1.一种合同条款风险智能识别评估方法，其特征在于，包括：S1、多粒度条款解析：获取待审查的目标合同文档，采用合同领域预训练语言模型对目标合同文档进行条款边界自适应切分，得到条款边界切分结果，并识别各条款文本段所对应的法律属性类别，法律属性类别包含主体条款、标的条款、价款条款、履行条款、违约责任条款、争议解决条款、保密条款和不可抗力条款中的至少一者；

S2、风险识别：基于多维度风险特征库对条款边界切分结果中的各条款文本段进行风险识别处理，通过语义相似度匹配从各条款文本段中识别风险模式匹配结果，风险模式匹配结果包含权利义务不对等条款、单方免责陷阱条款、无限连带责任条款、管辖权不利条款和知识产权归属模糊条款中的至少一者；对各条款文本段进行结构性瑕疵检测，得到结构性瑕疵检测结果，并计算各条款文本段的权利义务对等性指标数值；

所述权利义务对等性指标数值，计算包括：

从各条款文本段中提取权利要素集合和义务要素集合；

分别计算权利要素集合的权利强度数值和义务要素集合的义务强度数值；

根据权利强度数值和义务强度数值的加权比值计算权利义务对等性指标数值；

当权利义务对等性指标数值低于预设对等性阈值时，判定条款文本段存在权利义务不对等风险；

S3、风险评估：基于风险模式匹配结果和结构性瑕疵检测结果，确定各条款文本段的风险严重度等级，基于法律属性类别对应的基准概率和权利义务对等性指标数值确定各条款文本段的发生概率等级，根据风险严重度等级和发生概率等级构建风险评估二维矩阵并计算各条款文本段的条款风险等级评分；

S4、修改建议生成：筛选条款风险等级评分超过预设风险阈值的高风险条款，针对各高风险条款检索法律条文知识库，以获取匹配的法律条文依据信息，并基于法律条文依据信息自动生成修改建议文本；

S5、结果输出：基于各条款文本段的条款风险等级评分生成合同风险评估报告，基于风险模式匹配结果和修改建议文本生成条款批注标注数据，基于高风险条款和法律条文依据信息生成谈判要点提示清单。

2.根据权利要求1所述的合同条款风险智能识别评估方法，其特征在于，步骤S1中，所述条款边界自适应切分，包括：对目标合同文档进行文本提取预处理得到文档文本序列；

采用滑动窗口机制在文档文本序列上计算相邻文本段之间的语义连贯性得分；

在语义连贯性得分低于预设连贯性阈值的位置确定为条款边界候选点；

基于合同领域预训练语言模型对条款边界候选点进行边界置信度评估，保留边界置信度超过预设置信度阈值的候选点作为最终条款边界，生成条款边界切分结果。

3.根据权利要求2所述的合同条款风险智能识别评估方法，其特征在于，所述语义连贯性得分，计算方法包括：将滑动窗口内的前序文本段和后序文本段分别输入合同领域预训练语言模型得到前序语义向量和后序语义向量；

计算前序语义向量与后序语义向量的余弦相似度作为语义连贯性得分，公式为：；

其中， 表示在位置 处的语义连贯性得分，取值范围为[‑1,1]，数值越高表示前后文本段的语义关联性越强； 表示位置 之前文本段的语义向量， 表示位置 之后文本段的语义向量； 表示向量的L2范数。

4.根据权利要求1所述的合同条款风险智能识别评估方法，其特征在于，步骤S2中，所述语义相似度匹配，包括：将各条款文本段 输入合同领域预训练语言模型，得到条款语义向量 ；

将多维度风险特征库中的各风险模式模板 输入合同领域预训练语言模型，得到风险模式语义向量 ；

计算条款语义向量与各风险模式语义向量之间的语义相似度数值，公式为：；

其中， 表示条款文本段 与风险模式模板 之间的语义相似度，取值范围为[‑1,1]；

当语义相似度数值超过预设相似度阈值时，判定条款文本段存在对应的风险模式，生成风险模式匹配结果。

5.根据权利要求4所述的合同条款风险智能识别评估方法，其特征在于，步骤S3中，所述条款风险等级评分，计算包括：根据风险模式匹配结果中风险模式的类型和数量以及结构性瑕疵检测结果确定风险严重度等级 ；

根据法律属性类别对应的基准概率和权利义务对等性指标数值的偏离程度确定发生概率等级 ；

将风险严重度等级和发生概率等级作为风险评估二维矩阵的行列索引；

基于风险评估二维矩阵计算条款风险等级评分，条款风险等级评分等于风险严重度等级与发生概率等级的加权求和，公式为：；

其中， 表示条款文本段 的综合风险等级评分， 表示严重度权重， 表示概率权重，表示交互项系数。

6.根据权利要求1所述的合同条款风险智能识别评估方法，其特征在于，步骤S2中，所述结构性瑕疵检测，包括：检测各条款文本段是否缺失合同必备条款，合同必备条款包括主体信息条款、标的条款、价款条款和履行期限条款；

检测各条款文本段中关键要素表述是否完整，关键要素包括时间要素、金额要素、主体要素和地点要素；

将缺失必备条款和关键要素表述不完整中的至少一者作为结构性瑕疵检测结果。

7.根据权利要求1所述的合同条款风险智能识别评估方法，其特征在于，步骤S4中，所述修改建议，生成方法包括：基于高风险条款的风险模式匹配结果确定修改方向标签；

根据修改方向标签在法律条文知识库中检索匹配的法律条文依据信息；

采用文本生成模型基于高风险条款的原文本和法律条文依据信息生成修改建议文本；

将修改建议文本与法律条文依据信息进行关联标注。

8.根据权利要求1所述的合同条款风险智能识别评估方法，其特征在于，步骤S5中，所述谈判要点提示清单，生成方法包括：从各高风险条款中提取核心争议焦点；

根据条款风险等级评分对核心争议焦点进行优先级排序；

基于法律条文依据信息生成各核心争议焦点对应的谈判策略建议；

将核心争议焦点、优先级排序和谈判策略建议整合为谈判要点提示清单。

9.一种合同条款风险智能识别评估系统，用于实现权利要求1‑8任一项所述的方法，其特征在于，包括：多粒度条款解析模块，用于获取待审查的目标合同文档，采用合同领域预训练语言模型对目标合同文档进行条款边界自适应切分，得到条款边界切分结果，并识别各条款文本段所对应的法律属性类别；

风险识别模块，用于基于多维度风险特征库对条款边界切分结果中的各条款文本段进行风险识别处理，通过语义相似度匹配从各条款文本段中识别风险模式匹配结果，同时对各条款文本段进行结构性瑕疵检测得到结构性瑕疵检测结果，并计算各条款文本段的权利义务对等性指标数值；

风险评估模块，用于基于风险模式匹配结果和结构性瑕疵检测结果确定各条款文本段的风险严重度等级，基于法律属性类别和权利义务对等性指标数值确定各条款文本段的发生概率等级，根据风险严重度等级和发生概率等级构建风险评估二维矩阵并计算各条款文本段的条款风险等级评分；

修改建议生成模块，用于筛选条款风险等级评分超过预设风险阈值的高风险条款，针对各高风险条款检索法律条文知识库以获取匹配的法律条文依据信息，并基于法律条文依据信息自动生成修改建议文本；

输出模块，用于基于各条款文本段的条款风险等级评分生成合同风险评估报告，基于风险模式匹配结果和修改建议文本生成条款批注标注数据，基于高风险条款和法律条文依据信息生成谈判要点提示清单。