一种基于规则库增强与深度学习的电力交易合同审核方法、系统、设备及介质与流程

本发明涉及合同审核，具体地说，涉及一种基于规则库增强与深度学习的电力交易合同审核方法、系统、设备及介质。

背景技术：

1、在合同审核领域，研究人员针对异常发现、要素提取、不公平条款检测、风险元素识别和内容一致性检查等关键问题，已经提出多种机器学习和自然语言处理(nlp)的解决方案。这些研究从多角度探索了人工智能技术在合同审核中的应用，极大地促进了审核效率和准确性的提升。

2、在异常发现方面，已有研究通过构建服务异常词汇表，使用无监督信息提取方法从大量合同数据中识别出业务异常，并对其进行分类。在合同要素提取任务上，研究比较了手写规则、线性分类器和词嵌入等多种方法，发现结合机器学习和手写后处理规则的混合方法效果最佳。不公平条款的检测方面的研究表明，将支持向量机(svm)与隐马尔可夫模型(hmm)相结合的混合方法可以有效识别在线平台服务条款中的不公平内容。针对合同中风险元素的检测，有研究基于租赁协议创建了特定数据集，并训练了基于bert的语言模型，实现了对合同中风险元素的自动识别。对于合同内容一致性的检查，已有方法设计了端到端的模型框架，采用两阶段注意力机制对合同中的实体进行识别，以发现内容的前后不一致性。

3、这些研究成果表明，随着人工智能技术的不断进步，智能合同审核技术的发展有望实现自动化和智能化的合同审核工作，从而推动商业活动的高效和规范化进行。

4、近年来，研究人员针对合同审核中的关键问题，如异常发现、要素提取、不公平条款检测、风险元素识别和内容一致性检查等，提出了多种基于机器学习和自然语言处理的解决方案。这些研究工作从多个角度探索了人工智能技术在合同审核中的应用，为提高合同审核效率和准确性提供了有力的技术支持。随着人工智能的进一步发展，智能合同审核有望成为现实，极大地促进商业活动的开展。目前针对合同审核的研究主要集中在自动化检测方法上，如基于机器学习和自然语言处理的异常发现、要素提取、不公平条款检测等。这些方法在提高审核效率和准确性方面取得了一定成效，但仍存在一些不足：一是缺乏对特定领域合同文本的专业性分析，难以充分利用领域知识；二是忽视了规则库这一传统审核方式的关键作用，未能很好地将其与自动化方法相结合；三是未考虑自动化方法与规则库匹配之间的关联，导致两种方式割裂。

技术实现思路

1、本发明针对现有的合同审计自动化方法存在领域专业性不足、忽视规则库作用以及自动化方法与规则库关联不紧密的问题，提出一种基于规则库增强与深度学习的电力交易合同审核方法、系统、设备及介质；该方法首先调用bilstm网络提取预处理后的电力交易合同文本，得到电力交易合同命名实体；其次根据电力交易合同命名实体建立电力交易合同树结构；然后调用图卷积神经网络，分类电力交易合同树结构的树节点，得到电力交易合同异常点；最后根据建立的电力交易合同静态规则库和合同异常点，生成电力交易合同审核结果，通过规则预审与异常点预测的方式进行电力交易合同审核，将规则库的可解释性与自动化技术的学习能力融合，提升了合同审核的效率、准确性、可解释性和可扩展性。

2、本发明具体实现内容如下：

3、一种基于规则库增强与深度学习的电力交易合同审核方法，首先调用bilstm网络提取预处理后的电力交易合同文本，得到电力交易合同命名实体；其次根据电力交易合同命名实体建立电力交易合同树结构；然后调用图卷积神经网络，分类电力交易合同树结构的树节点，得到电力交易合同异常点；最后根据建立的电力交易合同静态规则库和合同异常点，生成电力交易合同审核结果。

4、为了更好地实现本发明，进一步地，具体包括以下步骤：

5、步骤s1：预处理电力交易合同文本，根据bilstm网络提取预处理后的电力交易合同文本，得到电力交易合同命名实体；

6、步骤s2：将每个电力交易合同命名实体作为树状结构的节点，将电力交易合同命名实体间的关系作为电力交易合同树结构的边，根据设定的树结构层次构建电力交易合同树结构；

7、步骤s3：调用图卷积神经网络分类电力交易合同树结构，得到电力交易合同异常点并标记；

8、步骤s4：根据建立的电力交易合同静态规则库，验证所述电力交易合同异常点，生成电力交易合同审核结果。

9、为了更好地实现本发明，进一步地，所述步骤s1具体包括以下步骤：

10、步骤s11：预处理电力交易合同文本；所述预处理包括分词、去除停用词、词性标注；

11、步骤s12：调用bilstm网络提取预处理后的电力交易合同文本，得到电力交易合同文本特征；

12、步骤s13：调用crf条件随机场序列标注力交易合同文本特征，抽取得到电力交易合同命名实体。

13、为了更好地实现本发明，进一步地，所述步骤s2具体包括以下步骤：

14、步骤s21：将电力交易合同命名实体作为电力交易合同树结构的节点，并在节点赋予标识符，记录节点在电力交易合同中的具体信息；

15、步骤s22：获取电力交易合同命名实体间的实体关系，并将实体关系作为电力交易合同树结构的边；

16、步骤s23：设置电力交易合同树结构的层次，将电力交易合同主体作为电力交易合同树结构的根节点，将电力交易合同条款和电力交易合同细节作为电力交易合同树结构的子节点，建立电力交易合同树结构。

17、为了更好地实现本发明，进一步地，所述步骤s3具体包括以下步骤：

18、步骤s31：根据电力交易合同树结构，获取电力交易合同树结构的特征向量；

19、步骤s32：根据电力交易合同树结构的特征向量，构建邻接矩阵和度矩阵；所述邻接矩阵用于指示节点之间的连接关系，所述度矩阵用于指示节点的邻居数量；

20、步骤s33：根据图卷积神经网络进行图卷积操作，分类电力交易合同树结构，识别得到合同异常点并标记。

21、为了更好地实现本发明，进一步地，所述步骤s33具体包括以下步骤：

22、步骤s331：根据获取的静态审核规则和设置的审核点，建立电力交易合同静态规则库；

23、步骤s332：根据建立的电力交易合同静态规则库，预审核电力交易合同树结构的电力交易合同条款；

24、步骤s333：分类预审核通过的电力交易合同树结构，识别得到电力交易合同异常点并标记。

25、为了更好地实现本发明，进一步地，所述预审核电力交易合同树结构包括：核对电力交易合同双方信息、验证电力交易合同注册信息、检查电力交易合同交易周期、审查电力交易合同购电量明细、评估电力交易合同偏差考核条款、分析电力交易合同绿电环境价值条款。

26、基于上述提出的基于规则库增强与深度学习的电力交易合同审核方法，为了更好地实现本发明，进一步地，提出一种基于规则库增强与深度学习的电力交易合同审核系统，用于执行上述的基于规则库增强与深度学习的电力交易合同审核方法；包括实体提取单元、树结构建立单元、异常检测单元、审核单元；

27、所述实体提取单元，用于调用bilstm网络提取预处理后的电力交易合同文本，得到电力交易合同命名实体；

28、所述树结构建立单元，用于根据电力交易合同命名实体建立电力交易合同树结构；

29、所述异常检测单元，用于调用图卷积神经网络，分类电力交易合同树结构的树节点，得到电力交易合同异常点；

30、所述审核单元，用于根据建立的电力交易合同静态规则库和合同异常点，生成电力交易合同审核结果。

31、基于上述提出的基于规则库增强与深度学习的电力交易合同审核方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器和处理器；所述存储器上存储有计算机程序；当所述计算机程序在所述处理器上执行时，实现上述的基于规则库增强与深度学习的电力交易合同审核方法。

32、基于上述提出的基于规则库增强与深度学习的电力交易合同审核方法，为了更好地实现本发明，进一步地，提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的基于规则库增强与深度学习的电力交易合同审核方法。

33、本发明具有以下有益效果：

34、(1)本发明通过规则预审与异常点预测的方式进行电力交易合同的审核，实现了对合同条款的深度分析和精确审核，将规则库的可解释性与自动化技术的学习能力融合，提升了合同审核的效率、准确性、可解释性和可扩展性。

35、(2)本发明建立了一个集成了广泛领域知识和专家经验的高质量规则库，提升了审计的专业性和准确性。

36、(3)本发明设置了预审核环节，利用规则库自动扫描并识别违规条款，筛选出疑似异常合同内容。

37、(4)本发明将合同条款按照内在逻辑结构化为树形结构，便于后续利用图神经网络进行深度分析。

38、(5)本发明创新性地应用gcn技术对合同树节点进行分类，识别和发现隐藏的异常模式。