语言:

• 英语 许可证: Apache-2.0 数据集:
• theatticusproject/cuad 评估指标:
• 准确率 任务标签: 文本分类

示例:

• 文本: "本协议应受加利福尼亚州法律和香港法律的管辖、解释与执行" 示例标题: "管辖法律"
• 文本: "阿拉莫戈多金融公司 AF共同控股公司 MHC 阿拉莫戈多联邦储蓄贷款协会银行 储蓄协会保险基金 SAIF 联邦存款保险公司 FDIC 查尔斯·韦伯公司 Bruyette & Woods公司代理" 示例标题: "缔约方"
• 文本: "本协议自生效日起开始，除非根据本协议提前终止或经双方协商一致延长，否则将持续三十六(36)个月（即协议期限）。本协议将在Imprimis和Surgical双方签署的较晚日期（生效日）生效，并依据工作说明书的条款终止（协议期限）" 示例标题: "到期日"

释放深度学习在条款分类中的力量：革新商业应用

在瞬息万变的商业运营环境中，文档处理的效率与准确性至关重要。传统法律条款与合同分析方法往往耗时且易出错。然而，随着深度学习技术的兴起，尤其是在条款分类领域，自动化与精准化的新时代已然来临。

这是基于"google-bert/bert-base-cased"的微调版本，专为分类任务优化，使用了超过3200条从Atticus Project标注的合同中提取的条款示例[https://www.atticusprojectai.org/]。

通过ATTICUS项目等倡议及人工智能的持续进步，商业文档分析的未来充满希望——在这个未来中，深度学习将从推动全球经济的海量文本信息中释放效率、洞察力与价值，扮演关键角色。

实际应用

实践中，深度学习在条款分类中的整合已跨越多个行业：

• 法律服务：律师事务所和法律部门利用深度学习简化合同审查流程，高效提取关键信息。

• 金融与保险：深度学习模型协助分析复杂金融协议，识别涉及风险因素、责任与合规性的条款。

• 医疗与制药：高度监管行业中的公司运用深度学习分析患者合同、供应商协议及监管文件。

测试准确率: 88%

标签说明:

"0": "禁止转让条款",
"1": "审计权条款",
"2": "责任上限条款",
"3": "不起诉承诺条款",
"4": "生效日期条款",
"5": "到期日条款",
"6": "管辖法律条款",
"7": "保险条款",
"8": "许可授予条款",
"9": "不可转让许可条款",
"10": "终止/续约通知期条款",
"11": "缔约方条款",
"12": "终止后服务条款",
"13": "续约期限条款",
"14": "收入/利润分成条款",
"15": "无限责任条款",
"16": "质保期限条款"

使用指南

加载模型前请先安装transformers库

pip install transformers

from transformers import pipeline
classifier = pipeline("text-classification", model="mauro/bert-base-uncased-finetuned-clause-type")

管道是使用模型最简便的方式。

示例条款:

clause = """ 前述许可仅可由母公司集团转让或分许可给被允许方，且受限于本文限制条件，随母公司业务出售或转让而转移。若母公司签订协议转让其根据第3.1条获得的许可授权（涉及母公司业务出售或转让时），则SpinCo及其集团成员应作为该转让协议的第三方受益人，以强制执行许可违约行为。3. 若SpinCo签订协议转让其根据第3.2条获得的许可授权（涉及SpinCo业务出售或转让时），则母公司及其集团成员应作为该转让协议的第三方受益人，以强制执行许可违约行为。该协议应禁止被允许方（或在母公司业务转让情况下的受让方）对许可SpinCo知识产权进行超出母公司许可范围的分许可/转让或使用。该协议应禁止该方对转让知识产权进行超出SpinCo许可范围的进一步转让或使用"""

分类结果将返回:

[{'label': '不可转让许可条款', 'score': 0.989809513092041}]

可视化分析

需安装Matplotlib和Pandas库。

pip install matplotlib pandas

# 获取所有概率预测
preds = classifier(clause, return_all_scores=True)

# 创建结果数据框
df = pd.DataFrame([[x['label'], x['score']] for x in preds[0]], columns=['标签', '置信度'])

# 绘制概率分布图
plt.bar(df['标签'], df['置信度'])
plt.xlabel('条款类型') 
plt.ylabel('置信度')
plt.title('各类条款概率分布')
plt.xticks(rotation=90)
plt.show()

您将获得所有分类的概率分布图:

许可证: Apache-2.0