[发明专利]一种基于多模态校验算法档案归档相似度计算方法

说明书

本发明提供一种基于多模态校验算法档案归档相似度计算方法，该方法可以通过构建的Skip‑gram模型将输入的文档进行文档类别判断，通过判断将不同的文档进行建档归类，从而可以提高文档分类的效率，对于分档好的不同类型文档可以通过Skip‑gram模型中设置的文本获取器进行不同类型文档的文本内容获取，并且将不同类型文档的文本内容进行词向量表示，再通过在Skip‑gram模型中设置不同类型的文档的文本范本词向量与文本获取器获取到的不同类型的文本内容词向量进行对比，最后Skip‑gram模型依据对比结果将不符合文本范本规范的文档进行标注预警，以此来完成文档的分类整理以及对不符合要求的文档的标注，以方便档案人员快速对文档进行整改，从而提高了档案的管理效率。

技术领域

本发明涉及档案归档技术领域，尤其涉及一种基于多模态校验算法档案归档相似度计算方法。

背景技术

企业档案是企业研发、生产、经营和管理活动中产生的真实记录，是企业有形资产记录、凭证和无形资产的承载和组成，是维护企业合法权益的重要凭证，其科学的管理工作将会对企业经营发展具有特殊的推动作用：企业在做出重大决策时可以借助过去发展中积累的档案资料分析总结不足，使决策更为科学和及时，同时企业在日常的工作中可以借助以往档案资料反映出来的有效经验财富，促进企业的科学发展，在保障企业生产、经营和管理持续开展，以及企业资产保值增值和延续企业历史等方面具有不可或缺的地位和作用。

目前档案完整性审核工作大部分单位均由档案人员人工来完成，即按照归档案人提交的档案资料，结合本单位档案管理标准，对不同档案类型的文件逐一进行核对，这需要档案管理人员对档案归档标准及档案内容有较高的要求，需要花费大量的工作去进行重复性工作，且由于工作量大及人为审核存在遗漏风险，进而造成大量的档案完整性校验效果差，这大大降低档案完整性校验的工作效率，同时浪费了大量的人力及财力。

发明内容

鉴以此，本发明的目的在于提供一种基于多模态校验算法档案归档相似度计算方法，以至少解决以上问题。

本发明采用的技术方案如下：

一种基于多模态校验算法档案归档相似度计算方法，所述方法包括以下步骤：

S1、通过构建Skip-gram模型，并且使用Skip-gram模型对输入文档的后缀进行文档类别判断；

S2、在Skip-gram模型中对不同后缀文档进行建档归类；

S3、在Skip-gram模型中设置文本获取器，通过文本获取器获取不同类型文档的文本内容，并且将不同类型文档的文本内容进行词向量表示；

S4、通过在Skip-gram模型中设置不同类型的文档的文本范本词向量与文本获取器获取到的不同类型的文本内容词向量进行对比；

S5、通过文本内容词向量与文本范本词向量的对比结果，Skip-gram模型将不符合文本范本规范的文档进行标注预警。

进一步的，在步骤S1中，输入文档的后缀包括doc、docx和txt。

进一步的，在步骤S2中，Skip-gram模型中对不同后缀文档进行建档归类具体为：

通过Skip-gram模型将输入文档的后缀进行截取，并且分别建立起doc后缀类型文本获取器、docx后缀类型文本获取器和txt后缀类型文本获取器。

进一步的，在步骤S3中，将文本内容进行词向量表示具体为：

通过doc后缀类型文本获取器、docx后缀类型文本获取器和txt后缀类型文本获取器将不同类型文档的文本内容中所有的词表示成一个N维向量，其中N为词汇表单单词的总数，在N维向量中，每个词都将与之对应的维度置为1,其余维度的值均为0。