檔案鑒定、整編業(yè)務(wù)自動(dòng)化的研究與實(shí)現(xiàn)

劉念 齊巍 李名選

摘要：傳統(tǒng)的檔案鑒定、整編方式，不僅浪費(fèi)大量的物力、人力，而且給檔案工作者帶來(lái)了繁重的負(fù)擔(dān)。對(duì)此，本文提出檔案資源自動(dòng)收集、鑒定和整編方法，在設(shè)定檔案自動(dòng)整編規(guī)則后，按照檔案實(shí)體整編的實(shí)際業(yè)務(wù)流程，對(duì)采集的電子檔案信息進(jìn)行自動(dòng)鑒定、整編，并輔之手動(dòng)整編。

關(guān)鍵詞：電子檔案歸檔范圍自動(dòng)鑒定自動(dòng)整編

目前，人工手動(dòng)操作方式是較為普遍的檔案鑒定和整編方法，這種方式很容易出錯(cuò)，極大地限制了檔案信息鑒定和整編效率。同時(shí)，隨著信息技術(shù)的發(fā)展，電子文件已廣泛應(yīng)用于國(guó)家機(jī)關(guān)、企事業(yè)單位及社會(huì)組織活動(dòng)中。特別是隨著檔案管理需求的不斷提高和網(wǎng)絡(luò)技術(shù)的日新月異，傳統(tǒng)的鑒定和整編方式，不僅浪費(fèi)大量的物力、人力，而且給檔案工作者帶來(lái)了繁重的負(fù)擔(dān)。鑒于此，本文設(shè)計(jì)了一套自動(dòng)、高效的檔案鑒定和整編系統(tǒng)，在設(shè)定檔案自動(dòng)整編規(guī)則后，按照檔案實(shí)體整編的實(shí)際業(yè)務(wù)流程，對(duì)采集的電子檔案信息進(jìn)行自動(dòng)鑒定、整編，并以手動(dòng)整編進(jìn)行輔助調(diào)整，保證檔案鑒定和整編準(zhǔn)確率的同時(shí)，還能提高電子檔案的鑒定、整編效率。

一、檔案鑒定、整編業(yè)務(wù)自動(dòng)化的系統(tǒng)設(shè)計(jì)

檔案的自動(dòng)鑒定、整編基于自然語(yǔ)言處理技術(shù)，它是一門(mén)集語(yǔ)言學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)于一體的理論和方法。通過(guò)該技術(shù)，人與計(jì)算機(jī)之間可以用自然語(yǔ)言進(jìn)行直接交互。目前，自然語(yǔ)言處理技術(shù)廣泛應(yīng)用在機(jī)器翻譯、電話翻譯、人機(jī)對(duì)話、智能檢索、自動(dòng)文摘等方面，并在客戶服務(wù)、知識(shí)管理、智能軟件幫助、企業(yè)管理、網(wǎng)上營(yíng)銷(xiāo)等多個(gè)領(lǐng)域較為成熟。

自然語(yǔ)言處理技術(shù)的廣泛應(yīng)用及在相關(guān)領(lǐng)域的成功實(shí)踐，為檔案鑒定、整編業(yè)務(wù)自動(dòng)化提供了科學(xué)合理的方向性指導(dǎo)。同時(shí)，考慮到檔案鑒定、整編業(yè)務(wù)本身的特征，筆者參照國(guó)家檔案局第8號(hào)令《機(jī)關(guān)文件材料歸檔范圍和文書(shū)檔案保管期限規(guī)定》（以下簡(jiǎn)稱(chēng)《歸檔范圍》）、北京市檔案局及北京市科學(xué)技術(shù)委員會(huì)對(duì)檔案鑒定、整編業(yè)務(wù)的相關(guān)規(guī)范和要求，由計(jì)算機(jī)完成《歸檔范圍》的條目拆解、關(guān)鍵詞分詞、語(yǔ)義理解過(guò)程，綜合數(shù)據(jù)分析判斷，確定文件是否符合《歸檔范圍》，并自動(dòng)獲取保管期限，存入整編數(shù)據(jù)庫(kù)中。在整編數(shù)據(jù)庫(kù)中，通過(guò)本文設(shè)置的自動(dòng)化功能，可以預(yù)先設(shè)定檔案分類(lèi)整編規(guī)則，當(dāng)散文件庫(kù)中（臨時(shí)文件庫(kù)）有新文件到達(dá)后，系統(tǒng)就會(huì)按照預(yù)先指定的整編規(guī)則進(jìn)行自動(dòng)整編，完成檔案的模擬分類(lèi)、整編、裝盒過(guò)程。

由于計(jì)算機(jī)只能通過(guò)純數(shù)學(xué)的方法理解中文自然語(yǔ)言，而僅通過(guò)中文語(yǔ)義、語(yǔ)法和關(guān)鍵詞，無(wú)法保證自動(dòng)鑒定、整編的完全性和準(zhǔn)確性，例如，部分省市的檔案部門(mén)為確保檔案鑒定工作的準(zhǔn)確性，采取由不同檔案人員或者專(zhuān)家進(jìn)行綜合鑒定的模式。對(duì)此，我們采取的方式是，部分可以由計(jì)算機(jī)實(shí)現(xiàn)的，則通過(guò)計(jì)算機(jī)實(shí)現(xiàn)；不能實(shí)現(xiàn)的，則需要檔案人員進(jìn)行人工輔助，例如專(zhuān)門(mén)審核和輔助調(diào)整。在電子文件接收完成后，主要包括電子文件流轉(zhuǎn)、鑒定、整編和歸檔四個(gè)步驟。（1）電子文件流轉(zhuǎn)。通過(guò)XML可擴(kuò)展標(biāo)記語(yǔ)言，整理分布在各個(gè)文件數(shù)據(jù)庫(kù)中的電子文件，統(tǒng)一數(shù)據(jù)格式，流轉(zhuǎn)進(jìn)入散文件庫(kù)；（2）電子文件鑒定。對(duì)散文件庫(kù)中電子文件進(jìn)行鑒定，根據(jù)鑒定結(jié)果，對(duì)需要?dú)w檔的文件過(guò)濾進(jìn)入整編庫(kù)，不需要?dú)w檔的文件過(guò)濾進(jìn)入文件資料庫(kù)；（3）電子文件整編。按照既定的電子文件整編規(guī)則，對(duì)整編庫(kù)中的電子文件進(jìn)行模擬裝盒，錄入檔案信息元數(shù)據(jù)，完成電子檔案整編過(guò)程；（4）對(duì)整編后的電子文件歸檔，進(jìn)入電子檔案庫(kù)，形成電子檔案。

二、檔案鑒定、整編業(yè)務(wù)自動(dòng)化的實(shí)現(xiàn)

（一）電子文件的自動(dòng)流轉(zhuǎn)

由于電子文件分屬于不同的操作系統(tǒng)、信息系統(tǒng)和數(shù)據(jù)系統(tǒng)中，具有不同的數(shù)據(jù)格式、數(shù)據(jù)標(biāo)準(zhǔn)和管理辦法，使得這些電子文件無(wú)法交互和利用，影響了資源的共享和利用。對(duì)此，本文選擇以XML文件為通用數(shù)據(jù)交換格式，將各異構(gòu)數(shù)據(jù)庫(kù)通過(guò)XML解析方式進(jìn)行統(tǒng)一，完成電子文件資源的異構(gòu)整合。

如圖1所示，本文根據(jù)共享數(shù)據(jù)庫(kù)端的數(shù)據(jù)表結(jié)構(gòu)，需預(yù)先定義好用來(lái)交換共享的XML數(shù)據(jù)格式，通過(guò)數(shù)據(jù)格式轉(zhuǎn)換將數(shù)據(jù)庫(kù)中的關(guān)系表統(tǒng)一轉(zhuǎn)化為XML結(jié)構(gòu)；為防止轉(zhuǎn)化中出現(xiàn)數(shù)據(jù)類(lèi)型錯(cuò)誤，可采取XML Schema或XML DTD對(duì)數(shù)據(jù)格式進(jìn)行驗(yàn)證。如驗(yàn)證有不合法的數(shù)據(jù)，由異構(gòu)數(shù)據(jù)庫(kù)端重新轉(zhuǎn)換；然后將轉(zhuǎn)換合格的數(shù)據(jù)交由VPN，通過(guò)虛擬專(zhuān)用網(wǎng)絡(luò)（VPN）對(duì)網(wǎng)絡(luò)傳輸加密，可保障數(shù)據(jù)傳輸?shù)陌踩?；在共享?shù)據(jù)庫(kù)端收到VPN加密后的數(shù)據(jù)后，再進(jìn)行解密、XML格式逆轉(zhuǎn)換；最后，將XML數(shù)據(jù)轉(zhuǎn)換為關(guān)系表后，導(dǎo)入共享數(shù)據(jù)庫(kù)中。

（二）電子文件的自動(dòng)鑒定

電子文件的自動(dòng)鑒定將《歸檔范圍》拆解為固定數(shù)量的過(guò)濾規(guī)則，做成計(jì)算機(jī)可識(shí)別的歸檔范圍模板。當(dāng)不同信息系統(tǒng)的電子文件流轉(zhuǎn)時(shí)，通過(guò)此歸檔范圍模板對(duì)每份電子文件進(jìn)行過(guò)濾，最終通過(guò)過(guò)濾模板的文件，是需要?dú)w檔的電子文件，將其加入整編庫(kù)；不能通過(guò)過(guò)濾模板的文件，是不需要?dú)w檔的電子文件，將其加入文件資料庫(kù)，作為文件資料留存。具體步驟如下：（1）假設(shè)《歸檔范圍》可以拆解為N個(gè)文件過(guò)濾模板，記為：m1，m2，m3，……mN；（2）通過(guò)中文信息關(guān)鍵詞，對(duì)m1，m2，m3，……mN這N個(gè)過(guò)濾模板進(jìn)行匹配，完成每個(gè)模板mi（1≤i≤N）的過(guò)濾過(guò)程，即如果關(guān)鍵詞匹配成功，則視為符合既定的過(guò)濾規(guī)則，通過(guò)過(guò)濾模板；反之，則視為未通過(guò)過(guò)濾模板；（3）對(duì)過(guò)濾模板集合{ m1，m2，m3，……mN }，將電子文件可以通過(guò)的過(guò)濾模板記為集合{mi}（1≤i≤N），將集合{mi}的基數(shù)記為X，那么：若X≥1，則視為電子文件通過(guò)過(guò)濾規(guī)則模板，將其加入到整編庫(kù)中；若X=0，則視為電子文件未通過(guò)過(guò)濾規(guī)則模板，將其加入到文件資料庫(kù)中。

（三）電子文件的自動(dòng)整編

電子文件的自動(dòng)整編是模擬現(xiàn)實(shí)中實(shí)體檔案的整編過(guò)程，由計(jì)算機(jī)自動(dòng)完成文件的分類(lèi)、整理和裝盒。數(shù)據(jù)庫(kù)中并不存在真正的檔案盒，所以每個(gè)文件只需賦予一個(gè)盒號(hào)。電子文件的自動(dòng)整編流程可概括為：根據(jù)預(yù)先設(shè)定的檔案分類(lèi)方式，瀏覽整編庫(kù)中所有記錄，確定每條記錄對(duì)應(yīng)的分類(lèi)，并將整編庫(kù)中所有文件整理裝盒插入檔案庫(kù)，具體流程如圖2、圖3所示。需要說(shuō)明的是，每次檔案裝盒完畢后，最后一批檔案盒可能是未裝滿的，因?yàn)槊看窝b盒的頁(yè)數(shù)不可能剛好是N（N表示檔案盒的容量）的倍數(shù)。下次裝盒時(shí)，需要找到未裝滿的檔案盒，并繼續(xù)裝入過(guò)程。對(duì)于最后一個(gè)檔案盒都可能是不滿的情況，設(shè)計(jì)關(guān)系表BoxStatus，用來(lái)表示“當(dāng)前檔案盒”（未裝滿的檔案盒）的狀態(tài)。在系統(tǒng)功能執(zhí)行時(shí)，按圖2、圖3的工作流程，可以設(shè)定計(jì)算機(jī)在每天的特定時(shí)間內(nèi)完成檔案自動(dòng)鑒定、整編的過(guò)程。

參考文獻(xiàn)：

[1]宋魏巍.歐洲大陸國(guó)家檔案鑒定理論與鑒定方法論發(fā)展述評(píng)[J].檔案學(xué)研究，2013（3）：81-86.

[2]黃霄羽.國(guó)外檔案鑒定實(shí)踐的共同特點(diǎn)[J].北京檔案，2010（1）：44-46.

[3]張蕾.對(duì)推進(jìn)機(jī)關(guān)檔案文化建設(shè)的思考[J].檔案學(xué)研究，2015（3）：25-27.

[4]張妤.外國(guó)檔案鑒定理論發(fā)展研究[J].蘭臺(tái)世界， 2011（4）：21-22.

[5]汪孔德.論檔案鑒定的本位原則[J].檔案學(xué)研究， 2003（5）：15-18.

[6]黃霄羽.外國(guó)檔案鑒定理論的歷史發(fā)展及其規(guī)律[J].中國(guó)檔案，2003（9）：28-30.

作者單位：1.北京電子科技學(xué)院

2.北京市科學(xué)技術(shù)委員會(huì)