[发明专利]信用证审核方法、装置、电子设备及存储介质

权利要求书

1.一种信用证审核方法，其特征在于，所述方法包括：

在接收到待审核的信用证数据的情况下，截取所述信用证数据中的每个电文域的电文域内容；

对于任一电文域，将所述电文域内容输入到预先训练的神经网络模型中，获取所述神经网络模型输出的所述电文域内容的条款特征，所述神经网络模型为融合有向图和双向循环神经网络的模型；

基于预先生成的审证规则匹配引擎库中各电文域的条款特征规范以及各电文域之间的逻辑关系，根据所述条款特征对所述信用证数据的各电文域进行审核。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于信用证样本数据以及所述神经网络模型预先生成所述审证规则匹配引擎库。

3.根据权利要求2所述的方法，其特征在于，所述基于信用证样本数据以及所述神经网络模型预先生成所述审证规则匹配引擎库，包括：

获取信用证样本数据，并将所述信用证样本数据输入到双向循环神经网络中，对于每条信用证样本数据，获取所述双向循环神经网络输出的各电文域的中心特征标签词以及各中心特征标签词的权重；

基于各电文域的中心特征标签词组成有向图结构，并基于所述有向图结构进行逻辑推理，确定各电文域中的条款特征之间的逻辑关系；

根据各中心特征标签词的权重以及所述各电文域中的条款特征之间的逻辑关系生成审证规则匹配引擎库。

4.根据权利要求3所述的方法，其特征在于，所述将所述信用证样本数据输入到双向循环神经网络中，对于每条信用证样本数据，获取所述双向循环神经网络输出的各电文域的中心特征标签词以及各中心特征标签词的权重，包括：

对于任一信用证样本数据，利用预设分布式词向量词典对所述信用证样本数据中每个电文域的电文域内容进行映射，得到各电文域对应的特征向量；

对于任一电文域，将所述电文域的特征向量输入到所述双向循环神经网络中，获取所述双向循环神经网络抽取的中心特征标签词；

计算各所述中心特征标签词的在所述电文域中存在的权重。

5.根据权利要求1所述的方法，其特征在于，所述在接收到信用证数据的情况下，截取所述信用证数据中的每个电文域的电文域内容，包括：

基于预设的噪声信道模型，对所述信用证数据进行智能纠正处理；

按照预先约定的电文域与所述信用证数据的数据结构的对应关系，从所述信用证数据中截取各电文域的电文域内容。

6.根据权利要求1所述的方法，其特征在于，所述条款特征包括所述电文域中所包含的中心特征标签词；

所述基于预先生成的审证规则匹配引擎库中各电文域的条款特征规范以及各电文域之间的逻辑关系，根据所述条款特征对所述信用证数据的各电文域进行审核，包括：

按照所述审证规则匹配引擎库中各电文域的条款特征规范比对所述电文域的中心特征标签词的涵盖情况；

按照所述审证规则匹配引擎库中各电文域之间的逻辑关系确定所述电文域的中心特征标签词的内容关联情况；

基于所述涵盖情况和所述内容关联情况确定对所述信用证数据的各电文域进行审核的审核结果。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述神经网络模型基于所述待审核的信用证数据输出的各电文域的条款特征对应的存在权重以及各电文域的条款特征的关联权重；

基于所述存在权重和所述关联权重对所述审证规则匹配引擎库进行更新。

8.一种信用证审核装置，其特征在于，所述装置包括：

截取模块，用于在接收到待审核的信用证数据的情况下，截取所述信用证数据中的每个电文域的电文域内容；

条款特征输出模块，用于对于任一电文域，将所述电文域内容输入到预先训练的神经网络模型中，获取所述神经网络模型输出的所述电文域内容的条款特征，所述神经网络模型为融合有向图和双向循环神经网络的模型；

审核模块，用于基于预先生成的审证规则匹配引擎库中各电文域的条款特征规范以及各电文域之间的逻辑关系，根据所述条款特征对所述信用证数据的各电文域进行审核。