本发明专利技术公开了一种刀具合同的识别方法，获取目标合同；对所述目标合同进行特征提取，得到目标分词特征；将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，其中，所述刀具分类模型包括N个分类器，所述预测分类结果集中包括与所述N个分类器对应的N个分类结果，N为大于1的整数。本发明专利技术公开的刀具合同的识别方法、装置、电子设备及介质，能够有效提高刀具采购合同的识别准确率，且还能够识别效率。且还能够识别效率。且还能够识别效率。
【技术实现步骤摘要】
刀具合同的识别方法、装置、电子设备及介质
[0001]本专利技术涉及数据处理
，特别涉及一种刀具合同的识别方法、装置、电子设备及介质。
技术介绍
[0002]在航空工业中，对刀具商品的名称和规格型号等有特殊规范，在进行刀具采购时通常需要在刀具专区进行采购，为了对刀具采购行为进行监管，需要通过对刀具采购合同进行监测。
[0003]现有技术在对刀具采购合同进行监测时，是通过专业人员的个人经验来进行判断的，而个人经验的不同判断标准也不一致，导致会出现对刀具采购合同的识别准确度较低的问题。
技术实现思路
[0004]本专利技术实施例提供一种刀具合同的识别方法、装置、电子设备及介质，能够有效提高刀具采购合同的识别准确率，且还能够识别效率。
[0005]本专利技术实施例第一方面提供一种刀具合同的识别方法，所述方法包括：获取目标合同；对所述目标合同进行特征提取，得到目标分词特征；将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，其中，所述刀具分类模型包括N个分类器，所述预测分类结果集中包括与所述N个分类器对应的N个分类结果，N为大于1的整数。
[0006]可选的，所述对所述目标合同进行特征提取，得到目标分词特征，包括：对所述目标合同进行分词，得到目标分词集；利用所述目标分词集对所述目标合同进行特征提取，得到所述目标分词特征。
[0007]可选的，所述刀具分类模型的训练步骤包括：获取训练样本集，其中，所述训练样本集包括刀具合同集和非刀具合同集；获取所述训练样本集中的每个训练样本的训练分词特征；利用每个训练样本的训练分词特征对初始模型进行训练，得到满足约束条件的模型作为所述刀具分类模型，其中，所述初始模型包括所述N个分类器。
[0008]可选的，所述获取所述训练样本集中的每个训练样本的训练分词特征，包括：获取与所述训练样本集对应的刀具分词库；利用所述刀具分词库对每个训练样本进行分词，得到每个训练样本的训练分词集；基于每个训练样本的训练分词集进行特征提取，得到每个训练样本的训练分词特征。
[0009]可选的，所述利用每个训练样本的训练分词特征对初始模型进行训练，得到满足约束条件的模型作为所述刀具分类模型，包括：针对每个训练样本，将训练样本的训练分词特征输入到所述N个分类器中，得到训练样本的分类结果集，根据训练样本的训练分类结果集，确定训练样本的最终分类结果，所述训练分类结果集包括与所述N个分类器对应的N个分类结果；基于每个训练样本的最终分类结果，对所述N个分类器中每个分类器的权重进行调整，直至调整至查全率不小于设定值时，将查全率不小于设定值对应的模型作为所述刀具分类模型。
[0010]可选的，所述将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，包括：将所述目标分词特征输入到所述N个分类器中，得到所述目标合同的预测分类结果集；根据所述目标合同的预测分类结果集，确定所述目标合同是否为所述刀具合同。
[0011]本专利技术实施例第二方面还提供一种刀具合同的识别装置，所述装置包括：合同获取单元，用于获取目标合同；特征提取单元，用于对所述目标合同进行特征提取，得到目标分词特征；预测单元，用于将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，其中，所述刀具分类模型包括N个分类器，所述预测分类结果集中包括与所述N个分类器对应的N个分类结果，N为大于1的整数。
[0012]可选的，所述特征提取单元，用于对所述目标合同进行分词，得到目标分词集；利用所述目标分词集对所述目标合同进行特征提取，得到所述目标分词特征。
[0013]本专利技术实施例第三方面提供了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如第一方面提供的刀具合同的识别方法对应的操作指令。
[0014]本专利技术实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面提供的刀具合同的识别方法对应的步骤。
[0015]本申请实施例中的上述一个或至少一个技术方案，至少具有如下技术效果：基于上述技术方案，对目标合同进行特征提取，得到目标分词特征；将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同；如此，将对目标合同进行特征提取到的目标分词特征输入到刀具分类模型中，从而确定出目标合同是否为刀具合同，进行实现了通过机器自动对目标合同是否为刀具合同进行判断，从而提高了识别效率，且刀具分类模型是通过N个分类器预测出预测分类结果集，使得预测出的预测分类结果集的准确度更高，在预测分类结果集的准确度更高的基础，使得基于预测分类结果集确定出目标合同是否为刀具合同的准确度也会随之提高，即提高了识别准确率。
附图说明
[0016]图1为本申请实施例提供的一种刀具合同的识别方法的流程示意图；图2为本申请实施例提供的刀具分类模型训练方法的流程示意图；图3为本申请实施例提供的刀具分类模型训练方法的整体流程图；图4为本申请实施例提供的一种刀具合同的识别装置的方框图；图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0017]下面结合附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
实施例
[0018]请参考图1，本申请实施例提供一种刀具合同的识别方法，所述方法包括：S101、获取目标合同；S102、对所述目标合同进行特征提取，得到目标分词特征；S103、将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，其中，所述刀具分类模型包括N个分类器，所述预测分类结果集中包括与所述N个分类器对应的N个分类结果，N为大于1的整数。
[0019]本说明书实施例中一种刀具合同的识别方法可以应用于用户终端或服务器中，其中，用户终端例如可以是智能手机、智能手表、平板电脑和笔记本电脑等，服务器例如可以是平板电脑、笔记本电脑和台式电脑等。
[0020]其中，在步骤S101中，可以接收用户的选取操作，响应选取操作，获取选取操作对应的合同为目标合同。其中，选取操作例如可以是点击合同的单击或双击操作等。当然，也可以在合同文件夹中随机选取一个合同作为目标合同，本说明书不作具体限制。
[0021]例如，以笔记本电脑A为例，在启动A之后，获取针对A中合同文件夹中合同B的点击操作时，响应该点击操作，将合同B作为目标合同。
[0022]在获取到目标合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种刀具合同的识别方法，其特征在于，所述方法包括：获取目标合同；对所述目标合同进行特征提取，得到目标分词特征；将所述目标分词特征输入到预训练的刀具分类模型中，得到所述目标合同的预测分类结果集，并根据所述预测分类结果集，确定所述目标合同是否为刀具合同，其中，所述刀具分类模型包括N个分类器，所述预测分类结果集中包括与所述N个分类器对应的N个分类结果，N为大于1的整数。2.如权利要求1所述的方法，其特征在于，所述对所述目标合同进行特征提取，得到目标分词特征，包括：对所述目标合同进行分词，得到目标分词集；利用所述目标分词集对所述目标合同进行特征提取，得到所述目标分词特征。3.如权利要求2所述的方法，其特征在于，所述刀具分类模型的训练步骤包括：获取训练样本集，其中，所述训练样本集包括刀具合同集和非刀具合同集；获取所述训练样本集中的每个训练样本的训练分词特征；利用每个训练样本的训练分词特征对初始模型进行训练，得到满足约束条件的模型作为所述刀具分类模型，其中，所述初始模型包括所述N个分类器。4.如权利要求3所述的方法，其特征在于，所述获取所述训练样本集中的每个训练样本的训练分词特征，包括：获取与所述训练样本集对应的刀具分词库；利用所述刀具分词库对每个训练样本进行分词，得到每个训练样本的训练分词集；基于每个训练样本的训练分词集进行特征提取，得到每个训练样本的训练分词特征。5.如权利要求4所述的方法，其特征在于，所述利用每个训练样本的训练分词特征对初始模型进行训练，得到满足约束条件的模型作为所述刀具分类模型，包括：针对每个训练样本，将训练样本的训练分词特征输入到所述N个分类器中，得到训练样本的分类结果集，根据训练样本的训练分类结果集，确定训练样本的最终分类结果，所述训练分类结果集包括与所述...
【专利技术属性】
技术研发人员：康欣尧，王亚楠，赵旭，
申请(专利权)人：中航金网北京电子商务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。