人工智能的普及将人类从大量重复性工作中解救出来。人工智能与法律领域结合能实现法律文件的自动解析和阅读。使用人工智能技术对合同文本进行内容理解和简单审核,相比以前的纯人工审核合同,能极大地减轻审核负担,提升合同审核的效率。目前,在租房市场中,不少租房人仍会被“黑中介”欺骗签订一份“不规范”的风险合同,签订合同时,某些合同条款表述不清、不详、有歧义,某些易忽略且频发侵权纠纷的风险点被遗忘等情况,造成后续维权艰难,且由此导致租房市场环境恶化,监管难度增大。对于所有合同当事人主体（出租人、承租人、中介机构）,进行合同审查都是必要的。目前,合同签订之前的合同审查主要是由专业律师进行人工审核。其审核工作包括大量难度低、重复性的基本条款要件审核,以及审核条款描述是否标准、合法和合规,检测出合同存在哪些风险和漏洞等等。本文针对房屋租赁领域合同进行要件风险漏洞检测,既考虑了合同要件的完备性,也包括要件内容的语义审核,提出检测算法、检测框架及检测流程并设计和实现了原型检测系统。本文主要从房屋租赁合同文本领域库构建、文本特征提取、文本对的语义相似识别的匹配检测模型构建、检测系统设计与实现四个方面进行研究,在这几个方面做出的贡献及工作如下:1.收集合同文本数据并构建领域资源。结合领域法律专家的视角,构建领域相关资源:（1）总结合同相关的常用专业术语,构建领域词典,提高分词效果;（2）结合众多合同模板数据及领域专家意见,提取并总结出针对每个审核要点的多种标准的合同要件表述,构建出房屋租赁合同用于匹配检测的要件库;（3）基于互匹配的思想构建房屋租赁领域相关的人工标注句子对训练语料库;并借鉴前人经验,使用EDA（Easy Data Augmentation）文本数据增强对语料库进行适当扩充,便于提高后续模型的泛化能力;在这个过程中,提出了领域相关资源的构建思路及构建方法。2.对互匹配后的合同要件句子对进行语义特征提取。对每个句子都分别使用预训练的BERT（Bidirectional Encoder Representations from Transformers）模型提取文本的句向量特征,其在学习特征时能较好地结合上下文信息。此外,采用了改进的类熵方法和Jaccard系数计算的字面匹配方法、基于语义角色标注的方法、句法树信息提取方法,对文本进行语义相似度特征提取。这些特征工程作为BERT句向量特征的补充和强化,从多个维度对文本进行关键字和语义信息的提取,作为后续相似匹配检测模型的输入。3.使用结合领域的语料库,训练针对互匹配句子对的语义相似识别的匹配检测模型。本文采用了全连接网络和卷积神经网络作为构建识别模型的基础模型,通过尝试不同的特征拼接方式和相对应的网络结构进行搭建。将LCQMC（A Large-scale Chinese Question Matching Corpus）计算语义是否相似的语料库与本文中构建的领域训练库相结合作为训练模型的综合语料库,进行实验和模型的选择。4.整合检测模型并应用。提出了合同要件匹配检测算法,并设计实现了方便使用的检测系统,实现输入房屋租赁合同,输出各合同要件的风险检测结果。