买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东能源数智云科技有限公司

摘要：本发明实施例提供一种基于深度学习的电子档案智能归类方法及装置，涉及数据处理技术领域，包括获取待归类文档；将待归类文档转换为词汇表，基于词汇表，构建待归类文档的向量化表示；将向量化表示输入至预设的特征提取模型中，输出向量化表示对应的关键特征；通过分类器模型对关键特征识别，输出分类结果，以对待归类文档进行归类。其中，分类器模型基于极限学习机分类算法作为分类器算法，极限学习机采用量子态演化理论更新连接权重；特征提取模型基于鲸鱼优化算法优化特征权重，训练样本集使用生成对抗网络通过量子逻辑门操作构建，本发明能够处理语义丰富、格式多样的文档，提高归类精度。

主权项：1.一种基于深度学习的电子档案智能归类方法，其特征在于，所述方法包括：获取待归类文档；将所述待归类文档转换为词汇表，基于所述词汇表，构建所述待归类文档的向量化表示；将所述向量化表示输入至预设的特征提取模型中，输出所述向量化表示对应的关键特征；其中，训练所述特征提取模型的训练样本集使用生成对抗网络通过量子逻辑门操作构建；且，所述特征提取模型基于鲸鱼优化算法优化所述训练样本集对应的特征权重，以及，基于优化的特征权重对所述特征提取模型的模型参数进行更新；将所述关键特征输入至预先构建的分类器模型中，输出所述关键特征对应的分类结果；其中，所述分类器模型基于极限学习机分类算法作为分类器算法，所述极限学习机采用量子态演化理论更新连接权重；基于所述分类结果，对所述待归类文档进行归类；所述分类器模型的构建方法，包括：初始化极限学习机的连接权重；其中，所述连接权重对应有量子位；通过量子门操作对所述极限学习机的连接权重进行量子态演化，以更新所述连接权重；将预设的训练样本集输入至所述极限学习机中进行前向传播，基于所述前向传播对应的输出误差，对所述量子门操作的量子门参数进行调整；直至所述极限学习机满足预设的训练条件，基于所述极限学习机构建分类器模型；所述训练样本集的构建方法，包括：从多个电子档案系统中获取档案样本；对所述档案样本进行标注，构建初始样本集；其中，标注的标签用于指示所述档案样本的档案类别；使用预先构建的生成对抗网络通过量子逻辑门操作生成所述初始样本集对应的量子态扩充样本；将所述量子态扩充样本与所述初始样本集合并，构建训练样本集；其中，使用预先构建的生成对抗网络通过量子逻辑门操作生成所述初始样本集对应的量子态扩充样本的步骤，包括：使用生成对抗网络的生成器通过量子逻辑门操作生成初始扩充样本；对所述初始扩充样本进行量子态扩散，生成量子态扩散样本；通过生成对抗网络的判别器计算所述量子态扩散样本的量子态重叠度，基于所述量子态重叠度，确定所述量子态扩散样本对应的鉴别概率；当所述鉴别概率满足预设条件时，将所述量子态扩散样本作为所述初始样本集对应的量子态扩充样本。

全文数据：

权利要求：

百度查询： 山东能源数智云科技有限公司 基于深度学习的电子档案智能归类方法及装置