(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 202210188546.9 (22)申请日 2022.02.28 (71)申请人 太极计算机股份有限公司 地址 100020 北京市朝阳区容达路7号中电 太极信息产业园 (72)发明人 张晓芳　欧睿　饶攀军　郑元　 张雷　陈科　王浩畅　周郴莲　 郑冠彧　赵铁军　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 邓宇 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/35(2019.01) G06F 16/33(2019.01)G06F 40/289(2020.01) G06F 40/284(2020.01) G06F 40/295(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/02(2006.01) (54)发明名称 一种基于深度学习和知识图谱的合同审查 方法、 装置、 设备和存 储介质 (57)摘要 本发明公开了一种基于深度学习和知识图 谱的合同审查方法、 装置、 设备和存储介质， 属于 合同审查技术领域， 解决合同审查的工作效率、 准确率以及合理性都很低的问题。 本发明的方法 包括： 对待审合同进行分类； 根据所述待审合同 的分类， 选取要素抽取模型， 所述要素抽取模型 是基于深度学习建立得到； 利用所述要素抽取模 型， 对所述待审合同的要素和条款进行抽取， 获 取待审要素和待审条款， 所述待审要素包括要素 内容和要素类型， 所述待审条款包括条款内容和 条款类型； 根据所述待审要素和待审条款， 检索 合同知识图谱， 获取对应的检索条款； 基于所述 对应的检索条款， 对所述待审条款进行审核。 本 发明适用于对合同或 公文的审查。 权利要求书2页 说明书11页 附图7页 CN 114661914 A 2022.06.24 CN 114661914 A 1.一种基于深度学习和知识图谱的合同审查方法， 其特 征在于， 所述方法包括： 步骤1、 对待审合同进行分类， 所述分类具体包括： 步骤1.1、 根据所述待审合同的标题， 对所述待审合同进行分类， 若获取到所述待审合 同的分类， 执 行步骤2； 否则， 执行步骤1.2； 步骤1.2、 根据所述待审合同的文本， 对所述待审合同进行分类， 获取所述待审合同的 分类， 执行步骤2； 步骤2、 根据所述待审合同的分类， 选取要素抽取模型， 所述要素抽取模型是基于深度 学习建立得到； 步骤3、 利用所述要素抽取模型， 对所述待审合同的要素和条款进行抽取， 获取待审要 素和待审条款， 所述待审要素包括要素内容和要素类型， 所述待审条款包括条款内容和条 款类型； 步骤4、 根据所述待审要素和待审条款， 检索合同知识图谱， 获取对应的检索条款； 步骤5、 基于所述对应的检索条款， 对所述待审条款进行审核。 2.根据权利要求1所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 步骤1.1中所述的， 根据所述待审合同的标题， 对所述待审合同进行分类， 具体包括： 采用词向量表示待审合同的标题文本； 根据所述词向量， 利用Bi LSTM模型获取 所述待审合同的标题文本特 征； 根据所述待审合同的标题文本特征， 利用Attention注意力机制， 获取所述待审合同的 标题文本特 征的重要程度； 将所述待审合同的标题文本特征的重要程度进行池化后， 利用分类器对所述待审合同 进行分类。 3.根据权利要求1所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 步骤1.2中所述的， 对 所述待审合同进行分类， 具体采用HAN模型对 所述待审合同进行分类， 所述HAN模型由词序列编码器、 词级attention层、 句子序列编码器和句子级attention层组 成。 4.根据权利要求1所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 步骤2中所述的要素抽取模型 是基于深度学习建立得到， 具体包括： 所述要素抽取模型包括输入特 征层、 BiLSTM中间层和CRF输出层； 所述输入特征层将输入合同的文本按字符进行分割， 将每个字使用拼接的特征向量进 行表示， 获取文本序列； 所述BiLSTM中间层利用LSTM神经网络层对所述文本序列进行建模， 所述LSTM神经网络 层包含前向和后向两个方向； 所述CRF输出层利用CRF层作为所述要素抽 取模型的输出层， 生成对应的 “BIO”格式的 标签序列。 5.根据权利要求1所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 所述步骤4中， 所述 合同知识图谱的是通过 下述方法建立的， 所述方法具体包括： 步骤4.1、 构建合同知识图谱的本体； 步骤4.2、 根据所述合同知识图谱的本体， 利用BILSTM ‑CRF结构的模型， 获取合 同文本权　利　要　求　书 1/2 页 2 CN 114661914 A 2中的实体以及实体之间的关系， 根据所述合同文本中的实体以及实体之间的关系， 获取合 同知识图谱的实体三元组； 步骤4.3、 对所述 合同文本中的实体以及实体之间的关系进行异构数据的融合； 步骤4.4、 根据 所述融合后的合同文本中的实体以及实体之间的关系， 获取合同知识图 谱的三元组， 基于图结构的存 储方式对所述 合同知识图谱的三元组进行存 储； 步骤4.5、 根据所述 合同知识图谱的三元组， 构建合同知识图谱。 6.根据权利要求5所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 步骤4.1中所述的， 构建合同知识图谱的本体， 具体包括： 定义合同的分类、 要素、 属性、 关系和约束， 根据所述合同的分类、 要素、 属性、 关系和约 束构建合同知识图谱的本体。 7.根据权利要求5所述的一种基于深度 学习和知识图谱的合同审查方法， 其特征在于， 所述步骤4.4之后， 还包括： 基于不完备知识库的关联规则挖掘算法， 对所述合同知识图谱 的三元组进行补充； 然后执 行步骤4.5 。 8.一种基于深度学习和知识图谱的合同审查装置， 其特征在于， 所述装置包括合同分 类模块、 要素抽取模型选取模块、 要素 条款抽取模块、 检索条款获取模块和审核模块； 所述合同分类模块， 用于对待审合同进行分类， 所述合同分类模块包括标题分类模块 和文本分类模块： 所述标题分类模块， 用于根据 所述待审合同的标题， 对所述待审合同进行分类， 若获取 到所述待审合同的分类， 执 行所述要素抽取模型选取模块； 否则， 执行所述文本分类模块； 所述文本分类模块， 用于根据 所述待审合同的文本， 对所述待审合同进行分类， 获取所 述待审合同的分类， 执 行所述要素抽取模型选取模块； 所述要素抽取模型选取模块， 用于根据 所述待审合同的分类， 选取要素抽取模型， 所述 要素抽取模型 是基于深度学习建立得到； 所述要素条款抽取模块， 用于利用所述要素抽取模型， 对所述待审合同的要素和条款 进行抽取， 获取待审要 素和待审条款， 所述待审要 素包括要 素内容和要 素类型， 所述待审条 款包括条款内容和条款类型； 所述检索条款获取模块， 用于根据所述待审要素和待审条款， 检索合同知识图谱， 获取 对应的检索条款； 所述审核模块， 用于基于所述对应的检索条款， 对所述待审条款进行审核。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 其特征在 于， 当所述处理器运行所述存储器存储的计算机程序时执行权利要求 1至7中任一项 所述的 方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114661914 A 3