基于人工智能技术的建设工程施工合同漏洞机理及检测模型研究

Contract vulnerabilities often lead to construction disputes. This research is focusing on the detection of contract vulnerabilities for construction contracts through artificial intelligent techniques. The content of the construction contracts will be firstly analyzed with the characteristics and the usage of the contracts, on the basis of which the features and the formation mechanism for construction contract vulnerabilities will be formally modeled based on ontology theory. Then, focusing on the vulnerabilities of the scope defined by construction contracts, term recognition and definition extraction will be used to automatically develop the classification system of the work scope, based on which the detection method for work scope vulnerabilities will be designed using and/or graph. Meanwhile, Semantic features of contracts and regulations will be analyzed to transform text information into ontology description logics and predicate rules, which are combined with ontology verification and knowledge verification to check inconsistency and incompleteness in contract clauses. Furthermore, a hybrid reasoning algorithm integrating rule based reasoning and case based reasoning will be proposed to detect logical vulnerabilities in construction contract, with a construction dispute case base and a rule base extracted from the contract to be detected. Finally, an intelligent search algorithm will be designed to monitor the states of contract vulnerabilities and dynamically invoke the detection methods in real time, based on the semantic annotation information of documents generated during construction process. Through exploiting construction process along with construction contracts, the research will improve the efficiency of vulnerability detection for construction contracts and meet the demand for the quantification and intelligence of contract management in construction projects.

合同漏洞是导致建设工程争议的重要原因。本课题以建设工程施工合同漏洞检测为研究对象，以人工智能技术为主要研究方法。课题从分析施工合同内容、意义和使用过程入手，研究利用本体理论对施工合同漏洞特征和漏洞产生发展机理进行形式化建模。针对工作范围漏洞，利用术语识别和定义提取等技术从工程规范及共享信息源中自动构建工作范围本体，设计基于与或图的范围漏洞检测算法。分析规范及待测合同的语义特征，将文本信息通过信息抽取技术自动转换为本体描述逻辑形式和谓词规则形式，运用本体和知识库验证方法检测合同的不一致和不完备。构建合同争议案例库，结合待测合同规则库，采用规则推理和案例推理的混合推理方法，检测合同逻辑漏洞。对建设过程中产生的文档进行语义标注，设计智能检索算法根据标注信息实时监控合同漏洞状态，以及动态检测合同漏洞。本课题结合施工过程特点，提高合同漏洞检测性能，实现定量化和智能化的建设工程合同管理。

本课题以建设工程施工合同漏洞检测为研究对象，以人工智能技术为研究方法，围绕合同漏洞机理、工作范围建模、案例推理技术等方面，实现定量化和智能化合同管理。主要研究内容包括以下几点。1.提取出十六种建设工程争议解决过程中常用的论证图式，得到非结构化文本的图状结构，进而设计施工合同争议案例库的关系数据模型。2. 分析施工合同计量估价争议特征，总结计量估价条款的争议因素，建立合同计量估价条款漏洞机理。3. 工程法律领域自然语言处理相关语料库构建。4.基于深度学习和迁移学习的工程法律领域分词技术，构建包含词典特征的基于深度学习的双向长短期记忆条件随机场分词模型。5. 基于深度学习的工程法律领域命名实体识别技术，提取人名词典特征，融入到双向长短时记忆网络模型中，设计加权条件随机场。6. 工作本体构建以及基于事件抽取的合同、法条工作提取，搭建深度学习的Bert神经网络，以及CNN神经网络，分别实现实体识别和关系抽取。7. 基于语义相似度匹配的合同漏洞案例推理，构建了施工合同计价规则争议案例库，利用案例推理技术，从已有案例中检索与当前问题最相似的案例,在CBR案例匹配中，运用语义检索技术。本课题的研究结果和意义主要体现在：1. 构建的施工合同争议论证模型将合同及法律条款、条款理解、事件、证据等统一起来,有利于系统化分析合同漏洞和争议，为合同管理提供决策依据，为合同论证挖掘提供基础。2.工程法律领域自然语言处理技术，包括：领域分词、词性识别、命名实体识别的深度学习算法、领域事件提取算法等，其中，领域分词比直接使用传统分词方法的F1值提高7.02%，领域人名识别比直接使用传统方法的召回率提高15.53%，F1值提高8.83%。这些基础工作，为后面的文本分类、智能问答等打下基础。3.语义检索技术，利用实体标注和关系提取可以提高检索性能，实现语义化检索，而句子相似度算法运用在案例推理中，解决了传统案例推理在处理文本化信息方面的不准确的问题。