一种基于高阶神经网络的档案排序检索方法

传统以遍历方式查找的档案检索方法难以应对档案内容庞大的挑战,而且存在检索结果乱的问题。本文提出一种基于高阶神经网络的档案检索方法,首先,根据检索需求建立多层次的高阶神经网络模型;然后,设置多维度阈值过滤冗余信息,减少相关性不大的检索结果;最后,通过中心权重和方向权重实现对检索结果关联性大小的排序,提高检索用户的工作效率。从学校网站采集近10年来的5000个各类档案信息进行自学习实验,结果显示本文提出的基于高阶神经网络的方法比传统方法具有更高的分类准确率和更好的关联性排序,提出的档案信息检索方法还可以应用到其它信息检索领域。