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。
技术关键词
量子态
特征提取模型
生成对抗网络
训练样本集
分类器模型
极限学习机分类
鲸鱼优化算法
逻辑门
神经网络模型
分类器算法
电子档案系统
归类方法
特征提取模块
归类装置
参数
编码
词袋模型
数据处理技术
系统为您推荐了相关专利信息
系统性能模型
不确定性参数
不确定性量化方法
非线性函数关系
系统性能参数
自助设备
信息保护方法
双通道神经网络
特征提取模型
风险
机器学习算法
构建卷积神经网络
模式识别
生成对抗网络
支持向量机算法
纠偏机构
平行四边形机构
深度Q网络
数据采集检测装置
T型连接件
文物病害
损伤定位方法
飞秒脉冲激光器
样本
偏振光