[發明專利]一種計算機比較空間的自主學習方法及系統

有效

• 申請號: 202110531281.3
• 申請日: 2021-05-17
• 公開（公告）號: CN112988982B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 王楠;徐杰;張翔;張宇
• 申請（專利權）人: 江蘇聯著實業股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/211;G06F40/30;G06N3/08
• 代理公司: 無錫蘇元專利代理事務所(普通合伙) 32471
• 代理人: 王清偉

1.一種計算機比較空間的自主學習方法，其中，所述方法包括：

獲得第一文件信息；所述第一文件信息為檔案的原始文件信息；

將所述第一文件信息按照預設轉化處理方法進行轉化，獲得第二文件信息，所述第二文件信息具有第一屬性；

將所述第二文件信息輸入第一語義分析模型，獲得第一語義信息；

獲得篩選要求信息，其中，所述篩選要求信息包括時間要求信息、內容要求信息、歸屬要求信息；所述篩選要求信息為參照檔案館劃控與開放鑒定的原則和館藏到開放期檔案的劃控鑒定實際情況，所制定的基于語義分析的檔案館開放鑒定條件解析規范；

根據所述時間要求信息，獲得第一篩選條件；所述第一篩選條件為依據檔案的形成時間制定的篩選條件；

根據所述歸屬要求信息，獲得第二篩選條件；所述第二篩選條件為依據檔案的不同歸屬要求所制定的篩選條件；

根據所述內容要求信息，獲得第三篩選條件；所述第三篩選條件為依據檔案的文本內容所制定的篩選條件；

將所述第一篩選條件、所述第二篩選條件、所述第三篩選條件進行任意組合，獲得組合篩選條件；

根據所述第一、第二、第三篩選條件及所述組合篩選條件，獲得篩選參數信息；

根據所述第二文件信息對所述篩選參數信息進行匹配，獲得第二文件匹配參數；

根據所述第二文件匹配參數，獲得匹配訓練數據；

對所述匹配訓練數據進行深度學習，構建比較模型；

根據所述第二文件匹配參數，獲得第一篩選特征；

將所述第一篩選特征、所述第一語義信息輸入所述比較模型中，獲得第一對比結果；并依據所述第一對比結果獲得所述第二文本信息是否可開放的結果。

2.如權利要求1所述的方法，其中，所述將所述第二文件信息輸入第一語義分析模型，獲得第一語義信息之前，包括：

獲得關鍵詞庫；

根據所述關鍵詞庫對所述第二文件信息進行全文檢索，獲得第一檢索結果；

判斷所述第一檢索結果是否存在；

當存在時，根據所述第一檢索結果，獲得第二語義信息。

3.如權利要求2所述的方法，其中，所述將所述第二文件信息輸入第一語義分析模型，獲得第一語義信息，包括：

當所述第一檢索結果不存在時，獲得預設句法分析方法；

根據所述預設句法分析方法對所述第二文件信息進行句法分析，獲得文件句法信息；

獲得預設語義模型庫；

根據所述文件句法信息，獲得句法特征；

根據所述句法特征、所述預設語義模型庫進行模型匹配，獲得所述第一語義分析模型；

將所述文件句法信息輸入所述第一語義分析模型，獲得所述第一語義信息。

4.如權利要求1所述的方法，其中，所述根據所述第二文件信息對所述篩選參數信息進行匹配，獲得第二文件匹配參數，包括：

根據所述第二文件信息，獲得第二文件屬性信息；

根據所述第二文件屬性信息，獲得第二文件時間信息；

判斷所述第二文件時間信息是否滿足所述第一篩選條件；

當滿足時，根據所述第二篩選條件、所述第三篩選條件，獲得所述第二文件匹配參數；

當所述第二文件時間信息不滿足所述第一篩選條件時，根據所述第一篩選條件、所述第二篩選條件，獲得所述第二文件匹配參數。

5.如權利要求1所述的方法，其中，所述獲得第二文件信息之后，包括：

獲得預設格式語義庫；

根據所述預設格式語義庫，獲得格式特征信息；

將所述格式特征信息、所述第二文件信息輸入格式匹配模型中，獲得第一匹配結果；

當所述第一匹配結果存在時，根據所述第一匹配結果，獲得第三語義信息。

6.如權利要求5所述的方法，其中，所述方法包括：

將所述第三語義信息輸入所述比較模型中，獲得第二對比結果；

通過對所述第二對比結果進行數據損失分析，獲得第一損失數據；

將所述第一損失數據輸入所述比較模型中進行訓練，獲得增量比較模型，其中，所述增量比較模型為所述比較模型進行增量學習后生成的新模型。