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！

龙图腾网获悉苏州城市学院申请的专利数字化档案检索中的实例库优化方法、系统及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120492526B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510638800.4，技术领域涉及：G06F16/25；该发明授权数字化档案检索中的实例库优化方法、系统及存储介质是由袁艳;刘言;耿佃利;曹吉超;王凝萱设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本数字化档案检索中的实例库优化方法、系统及存储介质在说明书摘要公布了：本发明提供数字化档案检索中的实例库优化方法、系统及存储介质，通过将结构化数据与非结构化数据的转换结果用于检索偏移概率预测，实现将高校数字化档案的检索优化从检索环节前推到非结构化数据转换环节，能够较早地发现检索的数据源问题，对非结构化数据的转换结果进行优化，减少非结构化数据在结构化处理过程中丢失数据背景和隐含关系的可能性，将数据外部结构特征与内部语义特征深度融合，以便形成可供检索的结构化数据，以动态调整档案检索规划，为档案检索提供丰富的语义信息、价值信息以及档案数据之间的关联关系。

本发明授权数字化档案检索中的实例库优化方法、系统及存储介质在权利要求书中公布了：1.一种数字化档案检索中的实例库优化方法，其特征在于，包括以下步骤： 对待处理的档案数据进行预处理，得到结构化数据和非结构化数据； 对所述结构化数据进行离散化处理，得到离散特征； 基于全局离散化词表，将所述离散特征转换为结构化数据特征向量； 结合预设档案实体分类信息对所述非结构化数据进行处理，得到非结构化数据特征向量； 将所述结构化数据特征向量与所述非结构化数据特征向量进行融合，得到融合特征； 将所述融合特征输入实例库评价模型中，计算预测基于当前实例库的检索偏移概率； 根据所述检索偏移概率对所述非结构化数据的转换结果进行优化，得到优化后的实例库； 所述结合预设档案实体分类信息对所述非结构化数据进行处理，得到非结构化数据特征向量步骤包括： 获取预设档案实体分类信息； 根据所述预设档案实体分类信息对所述非结构化数据进行分词操作，得到分词结果； 将所述分词结果作为预训练的词向量模型的输入，以生成动态词向量； 对所述动态词向量中的每一列进行池化操作，以将所述动态词向量压缩为第一语义向量； 所述预训练的词向量模型包括输入层、编码器、预测层以及输出层；其中， 所述输入层用于将输入的分词结果表示为词向量； 所述编码器中包含多层的Transformer编码器，多层的Transformer编码器用于捕获输入序列中的上下文关系，将其编码为固定长度的向量表示；每个Transformer编码器包括自注意力层和全连接前馈层,用于对输入序列进行特征提取和表示学习； 所述预测层用于通过自注意力机制随机屏蔽输入序列中的若干标识，利用未遮蔽词预测出被屏蔽的标识内容； 所述输出层用于对输入序列进行向量表示，获得动态词向量； 所述根据所述检索偏移概率对所述非结构化数据的转换结果进行优化，得到优化后的实例库步骤包括： 当所述检索偏移概率达到概率阈值时，将所述非结构化数据特征向量、非结构化数据转换模型最新的转换结果作为所述非结构化数据转换模型的输入，得到当前转换结果； 将所述当前转换结果作为长短期记忆神经网络模型的当前时间戳处的输入，结合所述长短期记忆神经网络模型的前一个时间戳的隐藏状态、先前时刻的单元状态进行转换，获得非结构化数据当前转换结果，以及当前时刻的单元状态和当前时刻的隐藏状态； 将所述非结构化数据当前转换结果与所述结构化数据结合，得到优化后的实例库。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州城市学院，其通讯地址为：215000 江苏省苏州市吴中区吴中大道1188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。