建筑行业合同关键信息智能提取大模型训练数据

本数据集作为建筑行业合同关键信息智能提取大模型的核心训练语料，用于 RoBERTa-wwm-ext 预训练语言模型的领域微调，以及 BiLSTM-CRF 序列标注模型的训练，使模型能够准确识别合同中的甲方名称、乙方名称、合同金额、签订日期等 18 种关键实体。同时，数据集可支撑模型在 18 种提取场景下的端到端准确率评测、LOF 异常检测算法验证及置信度校准。基于提取结果，可构建建筑行业合同要素知识图谱，积累标准条款、付款方式等行业基准数据，并为智能合同管理、招投标辅助审核、财务结算对接等下游业务系统提供结构化数据支撑。

搜集汇总

背景与挑战

背景概述

该数据集是用于建筑行业合同关键信息智能提取大模型的训练语料，旨在通过微调预训练语言模型（如RoBERTa-wwm-ext）并训练序列标注模型（如BiLSTM-CRF），使模型能够准确识别合同中的甲方名称、乙方名称、合同金额、签订日期等18种关键实体。数据集同时支持端到端准确率评测、异常检测算法验证及置信度校准，并为构建建筑行业合同要素知识图谱及智能合同管理等下游业务提供结构化数据支撑。