CN115934418A - 一种基于Attention-GRU算法的档案管理方法 - Google Patents

一种基于Attention-GRU算法的档案管理方法 Download PDF

Info

Publication number
CN115934418A
CN115934418A CN202211508184.3A CN202211508184A CN115934418A CN 115934418 A CN115934418 A CN 115934418A CN 202211508184 A CN202211508184 A CN 202211508184A CN 115934418 A CN115934418 A CN 115934418A
Authority
CN
China
Prior art keywords
file
archive
input set
time
borrowed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211508184.3A
Other languages
English (en)
Inventor
孟慧平
李东
张洋
党芳芳
谢波
巩锐
刘越
吴阳阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Power Investment Group Henan Electric Power Co ltd
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd
Original Assignee
State Power Investment Group Henan Electric Power Co ltd
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Power Investment Group Henan Electric Power Co ltd, State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Henan Electric Power Co Ltd filed Critical State Power Investment Group Henan Electric Power Co ltd
Priority to CN202211508184.3A priority Critical patent/CN115934418A/zh
Publication of CN115934418A publication Critical patent/CN115934418A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于Attention‑GRU算法的档案管理方法，属于档案管理技术领域，具体包括：获取档案的密级，并当档案的密级不属于绝密或者机密时，获取档案的历史借阅人数，并当历史借阅人数大于第一阈值时，获取档案的近一年的借阅人数，当档案的近一年的借阅人数不大于第二阈值时，基于档案的密级、页数、存档时间、历史借阅人数构建输入集，并采用基于注意力机制对所述输入集进行重构构建重构后的输入集，基于重构后的输入集，采用基于GRU算法的预测模型，得到档案的核心度，并基于档案的核心度确定档案的备份方式，从而在保证核心重要档案获得备份的基础上，进一步提升了判断的效率和全面性。

Description

一种基于Attention-GRU算法的档案管理方法
技术领域
本发明属于档案管理技术领域，尤其涉及一种基于Attention-GRU算法的档案管理方法。
背景技术
云存储技术具有存储构架易扩展、支持非结构化数据的海量存储、高性能、稳定、易于管理、节约成本等优势，而且能够提供包括数据库服务器、文件存储器、备份服务器、备份软件等设备在内的存储服务平台，云存储已成为实现存储架构改革、实现档案文件长期可存取和备份的不二选择。
为了实现将档案在云端在进行存储，在授权发明专利授权公告号CN102521078B《基于第三方云的教务资源等级备份方法》通过根据教务系统中各种教育资源特有的性质分等级的进行实时、定时和手动的备份，并根据时间变动灵活调整资源的备份等级，实时为资源分配最佳方式进行备份，但是却无法根据档案的固有属性进行等级的划分，现有技术中或有根据档案的密级、页数、存档时间等，采用基于机器学习算法或者数学模型的方式，进行档案的等级的划分，并根据档案的等级进行是否采用异地备份的确定，但是却忽略了档案的密级、页数、存档时间对于档案的等级的影响程度不同，若不采用注意力机制对输入数据进行重构，则会导致档案的等级的划分的准确程度明显较低，同时也忽略了历史借阅人数的影响，特别是近一年的借阅人数的影响，同样会导致最终的等级的划分的准确程度和全面性都有所欠缺。
针对上述技术问题，本发明提供了一种基于Attention-GRU算法的档案管理方法。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于Attention-GRU算法的档案管理方法。
一种基于Attention-GRU算法的档案管理方法，其特征在于，具体包括：
S11获取档案的密级，并判断所述档案的密级是否属于绝密或者机密，若是，则将所述档案进行异地备份，若否，则进入步骤S12；
S12获取档案的历史借阅人数，并确定所述历史借阅人数是否大于第一阈值，若是，则进入步骤S13，若否，则进入步骤S14；
S13获取所述档案的近一年的借阅人数，判断所述档案的近一年的借阅人数是否大于第二阈值，若是，则将所述档案进行异地备份，若否，则进入步骤S14；
S14基于所述档案的密级、页数、存档时间、历史借阅人数构建输入集，并采用基于注意力机制对所述输入集进行重构构建重构后的输入集，基于重构后的输入集，采用基于GRU算法的预测模型，得到所述档案的核心度，并基于所述档案的核心度确定所述档案的备份方式。
通过首先进行密级的筛选，从而使得高密级的档案作为重要的档案进行首先筛选，避免了进一步的判断和预测导致的效率不高或者其他问题的出现，进一步保证了判断的效率以及备份方式确定的准确性。
通过结合历史借阅人数以及近一年的借阅人数，实现对档案进行异地备份的确定，从而将档案的历史借阅人数与异地备份的确定结合到一起，保证了需求度较高的档案能够被异地备份，保证了备份的可靠性。
通过采用基于注意力机制对所述输入集进行重构构建重构后的输入集，并采用基于GRU算法的预测模型，实现对档案的核心度的评价，从而进一步档案的核心度的评价的可靠性和准确性，这也为实现对档案的准确的分类管理奠定了基础。
进一步的技术方案在于，所述档案的密级包括绝密、机密、秘密、非涉密。
进一步的技术方案在于，所述第一阈值根据所述档案的历史借阅人数的平均值、档案的类型进行确定，具体的采用基于层次分析法和主成分分析法相结合的方式实现对所述第一阈值的确定，所述档案的类型包括国家机构档案、企业单位档案、事业单位档案。
通过采用基于层次分析法和主成分分析法实现对第一阈值的确定，从而准确的将历史借阅人数的平均值、档案的类型相结合实现对对第一阈值的确定，这也为准确且更高效率的实现对档案的分类管理奠定了基础。
进一步的技术方案在于，基于所述档案的近一年的借阅人数进行异地备份确定的具体步骤为：
S21确定所述档案的近一年的借阅人数是否大于第二阈值，若是，则进入步骤S22；
S22获取所述档案的存档时间，并确定所述档案的存档时间是否大于第一时间阈值，若否，则进入步骤S23，若是，则将所述档案进行异地备份；
S23获取所述档案的页数，判断所述档案的页数是否大于第一页数阈值且所述档案的存储时间大于第二时间阈值，若是，将所述档案进行异地备份，若否，则基于所述档案的近一年的借阅人数、存档时间、页数，构建所述档案的基础核心度，并当所述档案的基础核心度大于设定阈值后，将所述档案进行异地备份。
通过将借阅人数、存档时间、页数结合到一起，从而实现了多角度对档案是否需要进行异地备份的判断，同时也实现了对于档案的更加准确的辨别，进一步减少了进行最终的进行档案的核心度处理的档案的数量，提升了总体的处理效率。
进一步的技术方案在于，所述第二时间阈值小于第一时间阈值，所述第一时间阈值、第二时间均通过所述档案的类型、档案的存档的平均时间，采用基于层次分析法与熵值法相结合的方式进行确定。
进一步的技术方案在于，所述基础核心度的计算公式为：
Figure BDA0003968374920000031
其中N、T、P分别为借阅人数、存档时间、页数，单位分别为个、年、页，K1、K2、K3均为常数，取值范围均在0到1之间。
进一步的技术方案在于，所述档案的核心度的构建的具体步骤为：
S31基于所述档案的密级分数、页数、存档时间、历史借阅人数进行输入集的构建，其中所述档案的密级分数取值范围在0到1之间，具体的根据所述档案的密级，采用专家打分的方式确定；
S32对所述档案的输入集进行归一化处理，得到归一化后的输入集，并基于所述归一化后的输入集，采用注意力向量进行重构，得到重构后的输入集；其中所述注意力向量采用主成分分析法以及熵值法的方式进行确定。
S33基于重构后的输入集，采用基于ACO-GRU算法的预测模型之中，得到所述档案的核心度。
通过对输入集的重构，从而使得对于不同的特征能够更加准确反应档案的核心度，从而进一步保证了最终的核心度的构建的准确性和可靠性均较高，并且通过ACO算法实现对GRU算法的寻优，使得整体的可靠性进一步提升。
进一步的技术方案在于，当所述档案的核心度大于第一核心度阈值时，将所述档案进行异地存储，其中所述第一核心度阈值根据所述档案的类型、档案的核心度的分布情况进行确定。
另一方面，本发明提供了一种终端设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时，实现上述的一种基于Attention-GRU算法的档案管理方法。
另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于Attention-GRU算法的档案管理方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种基于Attention-GRU算法的档案管理方法的流程图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于Attention-GRU算法的档案管理方法，其特征在于，具体包括：
S11获取档案的密级，并判断所述档案的密级是否属于绝密或者机密，若是，则将所述档案进行异地备份，若否，则进入步骤S12；
需要另外说明的是，档案的密级一般分为四种：绝密、机密、秘密、非涉密。涉密的文件材料通常在文件标题左上端注明密级，这些文件材料在办理完毕后，经过立卷归档，要移交机关档案部门，妥善保管。档案密级的划分应严格按照有关规定的标准执行。
S12获取档案的历史借阅人数，并确定所述历史借阅人数是否大于第一阈值，若是，则进入步骤S13，若否，则进入步骤S14；
需要另外说明的是，历史借阅人数根据借阅者的账号、姓名等唯一标识实现对历史借阅人数的确定，具体的可以通过借阅人数的判断进行确定。
S13获取所述档案的近一年的借阅人数，判断所述档案的近一年的借阅人数是否大于第二阈值，若是，则将所述档案进行异地备份，若否，则进入步骤S14；
S14基于所述档案的密级、页数、存档时间、历史借阅人数构建输入集，并采用基于注意力机制对所述输入集进行重构构建重构后的输入集，基于重构后的输入集，采用基于GRU算法的预测模型，得到所述档案的核心度，并基于所述档案的核心度确定所述档案的备份方式。
通过首先进行密级的筛选，从而使得高密级的档案作为重要的档案进行首先筛选，避免了进一步的判断和预测导致的效率不高或者其他问题的出现，进一步保证了判断的效率以及备份方式确定的准确性。
通过结合历史借阅人数以及近一年的借阅人数，实现对档案进行异地备份的确定，从而将档案的历史借阅人数与异地备份的确定结合到一起，保证了需求度较高的档案能够被异地备份，保证了备份的可靠性。
通过采用基于注意力机制对所述输入集进行重构构建重构后的输入集，并采用基于GRU算法的预测模型，实现对档案的核心度的评价，从而进一步档案的核心度的评价的可靠性和准确性，这也为实现对档案的准确的分类管理奠定了基础。
在另外一种可能的实施例中，所述档案的密级包括绝密、机密、秘密、非涉密。
在另外一种可能的实施例中，所述第一阈值根据所述档案的历史借阅人数的平均值、档案的类型进行确定，具体的采用基于层次分析法和主成分分析法相结合的方式实现对所述第一阈值的确定，所述档案的类型包括国家机构档案、企业单位档案、事业单位档案。
需要另外说明的是，第一阈值根据档案的类型的不同首先赋予其不同的值，在此基础上，首先基于主成分分析法确定史借阅人数的平均值、档案的类型和档案的核心度之间的关系，并根据上述关系实现对权值的确定，进一步实现对第一阈值的确定。
通过采用基于层次分析法和主成分分析法实现对第一阈值的确定，从而准确的将历史借阅人数的平均值、档案的类型相结合实现对对第一阈值的确定，这也为准确且更高效率的实现对档案的分类管理奠定了基础。
在另外一种可能的实施例中，基于所述档案的近一年的借阅人数进行异地备份确定的具体步骤为：
S21确定所述档案的近一年的借阅人数是否大于第二阈值，若是，则进入步骤S22；
S22获取所述档案的存档时间，并确定所述档案的存档时间是否大于第一时间阈值，若否，则进入步骤S23，若是，则将所述档案进行异地备份；
S23获取所述档案的页数，判断所述档案的页数是否大于第一页数阈值且所述档案的存储时间大于第二时间阈值，若是，将所述档案进行异地备份，若否，则基于所述档案的近一年的借阅人数、存档时间、页数，构建所述档案的基础核心度，并当所述档案的基础核心度大于设定阈值后，将所述档案进行异地备份。
通过将借阅人数、存档时间、页数结合到一起，从而实现了多角度对档案是否需要进行异地备份的判断，同时也实现了对于档案的更加准确的辨别，进一步减少了进行最终的进行档案的核心度处理的档案的数量，提升了总体的处理效率。
在另外一种可能的实施例中，所述第二时间阈值小于第一时间阈值，所述第一时间阈值、第二时间均通过所述档案的类型、档案的存档的平均时间，采用基于层次分析法与熵值法相结合的方式进行确定。
在另外一种可能的实施例中，所述基础核心度的计算公式为：
Figure BDA0003968374920000071
其中N、T、P分别为借阅人数、存档时间、页数，单位分别为个、年、页，K1、K2、K3均为常数，取值范围均在0到1之间。
在另外一种可能的实施例中，所述档案的核心度的构建的具体步骤为：
S31基于所述档案的密级分数、页数、存档时间、历史借阅人数进行输入集的构建，其中所述档案的密级分数取值范围在0到1之间，具体的根据所述档案的密级，采用专家打分的方式确定；
S32对所述档案的输入集进行归一化处理，得到归一化后的输入集，并基于所述归一化后的输入集，采用注意力向量进行重构，得到重构后的输入集；其中所述注意力向量采用主成分分析法以及熵值法的方式进行确定。
S33基于重构后的输入集，采用基于ACO-GRU算法的预测模型之中，得到所述档案的核心度。
需要另外说明的是，引入动态系数对ACO算法的启发函数进行改进，其中所述ACO算法的启发函数的计算公式为：
Figure BDA0003968374920000072
Figure BDA0003968374920000073
其中Lij是网格i和网格j的欧式距离，Ljg是网格j和网格g的欧式距离，Lig是网格i和网格g的欧式距离，ε是一个大于0的常数，ζ为动态系数，其中，Nc表示当前迭代次数，Ncmax表示最大迭代次数，K1、K2均为常数，取值在0到1之间，rand(0,1)为取值在0到1之间的随机函数。
通过对输入集的重构，从而使得对于不同的特征能够更加准确反应档案的核心度，从而进一步保证了最终的核心度的构建的准确性和可靠性均较高，并且通过ACO算法实现对GRU算法的寻优，使得整体的可靠性进一步提升。
在另外一种可能的实施例中，当所述档案的核心度大于第一核心度阈值时，将所述档案进行异地存储，其中所述第一核心度阈值根据所述档案的类型、档案的核心度的分布情况进行确定。
实施例2
本发明提供了一种终端设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时，实现上述的一种基于Attention-GRU算法的档案管理方法。
实施例3
本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于Attention-GRU算法的档案管理方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种基于Attention-GRU算法的档案管理方法，其特征在于，具体包括：
S11获取档案的密级，并判断所述档案的密级是否属于绝密或者机密，若是，则将所述档案进行异地备份，若否，则进入步骤S12；
S12获取档案的历史借阅人数，并确定所述历史借阅人数是否大于第一阈值，若是，则进入步骤S13，若否，则进入步骤S14；
S13获取所述档案的近一年的借阅人数，判断所述档案的近一年的借阅人数是否大于第二阈值，若是，则将所述档案进行异地备份，若否，则进入步骤S14；
S14基于所述档案的密级、页数、存档时间、历史借阅人数构建输入集，并采用基于注意力机制对所述输入集进行重构构建重构后的输入集，基于重构后的输入集，采用基于GRU算法的预测模型，得到所述档案的核心度，并基于所述档案的核心度确定所述档案的备份方式。
2.如权利要求1所述的档案管理方法，其特征在于，所述档案的密级包括绝密、机密、秘密、非涉密。
3.如权利要求1所述的档案管理方法，其特征在于，所述第一阈值根据所述档案的历史借阅人数的平均值、档案的类型进行确定，具体的采用基于层次分析法和主成分分析法相结合的方式实现对所述第一阈值的确定，所述档案的类型包括国家机构档案、企业单位档案、事业单位档案。
4.如权利要求1所述的档案管理方法，其特征在于，基于所述档案的近一年的借阅人数进行异地备份确定的具体步骤为：
S21确定所述档案的近一年的借阅人数是否大于第二阈值，若是，则进入步骤S22；
S22获取所述档案的存档时间，并确定所述档案的存档时间是否大于第一时间阈值，若否，则进入步骤S23，若是，则将所述档案进行异地备份；
S23获取所述档案的页数，判断所述档案的页数是否大于第一页数阈值且所述档案的存储时间大于第二时间阈值，若是，将所述档案进行异地备份，若否，则基于所述档案的近一年的借阅人数、存档时间、页数，构建所述档案的基础核心度，并当所述档案的基础核心度大于设定阈值后，将所述档案进行异地备份。
5.如权利要求1所述的档案管理方法，其特征在于，所述第二时间阈值小于第一时间阈值，所述第一时间阈值、第二时间均通过所述档案的类型、档案的存档的平均时间，采用基于层次分析法与熵值法相结合的方式进行确定。
6.如权利要求4所述的档案管理方法，其特征在于，所述基础核心度的计算公式为：
Figure FDA0003968374910000021
其中N、T、P分别为借阅人数、存档时间、页数，单位分别为个、年、页，K1、K2、K3均为常数，取值范围均在0到1之间。
7.如权利要求1所述的档案管理方法，其特征在于，所述档案的核心度的构建的具体步骤为：
S31基于所述档案的密级分数、页数、存档时间、历史借阅人数进行输入集的构建，其中所述档案的密级分数取值范围在0到1之间，具体的根据所述档案的密级，采用专家打分的方式确定；
S32对所述档案的输入集进行归一化处理，得到归一化后的输入集，并基于所述归一化后的输入集，采用注意力向量进行重构，得到重构后的输入集；其中所述注意力向量采用主成分分析法以及熵值法的方式进行确定。
S33基于重构后的输入集，采用基于ACO-GRU算法的预测模型之中，得到所述档案的核心度。
8.如权利要求1所述的档案管理方法，其特征在于，当所述档案的核心度大于第一核心度阈值时，将所述档案进行异地存储，其中所述第一核心度阈值根据所述档案的类型、档案的核心度的分布情况进行确定。
9.一种终端设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时，实现权利要求1-8任意一项所述的一种基于Attention-GRU算法的档案管理方法。
10.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任意一项所述的一种基于Attention-GRU算法的档案管理方法。
CN202211508184.3A 2022-11-29 2022-11-29 一种基于Attention-GRU算法的档案管理方法 Pending CN115934418A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211508184.3A CN115934418A (zh) 2022-11-29 2022-11-29 一种基于Attention-GRU算法的档案管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211508184.3A CN115934418A (zh) 2022-11-29 2022-11-29 一种基于Attention-GRU算法的档案管理方法

Publications (1)

Publication Number Publication Date
CN115934418A true CN115934418A (zh) 2023-04-07

Family

ID=86697015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211508184.3A Pending CN115934418A (zh) 2022-11-29 2022-11-29 一种基于Attention-GRU算法的档案管理方法

Country Status (1)

Country Link
CN (1) CN115934418A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451200A (zh) * 2023-06-14 2023-07-18 浙江星汉信息技术股份有限公司 一种基于云端存储的加密式档案资料的检索方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451200A (zh) * 2023-06-14 2023-07-18 浙江星汉信息技术股份有限公司 一种基于云端存储的加密式档案资料的检索方法
CN116451200B (zh) * 2023-06-14 2023-09-05 浙江星汉信息技术股份有限公司 一种基于云端存储的加密式档案资料的检索方法

Similar Documents

Publication Publication Date Title
US11405181B2 (en) Lightweight blockchain based on split-trust
CN110489558B (zh) 文章聚合方法和装置、介质和计算设备
CN112508118B (zh) 针对数据偏移的目标对象行为预测方法及其相关设备
JP7038143B2 (ja) データ・オブジェクトの削除可能性を見積もる方法
CN106897930A (zh) 一种信用评估的方法及装置
CN115544377B (zh) 基于云端存储的档案的热度评估和更新方法
CN110322295B (zh) 关系强度确定方法及系统、服务器、计算机可读介质
Savage et al. The Great Recession, austerity and inequality: lessons from Ireland
CN115934418A (zh) 一种基于Attention-GRU算法的档案管理方法
CN112231514B (zh) 一种数据去重方法、装置及存储介质和服务器
Kanyako et al. Uncertainty analysis of the future cost of wind energy on climate change mitigation
Huang et al. Effectiveness of social welfare programmes in East Asia: A case study of Taiwan
CN112308173A (zh) 基于多评价因子融合的多目标对象评价方法及其相关设备
Serdar et al. Urban infrastructure resilience assessment during mega sport events using a multi-criteria approach
CN109977977A (zh) 一种识别潜在用户的方法及对应装置
CN111090891A (zh) 一种基于区块链的公证人选取方法及系统
CN115587233B (zh) 一种数据标识及目录管理方法及系统
CN116192538A (zh) 基于机器学习的网络安全评估方法、装置、设备及介质
CN113742495B (zh) 基于预测模型的评级特征权重确定方法及装置、电子设备
US20090070381A1 (en) Method and system for classifying information
CN113468142A (zh) 数据转移请求处理方法、装置、设备及存储介质
CN117634894B (zh) 生态环境风险评估方法、装置、电子设备及存储介质
CN115391577B (zh) 一种基于机器学习算法的电子档案管理方法与系统
TWI634508B (zh) 使用多維度評級制判定實體未來商業存活力之系統和方法
CN117827961B (zh) 一种基于大数据的国土空间规划方法及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination