基于语义的档案数据智能分类方法研究

• 作者: 霍光煜 张勇 孙艳丰 尹宝才
• 来源期刊: 计算机工程与应用
• 关键词: LDA特征表示 文本聚类 FastText文本分类 档案管理
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 工程与应用|Engineering and Applications
• 页码范围: 247-253
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1912-0372

摘要

随着信息技术的高速发展,各种数字档案数据量出现了爆炸式的增长.如何合理地挖掘分析档案数据,提升对新收录档案智能管理的效果已成为一个亟需解决的问题.现有的档案数据分类方法是面向管理需求的人工分类,这种人工分类的方式效率低下,忽略了档案固有的内容信息.此外,对于档案信息发现和利用来说,需进一步挖掘分析档案数据内容之间的关联性.面向档案智能管理的需求,从档案数据的文本内容角度出发,对人工分类的档案进行进一步分析.采用LDA模型提取文档的主题特征向量,进而用K-means算法对档案的主题特征进行聚类,得到档案间的关联.针对新收录档案数据的分类问题,采用现有档案数据,有监督的训练FastText深度学习模型,用训练完成的模型对新收录的档案数据进行全自动分类.在数据集上测试的结果表明,所提聚类方法在文档数据集的准确率相较于传统的基于TF-IDF特征的聚类算法提升6％,基于FastText的档案分类方法准确率超过96％,达到了代替手工分类的级别,验证了该方法的有效性和实用性.