合同模板中的盖章位置信息，确定***信息在目标合同中所对应的盖章位置；将***信息加盖至目标合同中所对应的盖章位置后，输出目标合同。
图3是本发明实施例提供的一种计算机设备的示意图。如图3所示，该实施例的计算机设备100包括：处理器101、存储器102以及存储在存储器102中并可在处理器101上运行的计算机程序103，处理器101执行计算机程序103时实现实施例中的合同自动生成方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器101执行时实现实施例中合同自动生成装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器101、存储器102。本领域技术人员可以理解，图3仅仅是计算机设备100的示例，并不构成对计算机设备100的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器101可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器102可以是计算机设备100的内部存储单元，例如计算机设备100的硬盘或内存。存储器102也可以是计算机设备100的外部存储设备，例如计算机设备100上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器102还可以既包括计算机设备100的内部存储单元也包括外部存储设备。存储器102用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器102还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种合同自动生成方法，其特征在于，所述方法包括：
获取合同生成请求，所述合同生成请求携带待生成合同的基础信息，所述基础信息包括合同名称及合同业务所属类型；
根据所述待生成合同的基础信息调取合同模板，所述合同模板包括多个合同要素填充域；
获取用户在所述多个合同要素填充域内输入的合同要素值；
根据所述合同模板及所述合同要素值生成目标合同；
将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息；
输出含所述风险提示信息的目标合同。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待生成合同的基础信息调取合同模板，包括：
根据所述待生成合同的业务所属类型调取合同模板集合，所述合同模板集合包括多个合同模板，其中，每个所述合同模板与对应一个合同名称相关联；
从所述合同模板集合中获取一个与所述待生成合同的合同名称相匹配的合同模板；
输出所述合同模板中的多个合同要素填充域。
3.根据权利要求1所述的方法，其特征在于，所述根据所述待生成合同的基础信息调取合同模板，包括：
从所述基础信息中提取关键词，并根据所述关键词在网络搜索引擎中搜索多个合同样本；
将所述多个合同样本去重处理；
基于去重处理后的多个合同样本训练合同模板生成模型，其中，所述合同模板生成模型是利用机器学习方法和所述合同样本对现有的卷积神经网络结构进行有监督训练而得到的；
得到训练后的所述合同模板生成模型输出的合同模板，所述合同模板包括多个合同要素填充域。
4.根据权利要求1所述的方法，其特征在于，所述将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息，包括：
根据所述目标合同的基础信息调取与所述目标合同的业务所属类型及合同名称相一致的合同范本，所述合同范本中的条款文本与相应的风险提示信息相关联；
将所述目标合同分割为多个子段文本，并通过相似度计算模型计算每个所述子段文本与所述合同范本中的条款文本的语义相似度得分；
以所述语义相似度得分最高的条款文本所对应的风险提示信息作为所述子段文本的风险提示信息；
将所述风险提示信息标注在所述目标合同的对应子段文本上。
5.根据权利要求1所述的方法，其特征在于，在所述输出含所述风险提示信息的目标合同之后，所述方法还包括：
提取所述风险提示信息中的关键词，根据所述关键词得到所述风险等级；
根据所述风险等级及其对应的标注颜色标注所述目标合同，以方便用户根据标注后的所述目标合同进行修改，所述修改方式包括重新编辑、删除、替换、语序调整中的至少一种。
6.根据权利要求1～5任一项所述的方法，其特征在于，在所述输出含所述风险提示信息的目标合同后，所述方法还包括：
响应于所述用户的审核完成指示，根据所述目标合同所调用的合同模板，获取所述合同模板中的***标识；
调用******的接口，获取与所述***标识对应的***信息；
根据所述合同模板中的盖章位置信息，确定所述***信息在所述目标合同中所对应的盖章位置；
将所述***信息加盖至所述目标合同中所对应的盖章位置后，输出所述目标合同。
7.一种合同自动生成装置，其特征在于，所述装置包括：
第一获取单元，用于获取合同生成请求，所述合同生成请求携带待生成合同的基础信息，所述基础信息包括合同名称及合同业务所属类型；
调取单元，用于根据所述待生成合同的基础信息调取合同模板，所述合同模板包括多个合同要素填充域；
第二获取单元，用于获取用户在所述多个合同要素填充域内输入的合同要素值；
生成单元，用于根据所述合同模板及所述合同要素值生成目标合同；
比对单元，用于将所述目标合同与数据库中预存的合同范本进行风险比对，得到所述目标合同的风险提示信息；
输出单元，用于输出含所述风险提示信息的目标合同。
8.根据权利要求7所述的装置，其特征在于，所述调取单元包括：
调取子单元，用于根据所述待生成合同的业务所属类型调取合同模板集合，所述合同模板集合包括多个合同模板，其中，每个所述合同模板与对应一个合同名称相关联；
第一获取子单元，用于从所述合同模板集合中获取一个与所述待生成合同的合同名称相匹配的合同模板；
输出子单元，用于输出所述合同模板中的多个合同要素填充域。
9.一种计算机非易失性存储介质，所述存储介质包括存储的程序，其特征在于，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6任意一项所述的合同自动生成方法。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的合同自动生成方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910830509.1A CN110765770B (zh) | 2019-09-04 | 2019-09-04 | 一种合同自动生成方法及装置 |
| PCT/CN2019/117088 WO2021042521A1 (zh) | 2019-09-04 | 2019-11-11 | 一种合同自动生成方法、计算机设备及计算机非易失性存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910830509.1A CN110765770B (zh) | 2019-09-04 | 2019-09-04 | 一种合同自动生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110765770A true CN110765770A (zh) | 2020-02-07 |
| CN110765770B CN110765770B (zh) | 2024-07-19 |
Family
ID=69329227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910830509.1A Active CN110765770B (zh) | 2019-09-04 | 2019-09-04 | 一种合同自动生成方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110765770B (zh) |
| WO (1) | WO2021042521A1 (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797608A (zh) * | 2020-06-29 | 2020-10-20 | 中国工商银行股份有限公司 | 信用数据核对方法及装置 |
| CN111814457A (zh) * | 2020-05-30 | 2020-10-23 | 国网上海市电力公司 | 一种电网工程合同文本生成方法 |
| CN111882419A (zh) * | 2020-05-25 | 2020-11-03 | 马上消费金融股份有限公司 | 质检文件的方法、装置及服务器 |
| CN111932412A (zh) * | 2020-09-04 | 2020-11-13 | 汪宏杰 | 合同起草及修订方法、装置、存储介质及设备 |
| CN111931475A (zh) * | 2020-06-28 | 2020-11-13 | 重庆锐云科技有限公司 | 动态认购书生成方法、***、计算机设备及存储介质 |
| CN112308742A (zh) * | 2020-09-24 | 2021-02-02 | 五八到家有限公司 | 合同生成方法、装置及*** |
| CN112329427A (zh) * | 2020-11-26 | 2021-02-05 | 北京百度网讯科技有限公司 | 短信样本的获取方法和装置 |
| CN112686646A (zh) * | 2021-01-31 | 2021-04-20 | 重庆渝高科技产业(集团)股份有限公司 | 一种合同线上填报管理方法及*** |
| CN112686639A (zh) * | 2021-01-05 | 2021-04-20 | 河北冀联人力资源服务集团有限公司 | 一种基于深度学习的劳动合同确定的方法和*** |
| CN112800761A (zh) * | 2020-12-25 | 2021-05-14 | 讯飞智元信息科技有限公司 | 信息回填方法及其相关电子设备、存储介质 |
| CN113191456A (zh) * | 2021-05-26 | 2021-07-30 | 平安信托有限责任公司 | 基于文本识别技术的单证生成方法、装置、设备及介质 |
| CN113326684A (zh) * | 2021-08-03 | 2021-08-31 | 江苏金恒信息科技股份有限公司 | 一种合同签约管理方法、***及装置 |
| CN114493551A (zh) * | 2022-03-28 | 2022-05-13 | 中国光大银行股份有限公司 | 一种合同的生成方法及装置、电子设备、存储介质 |
| CN114610681A (zh) * | 2022-03-16 | 2022-06-10 | 阿里巴巴（中国）有限公司 | 信息录入方法以及装置 |
| CN115169291A (zh) * | 2022-07-14 | 2022-10-11 | 中国建筑西南设计研究院有限公司 | 文本转换方法、装置、终端设备和计算机可读存储介质 |
| CN116127937A (zh) * | 2022-09-09 | 2023-05-16 | 广州市花都区人民医院 | 适用于医院业务的合同全生命周期管理方法、装置 |
| CN116757886A (zh) * | 2023-08-16 | 2023-09-15 | 南京尘与土信息技术有限公司 | 数据分析方法及分析装置 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114169306A (zh) * | 2021-12-13 | 2022-03-11 | 平安养老保险股份有限公司 | 一种生成电子回执单的方法、装置、设备及可读存储介质 |
| CN116384382B (zh) * | 2023-01-04 | 2024-03-22 | 深圳擎盾信息科技有限公司 | 一种基于多轮交互的自动化长篇合同要素识别方法及装置 |
| CN115809652B (zh) * | 2023-01-28 | 2023-05-23 | 北京蓝色星际科技股份有限公司 | 自动合成红头文件的方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5692206A (en) * | 1994-11-30 | 1997-11-25 | Taco Bell Corporation | Method and apparatus for automating the generation of a legal document |
| CN108509401A (zh) * | 2018-03-05 | 2018-09-07 | 平安普惠企业管理有限公司 | 合同生成方法、装置、计算机设备和存储介质 |
| CN109523225A (zh) * | 2018-10-12 | 2019-03-26 | 平安科技（深圳）有限公司 | 一种合同管理方法、***及终端设备 |
| CN110083809A (zh) * | 2019-03-16 | 2019-08-02 | 平安城市建设科技(深圳)有限公司 | 合同条款相似度计算方法、装置、设备及可读存储介质 |
| CN110168665A (zh) * | 2016-12-20 | 2019-08-23 | 谷歌有限责任公司 | 使用机器学习技术生成模板文档 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9514117B2 (en) * | 2007-02-28 | 2016-12-06 | Docusign, Inc. | System and method for document tagging templates |
| CN103106593A (zh) * | 2013-02-21 | 2013-05-15 | 广州宝钢南方贸易有限公司 | 一种合同制作和评审装置 |
-
2019
- 2019-09-04 CN CN201910830509.1A patent/CN110765770B/zh active Active
- 2019-11-11 WO PCT/CN2019/117088 patent/WO2021042521A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5692206A (en) * | 1994-11-30 | 1997-11-25 | Taco Bell Corporation | Method and apparatus for automating the generation of a legal document |
| CN110168665A (zh) * | 2016-12-20 | 2019-08-23 | 谷歌有限责任公司 | 使用机器学习技术生成模板文档 |
| CN108509401A (zh) * | 2018-03-05 | 2018-09-07 | 平安普惠企业管理有限公司 | 合同生成方法、装置、计算机设备和存储介质 |
| CN109523225A (zh) * | 2018-10-12 | 2019-03-26 | 平安科技（深圳）有限公司 | 一种合同管理方法、***及终端设备 |
| CN110083809A (zh) * | 2019-03-16 | 2019-08-02 | 平安城市建设科技(深圳)有限公司 | 合同条款相似度计算方法、装置、设备及可读存储介质 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111882419A (zh) * | 2020-05-25 | 2020-11-03 | 马上消费金融股份有限公司 | 质检文件的方法、装置及服务器 |
| CN111882419B (zh) * | 2020-05-25 | 2022-02-08 | 马上消费金融股份有限公司 | 质检文件的方法、装置及服务器 |
| CN111814457A (zh) * | 2020-05-30 | 2020-10-23 | 国网上海市电力公司 | 一种电网工程合同文本生成方法 |
| CN111814457B (zh) * | 2020-05-30 | 2024-07-09 | 国网上海市电力公司 | 一种电网工程合同文本生成方法 |
| CN111931475A (zh) * | 2020-06-28 | 2020-11-13 | 重庆锐云科技有限公司 | 动态认购书生成方法、***、计算机设备及存储介质 |
| CN111797608A (zh) * | 2020-06-29 | 2020-10-20 | 中国工商银行股份有限公司 | 信用数据核对方法及装置 |
| CN111797608B (zh) * | 2020-06-29 | 2023-08-22 | 中国工商银行股份有限公司 | 信用数据核对方法及装置 |
| CN111932412A (zh) * | 2020-09-04 | 2020-11-13 | 汪宏杰 | 合同起草及修订方法、装置、存储介质及设备 |
| CN112308742A (zh) * | 2020-09-24 | 2021-02-02 | 五八到家有限公司 | 合同生成方法、装置及*** |
| CN112329427A (zh) * | 2020-11-26 | 2021-02-05 | 北京百度网讯科技有限公司 | 短信样本的获取方法和装置 |
| CN112329427B (zh) * | 2020-11-26 | 2023-08-08 | 北京百度网讯科技有限公司 | 短信样本的获取方法和装置 |
| CN112800761A (zh) * | 2020-12-25 | 2021-05-14 | 讯飞智元信息科技有限公司 | 信息回填方法及其相关电子设备、存储介质 |
| CN112686639A (zh) * | 2021-01-05 | 2021-04-20 | 河北冀联人力资源服务集团有限公司 | 一种基于深度学习的劳动合同确定的方法和*** |
| CN112686646A (zh) * | 2021-01-31 | 2021-04-20 | 重庆渝高科技产业(集团)股份有限公司 | 一种合同线上填报管理方法及*** |
| CN112686646B (zh) * | 2021-01-31 | 2023-09-22 | 重庆渝高科技产业(集团)股份有限公司 | 一种合同线上填报管理方法及*** |
| CN113191456A (zh) * | 2021-05-26 | 2021-07-30 | 平安信托有限责任公司 | 基于文本识别技术的单证生成方法、装置、设备及介质 |
| CN113326684A (zh) * | 2021-08-03 | 2021-08-31 | 江苏金恒信息科技股份有限公司 | 一种合同签约管理方法、***及装置 |
| CN114610681A (zh) * | 2022-03-16 | 2022-06-10 | 阿里巴巴（中国）有限公司 | 信息录入方法以及装置 |
| CN114493551A (zh) * | 2022-03-28 | 2022-05-13 | 中国光大银行股份有限公司 | 一种合同的生成方法及装置、电子设备、存储介质 |
| CN115169291A (zh) * | 2022-07-14 | 2022-10-11 | 中国建筑西南设计研究院有限公司 | 文本转换方法、装置、终端设备和计算机可读存储介质 |
| CN116127937A (zh) * | 2022-09-09 | 2023-05-16 | 广州市花都区人民医院 | 适用于医院业务的合同全生命周期管理方法、装置 |
| CN116757886A (zh) * | 2023-08-16 | 2023-09-15 | 南京尘与土信息技术有限公司 | 数据分析方法及分析装置 |
| CN116757886B (zh) * | 2023-08-16 | 2023-11-28 | 南京尘与土信息技术有限公司 | 数据分析方法及分析装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110765770B (zh) | 2024-07-19 |
| WO2021042521A1 (zh) | 2021-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110765770B (zh) | 一种合同自动生成方法及装置 | |
| CN111737499B (zh) | 基于自然语言处理的数据搜索方法及相关设备 | |
| CN110083623B (zh) | 一种业务规则生成方法及装置 | |
| RU2613846C2 (ru) | Метод и система извлечения данных из изображений слабоструктурированных документов | |
| US8838657B1 (en) | Document fingerprints using block encoding of text | |
| US10482170B2 (en) | User interface for contextual document recognition | |
| CN110162754B (zh) | 一种岗位描述文档的生成方法及设备 | |
| CN109933803B (zh) | 一种成语信息展示方法、展示装置、电子设备及存储介质 | |
| US20240054802A1 (en) | System and method for spatial encoding and feature generators for enhancing information extraction | |
| CN113961768B (zh) | 敏感词检测方法、装置、计算机设备和存储介质 | |
| CN112926299B (zh) | 一种文本比对方法、合同审阅方法、审核*** | |
| CN112257413B (zh) | 地址参数处理方法及相关设备 | |
| CN111553556A (zh) | 业务数据分析方法、装置、计算机设备及存储介质 | |
| CN111680506A (zh) | 数据库表的外键映射方法、装置、电子设备和存储介质 | |
| Owen et al. | Towards a scientific workflow featuring Natural Language Processing for the digitisation of natural history collections. | |
| CN114329112A (zh) | 内容审核方法、装置、电子设备及存储介质 | |
| US11500840B2 (en) | Contrasting document-embedded structured data and generating summaries thereof | |
| CN111444368B (zh) | 构建用户画像的方法、装置、计算机设备及存储介质 | |
| CN110688995B (zh) | 地图查询的处理方法，计算机可读存储介质和移动终端 | |
| CN111723210A (zh) | 存储数据表的方法、装置、计算机设备及可读存储介质 | |
| CN111160445A (zh) | 投标文件相似度计算方法及装置 | |
| CN107145947B (zh) | 一种信息处理方法、装置及电子设备 | |
| CN115481599A (zh) | 文档的处理方法、装置、电子设备和存储介质 | |
| CN113343700B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN110941952A (zh) | 一种完善审计分析模型的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |