合同信息在线校验方法、装置、设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及合同信息在线校验方法、装置、设备和计算机可读介质。

背景技术

合同校验是对合同的内容进行审核和检查，找出合同中存在的错误和潜在漏洞。目前，主要采用自定义逻辑运算规则的方式以及结合自然语言处理的方式对合同进行校验。

然而，发明人发现，当采用上述方式进行合同校验时，经常会存在如下技术问题：

第一，合同条款具有复杂性和多样性，采用自定义逻辑运算规则的方式，需要专业人员设计大量的逻辑运算规则，且对于逻辑运算规则未涉及到的漏洞无法检测出，导致合同校验效率较低和能识别出的漏洞种类较少。结合自然语言处理的方式，未深层次的挖掘合同中潜在的漏洞，且在识别出合同中存在的漏洞后，未考虑对用户重新修改后的合同进行再次校验，导致漏洞的检出率较低，从而导致漏洞的安全性较低。

第二，结合自然语言处理的方式检测出合同中的语法错误、拼写错误、标点符号错误，但未考虑多层神经网络组合的方式挖掘出合同中存在的校验要素，并通过校验要素推导出合同中存在的潜在漏洞，导致对合同中潜在漏洞的检出率较低。

第三，在挖掘合同中存在的漏洞时，没有考虑结合外部知识库和合同中各个合同条款的情感倾向，导致合同漏洞的检出率较低，从而导致合同的安全性较低。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了合同信息在线校验方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种合同信息在线校验方法，该方法包括：获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型；对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列；根据标注后的各个合同数据集合，生成校验要素识别模型；响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型；对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表；根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示；基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果；响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。

第二方面，本公开的一些实施例提供了一种合同信息在线校验装置，装置包括：获取单元，被配置成获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型；标注单元，被配置成对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列；第一生成单元，被配置成根据标注后的各个合同数据集合，生成校验要素识别模型；分类单元，被配置成响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型；拆分单元，被配置成对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表；第二生成单元，被配置成根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示；校验单元，被配置成基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果；响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的合同信息在线校验方法，提升了待校验合同的校验效率和安全性。具体来说，造成待校验合同的校验效率和安全性较低的原因在于：合同条款具有复杂性和多样性，采用自定义逻辑运算规则的方式，需要专业人员设计大量的逻辑运算规则，且对于逻辑运算规则未涉及到的漏洞无法检测出，导致合同校验效率较低和能识别出的漏洞种类较少。结合自然语言处理的方式，未深层次的挖掘合同中潜在的漏洞，且在识别出合同中存在的漏洞后，未考虑对用户重新修改后的合同进行再次校验，导致漏洞的检出率较低，从而导致漏洞的安全性较低。基于此，本公开的一些实施例的合同信息在线校验方法，首先，获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型。由此，可以得到各个不同类型的合同数据集合。然后，对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列。由此，可以得到标注后的各个不同类型的合同文本数据集合。之后，根据标注后的各个合同数据集合，生成校验要素识别模型。由此，可以得到校验要素识别模型，可以用于识别合同文本数据中的校验要素信息。接着，响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型。由此，可以得到待校验合同信息所属的合同类型。之后，根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示。由此，可以得到待校验合同信息的各个漏洞信息，可以展示给用户。最后，基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：首先，响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果。由此，可以得到对应各个修改信息的各个校验结果，可以用于确定各个修改信息是否合格。然后，响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。由此，可以在确定各个校验结果均校验合格后，确定待校验合同信息校验通过。也因为所实现的合同信息在线校验方法，是根据大量不同类型的合同数据生成校验要素识别模型，然后对待校验合同文本进行条款拆分处理，并根据校验要素识别模型、各个条款信息和待校验合同文本所属的合同类型对待校验合同进行校验，而不是采用人工校验和设置逻辑运算规则对待校验合同进行校验，从而缩短了待校验合同的校验耗时，继而提升了待校验合同的校验效率。且由于校验要素识别模型能够提升待校验合同文本中的各个校验要素信息的识别精度，从而能够结合各个校验要素信息深层次的挖掘出待校验合同文本中存在的各个漏洞，从而提升了待校验合同中漏洞的检出率，继而提升了待校验合同的安全性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的合同信息在线校验方法的一些实施例的流程图；

图2是根据本公开的合同信息在线校验装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1示出了根据本公开的合同信息在线校验方法的一些实施例的流程100。该合同信息在线校验方法，包括以下步骤：

步骤101，获取各个合同数据集合。

在一些实施例中，合同信息在线校验方法的执行主体(例如计算设备)可以从相关联的数据库获取各个合同数据集合。其中，上述各个合同数据集合中的合同数据集合可以对应各个合同类型中的合同类型。上述合同数据集合中的合同数据可以为合同文本数据。上述合同类型可以为合同数据集合中的合同数据所属的类型。例如，合同类型可以为但不限于：招标类、委托类、赠与类、借款类、租赁类。

需要说明的是，获取到的各个不同类型的各个合同数据集合可以用于制作训练校验要素识别模型的训练数据集。上述校验要素识别模型可以用于识别待校验合同数据中的校验要素。

步骤102，对各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合。

在一些实施例中，上述执行主体可以对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合。其中，标注后的各个合同数据集合中的合同数据集合可以包括各个标注后的合同数据。标注后的合同数据可以包括合同文本数据和合同文本数据对应的校验要素标签序列。上述校验要素标签序列可以为上述合同数据中每个字符对应的校验要素标签。不同类型的合同数据可以对应不同的校验要素。其中，上述校验要素可以表征合同数据中包括的要素实体。例如，招标类合同数据重点关注金额类校验要素。委托类合同数据重点关注委托类型等校验要素。上述校验要素标注可以为将合同数据中包括的各类校验要素用预设字符进行表示的处理。此处，对于上述预设字符的具体设定，不做限定。例如，校验要素为合同标的的起始文本可以标注为“B-Object”，中间和结尾文本可以标注为“I-Object”。实践中，上述执行主体可以通过标注工具，对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合。例如，标注工具可以为Autolabel。

步骤103，根据标注后的各个合同数据集合，生成校验要素识别模型。

在一些实施例中，上述执行主体可以根据标注后的各个合同数据集合，生成校验要素识别模型。其中，上述校验要素识别模型可以为以合同数据作为输入，以合同数据对应的校验要素标签序列作为输出的命名实体识别模型。上述校验要素识别模型可以表征合同数据与校验要素标签序列之间的对应关系。实践中，上述执行主体可以通过各种方式，根据标注后的各个合同数据集合，生成校验要素识别模型。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据标注后的各个合同数据集合，生成校验要素识别模型：

第一步，对于标注后的各个合同数据集合中的每个合同数据集合，执行以下步骤：

第一子步骤，对上述合同数据集合中包括的每个合同数据进行文本分割处理，得到各个分割合同数据集合。其中，上述各个分割合同数据集合中的分割合同数据集合可以为对合同数据进行文本分割处理后得到的各个段落文本或句子文本。实践中，上述执行主体可以按照段落或者句子对上述合同数据集合中包括的每个合同数据进行文本分割处理，得到各个分割合同数据集合。

第二子步骤，对上述各个分割合同数据集合中的每个分割合同数据集合进行无标注数据删除处理，得到删除无标注数据后的各个分割合同数据集合作为各个标准合同数据集合。其中，上述各个标准合同数据集合中的标准合同数据集合可以为删除无标注的分割合同数据后的分割合同数据集合。上述标准合同数据集合中的标准合同数据可以包括标准合同文本数据和对应上述标准合同文本数据的校验要素标签序列。上述标准合同文本数据可以表征包括校验要素的合同文本数据。实践中，对于上述各个分割合同数据集合中的每个分割合同数据集合中的每个分割合同数据，上述执行主体可以将上述分割合同数据集合中不包括校验要素的分割合同数据删除，以得到删除无标注数据后的各个分割合同数据集合作为各个标准合同数据集合。

第三子步骤，将上述各个标准合同数据集合中的每个标准合同数据集合包括的每个标准合同数据作为样本添加至样本集。其中，样本集中的样本包括标准合同文本数据和对应上述标准合同文本数据的校验要素标签序列。

第二步，以上述样本集中各个样本为输入，以对应各个样本包括的标准合同文本数据的各个校验要素标签序列为期望输出，训练得到命名实体识别模型作为校验要素识别模型。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，以上述样本集中各个样本为输入，以对应各个样本包括的标准合同文本数据的各个校验要素标签序列为期望输出，训练得到命名实体识别模型作为校验要素识别模型：

第一步，基于样本集，执行以下训练步骤：

第一子步骤，将样本集中至少一个样本的标准合同文本数据输入至初始命名实体识别模型的文本特征提取层，得到至少一个样本的标准合同文本数据的文本特征向量。其中，上述初始命名实体识别模型可以为未经训练的特征提取层、编码层和标签位置预测层组合得到的多层神经网络模型。上述文本特征提取层可以为Bert层。上述文本特征向量可以表征上述标准合同文本数据的文本特征。

第二子步骤，将上述至少一个样本的标准合同文本数据的文本特征向量输入至初始命名实体识别模型的编码层，得到对应至少一个样本的标准合同文本数据的预测标签序列。其中，上述编码层可以为循环神经网络层。作为示例，编码层可以为双向长短期记忆网络层。上述预测标签序列可以为上述编码层预测的上述标准合同文本数据对应的校验要素标签序列。

第三子步骤，将对应至少一个样本的标准合同文本数据的预测标签序列输入至初始命名实体识别模型的标签位置预测层，得到对应至少一个样本的标准合同文本数据的预测校验要素标签序列。其中，上述标签位置预测层可以为条件随机场层。上述标签位置预测层可以将上述编码层预测出的校验要素标签序列进行优化调整，得到优化调整后的校验要素标签序列。上述预测校验要素标签序列可以为上述标签位置预测层预测的上述标准合同文本数据对应的校验要素标签序列。

第四子步骤，根据上述预测校验要素标签序列和上述至少一个样本的标准合同文本数据对应的校验要素标签序列，确定初始命名实体识别模型是否达到优化目标。其中，上述优化目标可以为初始命名实体识别模型的损失值的曲线斜率小于预设斜率阈值。此处，对于上述预设斜率阈值的具体设定，不做限定。上述损失值可以为当前转移状态矩阵在正确路径的分数与所有路径分数之和的负对数似然值。上述当前转移状态矩阵可以为上述校验要素标签序列与上述预测校验要素标签序列之间的状态转移矩阵。上述状态转移矩阵可以表征预测的校验要素标签序列中各个校验要素标签之间的关联关系。上述状态转移矩阵可以对应各个校验要素标签序列。上述正确路径的分数可以为上述当前转移状态矩阵中上述校验要素标签序列对应的路径的概率。上述所有路径分数可以表征上述当前转移状态矩阵中各个校验要素标签序列对应的各个路径的各个概率。

第五子步骤，响应于确定初始命名实体识别模型达到上述优化目标，将初始命名实体识别模型确定为训练完成的命名实体识别模型作为校验要素识别模型。由此，可以得到校验要素识别模型，可以用于识别合同文本中的校验要素信息。

可选地，响应于确定初始命名实体识别模型未达到上述优化目标，上述执行主体还可以调整初始命名实体识别模型的参数，以及使用未使用过的样本组成的样本集，再次执行上述训练步骤。作为示例，上述执行主体可以采用AdamW优化器对上述初始命名实体识别模型的文本特征提取层的参数进行调整。可以采用减法平均优化器对上述初始命名实体识别模型的编码层的参数进行调整。可以采用随机梯度下降法对上述初始命名实体识别模型的标签位置预测层的参数进行调整。

上述技术方案其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“结合自然语言处理的方式检测出合同中的语法错误、拼写错误、标点符号错误，但未考虑多层神经网络组合的方式挖掘出合同中存在的校验要素，并通过校验要素推导出合同中存在的潜在漏洞，导致对合同中潜在漏洞的检出率较低”。导致对合同中潜在漏洞的检出率较低的因素往往如下：结合自然语言处理的方式检测出合同中的语法错误、拼写错误、标点符号错误，但未考虑多层神经网络组合的方式挖掘出合同中存在的校验要素，并通过校验要素推导出合同中存在的潜在漏洞。如果解决了上述因素，就能达到提升对合同中的潜在漏洞的检出率的效果。为了达到这一效果，本公开引入了多层初始神经网络结合的模型训练得到校验要素识别模型，从而能够提升对待校验合同中校验要素的识别精度，进而能够通过各个校验要素信息推导出待校验合同中存在的潜在漏洞，从而能够提升对待校验合同中潜在漏洞的检出率。

步骤104，响应于接收到用户上传的待校验合同信息，对待校验合同信息进行分类，得到待校验合同信息的合同类型。

在一些实施例中，响应于接收到用户上传的待校验合同信息，上述执行主体可以对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型。实践中，上述执行主体可以采用预先训练的合同信息分类模型对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型。其中，上述合同信息分类模型可以为以合同信息为输入，以合同类型为输出训练得到的逻辑回归模型。上述合同信息分类模型可以表征合同信息与合同类型之间的关系。

步骤105，对待校验合同信息进行条款拆分处理，得到待校验合同信息的合同条款信息列表。

在一些实施例中，上述执行主体可以对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表。其中，上述合同条款信息列表中的合同条款信息可以表征待校验合同信息中包括的各个合同条款。实践中，上述执行主体可以通过各种方式，对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表：

第一步，根据预设分割符号，对上述待校验合同信息进行分割，得到各个合同分割数据。其中，上述预设分割符号可以包括但不限于：回车符、制表符。上述各个合同分割数据可以为通过上述预设分割符号进行拆分得到的各个合同文本数据。实践中，对于上述待校验合同信息中的每个字符，响应于确定当前字符为上述预设分割符号，上述执行主体可以将当前字符与相邻的前一个预设分割符号之间的各个字符确定为合同分割数据，以得到各个合同分割数据。

第二步，对于上述各个合同分割数据中的每个合同分割数据，执行以下步骤：

第一子步骤，将上述合同分割数据进行去噪处理，得到去噪处理后的合同分割数据。实践中，上述执行主体可以去除上述合同分割数据中包括的各个特殊字符，以得到去噪处理后的合同分割数据。上述各个特殊字符可以为不可通过键盘直接输入的字符。需要说明的是，不可通过键盘直接输入的字符一般没有固定的含义，且在自然语言处理的过程中会对正常字符的理解造成干扰，因此需要将这些不可通过键盘直接输入的字符从文本数据中删除。

第二子步骤，将去噪处理后的合同分割数据输入至预先训练的合同条款信息分割模型，得到合同分割子数据集合。其中，上述合同分割子数据集合中的合同分割子数据可以为经过上述合同条款信息分割模型分割后得到的各个合同文本。上述合同条款信息分割模型可以为以合同文本数据为输入，以分割后的各个合同文本数据为输出训练得到的神经网络模型。作为示例，上述神经网络模型可以为transformer模型。

第三步，将所得到的各个合同分割子数据集合组合为上述待校验合同信息的合同条款信息列表。

步骤106，根据合同条款信息列表和校验要素识别模型，生成待校验合同信息所存在的各个漏洞信息，以及将各个漏洞信息和各个漏洞信息对应的各个漏洞提示信息进行显示。

在一些实施例中，上述执行主体可以根据上述合同条款信息列表和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示。其中，上述各个漏洞信息可以为上述待校验合同信息中存在的各个问题。上述各个漏洞提示信息可以为提示用户上述待校验合同信息存在上述各个漏洞信息的各个提示信息。上述各个漏洞提示信息中的漏洞提示信息可以包括待校验合同信息中存在的问题信息和对应上述问题信息的修改意见信息。实践中，上述执行主体可以采用各种方式，根据上述合同条款信息列表和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息。在一个或多个实施例中，显示各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息的形式可以为但不限于：以网页列表的形式、以弹窗的形式、以文件的形式。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据上述合同条款信息列表和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息：

第一步，对于上述合同条款信息列表中的每个合同条款信息，确定上述合同条款信息对应的合同条款类型，得到各个合同条款类型。其中，上述合同条款类型可以为上述合同条款信息对应的条款类型。例如，合同条款类型可以为但不限于：违约责任、解除条件、争议解决条款、当事人的名称或者姓名、当事人的住所、履行期限、保密协议。实践中，上述执行主体可以将上述合同条款信息输入至合同条款分类模型中，得到对应上述合同条款信息的合同条款类型。上述合同条款分类模型可以为以合同条款信息为输入，以合同条款类型为输出训练得到的K-邻近模型。

第二步，根据校验上述待校验合同信息的合同类型所对应的合同模板信息和上述各个合同条款类型，确定上述待校验合同信息是否存在缺失条款。其中，上述合同模板信息可以为上述合同类型对应的合同模板。上述合同模板信息中可以包括属于上述合同类型的合同信息中必须包括的各个合同条款。实践中，响应于确定上述合同模板信息包括的各个合同条款中存在与上述各个合同条款类型相异的合同条款，上述执行主体可以确定上述待校验合同信息存在缺失条款，以及将上述合同模板信息包括的各个合同条款中与上述各个合同条款类型相异的合同条款确定为缺失条款。

第三步，响应于确定上述待校验合同信息存在缺失条款，将所存在的缺失条款对应的条款类型添加至漏洞信息列表。其中，上述漏洞信息列表中的漏洞信息可以为上述待校验合同信息中存在的漏洞。

第四步，根据校验上述待校验合同信息的合同类型所对应的合同模板信息和上述各个合同条款类型，确定上述待校验合同信息与上述合同模板信息之间的条款差异信息。其中，上述条款差异信息可以表征上述待校验合同信息对应的特征向量与上述合同模板信息对应的特征向量之间的余弦值。实践中，首先，上述执行主体可以将上述待校验合同信息输入至预先训练的合同文本特征提取模型中，得到上述待校验合同信息对应的特征向量。然后，可以将上述合同模板信息输入至上述合同文本特征提取模型中，得到上述合同模板信息对应的特征向量。之后，可以将上述待校验合同信息对应的特征向量与上述合同模板信息对应的特征向量之间的余弦值确定为差异值。最后，可以将上述差异值、上述待校验合同对应的合同名称和上述待校验合同信息对应的合同类型确定为上述待校验合同信息与上述合同模板信息之间的条款差异信息。上述合同文本特征提取模型可以为以合同信息为输入，以合同文本特征向量为输出训练得到的神经网络模型。例如，神经网络模型可以为Bert模型。

第五步，响应于确定上述条款差异信息满足预设差异条件，将上述条款差异信息添加至漏洞信息列表。其中，上述预设差异条件可以为上述条款差异信息中包括的差异值大于预设阈值。此处，对于上述预设阈值的具体设定，不做限定。

第六步，对于上述合同条款信息列表中的每个合同条款信息，执行以下步骤：

第一子步骤，将上述合同条款信息输入至上述校验要素识别模型，得到各个合同校验要素信息。其中，上述各个合同校验要素信息可以为上述合同条款信息中包括的各个校验要素信息。

第二子步骤，根据上述各个合同校验要素信息，确定上述合同条款信息存在的漏洞信息。实践中，上述执行主体可以采用各种方式，根据上述各个合同校验要素信息，确定上述合同条款信息存在的漏洞信息。

第三子步骤，将上述合同条款信息存在的漏洞信息添加至漏洞信息列表。

第七步，将上述漏洞信息列表中包括的各个漏洞信息确定为上述待校验合同信息所存在的各个漏洞信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据上述各个合同校验要素信息，确定上述合同条款信息存在的漏洞信息：

第一步，将上述各个合同校验要素信息与预设法规知识库进行链接，得到目标知识库。例如，预设法规知识库可以为法律法规行业知识库。其中，上述目标知识库可以为在上述预设法规知识库中添加各个合同校验要素信息后得到的知识库。实践中，对于上述各个合同校验要素信息中的每个合同校验要素信息，首先，上述执行主体可以将上述合同校验要素信息中包括的校验要素类型和内容与预设法规知识库中的实体进行匹配。然后，响应于确定上述校验要素类型和内容与预设法规知识库中的实体匹配成功，将上述合同校验要素信息与预设法规知识库中匹配成功的实体连接。在一个或多个实施例中，上述执行主体可以采用相似度计算或关键词匹配等算法确定上述校验要素类型和内容与预设法规知识库中的实体是否匹配。

第二步，对上述合同条款信息进行情感分析，得到对应上述合同条款信息的情感负相关概率。其中，上述情感负相关概率可以表征上述合同条款信息的情感倾向和情感态度。实践中，上述执行主体可以采用预先训练的合同条款情感分析模型，对上述合同条款信息进行情感分析，得到对应上述合同条款信息的情感负相关概率。上述合同条款情感分析模型可以为以合同条款信息为输入，以合同条款信息对应的情感负相关概率为输出训练得到的神经网络模型。例如，神经网络模型可以为Bert模型。

第三步，根据上述各个合同校验要素信息、上述目标知识库和上述情感负相关概率，确定上述合同条款信息存在的漏洞信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤，根据上述各个合同校验要素信息、上述目标知识库和上述情感负相关概率，确定上述合同条款信息存在的漏洞信息：

第一步，将上述各个合同校验要素信息中的每个合同校验要素信息作为起始节点，以及采样上述目标知识库中包括的实体节点，得到各个采样路径。实践中，上述执行主体可以采用随机游走采样策略采样上述目标知识库中包括的实体节点，得到各个采样路径。其中，上述各个采样路径中的采样路径可以为通过采样得到的在排列上具有先后顺序的各个合同校验要素信息。

第二步，对上述各个采样路径进行特征向量表示，得到各个采样路径特征向量。其中，上述各个采样路径特征向量可以表征上述各个采样路径的各个特征。实践中，上述执行主体可以采用word2vec算法，对上述各个采样路径进行特征向量表示，得到各个采样路径特征向量。

第三步，对上述各个采样路径特征向量中的每个采样路径特征向量进行风险等级分类，得到各个风险等级分类信息。其中，上述各个风险等级分类信息可以表征上述各个采样路径特征向量对应的各个风险等级分类。上述风险等级分类可以包括四个等级，分别为一级风险等级、二级风险等级、三级风险等级、四级风险等级。实践中，上述执行主体可以采用预先训练的风险等级分类模型，对上述各个采样路径特征向量中的每个采样路径特征向量进行风险等级分类，得到各个风险等级分类信息。上述风险等级分类模型可以为以采样路径特征向量为输入，以风险等级分类信息为输出训练得到的神经网络模型。例如，神经网络模型可以为CNN模型。

第四步，响应于确定上述各个风险等级分类信息中存在满足预设风险等级条件的风险等级分类信息，以及确定上述情感负相关概率满足预设概率条件，确定上述合同条款信息满足预设预警条件。其中，上述预设风险等级条件可以为风险等级分类信息为四级风险等级。上述预设概率条件可以为情感负相关概率大于预设概率阈值。此处，对于上述预设概率阈值的具体设定，不做限定。上述预设预警条件可以为上述各个风险等级分类信息中存在四级风险等级的风险等级分类信息，以及上述情感负相关概率大于上述预设概率阈值。

第五步，将表征上述合同条款信息满足上述预设预警条件的反馈信息确定为上述合同条款存在的漏洞信息。其中，上述反馈信息可以表征上述合同条款信息存在漏洞。

上述技术方案其第一步到第五步的相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“在挖掘合同中存在的漏洞时，没有考虑结合外部知识库和合同中各个合同条款的情感倾向，导致合同漏洞的检出率较低，从而导致合同的安全性较低”。导致合同的安全性较低的因素往往如下：在挖掘合同中存在的漏洞时，没有考虑结合外部知识库和合同中各个合同条款的情感倾向，导致合同漏洞的检出率较低。如果解决了上述因素，就能达到提升合同的安全性的效果。为了达到这一效果，本公开引入了结合外部知识库和合同中各个合同条款的情感倾向的方式，推导合同中潜在的漏洞，从而提升了合同漏洞的检出率，从而提升了合同的安全性。

步骤107，基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：

步骤1071，响应于接收到用户提交的对应各个漏洞信息的各个修改信息，对各个修改信息进行校验，得到对应各个修改信息的各个校验结果。

在一些实施例中，响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，上述执行主体可以对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果。其中，上述各个修改信息可以为用户提交的对应上述各个漏洞信息的各个解决方案信息。例如，当漏洞信息表征缺失的条款类型，则解决方案信息可以为对应缺失的条款类型的合同条款信息。

在一些实施例的一些可选的实现方式中，响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对于上述各个修改信息中的每个修改信息，上述执行主体可以执行以下步骤，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果：

第一步，响应于确定上述修改信息对应的漏洞信息表征缺失条款类型，执行以下校验步骤：

第一子步骤，响应于确定上述修改信息为对应上述缺失条款类型的合同条款信息，将校验合格信息确定为对应上述修改信息的校验结果。其中，上述校验合格信息可以表征上述修改信息正确。

第二子步骤，响应于确定上述修改信息不对应上述缺失条款类型的合同条款信息，将校验失败信息确定为对应上述修改信息的校验结果。其中，上述校验失败信息可以表征上述修改信息不正确。

第二步，响应于确定上述修改信息对应的漏洞信息表征存在预设漏洞，执行以下校验步骤：

第一校验步骤，对上述修改信息进行情感分析，得到对应上述修改信息的情感负相关概率。其中，上述预设漏洞可以为法规漏洞。此处，对上述修改信息进行情感分析的方法可以参考步骤106中对合同条款信息进行情感分析的步骤，在此不再赘述。

第二校验步骤，根据上述目标知识库和对应上述修改信息的情感负相关概率，确定上述修改信息是否满足预设合格条件。其中，上述预设合格条件可以为上述修改信息不存在漏洞信息。实践中，首先，上述执行主体可以采用上述校验要素识别模型对上述修改信息进行校验要素识别，得到各个校验要素信息。然后，可以将上述各个校验要素信息链接到上述目标知识库。之后，可以根据上述各个校验要素信息、目标知识库和上述情感负相关概率，确定上述修改信息是否存在漏洞信息。之后，响应于确定上述修改信息不存在漏洞信息，确定上述修改信息满足上述预设合格条件。此处，将上述各个校验要素信息链接到上述目标知识库的步骤可以参考步骤106中将上述各个合同校验要素信息与预设法规知识库进行链接的步骤，在此不再赘述。以及根据上述各个校验要素信息、目标知识库和对应上述修改信息的情感负相关概率，确定上述修改信息是否存在的漏洞信息的详细步骤可以参考步骤106中根据上述各个合同校验要素信息、上述目标知识库和上述情感负相关概率，确定上述合同条款信息存在的漏洞信息的步骤，在此不再赘述。

第三校验步骤，响应于确定上述修改信息满足上述预设合格条件，将校验合格信息确定为对应上述修改信息的校验结果。其中，上述校验合格信息可以表征上述修改信息校验合格。

第四校验步骤，响应于确定上述修改信息不满足上述预设合格条件，将校验失败信息确定为对应上述修改信息的校验结果。其中，上述校验失败信息可以表征上述修改信息校验不合格。

步骤1072，响应于确定各个校验结果中不存在表征校验失败的校验结果，确定待校验合同信息校验通过。

在一些实施例中，响应于确定上述各个校验结果中不存在表征校验失败的校验结果，上述执行主体可以确定上述待校验合同信息校验通过。

可选地，首先，响应于确定上述各个校验结果中存在表征校验失败的校验结果，上述执行主体还可以将上述各个校验结果中表征校验失败的各个校验结果对应的各个修改信息确定为各个错误修改信息。其中，上述各个错误修改信息可以为存在漏洞的各个修改信息。

然后，根据上述各个错误修改信息，对上述各个漏洞信息和上述各个漏洞提示信息进行更新处理，得到各个更新漏洞信息和各个更新漏洞提示信息，以及将上述各个更新漏洞信息和上述各个更新漏洞提示信息进行显示。其中，上述各个更新漏洞信息可以为上述各个错误修改信息中存在的各个漏洞信息。上述各个更新漏洞提示信息可以为提示上述各个错误修改信息中存在各个漏洞信息的各个提示信息。实践中，上述执行主体可以将上述各个错误修改信息对应的各个漏洞信息确定为更新漏洞信息，以及将上述各个更新漏洞信息对应的各个漏洞提示信息确定为各个更新漏洞提示信息。

之后，将上述各个更新漏洞信息作为各个漏洞信息，将上述各个更新漏洞提示信息作为各个漏洞提示信息，再次执行上述校验步骤。由此，可以在线接收用户对于各个漏洞的修改信息，以及对修改信息再次校验，以多轮校验的形式对待校验合同进行漏洞检测，从而提升了漏洞的检出率，从而减少了合同中存在的漏洞。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的合同信息在线校验方法，提升了待校验合同的校验效率和安全性。具体来说，造成待校验合同的校验效率和安全性较低的原因在于：合同条款具有复杂性和多样性，采用自定义逻辑运算规则的方式，需要专业人员设计大量的逻辑运算规则，且对于逻辑运算规则未涉及到的漏洞无法检测出，导致合同校验效率较低和能识别出的漏洞种类较少。结合自然语言处理的方式，未深层次的挖掘合同中潜在的漏洞，且在识别出合同中存在的漏洞后，未考虑对用户重新修改后的合同进行再次校验，导致漏洞的检出率较低，从而导致漏洞的安全性较低。基于此，本公开的一些实施例的合同信息在线校验方法，首先，获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型。由此，可以得到各个不同类型的合同数据集合。然后，对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列。由此，可以得到标注后的各个不同类型的合同文本数据集合。之后，根据标注后的各个合同数据集合，生成校验要素识别模型。由此，可以得到校验要素识别模型，可以用于识别合同文本数据中的校验要素信息。接着，响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型。由此，可以得到待校验合同信息所属的合同类型。之后，根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示。由此，可以得到待校验合同信息的各个漏洞信息，可以展示给用户。最后，基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：首先，响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果。由此，可以得到对应各个修改信息的各个校验结果，可以用于确定各个修改信息是否合格。然后，响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。由此，可以在确定各个校验结果均校验合格后，确定待校验合同信息校验通过。也因为所实现的合同信息在线校验方法，是根据大量不同类型的合同数据生成校验要素识别模型，然后对待校验合同文本进行条款拆分处理，并根据校验要素识别模型、各个条款信息和待校验合同文本所属的合同类型对待校验合同进行校验，而不是采用人工校验和设置逻辑运算规则对待校验合同进行校验，从而缩短了待校验合同的校验耗时，继而提升了待校验合同的校验效率。且由于校验要素识别模型能够提升待校验合同文本中的各个校验要素信息的识别精度，从而能够结合各个校验要素信息深层次的挖掘出待校验合同文本中存在的各个漏洞，从而提升了待校验合同中漏洞的检出率，继而提升了待校验合同的安全性。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种合同信息在线校验装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的合同信息在线校验装置200包括：获取单元201、标注单元202、第一生成单元203、分类单元204、拆分单元205、第二生成单元206和校验单元207。其中，获取单元201被配置成获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型；标注单元202被配置成对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列；第一生成单元203被配置成根据标注后的各个合同数据集合，生成校验要素识别模型；分类单元204被配置成响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型；拆分单元205被配置成对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表；第二生成单元206被配置成根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示；校验单元207被配置成基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果；响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。

可以理解的是，合同信息在线校验装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取各个合同数据集合，其中，上述各个合同数据集合中的合同数据集合对应各个合同类型中的合同类型；对上述各个合同数据集合中的每个合同数据集合中包括的各个合同数据进行校验要素标注，得到标注后的各个合同数据集合，其中，标注后的各个合同数据集合中的合同数据集合包括各个标注后的合同数据，标注后的合同数据包括合同文本数据和合同文本数据对应的校验要素标签序列；根据标注后的各个合同数据集合，生成校验要素识别模型；响应于接收到用户上传的待校验合同信息，对上述待校验合同信息进行分类，得到上述待校验合同信息的合同类型；对上述待校验合同信息进行条款拆分处理，得到上述待校验合同信息的合同条款信息列表；根据上述合同条款信息列表、上述待校验合同信息的合同类型和上述校验要素识别模型，生成上述待校验合同信息所存在的各个漏洞信息，以及将上述各个漏洞信息和上述各个漏洞信息对应的各个漏洞提示信息进行显示；基于各个漏洞信息和各个漏洞提示信息，执行以下校验步骤：响应于接收到用户提交的对应上述各个漏洞信息的各个修改信息，对上述各个修改信息进行校验，得到对应上述各个修改信息的各个校验结果；响应于确定上述各个校验结果中不存在表征校验失败的校验结果，确定上述待校验合同信息校验通过。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、标注单元、第一生成单元、分类单元、拆分单元、第二生成单元和校验单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取各个合同数据集合的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。