不同的合同信息抽取方法包括：

1. 基于规则的方法：这种方法依赖于手动定义的规则，以提取合同中的关键信息。规则通常基于合同的结构和语言特征，例如合同标题、段落格式、关键词等。该方法需要手动定义规则，对于复杂的合同可能难以覆盖所有情况。
2. 基于模板的方法：这种方法利用预先定义的模板来抽取合同信息。模板是针对合同中常见元素的格式化描述，例如合同方、有效期、金额等。该方法适用于结构相似的合同，但对于非常规合同可能不够灵活。
3. 基于机器学习的方法：这种方法使用机器学习算法对合同文本进行自动分类和识别，从而提取关键信息。常见的算法包括朴素贝叶斯、决策树和支持向量机等。该方法能够自动学习并适应不同的合同类型，但需要足够的训练数据。
4. 基于深度学习的方法：这种方法使用深度学习算法，如卷积神经网络（CNN）或循环神经网络（RNN），对合同文本进行特征提取和分类。该方法能够自动处理复杂的合同文本，并提供更精确的结果，但需要大量的训练数据和计算资源。
5. 混合方法：这种方法结合了上述几种方法的优点，以提高合同信息抽取的准确性和灵活性。例如，可以将基于规则的方法和基于机器学习的方法结合起来，或者将基于模板的方法和基于深度学习的方法结合起来。

总之，选择合适的合同信息抽取方法取决于具体的任务需求、数据资源和计算能力等因素。可以根据实际情况选择单一方法或结合多种方法来实现更准确和灵活的合同信息抽取。