استخراج تعهدات قراردادی از متن قرارداد با NLP

با سلام و احترام برای انجام بخش فنی و برنامه‌نویسی یک پژوهش در حوزه مدیریت قرارداد در پروژه و پردازش زبان طبیعی NLP نیاز به همکاری با یک برنامه‌نویس حرفه ای در زمینه Python، NLP، پردازش متن فارسی و مدل‌های زبانی دارم. هدف این پروژه، پیاده‌سازی فاز اول یک سامانه پژوهشی است که بتواند اسناد قرارداد پروژه را دریافت کرده و از متن قرارداد، تعهدات طرفین قرارداد را استخراج نماید. در این مرحله تمرکز اصلی پروژه بر استخراج تعهدات قراردادی است و فازهای پیشرفته‌تر مانند مقایسه قراردادها، شناسایی بندهای ادعازا و پیشنهاد اصلاح بندهای قراردادی در مراحل بعدی پروژه توسعه داده خواهند شد. 1- شرح مسئله در قراردادهای پروژه، تعهدات مختلفی برای طرفین قرارداد از جمله کارفرما، پیمانکار، مشاور یا سایر ذی‌نفعان تعریف می‌شود. هدف این پروژه آن است که سیستم بتواند متن قرارداد را پردازش کرده و مشخص کند هر طرف قرارداد چه تعهداتی دارد. برای مثال، سیستم باید بتواند از متن قرارداد تشخیص دهد: پیمانکار چه تعهداتی دارد؛ کارفرما چه تعهداتی دارد؛ مشاور یا سایر طرف‌های قرارداد چه مسئولیت‌هایی دارند؛ 2- دامنه انتظارات از برنامه سیستم باید امکان دریافت اسناد قرارداد را داشته باشد. فرمت‌های مورد انتظار شامل موارد زیر است: *Word *PDF متنی *در صورت امکان، PDF اسکن‌شده با استفاده از OCR را داشته باشد. +++ سیستم باید بتواند متن قرارداد را استخراج کرده و برای پردازش آماده کند؛ از جمله: *حذف بخش‌های زائد؛ *تشخیص ساختار کلی قرارداد؛ *جداسازی مواد، بندها و تبصره‌ها؛ *آماده‌سازی متن برای تحلیل NLP. 3- سیستم باید بتواند جملات یا بندهایی را که حاوی تعهدات قراردادی هستند شناسایی و استخراج کند. برای هر تعهد، خروجی ترجیحاً شامل اطلاعات زیر باشد: *متن کامل تعهد؛ *طرف متعهد؛ *شماره ماده، بند یا تبصره؛ *موضوع تعهد؛ *زمان یا مهلت انجام، در صورت وجود؛ 4- خروجی ساختاریافته خروجی سیستم باید به‌صورت ساختاریافته ارائه شود تا در مراحل بعدی پژوهش قابل استفاده باشد. فرمت‌های خروجی مورد انتظار: *Excel *JSON *CSV روش پیاده‌سازی با رویکردهای زیر مدنظر هستند: *استفاده از Python؛ *استفاده از روش‌های NLP؛ *طراحی قواعد Rule-Based برای شناسایی تعهدات؛ *استفاده از مدل‌های زبانی فارسی یا چندزبانه؛ *استفاده از روش‌های ترکیبی Rule-Based + LLM؛ *امکان استفاده از RAG برای تحلیل بهتر متن قرارداد؛ *استفاده از کتابخانه‌های Hazm، Parsivar، spaCy، Transformers، LangChain یا LlamaIndex. 5- خروجی‌های مورد انتظار خروجی نهایی باید شامل موارد زیر باشد: *کد کامل و قابل اجرا؛ *توضیح معماری و روش پیاده‌سازی؛ *امکان بارگذاری یا معرفی فایل قرارداد؛ *استخراج متن قرارداد؛ *شناسایی و استخراج تعهدات طرفین؛ *ارائه خروجی ساختاریافته در Excel یا JSON؛ *مستندات فنی برای استفاده در رساله؛ *نمونه اجرای سیستم روی حداقل یک یا چند قرارداد آزمایشی؛ *توضیح محدودیت‌ها و پیشنهادهای توسعه برای فازهای بعدی. *این پروژه شامل 3 فاز می باشد که بر حسب اجرای موفق این فاز فازهای دیگر در قالب پروژه اجرایی تعریف خواهد شد. *همچنین اسناد قراردادی و داده‌های ورودی محرمانه هستند و مجری باید متعهد به حفظ محرمانگی اطلاعات باشد. *از مجری انتظار می‌رود علاوه بر برنامه‌نویسی، در انتخاب روش مناسب برای استخراج تعهدات نیز پیشنهاد فنی ارائه دهد و محدودیت‌های روش پیشنهادی خود را شفاف بیان کند. *در صورت توافق نحوه استخراج تعهدات متن قرارداد به مجری توضیح داده خواهد شد.