1.一種基于人工智能的檔案系統(tǒng)，其特征在于：所述檔案系統(tǒng)包括智能檢索模塊、信息共享優(yōu)化模塊、深度學(xué)習(xí)引擎和自適應(yīng)分類模塊；
2.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述智能檢索模塊設(shè)置有詞向量模型，運(yùn)用詞向量模型將檢索請(qǐng)求和檔案文本轉(zhuǎn)化為向量形式，通過(guò)余弦相似度計(jì)算檢索請(qǐng)求和檔案文本兩者的相關(guān)性，同時(shí)，引入時(shí)間衰減因子來(lái)體現(xiàn)檔案的時(shí)效性，對(duì)于較新的檔案賦予更高的權(quán)重，通過(guò)相關(guān)性計(jì)算公式計(jì)算檢索請(qǐng)求和檔案文本兩者的相關(guān)性得分，具體的相關(guān)性得分計(jì)算公式如下：
3.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述信息共享優(yōu)化模塊采用融合了量子隨機(jī)數(shù)生成的高級(jí)加密標(biāo)準(zhǔn)（aes）改進(jìn)算法對(duì)共享的檔案信息進(jìn)行加密處理，在加密初始階段，利用量子隨機(jī)數(shù)生成器生成高度隨機(jī)且不可預(yù)測(cè)的初始密鑰，在加密過(guò)程中，首先將檔案信息進(jìn)行分組，每組128位，然后，通過(guò)結(jié)合量子密鑰和傳統(tǒng)密鑰擴(kuò)展算法生成多個(gè)輪密鑰，加密輪數(shù)根據(jù)密鑰長(zhǎng)度和檔案的安全等級(jí)動(dòng)態(tài)調(diào)整，128位密鑰進(jìn)行15輪加密，192位密鑰進(jìn)行18輪加密，256位密鑰進(jìn)行20輪加密，在每一輪中，依次進(jìn)行字節(jié)替換、行移位、列混淆和輪密鑰加操作，確保檔案信息在共享過(guò)程中的機(jī)密性和完整性，確定只有擁有正確密鑰的用戶能夠通過(guò)相應(yīng)的解密算法還原原始檔案信息，從而實(shí)現(xiàn)安全可靠的信息共享。
4.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述深度學(xué)習(xí)引擎運(yùn)用隨機(jī)梯度下降（sgd）算法對(duì)多層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，首先，初始化網(wǎng)絡(luò)參數(shù)，包括卷積核的權(quán)重和偏置，在每次迭代中，隨機(jī)選取一小批檔案數(shù)據(jù)作為訓(xùn)練樣本，計(jì)算損失函數(shù)對(duì)網(wǎng)絡(luò)參數(shù)的梯度，這里的損失函數(shù)使用熵?fù)p失函數(shù)，具體的損失函數(shù)公式如下：
5.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述自適應(yīng)分類模塊通過(guò)計(jì)算檔案的信息增益值來(lái)動(dòng)態(tài)調(diào)整分類策略，首先，對(duì)于每個(gè)屬性，計(jì)算其在當(dāng)前分類下的信息熵，其中表示某一屬性值出現(xiàn)的概率，然后，計(jì)算該屬性對(duì)于分類的信息增益，具體的計(jì)算公式如下：
6.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述數(shù)據(jù)清洗模塊運(yùn)用數(shù)據(jù)標(biāo)準(zhǔn)化技術(shù)對(duì)原始檔案數(shù)據(jù)進(jìn)行清洗和規(guī)范化處理，對(duì)于數(shù)值型數(shù)據(jù)，采用z-score標(biāo)準(zhǔn)化方法，將數(shù)據(jù)轉(zhuǎn)換為均值為0、標(biāo)準(zhǔn)差為1的分布，z-score標(biāo)準(zhǔn)化的計(jì)算公式如下：
7.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述智能檢索模塊還具備自動(dòng)糾錯(cuò)功能，當(dāng)用戶輸入的檢索請(qǐng)求存在拼寫錯(cuò)誤和語(yǔ)義模糊時(shí)，通過(guò)編輯距離算法計(jì)算與正確檢索詞的相似度，首先，將用戶輸入的字符串轉(zhuǎn)換為字符數(shù)組，然后通過(guò)動(dòng)態(tài)規(guī)劃的方法計(jì)算兩個(gè)數(shù)組之間的編輯距離，編輯操作包括插入、刪除和替換字符，根據(jù)編輯距離的大小，判斷與可能的正確檢索詞的相似度，并進(jìn)行自動(dòng)糾錯(cuò)和優(yōu)化，同時(shí)，結(jié)合上下文信息和歷史檢索記錄，進(jìn)一步提高糾錯(cuò)的準(zhǔn)確性。
8.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述信息共享優(yōu)化模塊支持基于屬性的訪問(wèn)控制（abac）策略，所述信息共享優(yōu)化模塊會(huì)根據(jù)用戶的屬性、環(huán)境屬性、操作屬性和對(duì)象屬性來(lái)動(dòng)態(tài)分配訪問(wèn)權(quán)限，首先，定義訪問(wèn)控制策略規(guī)則，然后，在用戶發(fā)起訪問(wèn)請(qǐng)求時(shí)，提取相關(guān)的屬性信息，并使用規(guī)則引擎對(duì)這些屬性進(jìn)行評(píng)估和匹配，如果匹配成功，則授予相應(yīng)的訪問(wèn)權(quán)限，否則，拒絕訪問(wèn)。
9.根據(jù)權(quán)利要求1所述的一種基于人工智能的檔案系統(tǒng)，其特征在于：所述深度學(xué)習(xí)引擎在進(jìn)行特征提取時(shí)，采用局部二值模式（lbp）算法對(duì)檔案圖像數(shù)據(jù)進(jìn)行特征提取，首先，將圖像劃分為若干個(gè)小區(qū)域，對(duì)于每個(gè)區(qū)域的中心像素，與其鄰域像素進(jìn)行比較，如果鄰域像素值大于中心像素值，則標(biāo)記為1，否則，標(biāo)記為0，將這些標(biāo)記值按照一定順序組合成一個(gè)二進(jìn)制數(shù)，轉(zhuǎn)換為十進(jìn)制數(shù)作為該區(qū)域的lbp值，然后，統(tǒng)計(jì)圖像中不同lbp值出現(xiàn)的頻率，形成特征向量，通過(guò)這種方式，可以有效捕捉檔案圖像數(shù)據(jù)的細(xì)節(jié)特征。
10.一種適用于權(quán)利要求1-9任一項(xiàng)基于人工智能的檔案系統(tǒng)的基于人工智能的檔案方法，其特征在于：所述檔案方法包括以下步驟：