合同文书语法的纠错方法、装置、计算机设备及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及一种合同文书语法的纠错方法、装置、计算机设备及存储介质。


背景技术：

2.随着经济水平的不断上升，企业合同数量与日俱增，随之而来的语法纠错任务也越来越繁重。传统的人工纠错不仅周期长、劳动强度大，而且效率低，快速、高效地自动合同文书语法纠错是合同审查中亟待解决的任务。中文语法纠错任务旨在利用自然语言处理技术，自动识别和纠正出文本中语法错误。语法错误包括缺失、冗余、错别字、用词错误、语序错误等错误类型。而针对合同文本而言，纠错偏向于一种风险提示，更关注合同要素内容的纠错和争议解决条款中的机构名称的纠错。如果要素中出现错别字或者用词错误，将可能导致合同产生争议。
3.目前，语法纠错主要采用两类方法：第一种先识别出错误类型，再针对错误类型进行针对性地纠错；另一种则借鉴机器翻译的思想，将语言纠错等价为机器翻译的过程，即错误文本翻译为正确文本。然而，合同文书语法纠错与通用的语法纠错侧重点不同，需要更多的法学专业知识辅助纠错任务。在合同语法纠错任务中，错误数据的订正标注难度较大，需要有法学知识的人员才能准确标注，这使得合同语法纠错任务中难以获得大量的标注数据。因此，采用基于神经网络模型的语法纠错模型难以得到充分地训练，无法获取高效的信息特征，使得合同文书语法的纠错准确率较低。


技术实现要素：

4.本技术实施例的目的在于提出一种合同文书语法的纠错方法、装置、计算机设备及存储介质，以提高合同文书语法的纠错准确率。
5.为了解决上述技术问题，本技术实施例提供一种合同文书语法的纠错方法，包括：收集合同领域数据，并基于所述合同领域数据，创建合同文书纠错数据集，其中，所述合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集；获取待处理合同数据，识别出所述待处理合同数据中的待处理错误语句；基于所述合同文书纠错数据集，获取正确合同语句和标注合同语句，并将所述正确合同语句、所述标注合同语句以及所述待处理错误语句输入预设模型中进行训练，以识别出所述待处理错误语句对应的错误类型；获取所述错误类型对应的纠错方式，通过所述纠错方式对所述待处理错误语句进行纠错处理，得到正确合同文书；爬取所述正确合同文书中每一词语的释义，生成纠错释义知识库。
6.为了解决上述技术问题，本技术实施例提供一种合同文书语法的纠错装置，包括：合同文书纠错数据集创建模块，用于收集合同领域数据，并基于所述合同领域数据，创建合同文书纠错数据集，其中，所述合同文书纠错数据集包括未登录词库、混淆数据
集以及合同纠错数据集；待处理错误语句识别模块，用于获取待处理合同数据，识别出所述待处理合同数据中的待处理错误语句；错误类型识别模块，用于基于所述合同文书纠错数据集，获取正确合同语句和标注合同语句，并将所述正确合同语句、所述标注合同语句以及所述待处理错误语句输入预设模型中进行训练，以识别出所述待处理错误语句对应的错误类型；正确合同文书生成模块，用于获取所述错误类型对应的纠错方式，通过所述纠错方式对所述待处理错误语句进行纠错处理，得到正确合同文书；纠错释义知识库生成模块，用于爬取所述正确合同文书中每一词语的释义，生成纠错释义知识库。
7.为解决上述技术问题，本发明采用的一个技术方案是：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的合同文书语法的纠错方法。
8.本发明实施例提供了一种合同文书语法的纠错方法、装置、计算机设备及存储介质。其中，方法包括：收集合同领域数据，并基于合同领域数据，创建合同文书纠错数据集，其中，合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集；获取待处理合同数据，识别出待处理合同数据中的待处理错误语句；基于合同文书纠错数据集，获取正确合同语句和标注合同语句，并将正确合同语句、标注合同语句以及待处理错误语句输入预设模型中进行训练，以识别出待处理错误语句对应的错误类型；获取错误类型对应的纠错方式，通过纠错方式对待处理错误语句进行纠错处理，得到正确合同文书；爬取正确合同文书中每一词语的释义，生成纠错释义知识库。本发明实施例中通过创建合同文书纠错数据集，以满足不同合同类型的需求；然后通过将未登录词库作为分词词库，识别出待处理错误语句，并确认待处理语句对应的错误类型，再根据不同的错误类型对待处理错误语句进行纠错处理，同时爬取每一词语的释义，实现了对不同错误类型的合同文书语法进行纠错，有利于提高合同文书语法的纠错准确性。
附图说明
9.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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，还可以根据这些附图获得其他的附图。
10.图1是本技术实施例提供的合同文书语法的纠错方法流程的一实现流程图；图2是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；图3是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；图4是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；图5是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；
图6是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；图7是本技术实施例提供的合同文书语法的纠错方法中子流程的又一实现流程图；图8是本技术实施例提供的合同文书语法的纠错装置示意图；图9是本技术实施例提供的计算机设备的示意图。
具体实施方式
11.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
12.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
13.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
14.下面结合附图和实施方式对本发明进行详细说明。
15.需要说明的是，本技术实施例所提供的合同文书语法的纠错方法一般由服务器执行，相应地，合同文书语法的纠错装置一般配置于服务器中。
16.请参阅图1，图1示出了合同文书语法的纠错方法的一种具体实施方式。
17.需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限，该方法包括如下步骤：s1：收集合同领域数据，并基于合同领域数据，创建合同文书纠错数据集，其中，合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集。
18.具体地，由于合同文书语料篇幅较长、收集困难、内容多样，且目前没有公开的合同文书纠错数据集，所以本技术实施例通过收集合同领域数据，通过对合同领域数据进行处理，生成合同文书纠错数据集。在合同文书纠错数据集中包括未登录词库、混淆数据集以及合同纠错数据集。
19.请参阅图2，图2示出了步骤s1的一种具体实施方式，详叙如下：s11：获取合同领域数据，将合同领域数据中的字符进行两两组合，得到候选词。
20.s12：构建候选词的前缀字典树和后缀字典树，其中，前缀字典树和后缀字典树以单个字符为节点，每个节点记录从根节点到当前节点构成词汇出现的频次。
21.s13：获取前缀字典树和后缀字典树的频次列表，并计算每一候选词以及候选词构成片段的左右信息熵。
22.s14：基于左右信息熵和频次列表，从合同领域数据中筛选出未登录词，得到未登
录词库。
23.s15：构建合同领域数据的混淆数据集以及合同纠错数据集。
24.具体地，在构建合同文书纠错数据集时，对合同领域数据进行分词可能出现一些未登录词被错误切分，从而造成后续纠错出现错误。本技术实施例中将合同领域数据中的字符进行两两组合作为候选词，然后通过3-gram序列构建前缀字典树和后缀字典树，其中，前缀字典树和后缀字典树以单个字符为节点，每个节点记录从根节点到当前节点构成词汇出现的频次；由于节点已经记录了从根节点到当前节点构成词汇出现的频次，所以获取前缀字典树和后缀字典树的频次列表，并计算每一候选词以及候选词构成片段的左右信息熵；再对左右信息熵进行筛选，筛选出左右信息熵为零的候选词，作为待确认未登录词。然后计算每个待确认未登录词中的词频与分数的乘积，得到乘积结果，根据该乘积结果进行排序，选取预设数量的候选词，从而得到未登录词库。例如。例如筛选出的未登录词为：失业保险金、联营股份制、国有土地使用权出让、中国邮政、专业岗位操作者、空运提单。其中，左右信息熵是指多字词表达的左边界的熵和右边界的熵。
25.请参阅图3，图3示出了步骤s15的一种具体实施方式，详叙如下：s151：将合同领域数据返回开发端，以使得开发端对合同领域数据进行标注校对，得到混淆数据集。
26.s152：识别合同领域数据中的错误语句以及错误语句对应的错误类型。
27.s153：根据错误类型以及混淆数据集，对错误语句进行纠错处理，得到初始数据集，其中，初始数据集中包括多个合同文书数据集。
28.s154：计算初始数据集中每一合同文书数据集的困惑度，并基于困惑度对合同文书数据集进行筛选，得到合同纠错数据集。
29.具体地，选择合同领域数据中的部分数据返回开发端，在开发端中，通过法律工程师对该部分数据进行标注校对处理，得到混淆数据集。然后对合同领域数据进行实体位置进行过滤，识别出合同数据中的错误语句和其对应的错误类型；若是冗余类型错误，则混淆数据集中随机选择10%的词替换原始合同文本，或随机增加句子中的10%的字符或词语；若是缺失类型错误，则混淆数据集中随机选择10%的词替换原始合同文本，或随机删除句子中的10%的字符或词语，得到初始数据集。最后计算初始数据集中每一合同文书数据集的困惑度，并基于困惑度对合同文书数据集进行筛选，筛选出困惑度较低的初始数据，从而得到合同纠错数据集。
30.s2：获取待处理合同数据，识别出待处理合同数据中的待处理错误语句。
31.具体地，在需要对待处理合同数据进行纠错时，获取待处理合同数据，为了避免由于分词错误造成的后续错误，对待处理合同数据进行分词处理和实体识别处理，从而预测出待处理错误语句。
32.请参阅图4，图4示出了步骤s2的一种具体实施方式，详叙如下：s21：获取待处理合同数据。
33.s22：对待处理合同数据进行分词处理和实体识别处理，判断待处理合同数据是否存在错误词语。
34.s23：若存在错误词语，则统计错误词语对应的错误词频，并判断错误词语是否属于未登录词库中的未登录词。
35.s24：若错误词语属于未登录词且错误词频超过预设阈值，则获取错误词语对应的语句，作为待处理错误语句。
36.具体地，对待处理合同数据进行分词处理和实体识别处理，判断每个词语所在的位置是否发生错误，若是，则统计该位置词语的词频，并判断该位置词语是否为未登录词，若错误词语属于未登录词且错误词频超过预设阈值，则获取错误词语对应的语句，作为待处理错误语句。需要说明的是，预设阈值根据实际情况进行设定，此处不做限定。
37.s3：基于合同文书纠错数据集，获取正确合同语句和标注合同语句，并将正确合同语句、标注合同语句以及待处理错误语句输入预设模型中进行训练，以识别出待处理错误语句对应的错误类型。
38.请参阅图5，图5示出了步骤s3的一种具体实施方式，详叙如下：s31：基于合同文书纠错数据集，获取正确合同语句和标注合同语句。
39.s32：将正确合同语句、标注合同语句以及待处理错误语句输入序列化标注模型中进行训练，以使得识别待处理错误语句对应的错误类型标签序列。
40.s33：基于错误类型标签序列，生成待处理错误语句对应的错误类型。
41.具体地，合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集，本技术实施例从混淆数据集和合同纠错数据集中获取正确合同语句和标注合同语句。将错误类型预测看作为序列标注问题，对正常词语、错误词语以及其对应的位置进行标记，例如，将正确语句的标注为o，错误语句开始位置标注为b-x，中间位置、结束位置标注为i-x，其中，x表示错误类型，错误类型分别为b-r（冗余），i-r，b-m（缺失），i-m，b-w（错别字），i-w。
42.例如，待处理错误语句为“标主向量”，正确合同语句为“标注向量”，则错误识别部分的输入是“标主向量”，模型输出是“o b_w o o”序列，表示第二个字符是错别字。
43.在将正确合同语句、标注合同语句以及待处理错误语句输入序列化标注模型中进行训练的过程中，会基于预训练模型bert获取待处理错误语句的向量表示，并使用双向长短期记忆网络编码待处理错误语句的上下文表示，最后在条件随机场层中预测出待处理错误语句所对应的错误类型标签序列。对于一个待处理语句：，基于预训练模型bert获取该句子的向量表示，即表示为：。本技术实施例，在对双向长短期记忆网络的训练过程中，使用负对数似然函数作为损失函数进行训练，且采用 adam优化器进行优化处理。
44.s4：获取错误类型对应的纠错方式，通过纠错方式对待处理错误语句进行纠错处理，得到正确合同文书。
45.具体地，上述步骤已经识别待处理错误语句及其对应的错误类型，本技术实施例针对不同的错误类型，采用了不同的纠错方式。所以先获取错误类型对应的纠错方式，通过纠错方式对待处理错误语句进行纠错处理，得到正确合同文书。
46.请参阅图6，图6示出了步骤s4的一种具体实施方式，详叙如下：s41：若错误类型为缺失错误，则获取预训练语言模型中的填补词语，并通过填补词语对待处理错误语句进行纠错处理，得到正确合同文书。
47.请参阅图7，图7示出了步骤s41的一种具体实施方式，详叙如下：
s411：若错误类型为缺失错误，则获取合同专业文件，并通过合同专业文件微调预训练语言模型。
48.s412：通过集束搜索算法预测预训练语言模型中的填补词语集，其中，填补词语中包括多个填补词语。
49.s413：识别待处理错误语句对应的缺失位置，通过多个填补词语异常对缺失位置进行填补，得到填补数据集，其中，填补数据集包括多个填补数据。
50.s414：计算填补数据集中填补数据的困惑度，得到目标困惑度，并基于目标困惑度对填补数据进行筛选，得到正确合同文书。
51.具体地，若错误类型为缺失错误，则获取合同专业文件，并通过合同专业文件微调预训练语言模型，合同专业文件包括合同文书、合同法和合同相关的裁判文书等。再通过集束搜索算法预测预训练语言模型中的填补词语集，其中，填补词语中包括多个填补词语，然后识别待处理错误语句对应的缺失位置，在缺失位置上插入预设个字符，如0-3个（mask）字符，多个填补词语异常对缺失位置进行填补，得到填补数据集，最后计算填补数据集中填补数据的困惑度，得到目标困惑度，基于目标困惑度对填补数据进行筛选，得到正确合同文书。其中，将目标困惑度作为评判标准，若补全后的句子困惑度低于原句，则判定该填补数据纠错正确，将其加入正确合同文书中。其中，集束搜索算法是一种启发式图搜索算法，在图的解空间比较大的情况下，为了减少搜索所占用的空间和时间，在每一步深度扩展的时候，剪掉一些质量比较差的结点，保留下一些质量较高的结点。
52.s42：若错误类型为冗余错误，则识别待处理错误语句的起始错误位置和结束错误位置，并删除起始错误位置至结束错误位置上对应的字符，得到正确合同文书。
53.s43：若错误类型为机构名错误，则通过法律知识图谱构建目标前缀字典树，并根据目标前缀字典树中的编辑距离，筛选出候选，且通过候选对待处理错误语句进行纠错处理，得到正确合同文书。
54.具体地，若错误类型为冗余错误，则识别待处理错误语句的起始错误位置和结束错误位置，并删除起始错误位置至结束错误位置上对应的字符，得到正确合同文书；若错误类型为机构名错误，则通过法律知识图谱构建目标前缀字典树，并根据目标前缀字典树中的编辑距离，筛选出候选实体，且通过候选实体对待处理错误语句进行纠错处理，得到正确合同文书。对于行政区划搭配错误，根据识别出的省、市推荐对应的机构。对于机构名错误分为以下四种情形：（1）一般错误：错字、少字、多字。例如：因履行本合同发生争议，甲、乙双方可以协商解决；协商不成的，任一方均可以向北京市人仲裁委员会申请仲裁，纠错后为：北京市仲裁委员会。（2）混淆高级、中级和基层法院以产生错误。例如：争议的解决：本合同在履行的过程中发生的争议，由双方当事人协商解决；协商不成的，双方均同意向东莞市高级人民法院提起诉讼，纠错后为：东莞市中级人民法院。（3）行政区划常识错误：行政区划搭配错误。例如：第十二条：本合同发生纠纷，由安徽省南京市雨花台区人民法院诉讼管辖，纠错后为：江苏省南京市雨花台区，例如：凡因本合同引起的或与本合同有关的任何争议，协商不成时均向深圳市白云区人民法院起诉，纠错后为：广州市白云区人民法院或贵阳市白云区人民法院。（4）仲裁机构名称错误：不存在的仲裁机构名称。例如：本合同履行过程中发生的争议，由当事人对双方友好协商解决，也可由第三人调解，协商或调解不成的，可向北京市国际仲裁中心仲裁，纠错后为：北京国际仲裁中心。
55.s5：爬取正确合同文书中每一词语的释义，生成纠错释义知识库。
56.具体地，根据合同文书纠结集，爬取正确合同文书中每一词语对应的汉语词典中的释义或百度百科释义，生成纠错释义知识库。
57.本实施例中，收集合同领域数据，并基于合同领域数据，创建合同文书纠错数据集，其中，合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集；获取待处理合同数据，识别出待处理合同数据中的待处理错误语句；基于合同文书纠错数据集，获取正确合同语句和标注合同语句，并将正确合同语句、标注合同语句以及待处理错误语句输入预设模型中进行训练，以识别出待处理错误语句对应的错误类型；获取错误类型对应的纠错方式，通过纠错方式对待处理错误语句进行纠错处理，得到正确合同文书；爬取正确合同文书中每一词语的释义，生成纠错释义知识库。本发明实施例中通过创建合同文书纠错数据集，以满足不同合同类型的需求；然后通过将未登录词库作为分词词库，识别出待处理错误语句，并确认待处理语句对应的错误类型，再根据不同的错误类型对待处理错误语句进行纠错处理，同时爬取每一词语的释义，实现了对不同错误类型的合同文书语法进行纠错，有利于提高合同文书语法的纠错准确性。
58.请参考图7，作为对上述图1所示方法的实现，本技术提供了一种合同文书语法的纠错装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
59.如图7所示，本实施例的合同文书语法的纠错装置包括：合同文书纠错数据集创建模块61、待处理错误语句识别模块62、错误类型识别模块63、正确合同文书生成模块64及纠错释义知识库生成模块65，其中：合同文书纠错数据集创建模块61，用于收集合同领域数据，并基于合同领域数据，创建合同文书纠错数据集，其中，合同文书纠错数据集包括未登录词库、混淆数据集以及合同纠错数据集；待处理错误语句识别模块62，用于获取待处理合同数据，识别出待处理合同数据中的待处理错误语句；错误类型识别模块63，用于基于合同文书纠错数据集，获取正确合同语句和标注合同语句，并将正确合同语句、标注合同语句以及待处理错误语句输入预设模型中进行训练，以识别出待处理错误语句对应的错误类型；正确合同文书生成模块64，用于获取错误类型对应的纠错方式，通过纠错方式对待处理错误语句进行纠错处理，得到正确合同文书；纠错释义知识库生成模块65，用于爬取正确合同文书中每一词语的释义，生成纠错释义知识库。
60.进一步地，合同文书纠错数据集创建模块61包括：候选词生成单元，用于获取合同领域数据，将合同领域数据中的字符进行两两组合，得到候选词；字典树构建单元，用于构建候选词的前缀字典树和后缀字典树，其中，前缀字典树和后缀字典树以单个字符为节点，每个节点记录从根节点到当前节点构成词汇出现的频次；信息熵计算单元，用于获取前缀字典树和后缀字典树的频次列表，并计算每一候
选词以及候选词构成片段的左右信息熵；未登录词筛选单元，用于基于左右信息熵和频次列表，从合同领域数据中筛选出未登录词，得到未登录词库；数据集构建单元，用于构建合同领域数据的混淆数据集以及合同纠错数据集。
61.进一步地，数据集构建单元包括：混淆数据集生成子单元，用于将合同领域数据返回开发端，以使得开发端对合同领域数据进行标注校对，得到混淆数据集；错误语句识别子单元，用于识别合同领域数据中的错误语句以及错误语句对应的错误类型；初始数据集生成子单元，用于根据错误类型以及混淆数据集，对错误语句进行纠错处理，得到初始数据集，其中，初始数据集中包括多个合同文书数据集；合同文书数据集筛选子单元，用于计算初始数据集中每一合同文书数据集的困惑度，并基于困惑度对合同文书数据集进行筛选，得到合同纠错数据集。
62.进一步地，待处理错误语句识别模块62包括：待处理合同数据获取单元，用于获取待处理合同数据；错误词语判断单元，用于对待处理合同数据进行分词处理和实体识别处理，判断待处理合同数据是否存在错误词语；错误词频统计单元，用于若存在错误词语，则统计错误词语对应的错误词频，并判断错误词语是否属于未登录词库中的未登录词；待处理错误语句判断单元，用于若错误词语属于未登录词且错误词频超过预设阈值，则获取错误词语对应的语句，作为待处理错误语句。
63.进一步地，错误类型识别模块63包括：标注序列获取单元，用于基于合同文书纠错数据集，获取正确合同语句和标注合同语句；错误类型标签序列生成单元，用于将正确合同语句、标注合同语句以及待处理错误语句输入序列化标注模型中进行训练，以使得识别待处理错误语句对应的错误类型标签序列；错误类型识别单元，用于基于错误类型标签序列，生成待处理错误语句对应的错误类型。
64.进一步地，正确合同文书生成模块64包括：第一纠错单元，用于若错误类型为缺失错误，则获取预训练语言模型中的填补词语，并通过填补词语对待处理错误语句进行纠错处理，得到正确合同文书；第二纠错单元，用于若错误类型为冗余错误，则识别待处理错误语句的起始错误位置和结束错误位置，并删除起始错误位置至结束错误位置上对应的字符，得到正确合同文书；第三纠错单元，用于若错误类型为机构名错误，则通过法律知识图谱构建目标前缀字典树，并根据目标前缀字典树中的编辑距离，筛选出候选实体，且通过候选实体对待处理错误语句进行纠错处理，得到正确合同文书。
65.进一步地，第一纠错单元包括：
预训练语言模型微调子单元，用于若错误类型为缺失错误，则获取合同专业文件，并通过合同专业文件微调预训练语言模型；填补词语集生成子单元，用于通过集束搜索算法预测预训练语言模型中的填补词语集，其中，填补词语中包括多个填补词语；填补数据集生成子单元，用于识别待处理错误语句对应的缺失位置，通过多个填补词语异常对缺失位置进行填补，得到填补数据集，其中，填补数据集包括多个填补数据；目标困惑度计算子单元，用于计算填补数据集中填补数据的困惑度，得到目标困惑度，并基于目标困惑度对填补数据进行筛选，得到正确合同文书。
66.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
67.计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图中仅示出了具有三种组件存储器71、处理器72、网络接口73的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器 (digital signal processor，dsp)、嵌入式设备等。
68.计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
69.存储器71至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，sd或dx存储器等）、随机访问存储器（ram）、静态随机访问存储器（sram）、只读存储器（rom）、电可擦除可编程只读存储器（eeprom）、可编程只读存储器（prom）、磁性存储器、磁盘、光盘等。在一些实施例中，存储器71可以是计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，存储器71也可以是计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）等。当然，存储器71还可以既包括计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，存储器71通常用于存储安装于计算机设备7的操作系统和各类应用软件，例如合同文书语法的纠错方法的程序代码等。此外，存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。
70.处理器72在一些实施例中可以是中央处理器（central processing unit，cpu）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制计算机设备7的总体操作。本实施例中，处理器72用于运行存储器71中存储的程序代码或者处理数据，例如运行上述合同文书语法的纠错方法的程序代码，以实现合同文书语法的纠错方法的各种实施例。
71.网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在计算机设备7与其他电子设备之间建立通信连接。
72.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，计算机可读
存储介质存储有计算机程序，计算机程序可被至少一个处理器执行，以使至少一个处理器执行如上述的一种合同文书语法的纠错方法的步骤。
73.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如rom/ram、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本技术各个实施例的方法。
74.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。