[发明专利]一种数字档案自动分类方法

权利要求书

1.一种数字档案自动分类方法，其特征在于,具体包括以下步骤：

S1：确定现有的数字档案的各级分类并标记对应的编码，建立各级分类之间的双向映射关系；

S2：获取每个现有数字档案的内容纲要、分类、编码，从而建立数字档案样本库；

S3：根据S2中建立的数字档案样本库进行数字档案分类BERT模型训练；

所述S3中，数字档案分类BERT模型训练参数包括样本批量为36、迭代次数为5、学习率为0.015；

S4:使用S3中训练完成的数字档案分类BERT模型进行数字档案的自动分类；

所述S4包括以下步骤：

S4-1:提取待分类数字档案的标题和描述字段，使用“|”将标题和描述字段连接形成内容纲要，将内容纲要输入数字档案分类BERT模型，从而输出推断结果Code，P,其中Code为数字档案分类的编码，P为推断该编码的概率；

若P≥Pmin，Pmin表示推断该编码的概率的阈值，则表示数字档案分类BERT模型输出的编码为code，从而确定分类；若P＜Pmin，则指定为“其它”

S4-2:根据S1中分段和编码之间的双向映射关系，确定数字档案对应的分类；

当待分类数字档案的长度超过L时，则数字档案分类BERT模型将输出第一推断code1,P1，第二推断code2,P2，其中code1、code2分别表示该数字档案第一推断分类编码、第二推断分类编码，p1、p2分别表示该数字档案第一推断编码的概率、第二推断编码的概率，则待分类数字档案的编码为：

若code1等于code2，且P1，P2均大于或等于Pmin,则该分类编码为code1或code2；

若code1等于code2，且P1，P2均小于Pmin,则该分类编码为“其它”；

若code1等于code2，且P1大于或等于Pmin,P2小于Pmin，则该分类编码为code1；

若code1等于code2，且P2大于或等于Pmin,P1小于Pmin，则该分类编码为code2；

若code1不等于code2，且P1，P2均大于或等于Pmin，P1≠P2，则取P1，P2较大者对应的编码为该数字档案分类编码；

若code1不等于code2，且P1，P2均大于或等于Pmin，P1＝P2，则该数字档案分类编码为“其它”；

若code1不等于code2，且P1，P2均小于Pmin，则该分类编码为“其它”；

若code1不等于code2，且P1大于或等于Pmin，P2小于Pmin，则该分类编码为code1；

若code1不等于code2，且P2大于或等于Pmin，P1小于Pmin，则该分类编码为code2。

2.如权利要求1所述的一种数字档案自动分类方法，其特征在于,所述S1中，数字档案的分类从上级到下级依次包括一级分类、二级分类、三级分类，即二级分类为一级分类的下一级，三级分类为二级分类的下一级。

3.如权利要求1所述的一种数字档案自动分类方法，其特征在于,S2包括以下步骤：

S2-1：从已有档案中获取档案标题和描述字段，并将同一档案的标题与描述字段用“|”进行连接构建内容纲要；

S2-2：从已有档案中获取档案分类及对应的编码，再将内容纲要与档案分类编码以“*”进行连接，完成档案样本采集。

4.如权利要求3所述的一种数字档案自动分类方法，其特征在于,若档案长度超过最大限定长度L，则将该档案在L处分隔，分别形成该档案的第一描述和第二描述；按照S2-1中内容纲要的构建方法分别构建该档案的第一内容纲要和第二内容纲要；按照S2-2中档案样本的采集方法构建该档案的第一样本和第二样本。

5.如权利要求3所述的一种数字档案自动分类方法，其特征在于,还包括S2-3：

将采集的档案样本以三个文本文件进行存储且每个文件中样本不重复，三个文本文件分别表示训练样本、验证样本和测试样本，其中训练样本、验证样本和测试样本的比例为6:3:1，形成数字档案样本库。