类别
最新消息

趋势:合同分析软件:技术基础知识

我们的巨大谢谢去了基拉系统,非常明确的术语解释了市场上各种合同分析软件背后的技术。对于想要更清楚地了解基本面以及不同的系统如何处理同样的挑战,这是一个无价的资源。

我们的巨大感谢  到基拉系统,哪个 非常清楚的术语解释了市场上各种合同分析软件背后的技术。对于想要更清楚地了解基本面以及不同的系统如何处理同样的挑战,这是一个无价的资源。

在过去几年中,合同分析软件已成为客户越来越期望和要求的主流解决方案。尽管采用这种增长,但专业的服务团队及其客户常常误解了潜在技术。供应商创建的炒作无济于事。

虽然合同分析软件背后的各种技术都很复杂,但潜在的概念可以分为两种简单的人工智能:

●应用预定规则的系统。

●培训自己的系统,包括:
○没有用户监督训练自己;和
○通过用户监督培训自己。

在这些AI系统中,使用不同的技术来达到所需的结果:

●所有这些系统还将使用自然语言处理(有时缩短到NLP),因为合同审查需要处理单词的能力。然而,在我们的经验中,当他们使用术语“自然语言处理”时,供应商往往是指“规则”。

●其中一些系统还将使用一种称为深度学习的人工智能,有助于正确对数据进行分类。

 

技术如何工作?

基于规则的系统
这些系统允许创建描述该规定的手动“规则”(例如布尔搜索字符串)。然后,该软件在这些规则的参数中找到任何适合的语言。例如,如果审阅者希望找到需要同意的控制规定的改变,他们可以创建一个规则,指出任何句子“控制”+“未经事先同意”的句子是“控制命中的变化”。

无监督的机器学习
无监督的机器学习系统将数据和自动将条款或规定自动分组为类似(可能代表标准化语言)和那些是异常值的桶。无监督ML技术的一个例子通常被称为“聚类”。

监督机器学习
在监督机器学习中,经验丰富的律师从真实合同中喂入旨在从这些例子中学习的系统中的规定。系统研究此数据,了解语言相关的语言,并构建概率提供模型。然后,该模型针对一组注释的协议进行测试,即系统不熟悉的是为了确定其准备情况。

一个解决方案的众多技术

请记住,大多数合同分析软件解决方案都包含许多不同的技术来将用户纳入所需的结果。如前所述,最常见的是自然语言处理,但近年来采用深度学习一直在增加。

自然语言处理
自然语言处理看应用程序如何与人类语言合作(例如,例如图像)。某些类型的自然语言处理(例如统计)是AI的子字段,而其他类型则不是。

深度学习
深度学习伴随着传统预测任务,系统学习正确代表数据。例如,经典机器学习可能会尝试了解图像是否是猫,而深度学习也会尝试确定图像的哪些部分构成猫,例如它们的尾部,晶须或眼睛。

合同分析技术:头到头

通过更清楚地了解技术基本面,了解合同分析解决方案的最佳方式是看出哪个具体示例的不同系统如何处理同样的挑战。我们已经拍摄了在适当调查期间搜索的最常见物品之一,控制规定的变化,并考虑了使用每个系统的可能结果(包括简单关键字搜索的传统方法,以便进行比较)。

什么会为我工作?

找到合适的合同分析解决方案始终始终以识别您试图解决的问题。然后,团队可以提前移动,以确定他们会发现有价值的不同技术解决方案的特点,并将为他们提供他们正在寻找的结果。查看每种系统的利弊列表可以帮助专业人士通过该过程工作。

正如您所看到的,每个技术都有特殊的考虑权衡:手动规则系统更容易设置但具有显着的结果质量限制;无监督机器学习系统可以分组类似和不同的信息,但查找有针对性的信息(比如特定条款的实例)是困难的;监督机器学习系统对于供应商来说非常努力地建立好,但可以强大一次启动和运行。根据您的偏好和您的要求,一个系统可能更适合您的预期用途。在评估合同分析软件时,请记住每个系统的能力和限制,以确保其满足客户和组织的需求。

特别感谢这篇文章去了Sondra Rebenchuk, AI. 基拉练习顾问。

2 replies on “趋势:合同分析软件:技术基础知识”

很好的文章,看到如此明确的限制声明以及福利是很好的。

我有点惊讶地读到供应商倾向于意味着“规则”,当他们使用术语“自然语言处理”时,因为我的印象是这个空间中大多数供应商,这些天是使用ml或ml和ml的组合。规则。是否有利于ML /综合方法的事情,是否有常将提供全部规则的供应商?

我不’要假设任何人都发表了一表总结了这个空间中主要供应商使用的方法类型的表格?

在我的经验中,有许多供应商在那里仍然是基于规则的方法依赖。虽然大多数这些都不会被视为领先的供应商。使用这个词“NLP”似乎被一些人使用,以掩盖他们没有使用多少或任何ai。

不建议使用规则方法完全错了。它可能是不是’T.从文档(尤其是合约)中提取数据的正确方法,但如果您具有狭义的范围,则可能是有价值的,例如在特定段落中查找值。

评论被关闭。