1.基于ai的檔案信息資源智能共享方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于ai的檔案信息資源智能共享方法，其特征在于，步驟3中，結(jié)合tf-idf算法和textrank算法對關(guān)鍵詞進行提取，首先利用tf-idf算法計算每個詞語的重要性權(quán)重，然后利用textrank算法基于依存句法樹構(gòu)建的圖結(jié)構(gòu)進行迭代計算，最終選取權(quán)重較高的詞語作為關(guān)鍵詞，形成結(jié)構(gòu)化的關(guān)鍵詞列表；對于詞語wi，其tf-idf值為：
3.根據(jù)權(quán)利要求2所述的基于ai的檔案信息資源智能共享方法，其特征在于，采用transformer架構(gòu)作為預(yù)訓(xùn)練檔案信息資源理解大模型的基礎(chǔ)，該架構(gòu)包含多個編碼器和解碼器層，每層由多頭自注意力機制和全連接神經(jīng)網(wǎng)絡(luò)組成，用于捕捉輸入文本的上下文信息和語義特征，模型構(gòu)建的步驟包括：
4.根據(jù)權(quán)利要求3所述的基于ai的檔案信息資源智能共享方法，其特征在于：所述步驟4中，將關(guān)鍵詞列表輸入到預(yù)訓(xùn)練的檔案信息資源理解大模型中，模型通過其內(nèi)部的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對關(guān)鍵詞列表進行語義解析，包括對關(guān)鍵詞之間關(guān)系的識別、語義角色的標注以及上下文信息的整合；基于模型對關(guān)鍵詞列表的語義解析結(jié)果，生成一個增強查詢文本，所述增強查詢文本不僅包含用戶原始查詢請求中的關(guān)鍵信息，還通過模型的語義理解能力進行了擴展和細化。
5.根據(jù)權(quán)利要求4所述的基于ai的檔案信息資源智能共享方法，其特征在于：所述步驟5中，根據(jù)步驟4生成的增強查詢文本，從預(yù)先構(gòu)建的多個維度的數(shù)據(jù)模塊中進行檢索，數(shù)據(jù)模塊包括檔案系統(tǒng)數(shù)據(jù)庫模塊、高維文檔向量數(shù)據(jù)庫模塊和檔案業(yè)務(wù)知識圖譜模塊，多個維度的數(shù)據(jù)模塊分別存儲了不同類型的檔案信息資源；將各個數(shù)據(jù)模塊中召回的候選答案進行融合，形成一個包含多個候選答案的集合。
6.根據(jù)權(quán)利要求5所述的基于ai的檔案信息資源智能共享方法，其特征在于，在每個數(shù)據(jù)模塊中，利用相應(yīng)的檢索算法和匹配機制，召回與查詢文本相關(guān)的候選答案：
7.根據(jù)權(quán)利要求3所述的基于ai的檔案信息資源智能共享方法，其特征在于，在s3中，梯度下降算法更新參數(shù)的公式為：
8.根據(jù)權(quán)利要求1所述的基于ai的檔案信息資源智能共享方法，其特征在于：在步驟6中，將構(gòu)建好的問答上下文文本傳入通用大語言模型，利用通用大語言模型的自然語言理解能力，對多個候選答案進行融合；融合過程中，通用大語言模型分析候選答案之間的邏輯關(guān)系、內(nèi)容相似度和信息互補性，生成一個綜合各個候選答案優(yōu)點的融合答案。
9.一種基于ai的檔案信息資源智能共享系統(tǒng)，其特征在于，所述系統(tǒng)包括：