【技术实现步骤摘要】
本专利技术涉及档案管理，具体为一种企业关联档案管理目标知识特征推荐方法。
技术介绍
1、企业关联档案管理是通过建立和维护企业各部门和岗位之间的个人关系网络，实现企业员工信息的统一管理，主要功能包括：对企业内各部门和岗位设置标准化分类，建立员工所属关系，收集和整合员工个人资料，如姓名，联系方式，教育经历，就职简历等，跟踪员工在企业内的职务变更与岗位调动情况，及时进行档案更新，支持不同授权级别下的档案查询与访问管理，企业关联档案管理可以帮助企业完整和动态了解内部人员情况，为后续的人员评估、职业规划提供支持，同时也更便于不同部门间的协调合作；
2、但是，现有的企业关联档案管理的过程中，关于特定目标知识特征的推荐过程，还存在不足之处，例如：
3、1、不同管理者或者信息整理者，其索引的目的不同，因此，对于不同索引目标的表示需求不同，难以根据身份变化，自动提供对应需求的数值表示，因此具有局限性；
4、2、缺乏主动学习的能力，在长期的索引与推荐过程中，难以根据索引者的需要，自动调整索引内容，在索引者某时间段需求发生变化时，难以进行自适应的调整。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本专利技术提供了一种企业关联档案管理目标知识特征推荐方法，能够有效地解决现有技术的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现，
5、本专利技术公开了一种企业关
6、步骤1：介入档案管理系统，获取到企业的档案数据，包括档案图谱结构数据和文本结构数据；
7、步骤2：通过文本嵌入技术将档案图谱结构数据和文本结构数据转化为向量表示将文本数据转化为固定长度的向量，将档案图谱结构数据的向量表示和文本结构数据的向量表示进行融合，将不同类型的信息整合到同一特征空间中；
8、步骤3：基于向量化和融合后的数据，构建并训练深度学习分类模型，将数据投入分类模型中进行分类，将档案数据划分为不同的类别，并生成相应的分类标签；
9、步骤4：基于步骤3所数据的分类标签定义，获取历史索引与对应索引内容的推荐数据，通过分析已有的索引数据和其对应的档案内容，确定与用户兴趣相关的档案数据，并将其作为推荐数据；
10、步骤5：通过分析最终被引用的数据，比较对应索引内容和被引用数据之间的差异表示；
11、步骤6：使用transformer模型对融合特征向量进行学习，捕捉特征之间的关系和上下文信息，通过对融合特征向量进行transformer模型的训练，结合步骤4所获取的推荐数据以及步骤5所获取差异表示进行综合分析，将所学习到用户的偏好转化为数据表示，作为最终偏好参照值；
12、步骤7：在分类标签下，将所获取最终偏好参照值对应整合成个人专属偏好集合，提供修改端口；
13、步骤8：在用户验证身份信息之后，在解码端用户输入个人信息以及所要查询主题的短文本，根据用户的个人专属偏好集合，在不同分类标签下对应抓取内容，筛选出与用户查询主题相关的档案数据，并为用户推荐感兴趣的内容。
14、更进一步地，所述步骤1中的所述档案图谱结构数据用于描述了不同类型档案之间的关系和层次结构，基础属性包括：文件夹结构和文件关联。
15、更进一步地，所述步骤2中的文本嵌入技术包括词嵌入和段落嵌入。
16、更进一步地，所述步骤2中的文本嵌入技术，通过生成各实体和关系的向量化表示，将不同类型结点和关系在统一特征空间中进行向量化处理，并进行嵌入训练，假设实体(h，t)∈e(实体集)之间存在关系r∈r(关系集)，h，t，r作为向量化表示，(h，t，r)构成三元组，给定约束其嵌入训练的损失函数的计算公式为：
17、l＝∑a∈s∑b∈d[y+fr(h,t)-fv(k,p)]+；
18、式中，l代表损失函数系数，a∈s代表知识图谱中存在的三元组(h，t，r)，y代表边缘距离的超参数，b∈d代表训练中随机抽取产生的负样例三元组(k，p，v)，fr(h,t)代表三元组性能，fv(k,p)代表负样例三元组性能，[y+fr(h,t)-fv(k,p)]代表x，[y+fr(h,t)-fv(k,p)]+代表max(0，x)；
19、其中，fr(h,t)的计算公式为：
20、
21、更进一步地，所述步骤3中的分类标签对档案数据进行标识和组织，作为后续的推荐和分析的参考数据。
22、更进一步地，所述步骤5中的差异表示作为用户的历史行为特征表示，反映了用户在档案管理系统中的行为和偏好。
23、更进一步地，所述步骤6中的transformer模型通过获取计算每类数据的推荐分数，进行归一化操作并由全连接层中的一个softmax层进行分类，通过对输出的预测概率分布进行排序，以得出前n个推荐，通过二元交叉熵计算得出最终推荐值，作为最终偏好参照值的表示。
24、更进一步地，所述步骤7中的个人专属偏好集合包括与用户兴趣相关的档案数据，在启用后，可根据用户的历史行为特征和特征学习得到的偏好对应的索引内容进行关联推荐。
25、更进一步地，所述步骤7中的修改端口在拥有修改权限的用户介入后，可供用户自行触发定制和修改个人偏好特征的操作，修改完毕后，将修改结果进行反馈，
26、(三)有益效果
27、采用本专利技术提供的技术方案，与已知的现有技术相比，具有如下有益效果，
28、1、通过获取档案图谱结构数据和文本结构数据，然后在同一特征空间进行向量化表达和融合，大大简化了数据处理流程，提高了档案管理的效率，通过分类标签对大量档案数据进行有组织的管理，从语料中学习特征，提取有价值的信息，从而提升档案检索和推荐的效度和准确性。
29、2、通过学习用户的历史行为特征，构建个人偏好集，进一步提升了企业推荐系统的个性化水平，用户只需输入自己的个人信息以及查询主题，就可以根据用户的专属偏好集，在不同分类标签下抓取并推荐感兴趣的内容，能够适应更加复杂和多样化的档案管理需求，对于提升企业的信息管理能力，进一步增强用户体验，具有重要的应用价值。
本文档来自技高网...【技术保护点】
1.一种企业关联档案管理目标知识特征推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤1中的所述档案图谱结构数据用于描述了不同类型档案之间的关系和层次结构，基础属性包括：文件夹结构和文件关联。
3.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤2中的文本嵌入技术包括词嵌入和段落嵌入。
4.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤2中的文本嵌入技术，通过生成各实体和关系的向量化表示，将不同类型结点和关系在统一特征空间中进行向量化处理，并进行嵌入训练，假设实体(h，t)∈E(实体集)之间存在关系r∈R(关系集)，h，t，r作为向量化表示，(h，t，r)构成三元组，给定约束其嵌入训练的损失函数的计算公式为：
5.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤3中的分类标签对档案数据进行标识和组织，作为后续的推荐和分析的参考数据。
6.根据权利
7.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤6中的Transformer模型通过获取计算每类数据的推荐分数，进行归一化操作并由全连接层中的一个Softmax层进行分类，通过对输出的预测概率分布进行排序，以得出前n个推荐，通过二元交叉熵计算得出最终推荐值，作为最终偏好参照值的表示。
8.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤7中的个人专属偏好集合包括与用户兴趣相关的档案数据，在启用后，可根据用户的历史行为特征和特征学习得到的偏好对应的索引内容进行关联推荐。
9.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤7中的修改端口在拥有修改权限的用户介入后，可供用户自行触发定制和修改个人偏好特征的操作，修改完毕后，将修改结果进行反馈。
...【技术特征摘要】
1.一种企业关联档案管理目标知识特征推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤1中的所述档案图谱结构数据用于描述了不同类型档案之间的关系和层次结构，基础属性包括：文件夹结构和文件关联。
3.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤2中的文本嵌入技术包括词嵌入和段落嵌入。
4.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤2中的文本嵌入技术，通过生成各实体和关系的向量化表示，将不同类型结点和关系在统一特征空间中进行向量化处理，并进行嵌入训练，假设实体(h，t)∈e(实体集)之间存在关系r∈r(关系集)，h，t，r作为向量化表示，(h，t，r)构成三元组，给定约束其嵌入训练的损失函数的计算公式为：
5.根据权利要求1所述的一种企业关联档案管理目标知识特征推荐方法，其特征在于，所述步骤3中的分类标签对档案数据进行标识和组织，作为后续的推荐和分析的参考数据。<...
【专利技术属性】
技术研发人员：黄为伟，
申请(专利权)人：北京极致车网科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。