[发明专利]一种合同内容识别模型的训练方法、装置及设备

说明书

公开了一种合同内容识别模型的训练方法、装置及设备。本说明书实施例所提供的方案，从合同内容自身中抽取训练特征并训练模型，通过机器学习的方式，生成合同内容识别模型，进而基于该识别模型快速的判断一段文字是否为合同中的文字，并对其进行标签标注，不必人工对合同内容进行标注。

技术领域

本说明书实施例涉及信息技术领域，尤其涉及一种合同内容识别模型的训练方法、装置及设备。

背景技术

在很多合同中，合同格式混乱，没有层级关系，合同的内容通篇看起来都是正文，没有结构化的数据展示。业务需要对合同进行拆解，将不同等级的标题、合同声明内容以及合同条款识别出来。当前可以通过人工的方式，对每一项进行标注，这种方式效率低，时间长，耗费资源多。

基于此，需要一种合同内容识别模型的训练方案，用来生成模型以自动识别合同内容。

发明内容

针对现有合同内容标注效率太低的问题，为实现更高效的合同内容标注，本说明书实施例一方面提供一种合同内容识别模型的训练方法，具体包括：

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。

另一方面，提供一种基于上述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。

对应的，一方面，本说明书实施例还提供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；

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。

对应的，另一方面，本说明书实施例还提供一种基于上述合同内容识别模型的合同内容识别装置，包括：

获取模块，获取合同内容；

分段模块，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；

确定模块，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。

本说明书实施例所提供的方案，从合同内容自身中抽取训练特征并训练模型，通过机器学习的方式，生成合同内容识别模型，进而基于该识别模型快速的判断一段文字是否为合同中的文字，并对其进行标签标注，不必人工对合同内容进行标注，且准确率高，提高了对合同内容的标注效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书实施例。

此外，本说明书实施例中的任一实施例并不需要达到上述的全部效果。

附图说明