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！

摘要：本申请涉及智能管理技术领域，其具体地公开了一种人事档案智能管理系统及方法，其从员工人事档案库提取待处理员工的人事档案，并从该人事档案中提取员工的名称、所属部门、职位和职责信息，采用深度学习技术对其进行语义理解和上下文分析，深入理解员工的权限需求，从而智能为其分配对于人事档案库的访问权限。这样，可以根据员工的职务和工作需求，实现人事档案的差异化访问，确保人事信息的合规使用。

主权项：1.一种人事档案智能管理系统，其特征在于，包括：员工人事信息提取模块，用于从员工人事档案库提取待处理员工的人事档案，并从所述待处理员工的人事档案中提取员工人事信息，其中，所述员工人事信息包括员工的名称、所属部门、职位和职责；人事信息语义理解模块，用于对所述员工人事信息中的各个信息项分别进行语义编码以得到员工人事信息项语义编码特征向量的序列；人事信息上下文语义关联分析模块，用于对所述员工人事信息项语义编码特征向量的序列进行多尺度语义关联分析以得到员工人事信息语义关联融合多尺度表示特征向量；访问权限管理模块，用于基于所述员工人事信息语义关联融合多尺度表示特征向量，确定所述待处理员工的访问权限标签；其中，所述人事信息上下文语义关联分析模块，包括：第一尺度语义关联融合单元，用于对所述员工人事信息项语义编码特征向量的序列进行全局上下文关联编码以得到第一尺度员工人事信息上下文语义关联融合特征向量；第二尺度语义关联融合单元，用于对所述员工人事信息项语义编码特征向量的序列进行加权融合以得到第二尺度员工人事信息上下文语义关联融合特征向量；多尺度融合单元，用于融合所述第一尺度员工人事信息上下文语义关联融合特征向量和所述第二尺度员工人事信息上下文语义关联融合特征向量以得到所述员工人事信息语义关联融合多尺度表示特征向量；其中，所述访问权限管理模块，包括：特征优化单元，用于对所述员工人事信息语义关联融合多尺度表示特征向量进行特征分布优化以得到优化员工人事信息语义关联融合多尺度表示特征向量；访问权限生成单元，用于将所述优化员工人事信息语义关联融合多尺度表示特征向量通过基于分类器的访问权限管理器以得到管理结果，所述管理结果用于表示所述待处理员工的访问权限标签；其中，所述特征优化单元，用于：对所述员工人事信息语义关联融合多尺度表示特征向量进行基于后向尺度放缩优化的逆向误差分析以得到所述优化员工人事信息语义关联融合多尺度表示特征向量；其中，所述特征优化单元，包括：概率化激活子单元，用于对所述员工人事信息语义关联融合多尺度表示特征向量进行基于Sigmoid函数的概率化激活以得到概率化员工人事信息语义关联融合多尺度表示特征向量；预分类子单元，用于将所述员工人事信息语义关联融合多尺度表示特征向量输入所述分类器以得到初始类标签概率值；误差度量子单元，用于计算所述概率化员工人事信息语义关联融合多尺度表示特征向量中各个位置的特征值与所述初始类标签概率值之间的差值的绝对值以得到后向机器学习细粒度误差度量向量；注意力优化子单元，用于以所述后向机器学习细粒度误差度量向量作为键向量、所述员工人事信息语义关联融合多尺度表示特征向量作为查询向量和值向量，将所述键向量、所述查询向量和所述值向量输入转换器结构以得到后向学习类注意力优化员工人事信息语义关联融合多尺度表示特征向量；缩放因子计算子单元，用于计算所述后向机器学习细粒度误差度量向量的加和值与所述后向机器学习细粒度误差度量向量的长度之间的比值，并计算以所述比值为幂的自然指数函数值作为优化缩放因子；尺度放缩优化子单元，用于计算所述优化缩放因子与所述后向学习类注意力优化员工人事信息语义关联融合多尺度表示特征向量之间的乘积以得到所述优化员工人事信息语义关联融合多尺度表示特征向量；其中，以如下特征优化公式对所述员工人事信息语义关联融合多尺度表示特征向量进行基于后向尺度放缩优化的逆向误差分析以得到所述优化员工人事信息语义关联融合多尺度表示特征向量，其中，所述特征优化公式为：；其中，表示所述员工人事信息语义关联融合多尺度表示特征向量经过概率化激活后得到的概率化员工人事信息语义关联融合多尺度表示特征向量，表示所述初始类标签概率值，表示按位置相减，表示后向机器学习细粒度误差度量向量，表示所述后向机器学习细粒度误差度量向量的第个位置的特征值，的值为所述后向机器学习细粒度误差度量向量的长度，表示向量的转置，表示向量相乘，表示归一化指数函数，表示按位置点乘，表示所述优化员工人事信息语义关联融合多尺度表示特征向量。

全文数据：

权利要求：

百度查询： 长春职业技术学院 人事档案智能管理系统及方法