人工智能在航天檔案智能分類中的應用研究

隨著人工智能的快速發展，數智化檔案管理正逐漸成為檔案管理領域的重要發展方向。《“十四五”全國檔案事業發展規劃》明確提出，檔案信息化建設要融入數字中國建設，加快檔案數字化轉型，提升檔案管理的數字化、智能化水平，這為航天檔案管理的轉型升級提供了政策依據和方向指引。航天檔案作為記錄航天活動全過程的重要資料，涵蓋了從航天器設計、工藝、制造、發射到運行維護等各個階段的海量數據信息，包括結構化數據、半結構化數據和非結構化數據，這些數據的歸檔管理對于航天任務的規劃、執行和優化具有重要意義。然而，航天檔案的專業性高、數據量龐大、數據類型復雜多樣，這給檔案分類工作帶來了巨大挑戰。傳統的檔案分類管理方法在處理這些復雜數據時存在諸多局限性，如數據處理效率低、分類準確性不高、難以挖掘數據的潛在價值等。近年來，人工智能憑借其強大的數據處理和分析能力，為航天檔案的分類管理提供了新的解決方案。

一、航天檔案類型及特點

隨著企業數智化制造工作的不斷推進，航天器研制模式正在逐步向“全三維模式”全面過渡，形成了以數字化、智能化技術為手段，以數據為基礎，以整星、船、器骨架為系統級協同設計頂層依據，以模型為設計輸出及信息傳遞載體的協同設計模式。在新研制模式下，航天檔案的類型具體可按內容類型、格式類型、結構化程度三個維度進行詳細分類。以內容類型分類可劃分為文本型、圖像型、數據型和三維模型，以格式類型分類可劃分為文本格式、電子表格格式、數值格式、圖像格式和模型格式，以結構化程度分類可劃分為結構化數據、半結構化數據和非結構化數據。在航天器研制過程中，結構化數據作為多維度化、標準化、高度組織化的數據形式，與半結構化數據和非結構化數據共同貫穿設計、工藝、制造、測試驗證和管理全過程，已成為航天檔案管理的重要數據類型。結構化數據具有固定的格式、明確的字段定義和組織形式，信息存儲在數據庫里，可以用二維表結構來邏輯表達。航天檔案中結構化數據主要包括研制全生命周期中各環節的物料清單（BillofMaterial，BOM）數據、設計與工程數據、總裝工藝數據、生產與制造執行數據、測試與驗證數據、在軌運行數據等。非結構化數據不能以二維表的形式存儲在數據庫里，無固定格式和組織方式，如各類文檔、手冊、報表、圖片等。半結構化數據是介于完全結構化數據和完全無結構化數據之間的數據，如HTML頁面、XML文檔等。半結構化數據具有一定的層次結構，數據以標簽、屬性等形式組織。數據結構具有較高的靈活性，可以根據需要進行調整和擴展。在航天檔案中，半結構化數據主要用于存儲一些具有層次結構的信息，如航天器的配置文件、項目文檔等。目前，航天數據的管理逐漸從傳統的流程驅動向數據驅動轉變，強調數據的存儲、共享和利用。這些數據的有效歸檔管理和利用對于航天任務的規劃、執行和優化具有重要意義。

二、航天檔案智能分類必要性分析

（一）傳統分類方法及存在的問題

在航天領域，海量的結構化、半結構化和非結構化數據集中歸檔管理面臨著重大挑戰。航天檔案通過與業務系統集成接口進入檔案管理系統，在檔案管理系統中按照產品維度分類，同一產品下包含非結構化數據集、結構化數據和半結構化數據壓縮包文件。非結構化數據的數字化歸檔管理模式相對成熟，主要采用人工分類和基于自定義規則的自動分類兩種方式，人工分類依賴檔案管理人員的專業知識和經驗，在不同檔案類目下創建歸檔任務，通過檔案內容特點將其歸入相應的類目。基于自定義規則的檔案系統自動分類則預先在檔案管理系統中設定一系列分類規則，根據檔案內容中的元數據、關鍵詞、格式等特征進行匹配分類。然而結構化數據和半結構化數據由于結構類型復雜，其有效歸檔管理仍面臨諸多挑戰，如何精準分類結構化、半結構化和非結構化數據是首要解決的問題。

1.分類效率低

航天檔案數量的快速增長和研制模式數字化轉型使得人工分類難以在有限的時間內完成，影響檔案的及時歸檔和利用。而基于自定義規則的檔案系統自動分類在面對多源異構的檔案內容時，需要頻繁調整和優化規則，增加了系統的維護成本和時間成本。

2.分類準確性不足

目前，航天結構化數據和半結構化數據以壓縮包的形式存儲于檔案管理系統，傳統的人工組卷、案卷整理模式不適用于結構化數據和半結構化數據的歸檔管理，通過人工手段難以將這些數據準確分類和整理，無法有效實現歸檔數據的快速檢索和知識再用。結構化數據通常需要精確的模式匹配和嚴格的字段定義，人工操作容易因復雜的數據結構和龐大的數據量而出現錯誤，結構化數據的分類規則比較復雜，人工難以精確理解和應用這些規則，且無法實時處理動態更新的結構化數據[2。半結構化數據兼具結構化和非結構化特點，其數據格式多樣且存在嵌套結構，歸檔時需要同時處理格式解析、數據提取和數據分類等問題，數據的內容可能包含大量上下文信息，人工難以全面理解這些信息對分類的影響，容易導致分類不準確。同時，航天檔案內容專業性強，涉及多學科領域知識，人工分類容易因知識局限或主觀判斷失誤而導致分類錯誤。基于自定義規則的自動分類則受限于規則的完備性和準確性，對于一些模糊或不明確的內容難以準確分類，進而會影響檔案檢索和利用的效果。

（二）智能分類的顯著優勢

隨著人工智能技術的迅猛發展，尤其是機器學習和深度學習的突破，利用人工智能進行檔案數據分類，可以解決人工分類的難點與不足，顯著提升檔案管理的效率和精準度[3。AI大語言模型具有強大的語言理解能力，經過大量的文本訓練，能夠對航天檔案中的術語、復雜句子結構以及上下文關系等進行準確地理解和分析。對于結構化數據檔案，如飛行器參數和軌道參數，人工智能能夠快速按照任務、階段等特征進行精準分類，便于后續檢索和利用，為航天任務規劃提供有力支持。半結構化數據檔案，如傳感器日志和配置文件，通過AI大模型分類可挖掘其潛在價值，發現異常模式并輔助故障診斷。對于非結構化數據，通過大語言模型的自然語言處理技術可對文本型檔案進行語義分析、關鍵詞提取等，理解文本核心內容和主題，實現精準分類，助力知識發現和決策支持。對于圖像型檔案，AI大模型可以通過識別和分析技術，自動檢測圖像中的自標物體、場景和事件，進行分類和標注。利用計算機視覺技術和幾何分析方法，AI大模型可以對三維模型進行特征提取和相似性比較，實現分類和檢索，從而快速找到相似的部組件模型，提高設計效率和零部件的通用性。智能分類后的檔案具有清晰的結構和標簽，檔案管理系統能更高效地進行數據檢索，避免了人工分類的不一致性，確保數據分類的準確性和規范性，打破信息孤島，便于數據共享與協同。

歸納起來，應用人工智能技術在航天檔案分類分析中具有三大優勢。首先，它能夠通過上下文學習自動處理和分析海量數據。其次，人工智能具有強大的學習和泛化能力，可以使用不同類型的科學數據和分類任務提高分類的準確性和魯棒性。此外，人工智能還可以實現實時或近實時的執行數據處理和分析，為航天器的任務規劃和決策提供及時支持。

三、基于人工智能的航天檔案分類框架

應用人工智能技術實現檔案智能分類主要從檔案數據預處理、標注檔案數據集、特征提取與選擇、模型訓練與優化、數據長期保存與利用等方面展開。

（一）檔案數據預處理

在進行分類分析之前，對航天檔案進行預處理是必不可少的。人工智能技術可以用于數據清洗、去噪和歸一化等操作，從而提高數據的質量和可用性。航天科學數據可能包含噪聲、缺失值和異常值等，機器學習中的聚類算法可以識別并剔除異常數據點，提高數據質量，增強數據的可用性。結構化數據清洗的重點是處理缺失值、重復數據、異常值和數據一致性問題，同時進行數據標準化和格式化統一。半結構化數據清洗的關鍵在于格式統一、數據提取與重組、缺失數據處理和去噪，以及字段名稱和數據類型的標準化。非結構化數據清洗需要根據數據類型如文本、圖像等，采用不同的方法，包括去除噪聲、格式統一、數據增強、去除損壞數據等。元數據作為航天檔案信息的重要組成部分，用于描述檔案的內容、特征、組織方式、文件格式、數據類型、數據結構、管理過程和歷史信息等。元數據清洗主要是識別和處理不一致的數據，包括數據格式、編號、名稱、編寫日期、編寫單位等信息。

（二）標注檔案數據集

經過預處理解析的數據需要進行統一格式化處理和審查，通過確定數據分類規則和執行數據標注將數據歸類到預先設置的檔案數據集類目中，包括結構化數據集、半結構化數據集和非結構化數據集。針對個別解析錯誤未歸類匹配成功的數據，采取人工審核分類的處理方式，給予合適的分類。

1.整理分類規則

檔案數據集整理分類依據文件擴展名與格式類型、結構化程度的對應關系。文本、電子表格和數值格式DOC、DOCX、PDF、XLS、XLSX、CSV、XML、TXT。三維模型格式PRT和ASM。圖像格式TIF、NC、PNG、JPG、PSD、JPEG、BMP。結構化數據包含數值、日期、布爾型等，格式CSV、XLSX，存儲于關系數據庫。半結構化數據包含嵌套鍵對、列表，格式XML、JSON，存儲于NoSQL數據庫。非結構化數據文本、圖像、音視頻，存儲于檔案文件系統。

2.數據標注

結合檔案領域知識體系和數據集分類規則，確定檔案的標注標準和類別定義。使用Python腳本或其他工具掃描文件，查閱目標文件夾，提取所有文件的擴展名。根據擴展名匹配到對應的格式類型和結構化程度。輸出標注結果的元數據表格，包含文件名、擴展名、格式類型、結構化程度和建議儲存位置。組織檔案管理人員進行專業的標注規則和標準培訓，對標注后的數據進行質量檢查，對于擴展名歸屬模糊的情況，人工審核并更新規則庫，根據實際業務需求調整存儲位置，確保標注的準確性，可通過多輪標注和一致性檢驗提高標注質量。

（三）特征提取與選擇

從大量已完成標注的檔案中提取出具有代表性和區分度的特征是分類分析的關鍵步驟，包括提取元數據信息、數值信息、時間序列數據、文本特征、標簽特征、結構特征和擴展名等。傳統的特征提取方法往往依賴于人工設計，而人工智能技術能夠自動學習數據中的特征表示，進行特征提取，減少數據維度的同時保留關鍵特征，為后續的分類提供有力支持。元數據作為數據的“數據”，為數據檔案提供描述性屬性信息，包括數據的來源、產品、分系統、版本、格式和創建時間等，元數據為智能分類提供重要的上下文信息。通過提取分析元數據中的數據來源和創建時間，可以更好地理解數據的背景和用途，從而更準確地進行分類。大語言模型還可以通過對元數據中的關鍵詞和描述性文本進行分析，從而優化分類策略。但是沒有一個分類算法能同時對結構化數據集、半結構化數據集和非結構化數據集進行最優分類學習，深度學習算法在處理復雜數據時具有明顯優勢[4，傳統的機器學習算法支持向量機SVM和隨機森林在結構化數據分類中更為高效和穩定。卷積神經網絡和循環神經網絡算法在非結構化數據文本和圖像分類中效果良好，能自動提取圖像中的邊緣、紋理、形狀等特征，實現對不同數據的分類。選擇合適的分類算法能夠顯著提高檔案分類的準確率和效率。

（四）模型訓練與優化

應用人工智能對海量的航天檔案進行深度語義分析之后，提取出關鍵特征和語義信息，將結構化數據、半結構化數據和非結構化數據檔案進行融合處理，形成智能分類模型，并將其融入到模型的訓練過程中，使模型能夠更加精準地識別和分類不同類型的航天檔案。同時，隨著新數據的不斷積累，持續更新和優化模型，以適應數據的變化和提高分類性能。在優化過程中，人工智能能夠動態調整模型的分類策略，通過對模型輸出結果的實時反饋，結合航天領域的專業知識和數據特點，識別分類過程中的異常或模糊區域，并對模型進行針對性的優化調整。根據航天最新研究成果和數據的變化趨勢，持續更新模型的知識庫，使其始終保持對前沿數據檔案的適應性和準確性。

（五）數據長期保存與利用

航天檔案利用人工智能進行分類后，高效地管理和利用這些檔案數據，對于航天技術的傳承、創新以及科研項目的順利實施具有不可替代的價值。分類后的結構化數據存儲在關系型數據庫中，每個數據表對應一個特定類別。通過數據庫管理進行數據的增、刪、改、查操作，確保數據的一致性和完整性。分類后的非結構化數據存儲在文件存儲系統，根據數據類型和分類結果，建立合理的文件目錄結構，按文檔目錄、圖像目錄、視頻自錄等劃分。每個對象附加元數據，方便后續的檢索和管理。半結構化數據存儲在NoSQL數據庫中，建立數據索引，對XML文件中的標簽和屬性建立索引，對HTML頁面中的關鍵詞建立索引，提高數據的檢索效率。通過SQL語言對結構化數據進行檢索。使用全文檢索引擎對非結構化數據進行檢索。對于半結構化數據使用XPath語言和HTML解析器進行解析和檢索，用戶可以根據頁面的標簽、屬性和文本內容進行檢索。用戶界面可以集成結構化數據查詢、非結構化數據檢索和半結構化數據瀏覽等功能，便于知識的后期利用。

人工智能技術在航天檔案分類分析中具有重要的應用價值和廣闊的發展前景。通過檔案數據預處理、標注檔案數據集、特征提取、模型訓練與優化等環節，人工智能能夠有效提高檔案的分類效率和準確性，為航天研制任務的順利開展提供有力支持。然而，目前仍存在一些挑戰需要克服，如模型的輕量化、多源數據融合等問題。未來，隨著人工智能技術的不斷發展，人工智能將在航天檔案分類分析中發揮更重要作用，為人類探索宇宙提供更加強大的工具和手段。

參考文獻：

[1]韓曼茹.人工智能技術在檔案編目、檢索與利用中的應用[J].山西檔案，2025（1）：156-157.

[2]張新.人工智能技術服務檔案分類與檢索研究[J].蘭臺世界，2025（5）：140-141.

[3]紀莉莎.基于人工智能的檔案檢索與利用研究[J].蘭臺內外，2025（1）：26-27.

[4]趙子葉.基于深度學習的多模態檔案資源的集成管理應用[J].山西檔案，2024（4）：52-53.

作者單位：北京空間飛行器總體設計部