CN119415618A 档案管理系统及其方法 (吉林大学)_第1页
CN119415618A 档案管理系统及其方法 (吉林大学)_第2页
CN119415618A 档案管理系统及其方法 (吉林大学)_第3页
CN119415618A 档案管理系统及其方法 (吉林大学)_第4页
CN119415618A 档案管理系统及其方法 (吉林大学)_第5页
已阅读5页,还剩24页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

号子数据库中的纸质档案定期复制到外部存储设2档案录入模块,用于将纸质档案扫描到电子数据库中,档案修改模块,用于对需要修改的纸质档案进行修改文本识别单元,用于使用文本识别技术对所述扫描文件进行文本语义特征提取单元,用于提取所述纸质档案文本描述的语义特段描述语义编码特征向量的序列;本质语义信息提取单元,用于将所述纸质文档文本段描述语义编码特过本质语义信息提取网络以得到纸质文档文本本质语义信文本摘要生成单元,用于基于所述纸质文档文本本质语义数据预处理子单元,用于对所述纸质档案文本描述进行数据预本段描述的序列;语义编码分析子单元,用于对所述纸质文档文本段描述的序列进对所述纸质档案文本描述进行分段处理以得到所述纸质文档文本段描述的序列。将所述纸质文档文本段描述的序列中的各个纸质文档文本段描述通过包含词嵌入层的文本卷积神经网络模型以得到所述纸质文档文本段描分词二级子单元,用于对所述纸质文档文本段描述的序列述进行分词处理以将所述纸质文档文本段描述的序列中的各个纸质文档文本段描述转化为由多个词组成的词序列;嵌入编码二级子单元,用于使用所述包含词嵌入层的文本卷积神经网层将所述词序列中各个词映射到词向量以获得词向量的上下文编码二级子单元,用于使用所述包含词嵌入层的文词向量的序列进行语义编码以获得所述纸质文档文本段描述语义编码特征向3以如下本质语义信息提取公式对所述纸质文档文本段描述语义编码特征向量的序列;;优化子单元,用于对所述纸质文档文本本质语义信档案摘要生成子单元,用于将所述优化的纸质文档文本过基于AIGC的档案摘要生成器以得到所述将纸质档案扫描到电子数据库中,为每个所述纸将所述电子数据库中的纸质档案定期复制到外部其中,将纸质档案扫描到电子数据库中,为每个所述纸质使用文本识别技术对所述扫描文件进行文本识别以得到提取所述纸质档案文本描述的语义特征以得到纸质文档文本段描述语义编码特征向将所述纸质文档文本段描述语义编码特征向量的序列通过本质语义信息提取网络以4档案备份模块,用于将所述电子数据库中的纸质档案定期复制到外部存储设备5述纸质文档文本段描述语义编码特征向量的序列通过本质语义信息提取网络以得到纸质文本段描述语义编码特征向量的序列。进行分段处理以得到所述纸质文档文本段描述的序列。描述的序列中的各个纸质文档文本段描述通过包含词嵌入层的文本卷积神经网络模型以得到所述纸质文档文本段描述语义编码特征向量的序列。对所述纸质文档文本段描述的序列中的各个纸质文档文本段描述进行分词处理以将所述纸质文档文本段描述的序列中的各个纸质文档文本段描述转化为由多个词组成的词序列;用所述包含词嵌入层的文本卷积神经网络模型对所述词向量的序列进行语义编码以获得所述纸质文档文本段描述语义编码特征向量的序列。提取公式对所述纸质文档文本段描述语义编码特征向量的序列进行处理以得到所述纸质纸质文档文本本质语义信息编码特征向量进行优化以得到优化的纸质文档文本本质语义编码特征向量通过基于AIGC的档案摘要生成器以得到所6将纸质档案扫描到电子数据库中,为每个所述纸质档案分配一个编号和分类标对需要修改的纸质档案进行修改或删除,同时记录修改或删除的时间和操作人将所述电子数据库中的纸质档案定期复制到外部的扫描文件;使用文本识别技术对所述扫描文件进行文本识别以得到纸质档案文本描述;提取所述纸质档案文本描述的语义特征以得到纸质文档文本段描述语义编码特征向量的7[0023]档案管理在医院中的重要性不言而喻,传统的纸质档案或者缺乏及时的维护和更新而面临着稳定性和性[0030]这些问题可能会影响医院的工作效率、患者信息的安全性以及医院整体管理水[0031]在本申请的一个实施例中,图1为本申请实施例中提供的一种档案管理系统的框8[0036]所述扫描文件获取单元确保扫描设备的质量和设置能够续的信息提取和分析提供了基础。所述语义特征提取单元使用适当的自然语言处理技术,9文本识别可以从图像数据中提取出文字信息,以将所述纸质档案的内容转化为文本形式。[0039]然后,对所述纸质档案文本描述进行分段处理以得到纸质文档文本段描述的序质文档文本段描述的序列中的各个纸质文档文本段描述通过包含词嵌入层的文本卷积神本描述进行分段处理以得到所述纸质文档文本段描述的序列。述纸质文档文本段描述的序列中的各个纸质文档文本段描述通过包含词嵌入层的文本卷积神经网络模型以得到所述纸质文档文本段描述语义编码特征向量的序列。本段描述的序列中的各个纸质文档文本段描述进行分词处理以将所述纸质文档文本段描层的文本卷积神经网络模型对所述词向量的序列进行语义编码以获得所述纸质文档文本段描述语义编码特征向量的序列。生成纸质文档文本摘要这一任务具有较大贡献度的特征,而减弱或忽略那些冗余的特征。义信息提取公式对所述纸质文档文本段描述语义编码特征向量的序列进行处理以得到所;;摘要生成器以得到纸质文档文本摘要。这样,利用所述基于AIGC(Attention_based对所述纸质文档文本本质语义信息编码特征向量进行优化以得到优化的纸质文档文本本义信息编码特征向量通过基于AIGC的档案摘要生成器以得到所述纸每个纸质文档文本段描述语义编码特征向量表达所述纸质档案文本描述的相应分段的文义信息编码特征向量的特征表示偏离所述纸质文档文本段描述语义编码特征向量的序列的文本编码语义特征表示,使得所述纸质文档文本本质语义信息编码特征向量通过基于AIGC的档案摘要生成器得到的所述纸质文档文本摘要与源文本描述义加权导致的所述纸质文档文本本质语义信息编码特征向量与所述纸质文档文本段描述将所述纸质文档文本本质语义信息编码特征向量的长度减去所述纸质文档文本本质语义信息编码特征向量的零范数以确定所述纸质文档文本本质语义信息编码特征向码零可微值(n-1);将所述纸质文档文本本质语义信息编码零可微值(n-1)分别乘以和除以所述零特征值个数n得到第一纸质文档文本本质语义信息编码场拟合值(n-1)xn和第二纸质文档文本本质语义信息编码场拟合值(n-1)/n;计算所述纸质文档文本本质语义信息编码特征向量的所有特征值的平方和的平所述纸质文档文本本质语义信息编码特征向量的第个特征值,LZ表示所述纸质文档文本本质语义信息编码特征向量的特征值总数,表示纸质文档文本本质语义信息编码模式表以所述纸质文档文本本质语义信息编码零可微值(n-1)作为指数计算所述纸质文档文本本质语义信息编码特征向量的每个特征值的幂函数von-1,并点乘所述第一纸质文档文本本质语义信息编码场拟合值(n-1)xn以得到第一纸质文档文本本质语义信息编将所述纸质文档文本本质语义信息编码特征向量与所述第二纸质文档文本本质语义信息编码场拟合值(n-1)/n和所述纸质文档文本本质语义信息编码模式表征值进行计算所述第一纸质文档文本本质语义信息编码中间表示向量与所述第二纸质文档文本本质语义信息编码中间表示向量V2的加权点减以获得优述纸质文档文本本质语义信息编码特征向量的特征分布模式到概率密度可微场的有效对齐来避免所述纸质文档文本本质语义信息编码特征向量的具有丰富性的分布由于其非结

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论