一种档案智能分类与检索方法

技术领域

本发明涉及分类检索的技术领域，尤其涉及一种档案智能分类与检索方法。

背景技术

随着信息技术的快速发展，高校信息化程度大幅提高，高校工作人员电子档案数量快极速膨胀，高校电子档案管理工作面临着巨大的挑战和机遇，需要更加高效、智能的管理模式来应对日益复杂的需求。传统高校档案管理模式主要是手工操作，难以保证信息的安全性和完整性，容易产生错误并且进行检索时也存在极大难度，难以满足高校信息化建设的现代化需求，其弊端也愈加突出，亟需一种智能化、自动化的电子档案管理方法。针对该问题，本发明提出一种档案智能分类与检索方法，通过人工智能技术实现电子档案的智能化理解和自适应分类检索，提高电子档案的智能化管理水平。

发明内容

有鉴于此，本发明提供一种档案智能分类与检索方法，目的在于：1）根据电子档案中不同候选词的句数以及间隔词数计算得到候选词间的位置距离，基于位置距离与窗口阈值的比较，建立候选词间的边关系，构建得到词图模型，并生成表示候选词位置重要性以及词频重要性的候选词位置特征，TFIDF特征，根据所生成的特征，计算得到候选词之间的跳转概率，初始化概率转移矩阵，根据概率转移矩阵的迭代计算结果，确定候选词的重要性权重，作为候选词的初始得分，计算候选词重要性的量化；2）根据候选词在词图模型中的节点度数，确定候选词在K核子图中的所属层级，其中节点度数越高则表示候选词与其他候选词的关联程度越高，所属层级越高，并利用平均信息熵特征过滤掉出现次数多但信息量不多的候选词，实现电子档案中关键词的确定，根据电子档案关键词进行档案分类并支持基于关键词的档案快速检索。

实现上述目的，本发明提供的一种档案智能分类与检索方法，包括以下步骤：

S1：将电子档案构建为词图模型，并根据词图模型计算电子档案中每个候选词的TFIDF特征和候选词位置特征；

S2：根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵；

S3：对概率转移矩阵进行迭代计算，得到候选词的初始得分；

S4：从所构建的词图模型中提取得到K核子图；

S5：基于提取的K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征；

S6：在候选词初始得分的基础上，融合层级特征及平均信息熵特征确定电子档案关键词；

S7：根据电子档案关键词进行档案分类并支持基于关键词的档案快速检索。

作为本发明的进一步改进方法：

可选地，所述S1步骤中将电子档案构建为词图模型，包括：

将电子档案构建为词图模型，其中第i份电子档案

S11：对电子档案

其中：

表示电子档案

表示分词处理结果

在本发明实施例中，利用标点符号对电子档案进行分句处理，利用Jieba分词工具对电子档案的每个句子进行分词处理，并去除分词处理后的停用词，得到分句分词处理结果，其中停用词包括语气词、介词等；

S12：从电子档案

其中：

表示电子档案

S13：将候选词作为词图模型的节点，并计算不同节点之间的位置距离，若两个节点之间的位置距离小于预设的窗口阈值，则两个节点之间存在边，否则不存在边，其中候选词

其中：

表示以自然常数为底的指数函数；

表示候选词

表示电子档案

表示候选词

在本发明实施例中，同一候选词可能在电子档案中的不同位置重复出现，因此选取使得位置距离达到最小的两个候选词位置，计算得到两个候选词的位置距离；

S14：将节点以及节点之间的边信息构成词图模型，则电子档案

其中：

表示电子档案

，表示不同候选词在词图模型之间的边信息；

若

可选地，所述S1步骤中根据词图模型计算电子档案中每个候选词的TFIDF特征和候选词位置特征，包括：

根据所构建的词图模型计算得到电子档案中每个候选词的TFIDF特征和候选词位置特征，其中电子档案

其中：

表示候选词

表示电子档案

；

n表示电子档案总份数；

表示存在候选词语

表示候选词

表示候选词

可选地，所述S2步骤中计算电子档案中候选词间的概率转移矩阵，包括：

根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵，其中电子档案

计算得到电子档案

：

其中：

表示候选词

根据跳转概率生成电子档案

其中：

表示电子档案

表示电子档案

可选地，所述S3步骤中对概率转移矩阵进行迭代计算，得到候选词的初始得分，包括：

对概率转移矩阵进行迭代计算得到候选词的初始得分，其中电子档案

S31：根据电子档案

其中：

表示电子档案

表示阻尼系数，将

S32：构成电子档案

S33：设置权重矩阵的当前迭代次数为t，t的初始值为0，则权重矩阵的第t次迭代结果为

S34：对权重矩阵进行迭代，其中权重矩阵的迭代公式为：

若

否则令

可选地，所述S4步骤中从词图模型中提取得到K核子图，包括：

从所构建的词图模型中提取得到K核子图，其中词图模型

S41：初始化k=0，初始化集合

S42：对集合

将所筛选得到的词图模型节点以及节点所连接的边从集合

S43：若

可选地，所述S5步骤中基于K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征，包括：

基于所提取的K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征，其中电子档案

获取电子档案

其中：

表示词图模型

表示计算节点在K核子图中的层级数；

获取电子档案

其中：

表示候选词

n表示电子档案总份数；

表示候选词

可选地，所述S6步骤中在候选词初始得分的基础上，融合层级特征及平均信息熵特征确定电子档案关键词，包括：

基于候选词初始得分，融合层级特征及平均信息熵特征确定电子档案关键词，其中电子档案

计算电子档案

其中：

表示电子档案

表示电子档案

表示电子档案

表示电子档案

选取关键词得分最高的候选词作为电子档案

可选地，所述S7步骤中根据电子档案关键词进行档案分类并进行基于关键词的档案快速检索，包括：

根据关键词得分最高的候选词对电子档案

为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；

通信接口，实现电子设备通信；及

处理器，执行所述存储器中存储的指令以实现上述所述的档案智能分类与检索方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的档案智能分类与检索方法。

相对于现有技术，本发明提出一种档案智能分类与检索方法，该技术具有以下优势：

首先，本方案提出一种词语重要性量化方式，根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵，其中电子档案

计算得到电子档案

：

其中：

其中：

其中：

设置权重矩阵的当前迭代次数为t，t的初始值为0，则权重矩阵的第t次迭代结果为

若

同时，本方案提出一种电子档案关键词确定方法，从所构建的词图模型中提取得到K核子图，其中词图模型

获取电子档案

其中：

其中：

附图说明

图1为本发明一实施例提供的一种档案智能分类与检索方法的流程示意图；

图2为本发明一实施例提供的实现档案智能分类与检索方法的电子设备的结构示意图。

图中：1电子设备，10处理器，11存储器，12程序，13通信接口。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种档案智能分类与检索方法。所述档案智能分类与检索方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述档案智能分类与检索方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

实施例1：

S1：将电子档案构建为词图模型，并根据词图模型计算电子档案中每个候选词的TFIDF特征和候选词位置特征。

所述S1步骤中将电子档案构建为词图模型，包括：

将电子档案构建为词图模型，其中第i份电子档案

S11：对电子档案

其中：

表示电子档案

表示分词处理结果

S12：从电子档案

其中：

表示电子档案

S13：将候选词作为词图模型的节点，并计算不同节点之间的位置距离，若两个节点之间的位置距离小于预设的窗口阈值，则两个节点之间存在边，否则不存在边，其中候选词

其中：

表示以自然常数为底的指数函数；

表示候选词

表示电子档案

表示候选词

S14：将节点以及节点之间的边信息构成词图模型，则电子档案

其中：

表示电子档案

，表示不同候选词在词图模型之间的边信息；

若

所述S1步骤中根据词图模型计算电子档案中每个候选词的TFIDF特征和候选词位置特征，包括：

根据所构建的词图模型计算得到电子档案中每个候选词的TFIDF特征和候选词位置特征，其中电子档案

其中：

表示候选词

表示电子档案

n表示电子档案总份数；

表示存在候选词语

表示候选词

表示候选词

S2：根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵。

所述S2步骤中计算得到电子档案中候选词间的概率转移矩阵，包括：

根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵，其中电子档案

计算得到电子档案

：

其中：

表示候选词

根据跳转概率生成电子档案

其中：

表示电子档案

表示电子档案

S3：对概率转移矩阵进行迭代计算得到候选词的初始得分。

所述S3步骤中对概率转移矩阵进行迭代计算，得到候选词的初始得分，包括：

对概率转移矩阵进行迭代计算得到候选词的初始得分，其中电子档案

S31：根据电子档案

其中：

表示电子档案

表示阻尼系数，将

S32：构成电子档案

S33：设置权重矩阵的当前迭代次数为t，t的初始值为0，则权重矩阵的第t次迭代结果为

S34：对权重矩阵进行迭代，其中权重矩阵的迭代公式为：

若

否则令

S4：从所构建的词图模型中提取得到K核子图。

所述S4步骤中从词图模型中提取得到K核子图，包括：

从所构建的词图模型中提取得到K核子图，其中词图模型

S41：初始化k=0，初始化集合

S42：对集合

将所筛选得到的词图模型节点以及节点所连接的边从集合

S43：若

S5：基于提取的K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征。

所述S5步骤中基于K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征，包括：

基于所提取的K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征，其中电子档案

获取电子档案

其中：

表示词图模型

表示计算节点在K核子图中的层级数；

获取电子档案

其中：

表示候选词

n表示电子档案总份数；

表示候选词

S6：在候选词初始得分的基础上，融合层级特征及平均信息熵特征确定电子档案关键词。

所述S6步骤中基于候选词初始得分，融合层级特征及平均信息熵特征确定电子档案关键词，包括：

基于候选词初始得分，融合层级特征及平均信息熵特征确定电子档案关键词，其中电子档案

计算电子档案

其中：

表示电子档案

表示电子档案

表示电子档案

表示电子档案

选取关键词得分最高的候选词作为电子档案

S7：根据电子档案关键词进行档案分类并支持基于关键词的档案快速检索。

所述S7步骤中根据电子档案关键词进行档案分类并进行基于关键词的档案快速检索，包括：

根据关键词得分最高的候选词对电子档案

实施例2：

如图2所示，是本发明一实施例提供的实现档案智能分类与检索方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（用于实现档案智能分类与检索的程序12等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。

所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图2仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图2示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

将电子档案构建为词图模型，并根据词图模型计算电子档案中每个候选词的TFIDF特征和候选词位置特征；

根据计算得到的电子档案TFIDF特征和候选词位置特征计算电子档案中候选词间的概率转移矩阵；

对概率转移矩阵进行迭代计算得到候选词的初始得分；

从所构建的词图模型中提取得到K核子图；

基于提取的K核子图计算得到电子合同中候选词的层级特征和平均信息熵特征；

在候选词初始得分的基础上，融合层级特征及平均信息熵特征确定电子档案关键词；

根据电子档案关键词进行档案分类并支持基于关键词的档案快速检索。

具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。