EasyLaw (командный проект) — различия между версиями
EasyLaw (обсуждение | вклад) |
м |
||
Строка 26: | Строка 26: | ||
2. Развитие функционала веб-приложения. | 2. Развитие функционала веб-приложения. | ||
− | === | + | === Компоненты (Из каких частей состоит проект?) === |
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г. | 1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г. | ||
Версия 22:44, 28 сентября 2016
Компания | EasyLaw |
Учебный семестр | Осень 2016 |
Учебный курс | 3-й курс |
Максимальное количество студентов, выбравших проект: 2 | |
Содержание
|
Что это за проект?
Суть проекта заключается в создании онлайн сервиса автоматической проверки договора путем применения технологии распознавания и обработки естественного языка. Конечный продукт будет представлять собой платный онлайн-сервис автоматической юридической проверки договора на юридические риски и распознавание иных необходимых условий. Промежуточным этапом данного продукта является создание MVP, который представляет собой онлайн-сервис автоматизированной проверки договора. Алгоритм обработки юридического текста будет определять стоимость и время проверки за счет анализа ряда параметров загруженного текста (количество слов, вид и стороны договора, автоматически обнаруженные риски). Полноценная юридическая экспертиза будет выполняться профессиональным юристом. Документ будет загружаться через сайт в любом формате, вначале осуществляется распознавание текста целиком и количества слов через технологии OCR, затем - семантическое распознавание. MVP после запуска будет обновляться и выполнять все больше операций по юридической проверке документа автоматически.
Продукт нацелен на аудитории малого бизнеса, в том числе, индивидуальных предпринимателей, ООО, а также физических лиц (потребителей). Указанные субъекты, как правило, не используют услуги юристов или юридических фирм на постоянной основе. Наше конкурентное преимущество заключается в том, что мы демонстрируем прозрачное ценообразование и конкурентную стоимость услуги, а также гибкий функционал юридической экспертизы договора и высокую скорость работы профессиональных юристов, а к июню-декабрю 2017 алгоритм будет монетизироваться за счет полностью автоматической проверки договоров.
Чему научатся студенты? Что самое интересное в проекте?
Yandex Mystem scikit-learn ABBYY Compreno ABBYY OCR OCR.space
Организация работы (Как студенты будут работать в команде?)
2 студента. Обязанности будут распределяться равномерно по двум направлениям: 1. Работа с извлечением данных из текста и NLP. 2. Развитие функционала веб-приложения.
Компоненты (Из каких частей состоит проект?)
1. Создание прототипа, обрабатывающего вышеуказанные параметры текста договора и определяющие время и стоимость проверки - ноябрь 2016г.
2. Обновление алгоритма, автоматическое распознавание юридических рисков в договоре - январь - декабрь 2017г.
Какие будут использоваться технологии?
Студенты научатся:
- обрабатывать текст на разных уровнях препроцессинга (токенизация, pos-tagging, разбиение на предложения) - работать с сервером через ssh; работать в командной строке Linux - работать с приложениями посредством REST API - работать с бэкендом на Django/Flask - писать фронтенд, используя современные фреймворки и технологии (Bootstrap/JQuery и т.п.) - работать с системой контроля версий git - покрывать код тестами
Какие начальные требования?
знания Python начальные знания HTML, CSS инициативность в решении задач разработки желательно и очень приветствуется: знание JavaScript, Django/Flask, работа с REST API, NLP, scikit-learn или желание во всем этом разбираться
Темы вводных занятий
1. Общее описание технологий NLP и алгоритмов машинного обучения. 2. Методология работы с данными для решения задач проекта по обработке юридического текста договоров. 3. Характеристики технологий, которые мы используем для решения задач семантического распознавания текста.
Критерии оценки
В части работы по извлечению данных и NLP: 4-5: создать модуль препроцессинга текста 6-7: улучшать работу сплиттера предложений 8-10 готовый хорошо работающий модуль препроцессинга; работа с извлечением данных из текста.
В части web: 4-5: развитие функционала веб-приложения 6-7: разработка модуля хранения и передачи документов клиента 8-10: добавление платежки в веб-приложение.
Похожие проекты
Похожими проектами являются:
Россия: Сервис "Электронный юрист" от компании "Система Юрист" и "Актион" (https://dogovor.1jur.ru/#/).
США: LawGeex (www.lawgeex.com), KiraSystems (www.kirasystems.com), Beagle (www.beagle.ai).
Контактная информация
+7(906)032-63-56 Григорий Игнатьев