一种贸易合同验证方法及装置

技术领域

本发明涉及人工智能技术领域，更具体的说，是涉及一种贸易合同验证 方法及装置

背景技术

目前，供应链金融领域主要存在两方面风险，一是骗贷风险，虚假交易、 虚构融资。二是行业及核心企业经营风险；供应链金融围绕核心企业进行， 上下游企业业务关联性大，一旦出现行业整体风险或核心企业出现经营风险， 会影响整个供应链上企业的经营状况，从而导致偿付问题。

有鉴于此，亟待一种贸易合同验证方法，以方便准确的识别贸易合同的 真实性，防止虚假骗贷情况的发生，降低核心企业经营风险。

发明内容

有鉴于此，本发明提供如下技术方案：

一种贸易合同验证方法，包括：

基于核心企业的上游供应商的原始数据，构建从核心企业到上游供应商 的产业知识图谱，所述原始数据包括注册信息；

提取待验证贸易合同的关键信息，所述关键信息包括交易信息；

基于所述产业知识图谱确定上游供应商的经营信息，所述经营信息包括 经营资质和与其他供应商的合作关系；

将所述关键信息与所述经营信息进行比较，基于预设规则确定所述待验 证贸易合同的真实性。

可选的，所述基于核心企业的上游供应商的注册信息，构建从核心企业 到上游供应商的产业知识图谱，包括：

收集并汇总核心企业的一级供应商以及其他上游供应商的原始数据；

对所述原始数据进行知识抽取，得到初步知识标识；

对所述初步知识标识进行标准化处理，得到标准知识标识；

基于行业数据标准和所述标准知识标识确定目标数据模型；

向所述目标数据模型填充所述标准知识标识，得到产业知识图谱。

可选的，所述对所述原始数据进行知识抽取，得到初步知识标识，包括：

采用知识抽取技术，对所述原始数据进行实体抽取、关系抽取以及属性 抽取，得到初步知识标识。

可选的，对所述初步知识标识进行标准化处理，得到标准知识标识，包 括：

对所述初步知识标识进行实体对齐和共指消解处理，以将来自于不同知 识库的初步知识标识进行互补融合，得到标准知识标识。

可选的，所述基于行业数据标准和所述标准知识标识确定目标数据模型， 包括：

整合行业数据标准中对数据的要求，得到基础数据模型；

根据所述标准知识标识的数据情况完善所述基础数据模型，得到目标数 据模型。

可选的，在所述基于行业数据标准和所述标准知识标识确定目标数据模 型后，还包括：

基于所述目标数据模型和所述标准知识标识，根据预设推理规则推理得 到新的知识数据和结论数据；

则所述向所述目标数据模型填充所述标准知识标识，包括：

向所述目标数据模型填充所述标准知识标识、所述新的知识数据和所述 结论数据。

可选的，在存在所述结论数据的情况下，向所述目标数据模型填充所述 标准知识标识、所述新的知识数据和所述结论数据前，还包括：

基于预设标准对所述结论数据进行评估，并将不符合所述预设标准的结 论数据删除。

可选的，所述提取待验证贸易合同的关键信息，包括：

采用自然语言处理技术提取待验证贸易合同的关键信息。

可选的，所述基于所述产业知识图谱确定上游供应商的经营信息，包括：

基于所述产业知识图谱确定上游供应商的经营资质、经营范围以及与其 他供应商间存在的合作关系；

基于所述经营资质、经营范围和所述合作关系确定一级供应商的上游供 应商是否有能力提供交易产品，或确定所述一级供应商采购所述交易产品的 必要性。

一种贸易合同验证装置，包括：

图谱构建模块，用于基于核心企业的上游供应商的原始数据，构建从核 心企业到上游供应商的产业知识图谱，所述原始数据包括注册信息；

信息提取模块，用于提取待验证贸易合同的关键信息，所述关键信息包 括交易信息；

信息确定模块，用于基于所述产业知识图谱确定上游供应商的经营信息， 所述经营信息包括经营资质和与其他供应商的合作关系；

信息比较模块，用于将所述关键信息与所述经营信息进行比较，基于预 设规则确定所述待验证贸易合同的真实性。

经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种 贸易合同验证方法及装置，方法包括：基于核心企业的上游供应商的原始数 据，构建从核心企业到上游供应商的产业知识图谱，所述原始数据包括注册 信息；提取待验证贸易合同的关键信息，所述关键信息包括交易信息；基于 所述产业知识图谱确定上游供应商的经营信息，所述经营信息包括经营资质 和与其他供应商的合作关系；将所述关键信息与所述经营信息进行比较，基 于预设规则确定所述待验证贸易合同的真实性。上述方案构建了从核心企业到上游供应商的产业知识图谱，将其作为判断贸易合同真实性的依据，有效 甄别供应商合同造假的行为，降低人工审核成本，确保供应商资质的真实性， 降低核心企业经营风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种贸易合同验证方法的流程图；

图2为本发明实施例公开的构建产业知识图谱普的流程图；

图3为本发明实施例公开的确定上游供应商经营信息的流程图；

图4为本发明实施例公开的贸易合同验证方案的结构实现示意图；

图5为本发明实施例公开的一种贸易合同验证装置的结构示意图。

具体实施方式

为了引用和清楚起见，下文中使用的技术名词的说明、简写或缩写总结 如下：

人工智能(Artificial Intelligence，简称AI)：人工智能是计算机科学的 一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的 方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、 自然语言处理和专家系统等。

知识图谱：本质上，知识图谱旨在描述真实世界中存在的各种实体或概 念及其关系,其构成一张巨大的语义网络图，节点表示实体或概念，边则由属 性或关系构成。

自然语言处理(Natural Language ProcessingNLP)：人工智能的子领域，其 中ML算法被大量用于理解自然语言，例如通过弄清楚句子的主语，或者将 句子从一种语言翻译成另一种语言。

供应链金融：以应收账款融资、库存融资以及预付款项融资三种模式为 主，供应链企业通过直接提供金融类服务(作为保理商、贷款平台的类金融 机构)或者以经营贸易业务的间接方式(垫付+赊销)为供应链上中小企业提 供融资服务。

贸易合同：贸易合同又称契约或合约，是进口出口双方当事人依照法律 通过协商就各自的在贸易上的权利和义务所达成的具有法律约束力的协议。

NLP：全拼Natural Language Processing，自然语言处理，是人工智能的 一个子领域。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例可以应用于电子设备，本申请对该电子设备的产品形式不 做限定，可以包括但并不局限于智能手机、平板电脑、可穿戴设备、个人计 算机(personalcomputer，PC)、上网本等，可以依据应用需求选择。

图1为本发明实施例公开的一种贸易合同验证方法的流程图，参见图1 所示，贸易合同验证方法可以包括：

步骤101：基于核心企业的上游供应商的原始数据，构建从核心企业到上 游供应商的产业知识图谱，所述原始数据包括注册信息。

其中，核心企业可以为需要验证其上游供应商的贸易合同真伪的企业。 由于核心企业需要从其上游供应商购买产品或获取相关服务，因此本实施例 中，构建的产业知识图谱需要包含核心企业上游供应商的相关知识数据。当 然，本申请对此并不做固定限制，其他实现中，也可以构建包含核心企业和 其上下游产业链上所有企业的知识数据的知识图谱。

原始数据可以但不限制为包括注册信息、工商数据、合同数据、采购数 据、一些外部数据等。

构建产业知识图谱的具体实现方法将在后续实施例中进行详细说明，在 此不再过多介绍。

步骤102：提取待验证贸易合同的关键信息，所述关键信息包括交易信息。

对供应商之间的贸易合同，可以采用自然语言处理NLP方法，提取出贸 易合同关键信息，如：交易信息、交易时间等，作为后续判断合同的依据。 其中的贸易合同即指前述待验证贸易合同。

步骤103：基于所述产业知识图谱确定上游供应商的经营信息，所述经营 信息包括经营资质和与其他供应商的合作关系。

步骤104：将所述关键信息与所述经营信息进行比较，基于预设规则确定 所述待验证贸易合同的真实性。

将交易信息与经营资质、合作关系进行比较，判断贸易合同的真实性， 甄别虚假贸易合同。

本实施例所述贸易合同验证方法，构建了从核心企业到上游供应商的产 业知识图谱，将其作为判断贸易合同真实性的依据，有效甄别供应商合同造 假的行为，降低人工审核成本，确保供应商资质的真实性，降低核心企业经 营风险。

图2为本发明实施例公开的构建产业知识图谱普的流程图，参见图2所 示，可以包括：

步骤201：收集并汇总核心企业的一级供应商以及其他上游供应商的原始 数据。

其中的一级供应商是与核心企业有直接供应关系的供应商。

步骤202：对所述原始数据进行知识抽取，得到初步知识标识。

以上两个步骤的具体实现可以包括：收集并汇总核心企业、一级供应商 以及上游供应商的注册信息等原始数据，采用知识抽取技术，对所述原始数 据进行实体抽取、关系抽取以及属性抽取，得到初步知识标识，该初步知识 标识可以但不限制为数字标签。

步骤203：对所述初步知识标识进行标准化处理，得到标准知识标识。

具体的，得到标准知识标识的实现可以包括：对所述初步知识标识进行 实体对齐和共指消解处理，以将来自于不同知识库的初步知识标识进行互补 融合，得到标准知识标识。

不同的知识库，收集知识的侧重点不同，对于同一个实体，有知识库的 可能侧重于其本身某个方面的描述，有的知识库可能侧重于描述实体与其它 实体的关系，因此需要进一步完善实体、关系及属性描述。通过使用相似度 计算，聚合，聚类等技术，对初步知识标识进行实体对齐和共指消解，将不 同知识库中的知识进行互补融合，形成全面、准确、完整的实体描述，形成 标准知识标识。

步骤204：基于行业数据标准和所述标准知识标识确定目标数据模型。

确定目标数据模型的实现过程可以包括：整合行业数据标准中对数据的 要求，得到基础数据模型；根据所述标准知识标识的数据情况完善所述基础 数据模型，得到目标数据模型。

参照行业的相关数据标准，整合标准中对数据的要求，慢慢形成一个基 础数据模型，再根据实际收集的数据情况，来完善基础数据模型，得到目标 数据模型。确定知识图谱的目标数据模型后，根据目标数据模型约定的框架， 后续再补充数据，用于完善标准知识标识。其中的基础数据模型和目标数据 模型均为用来表征实体、关系及属性的模型。

一个实现中，在所述基于行业数据标准和所述标准知识标识确定目标数 据模型后，还可以包括：基于所述目标数据模型和所述标准知识标识，根据 预设推理规则推理得到新的知识数据和结论数据。

根据既定的目标数据模型和标准知识标识，依据预设推理规则对标准知 识标识进行知识推理，获取新的知识或者结论，可用于质量评估。例如：一 级供应商采购该产品的必要性为90％以上且上游供应商提供该产品的能力超 过98％，那一级供应商采购该产品的可能性为100％。

则所述向所述目标数据模型填充所述标准知识标识，可以包括：向所述 目标数据模型填充所述标准知识标识、所述新的知识数据和所述结论数据。

进一步的，在存在所述结论数据的情况下，向所述目标数据模型填充所 述标准知识标识、所述新的知识数据和所述结论数据前，还可以包括：基于 预设标准对所述结论数据进行评估，并将不符合所述预设标准的结论数据删 除。

根据所构建的知识图谱的不同，对数据要求的差异而有所差别，因此需 要对最后的结论数据进行评估，将合格的数据放入目标知识图谱中，形成最 终可应用的产业知识图谱。

例如，对于公共领域的知识图谱，若某个知识点只有一个知识点，可以 采用投票的方式，取投票多的结果作为最终结果，但这种方式是不严谨的， 对于行业的知识图谱，针对某条知识，可能只有行业专家能够给出权威正确 的答案，因此针对行业知识图谱，可能采用不同的策略，来进行知识的质量 评估。

步骤204后，进入步骤205。

步骤205：向所述目标数据模型填充所述标准知识标识，得到产业知识图 谱。

本实施例利用人工智能的知识图谱技术，构建从核心企业到上游供应商 的关系图谱，形成产业知识图谱，并作为判断贸易合同真实性的依据。首先， 收集并汇总一级供应商、上游供应商的注册信息，利用知识图谱技术构建供 应链上下游的关系图谱，形成产业知识图谱；然后，利用自然语言处理技术， 抓取供应商贸易合同的关键信息，确定合同中交易的产品；最后，以产业知 识图谱为依据，查询供应商的经营资质，判断上游供应商是否有能力提供交 易产品，或一级供应商采购该产品的必要性，从而有效甄别贸易合同的有效性，增强风险控制。

图3为本发明实施例公开的确定上游供应商经营信息的流程图，结合图3 所示，上述实施例中，所述基于所述产业知识图谱确定上游供应商的经营信 息，可以包括：

步骤301：基于所述产业知识图谱确定上游供应商的经营资质、经营范围 以及与其他供应商间存在的合作关系。

贸易合同是供应商上传的信息，采用产业知识图谱可以分析出合同签订 双方的物资采购供应情况，从而对贸易链条上的货品质量进行预测和管控。

合作关系指的是，基于双方贸易合同及产业知识图谱，可以了解双方的 物料供应和设备生产关系。

供应商经营资质与供应商间合作关系的关联方法，可以采用例如实体关 系抽取、规则学习、监督学习等方法。

步骤302：基于所述经营资质、经营范围和所述合作关系确定一级供应商 的上游供应商是否有能力提供交易产品，或确定所述一级供应商采购所述交 易产品的必要性。

本申请实施例公开的贸易合同验证方法基于知识图谱技术，根据供应商 的注册信息，对供应链上下游的供应商进行分类整合，构建从核心企业到上 游供应商的关系图谱，形成产业知识图谱。将产业知识图谱作为判断贸易合 同真实性的依据，有效甄别供应商合同造假的行为，降低人工审核成本，确 保供应商资质的真实性，降低核心企业经营风险。

图4为本发明实施例公开的贸易合同验证方案的结构实现示意图，可结 合图4理解前述实施例内容。

基于以上内容，本申请实施例公开的技术方案主要实现了：

一、通过整合多渠道供应商经营资质、经营范围等相关数据，利用知识 图谱技术建立了完善、准确的产业知识图谱。通过使用相似度计算，聚合， 聚类等技术，将不同知识库中的供应商数据进行互补融合，构建了全面、准 确、完整的供应商关系图谱，作为后续了解、识别、判断供应商合作的有效 依据。

二、通过产业知识图谱，能够找出供应商间存在的合作关系，便于了解 供应链上下游的合作情况。核心企业能够根据产业知识图谱，找出一级供应 商及上游供应商的合作关系以及供应商资质信息，通过上游供应商自身的经 营资质等相关信息，可对一级供应商生产的产品进行原材料评估，实现最终 交付产品的有效管控，进一步提升产品质量。

三、通过对供应商间贸易合同的真实性判断，可有效甄别出虚假合同， 作为评价供应商信用的有效依据。对供应商间的贸易合同进行NLP处理，提 取关键交易信息，然后根据产业知识图谱对供应商经营资质及合作关系进行 评估，判断贸易合同的真实性，能够有效甄别供应商合同造假的行为，降低 人工审核成本，确保供应商资质的真实性，降低核心企业经营风险。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动 作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的 限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次， 本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例， 所涉及的动作和模块并不一定是本发明所必须的。

上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用 多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施 例进行详细说明。

图5为本发明实施例公开的一种贸易合同验证装置的结构示意图，参见 图5所示，贸易合同验证装置50可以包括：

图谱构建模块501，用于基于核心企业的上游供应商的原始数据，构建从 核心企业到上游供应商的产业知识图谱，所述原始数据包括注册信息。

信息提取模块502，用于提取待验证贸易合同的关键信息，所述关键信息 包括交易信息。

信息确定模块503，用于基于所述产业知识图谱确定上游供应商的经营信 息，所述经营信息包括经营资质和与其他供应商的合作关系。

信息比较模块504，用于将所述关键信息与所述经营信息进行比较，基于 预设规则确定所述待验证贸易合同的真实性。

本实施例所述贸易合同验证装置，构建了从核心企业到上游供应商的产 业知识图谱，将其作为判断贸易合同真实性的依据，有效甄别供应商合同造 假的行为，降低人工审核成本，确保供应商资质的真实性，降低核心企业经 营风险。

贸易合同验证装置中各个模块的具体实现以及其他可能的实现方式可参 见方法实施例中相应部分的内容介绍，在此不再重复赘述。

进一步的，本申请还公开了了一种电子设备，包括：

处理器；

存储器，用于存储所述处理器的可执行指令；

所述可执行指令包括：基于核心企业的上游供应商的原始数据，构建从核心 企业到上游供应商的产业知识图谱，所述原始数据包括注册信息；提取待验 证贸易合同的关键信息，所述关键信息包括交易信息；基于所述产业知识图 谱确定上游供应商的经营信息，所述经营信息包括经营资质和与其他供应商 的合作关系；将所述关键信息与所述经营信息进行比较，基于预设规则确定 所述待验证贸易合同的真实性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都 是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。 对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述 的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗 示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包 括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包 括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括 没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备 所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的 要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外 的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、 处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存 储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可 编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的 任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。