【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及基于深度学习的档案数据协同分析方法。
技术介绍
1、深度学习是一种机器学习方法，通过构建具有多层次的神经网络来学习和理解复杂的数据模式。数据协同分析方法是一种利用多种数据源和多种分析技术进行综合分析的方法。
2、数据协同分析方法通常应用于各种领域，例如商业智能和数据分析、金融和风险管理、城市规划和智慧城市以及制造业和供应链管理等。目前在档案数据分析过程中，通过整合不同来源、不同类型的数据，并运用统计分析、机器学习、数据挖掘等方法，来发现数据之间的关联和规律，从而实现对档案数据进行高效分析。
3、但在数据分析过程中，获取的档案数据可能存在数据量过大或数据不稳定问题。另外计算资源消耗大，并且数据具有复杂的结构和关联关系，限制了数据资源整合，无法对所有档案数据进行精准分析且具有挑战性，导致需要处理分析的数据混乱繁琐，耽误工作进度。
技术实现思路
1、本专利技术的目的是为了解决
技术介绍
中的问题，而提出的基于深度学习的档案数据协同分析方法。p>
2、为了实本文档来自技高网...
【技术保护点】
1.基于深度学习的档案数据协同分析方法，其特征在于：
2.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤一中，获取目标档案数据，划分数据全域得到不同属性学习区域，进而得到对应的学习子区域的过程包括：
3.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤二中，针对学习子区域构建档案节点树的过程包括：
4.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤三中，结合节点树的层次结构和排列组合对档案节点树的根节点、父节点以及子节点建立关系的过程包括：>
5.根据权利...
【技术特征摘要】
1.基于深度学习的档案数据协同分析方法，其特征在于：
2.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤一中，获取目标档案数据，划分数据全域得到不同属性学习区域，进而得到对应的学习子区域的过程包括：
3.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤二中，针对学习子区域构建档案节点树的过程包括：
4.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤三中，结合节点树的层次结构和排列组合对档案节点树的根节点、父节点以及子节点建立关系的过程包括：
5.根据权利要求1所述的基于深度学习的档案数据协同分析方法，其特征在于：所述步骤四中，对每个学习子区域的数据进行特征提取，并统计所有学习子区域的子节点数量的过程包括：
6.根据权利要求1所述的基于深度学习的档案数据...
【专利技术属性】
技术研发人员：廖莉莉，林艺生，谢欣，吴瑞玲，李琨，朱春燕，
申请(专利权)人：广东烟草梅州市有限公司，
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。