买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利一种基于智能体的档案智能编研方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120218065B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510349210.X，技术领域涉及：G06F40/284；该发明授权一种基于智能体的档案智能编研方法及系统是由王平;胡启彪;侯景瑞;彭思源;谢鹏鑫设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于智能体的档案智能编研方法及系统在说明书摘要公布了：本发明公开了一种基于智能体的档案智能编研方法及系统，属于档案数据处理技术领域，通过对档案数据的关键词进行提取，然后以提取的关键词为基础，生成档案数据对应的摘要，最后再根据档案数据对应的关键词以及摘要，采用智能体实现档案智能编研，可以大幅提升编研效率，降低编研成本，推动档案资源的开发利用，实现档案智能编研更加智能化、个性化，为档案工作带来更多可能性。

本发明授权一种基于智能体的档案智能编研方法及系统在权利要求书中公布了：1.一种基于智能体的档案智能编研方法，其特征在于，包括： 在指定数据源或者指定数据库检索档案数据，并对所述档案数据进行预处理，获取预处理之后的档案数据； 对预处理之后的档案数据进行精简处理，得到精简处理之后的档案数据，并提取精简处理之后的档案数据中的嵌入向量； 对所有档案数据中的嵌入向量进行提取关键词操作之后，将提取的关键词构建为档案关键词库； 针对任意一份档案数据，以所述档案关键词库为基础，确定档案数据对应的至少一个目标关键词； 基于档案数据对应的至少一个目标关键词，采用智能体提取档案数据对应的摘要，得到档案数据对应的档案目录； 根据档案数据对应的至少一个目标关键词以及档案目录，对档案数据进行智能编研，完成基于智能体的档案智能编研； 所述智能体使用之前，还包括：对智能体的超参数进行训练； 训练过程包括： A1、为智能体构建一个主任务节点以及多个子任务节点，并为每个任务节点划分私有内存以及划分一个公共内存；其中，每个节点均部署于不同的核心或者服务器上； A2、初始化迭代计数器t=1，初始化尺度矩阵=I；其中，I表示单位尺度矩阵; A3、获取智能体对应的误差函数值，并将该误差函数值放入公共内存中，以供各个任务节点调用；其中，误差函数值通过任意任务节点上的智能体获取，表示第t训练时智能体的超参数； A4、获取智能体的梯度矩阵，并将尺度矩阵以及梯度矩阵放入公共内存中，以供各个任务节点调用；其中，梯度矩阵中的每列为智能体中一个超参数的梯度；其中，表示梯度算子，为M阶方阵，M表示智能体的超参数维度总数； A5、各个任务节点并行运行，为各个任务节点从公共内存中调用尺度矩阵以及梯度矩阵，确定第m个任务节点上智能体的搜索方向为尺度矩阵中第m行数据与梯度矩阵中第m列数据的乘累加数据；其中，m=1,2,…,M，搜索方向存储于第m个任务节点对应的私有内存中； A6、为各个任务节点从其私有内存中调取搜索方向，根据搜索方向并采用黄金分割法确定该任务节点上智能体模型中第m个超参数对应的更新步长，并将更新步长存储于第m个任务节点对应的私有内存中； 根据搜索方向并采用黄金分割法确定该任务节点上智能体模型中第m个超参数对应的更新步长，包括： 采用搜索方向构建一个只有一行的搜索矩阵D，该搜索矩阵中第m个元素为搜索方向，其他元素为0，搜索矩阵的元素总数与智能体模型的超参数总数相同； 构建一个只有一列的步长矩阵，该步长矩阵中第m个元素为待确定的更新步长，其他元素为0，步长矩阵的元素总数与智能体模型的超参数总数相同； 根据搜索矩阵D以及搜索矩阵D构建求解条件，并对该求解条件进行求解，确定更新步长； A7、为各个任务节点从其私有内存中调取更新步长，并根据更新步长对任务节点上智能体模型中第m个超参数进行更新；根据第m个任务节点上智能体模型的第m个更新过的超参数，获取第m个梯度分量； 根据更新步长对任务节点上智能体模型中第m个超参数进行更新为： 其中，表示智能体模型中第m个超参数，表示更新后的； A8、各个任务节点并行运行，根据第m个梯度分量，重新确定第m个任务节点对应的梯度矩阵，并根据该梯度矩阵对第m个任务节点对应的尺度矩阵进行更新； 根据第m个梯度分量，重新确定第m个任务节点对应的梯度矩阵，并根据该梯度矩阵对第个任务节点对应的尺度矩阵进行更新，包括： 以梯度矩阵为基础，采用第m个梯度分量更新梯度矩阵中第个元素，得到第个任务节点对应的梯度矩阵 根据所述第个任务节点对应的梯度矩阵，对第个任务节点对应的尺度矩阵进行更新为： 其中，表示更新后的表示权重差量矩阵，表示根据更新步长更新过后的智能体模型的权重向量，表示更新前的智能体模型的权重向量，T表示转置，Z=，Z表示梯度差量矩阵； A9、通过各个任务节点输出尺度矩阵中第m列元素以及智能体模型对应的第m个超参数至主任务节点； A10、通过主任务节点将m个超参数构成更新后的超参数向量，并判断更新后的超参数向量对应的误差函数值是否小于预设阈值，若是，则满足训练结束要求，完成训练，否则进入步骤A11； A11、判断迭代计数器t的计数值是否大于预设最大训练次数，若是，则满足训练结束要求，完成训练；否则令迭代计数器t的计数值加一，将各个任务节点输出尺度矩阵中第m列元素组成尺度矩阵，将更新后的超参数向量作为所有任务节点上智能体模型的超参数，并返回步骤A3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430000 湖北省武汉市武昌珞珈山；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。