[发明专利]一种合同内容识别模型的训练方法、装置及设备

权利要求书

1.一种合同内容识别模型的训练方法，包括：

获取有关合同内容的已标注样本数据，所述已标注样本数据包括作为正样本的标题、条款内容和合同声明内容，以及，已标注的负样本，其中，所述合同声明内容包括对条款内容的使用声明和对标题的解释声明；

对所述正样本进行分词，根据得到的分词中的信息，确定模型分类特征；

根据所述已标注样本数据和模型分类特征训练生成所述合同内容识别模型；所述合同内容识别模型用于确定每个合同内容段落的标签，所述标签包括标题、条款内容或者合同声明内容；

对所述正样本进行分词，根据得到的分词中的信息，确定模型分类特征，包括：

提取合同声明内容中最前的指定数量的字符；分词所述最前的指定数量的字符，得到多个合同声明内容分词；聚类多个合同声明内容分词，将得到的类所对应的合同声明内容分词确定为模型分类特征；

根据所述已标注样本数据和模型分类特征训练生成所述合同内容识别模型，包括：

确定已标注样本数据中包含数字的已标注样本；提高所述包含数字的已标注样本的权重；根据所已被提高权重的已标注样本和模型分类特征训练生成所述合同内容识别模型。

2.如权利要求1所述的方法，对所述正样本进行分词，根据得到的分词中的信息，确定模型分类特征，包括：

对标题进行分词，得到连续的词汇序列；

从所述词汇序列中相邻的两个词汇中，各自选出部分信息，生成特征信息；

将生成的特征信息作为模型分类特征。

3.如权利要求2所述的方法，从所述词汇序列中相邻的两个词汇中，各自选出部分信息，生成特征信息，包括：

选取前面一个词的最后一个字或者字符，以及，后面词汇的最先一个字或者字符，生成特征词汇；或者，

确定两个词汇的各自长度，生成特征信息。

4.一种基于权利要求1至3任一项的合同内容识别模型的合同内容识别方法，包括：

获取合同内容；

根据合同内容中所包含的文本符号，对合同内容进行分段，生成多个合同内容段落，其中，所述文本符号包括文本格式标记或者文本标点；

采用所述合同内容识别模型识别所述多个合同内容段落，确定每个合同内容段落的标签，所述标签包括标题、条款内容或者合同声明内容。

5.一种合同内容识别模型的训练装置，包括：

获取模块，获取有关合同内容的已标注样本数据，所述已标注样本数据包括作为正样本的标题、条款内容和合同声明内容，以及，已标注的负样本，其中，所述合同声明内容包括对条款内容的使用声明和对标题的解释声明；所述合同内容识别模型用于确定每个合同内容段落的标签，所述标签包括标题、条款内容或者合同声明内容；

特征确定模块，对所述正样本进行分词，根据得到的分词中的信息，确定模型分类特征；

训练模块，根据所述已标注样本数据和模型分类特征训练生成所述合同内容识别模型；

所述特征确定模块，提取合同声明内容中最前的指定数量的字符；分词所述最前的指定数量的字符，得到多个合同声明内容分词；聚类多个合同声明内容分词，将得到的类所对应的合同声明内容分词确定为模型分类特征；

所述训练模块，确定已标注样本数据中包含数字的已标注样本；提高所述包含数字的已标注样本的权重；根据所已被提高权重的已标注样本和模型分类特征训练生成所述合同内容识别模型。

6.如权利要求5所述的装置，所述特征确定模块，对标题进行分词，得到连续的词汇序列；从所述词汇序列中相邻的两个词汇中，各自选出部分信息，生成特征信息；将生成的特征信息作为模型分类特征。

7.如权利要求6所述的装置，所述特征确定模块，选取前面一个词的最后一个字或者字符，以及，后面词汇的最先一个字或者字符，生成特征词汇；或者，确定两个词汇的各自长度，生成特征信息。