首页
›
供应链数字化与智能采购系统
›
013-采购合同智能
›
《采购合同风险条款自动标注:基于规则与机器学习的混合方法》
VIP18
本课程属于:013-采购合同智能
供应链数字化与智能采购系统 · 共 18 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
采购合同风险条款自动标注:基于规则与机器学习的混合方法
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导论
采购合同风险自动标注的背景与意义 · 课程目标与适用人群 · 课程整体架构与学习路径
课程导论
采购合同风险自动…
02
采购合同基础
采购合同的定义与类型 · 采购合同的核心条款结构 · 常见采购合同模板分析
采购合同基础
采购合同的定义
03
合同风险概述
采购合同中的常见风险类型(价格风险 · 交付风险 · 质量风险
合同风险概述
采购合同
04
规则方法基础
正则表达式基础 · 关键词匹配策略 · 基于规则的条款提取原理
规则方法基础
正则表达式基础
05
规则方法进阶
上下文规则设计 · 否定与例外规则处理 · 规则优先级与冲突解决
规则方法进阶
上下文规则设计
06
规则方法实战
构建采购合同风险条款规则库 · 规则引擎设计与实现 · 规则方法优缺点分析
规则方法实战
构建采购合同风险…
07
机器学习基础
机器学习基本概念(监督学习 · 无监督学习) · 特征工程与文本表示(词袋模型
机器学习基础
机器学习基本概念
08
文本预处理
分词技术(jieba · spaCy) · 停用词过滤
文本预处理
jieba
09
传统机器学习模型
逻辑回归 · 支持向量机(SVM) · 随机森林在文本分类中的应用
传统机器学习模型
逻辑回归
10
深度学习模型入门
循环神经网络(RNN) · 长短期记忆网络(LSTM)原理与文本…
深度学习模型入门
RNN
11
预训练语言模型
BERT · RoBERTa等预训练模型原理 · 在合同文本上的微调方法
预训练语言模型
BERT
12
序列标注模型
条件随机场(CRF) · BiLSTM-CRF模型架构 · 用于条款边界识别
序列标注模型
CRF
13
混合方法设计思路
规则与机器学习结合的动机 · 串行与并行混合架构 · 规则辅助标注与模型训练
混合方法设计思路
规则
14
特征融合策略
规则特征作为模型输入 · 规则置信度与模型概率融合 · 后处理规则修正
特征融合策略
规则特征作为模型…
15
数据标注与准备
标注规范制定 · 标注工具选择(LabelStudio · Doccano)
数据标注
准备
16
数据集构建
采购合同数据集收集 · 数据增强技术 · 类别不平衡处理方法
数据集构建
采购合同数据集收…
17
模型训练与调优
训练集/验证集/测试集划分 · 超参数调优 · 早停与正则化策略
模型训练
调优
18
模型评估指标
精确率 · 召回率 · F1-score
模型评估指标
精确率
19
规则引擎开发
规则引擎架构设计 · 规则语言定义 · 规则执行与冲突检测
规则引擎开发
规则引擎架构设计
20
混合系统实现
规则模块与模型模块的集成 · API接口设计 · 实时标注与批量标注模式
混合系统实现
规则模块
21
风险条款分类体系
价格条款风险 · 交付条款风险 · 质量条款风险
风险条款分类体系
价格条款风险
22
典型风险条款标注案例一
价格调整条款的自动识别与风险等级标注
典型风险条款标注…
价格调整条款的自…
23
典型风险条款标注案例二
交付延迟罚则条款的自动提取与风险量化
典型风险条款标注…
交付延迟罚则条款…
24
典型风险条款标注案例三
质量验收标准模糊条款的识别与预警
典型风险条款标注…
质量验收标准模糊…
25
典型风险条款标注案例四
违约责任不对等条款的自动检测
典型风险条款标注…
违约责任不对等条…
26
系统部署与优化
模型压缩与量化 · 规则缓存优化 · 系统性能监控与日志分析
系统部署
优化
27
可解释性与合规性
模型可解释性方法(SHAP · LIME) · 规则可追溯性
可解释性
合规性
28
持续学习与迭代
在线学习机制 · 规则库动态更新 · 模型版本管理与回滚策略
持续学习
迭代
29
项目实战一
从零搭建采购合同风险标注系统(需求分… · 架构设计 · 编码实现)
项目实战一
从零搭建采购合同…
30
项目实战二
系统测试 · 效果评估与优化迭代 · 课程总结与未来展望(大模型在合同风险…
项目实战二
系统测试
所属VIP或分类
同VIP:采购合同义务跟踪实战:关键履约节点自动监控与预警
同VIP:采购合同义务跟踪系统部署:从签约到履约的全流程监控
同VIP:采购合同价格调整条款实战:大宗商品价格联动与自动更新