(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211063669.6 (22)申请日 2022.09.01 (71)申请人 广东博维创远科技有限公司 地址 528000 广东省佛山市顺德区乐从镇 乐从社区居民委员会东平新城文华南 路8号保利商务中心5座3 02房 (72)发明人 王燕玲　 (74)专利代理 机构 佛山高业知识产权代理事务 所(普通合伙) 44562 专利代理师 张自海 (51)Int.Cl. G06F 40/186(2020.01) G06F 16/35(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种合同模板关键信息的获取方法、 系统及 存储介质 (57)摘要 一种合同模板关键信息的获取方法、 系统及 存储介质， 所述方法包括： 获取待处理合同， 根据 待处理合同， 获取合同标题和合同条款， 将合同 标题输入合同分类模型， 得到合同类别； 将待处 理合同的正文输入章节主题模型， 得到待处理合 同的章节主题， 将章节主题和合同类别对应的预 设合同模板的预设章节主题做比较， 提示增加缺 少的预设章节主题对应的所述预设章节； 将合同 条款输入条款主题模型， 得到所述待处理合同的 条款主题， 将条款主题和合同类别对应的预设合 同模板的预设条款主题做比较， 提示增加缺少的 预设条款主题对应的预设条款。 用户可以直接将 合同上传并得到上传的合同和预设合同模板内 缺少的部分， 使得合同不会遗漏关键信息 。 权利要求书3页 说明书13页 附图3页 CN 115409013 A 2022.11.29 CN 115409013 A 1.一种合同模板关键信息的获取 方法， 其特 征在于， 包括： 获取待处 理合同， 根据所述待处 理合同， 获取合同标题和合同条款； 将所述合同标题输入合同分类模型， 得到合同类别； 将所述待处 理合同的正文输入章节主题模型， 得到待处 理合同的章节主题； 将所述章节主题和合同类别对应的预设合同模板的预设章节主题做比较， 如果存在预 设合同模板有而待处理合同没有的预设章节主题， 则提示增加缺少的预设章节主题对应的 预设章节； 将所述合同条款输入条款主题模型， 得到待处 理合同的条款主题； 将所述条款主题和合同类别对应的预设合同模板的预设条款主题做比较， 如果存在预 设合同模板有而待处理合同没有的预设条款主题， 则提示增加缺少的预设条款主题对应的 预设条款。 2.根据权利要求1所述的合同模板关键信 息的获取方法， 其特征在于， 所述预设合同模 板由以下步骤确定： 获取合同模板训练数据集， 所述合同模板训练数据集包括至少一个合同模板数据， 所 述合同模板数据至少包括 合同标题数据和对应的合同条款数据； 获取合同类别的分类树， 根据所述合同类别的分类树， 使用基于示例的文本标题分类 方法， 对每个所述合同标题数据进行分类， 得到每个合同标题数据对应的合同类别， 每个合 同标题数据对应的合同条款数据、 为对应合同类别所对应的预设合同模板的预设条款， 以 及预设条款对应的预设章节； 基于章节主题模型、 条款主题模型， 得到每个合同类别对应的条款主题数据、 每个条款 主题数据对应的章节主题数据； 所述条款主题数据和章节主题数据分别为合同类别对应所述预设合同模板的预设条 款主题、 和预设章节主题； 根据所述合同类别， 获取该合同类别对应的裁判理由数据集， 所述裁判理由数据集包 括至少一个裁判理由数据及每个裁判理由数据对应的至少两个法律关系主体数据和对应 主体名称数据， 每 个所述裁判理由数据包括至少一个司法观点数据； 将每个裁判理由数据输入无效理由识别模型， 得到每个裁判理由数据对应的识别结 果， 删除所述识别结果 为无效理由 的裁判理由数据， 得到有效理由数据集； 使用司法观点分段模型对有效理由数据集中的裁判理由数据进行分段， 得到司法观点 训练数据集； 将所述司法观点训练数据集中的司法观点数据、 至少两个法律关系 主体数据和对应主 体名称数据输入关键信息提取模型， 得到关键信息数据集， 所述关键信息数据集包括关键 信息数据； 将所述关键信 息数据集中的关键信 息数据输入行为后 果区分模型， 得到每个关键信 息 数据所对应的行为模式数据和法律后果数据， 将对应的行为模式数据和法律后果数据加入 关键信息数据集； 对所述关键信息数据集中的行为模式数据进行聚类， 得到至少一个行为模式集合， 每 个行为模式集 合中的行为模式数据相似； 计算所述合同条款数据属于每个行为模式集合的概率， 将概率最高的行为模式集合中权　利　要　求　书 1/3 页 2 CN 115409013 A 2的行为模式数据作为 合同条款数据所对应的行为模式数据； 获取所述行为模式集合中的元素数量超过预设阈值且没有对应合同条款数据的缺失 行为模式数据， 根据所述缺失行为模式数据获取缺失合同条款数据， 利用缺失合同条款数 据与预设合同模板的不同预设章节中合同条款数据的语义相似度， 将所述缺 失合同条款数 据加入语义相似度最高的预设章节。 3.根据权利要求2所述的合同模板关键信 息的获取方法， 其特征在于， 基于所述章节主 题模型、 条款主题模 型， 得到每个合同类别对应的条款主题数据、 每个条款主题数据对应的 章节主题数据， 包括： 对每一个所述 合同类别， 通过章节主题模型获取章节主题数据； 对所述章节主题数据的频次进行排序， 将出现频次最高的预设数量个章节主题数据作 为候选章节主题； 对每一个所述合同类别， 划分合同条款， 将所述合同条款输入条款主题模型， 得到合同 类别对应的条款主题数据； 对每个所述条款主题数据， 计算条款主题数据出现在每个候选章节主题的频率， 取每 个条款主题数据出现频率 最高的章节主题数据作为该 条款主题对应的述 章节主题数据。 4.根据权利要求2所述的合同模板关键信 息的获取方法， 其特征在于， 所述条款主题模 型由以下步骤确定： 获取合同条款训练数据集， 所述合同条款训练数据集包括合同条款正文训练数据与合 同条款标签训练数据； 根据所述合同条款正文训练数据和所述合同条款标签训练数据构造合同正文 ‑标签训 练数据， 使用所述合同正文 ‑标签训练数据训练轻量化基于变换器的双向编 码器表征模型 ‑ 双向长短期记 忆网络‑胶囊网络模型， 得到所述条款主题模型。 5.根据权利要求2所述的合同模板关键信 息的获取方法， 其特征在于， 所述无效理由识 别模型的确定如下： 获取裁判理由训练数据集， 所述裁判理由训练数据集包括裁判理由训练数据， 所述裁 判理由训练数据包括裁判理由文本和对应的有效或无效的标签； 划分所述裁判理 由训练数据集得到训练集和验证集， 所述训练集包括训练数据和训练 标签， 所述验证集包括验证数据和验证标签； 使用所述训练集数据训练ALBERT ‑DPCNN模型， 并使用所述验证集验证并优化， 得到裁 判理由分类模型， 所述裁判理由分类模型用于计算裁判理由属于有效理由 的概率； 根据所述训练集中的训练数据和训练标签， 得到去掉逗号句号的裁判理 由的字符串长 度， 将字符串长度划分为第一预设数量个字符串长度区间， 计算每个字符串长度区间对应 的裁判理由数据是有效理由 的字数有效概 率； 根据所述训练集中的训练数据和训练标签， 得到逗号句号数量， 将所述逗号句号数量 划分为第二预设数量个逗号句号数量区间， 计算每个所述逗号句号数量区间对应的裁判理 由数据是有效理由 的标点数有效概 率； 对于所述验证集中的每个验证数据， 将所述验证数据输入裁判理 由分类模型得到有效 理由概率， 计算所述字数有效概率和标点数有效概率， 并根据所述有效理由概率、 字数有效 概率和标点数有效概率计算每个验证数据是有效理由的验证概率， 并根据验证概率和验证权　利　要　求　书 2/3 页 3 CN 115409013 A 3