檔案信息智能檢索研究綜述及發(fā)展趨勢探討

文·張倩

學術研究

檔案信息智能檢索研究綜述及發(fā)展趨勢探討

文·張倩

本文以時間為線索，對檔案信息檢索技術發(fā)展的演進歷程進行了梳理，將檔案信息檢索領域相關的理論研究和技術應用劃分為三個階段，并在全面了解國內外信息檢索領域理論研究和實踐發(fā)展動態(tài)的基礎上，對本項研究所涉相關概念的內涵進行了界定，闡述了檔案信息智能檢索的發(fā)展趨勢。

檔案；智能檢索；演進歷程；發(fā)展趨勢

信息檢索工作，是檔案信息化建設不可或缺的重要組成部分，是關系到檔案信息資源能否最終在更大范圍內、更便捷地為社會所利用的現(xiàn)實問題?；仡櫃n案信息檢索技術發(fā)展的演進歷程可以發(fā)現(xiàn)，其發(fā)展主要隨著信息檢索技術的發(fā)展而不斷向前推進，并經歷了手工檢索、計算機化檢索、網絡化檢索三個階段，逐步發(fā)展形成了一些成熟的檢索模型、方法與技術，特別是隨著計算機和網絡技術的發(fā)展，Internet上的智能搜索引擎（Intelligent Search Engine）、智能瀏覽器（Intelligent Browser）、學習智能體（Learning Agent）、知識共享智能體（Knowledge-sharing Agent）等人工智能產品的不斷推出，使智能檢索技術成為當代檔案信息檢索領域的朝陽技術。已有的實踐告訴我們，計算機和網絡技術是推動傳統(tǒng)信息檢索向智能檢索轉型的基石，但檔案信息檢索領域應用知識引擎技術尚處于起步階段，離實現(xiàn)智能檢索還有很長的路要走，特別是數(shù)據(jù)化、網絡化技術對檔案信息檢索手段會產生怎樣的變革？何為檔案信息檢索效果的最高境界？對此，國內外的理論界和產業(yè)界尚未形成共識。但在信息檢索技術發(fā)展中的一個毋庸置疑的事實是：檔案信息檢索服務模式和技術手段的“創(chuàng)新”，必須把滿足用戶的查詢需求放在首位，并作為目標追求的最高境界。

目前，檔案信息智能檢索技術的研發(fā)與應用還處于較滯后的狀態(tài)，特別是檔案信息檢索手段存在著諸多不盡人意之處，致使檔案信息資源的開發(fā)利用程度難以提高。如：檔案館（室）使用的檔案管理系統(tǒng)，通常采用基于人工分類目錄或“關鍵詞+布爾邏輯”的機械匹配，前者對海量信息資源的揭示效率不高，深度極為有限；后者割裂了“字”與“詞”之間的語義關聯(lián)，缺乏必要的語義分析，在信息的語義和語用揭示上有較大的局限性，特別是其提供的檢索入口專業(yè)性太強，需用戶學會運用邏輯運算符、通配符等專業(yè)檢索技巧，加之檢索系統(tǒng)適用性較弱，檢出的結果往往不甚理想，遠不能滿足用戶之需。針對傳統(tǒng)檔案信息檢索模式的缺陷和不足，將智能信息技術作為檔案信息檢索的核心支撐技術，加強檔案信息智能檢索服務平臺建設，必將成為完善和提升檔案信息檢索手段的重要途徑。

一、 國內外研究現(xiàn)狀綜述

推進信息檢索技術的智能化發(fā)展，是當前信息學界普遍關注的問題，但關于檔案信息智能檢索方面的研究則較少。如：筆者以“檔案 智能檢索”為題名，對CNKI、維普、萬方等多個數(shù)據(jù)庫進行檢索，只找到九篇相關期刊論文；在相關英文信息檢索數(shù)據(jù)庫中以“Archives （or Records or Files） Intelligent Retrieval”為檢索表達式進行查詢，暫未找到與本項研究相關的文章或著作；在中國國家圖書館、南京大學圖書館、超星數(shù)字圖書館等館藏數(shù)據(jù)庫中，也未檢索到檔案智能檢索方面的專著。為了解信息檢索方面的研究狀況，筆者又對CNKI數(shù)據(jù)庫進行了檢索，找到的相關論文有四千多篇，并在中國國家圖書館數(shù)據(jù)庫中檢索到近千部著作。此外，圍繞“智能檢索”這一研究主題，筆者進一步檢索了智能信息檢索的研究狀況，在CNKI數(shù)據(jù)庫中檢索出與智能檢索聯(lián)系較為緊密的文章有五百余篇；在中國國家圖書館、南京大學圖書館、超星數(shù)字圖書館等館藏數(shù)據(jù)庫中檢索到的專著僅四本。在這些文獻中看到，學者們利用中文自然語言理解、智能Agent、可視化、本體論、語義Web、數(shù)據(jù)挖掘、機器學習、知識發(fā)現(xiàn)、遺傳算法、神經網絡、XML索引技術等現(xiàn)代信息技術，對信息智能檢索課題展開了廣泛的研究，一些設計開發(fā)的智能管理系統(tǒng)，已被應用于圖書、情報等行業(yè)的研究與開發(fā)、計算機工程與應用、中小企業(yè)管理、醫(yī)療疾病診斷等領域。伴隨著計算機和網絡技術特別是信息檢索技術的快速普及，檔案信息檢索領域相關的理論研究和技術應用也逐漸受到業(yè)界的關注和重視，大致經歷了以下三個不同的探索階段：

（一）手工檢索階段（1830年—20世紀70年代初期）

信息檢索發(fā)端于文獻的文摘索引工作和圖書館參考咨詢工作。1830年，柏林科學院出版了著名的文摘刊物《藥學總覽》，這一事件被研究人員普遍認作手工信息檢索研究的起源。1876年，美國圖書館協(xié)會第一屆大會召開，這一事件被研究人員認作規(guī)范信息檢索工作的起點。1949年，莫爾斯（Galvin W.Mooers）在國際數(shù)學會議上首次提出“信息檢索”（Information Retrieval）的概念。他提出的關于信息檢索兼具了信息的“存儲”與“檢索”（Information Storage and Retrieval）兩個方面涵義的論述，得到了學界普遍認同。

20世紀70年代，手工檢索處于主流地位，并達到了發(fā)展的高潮。此后，在信息檢索最發(fā)達的英美國家，手工檢索逐漸退出主流地位。這一階段的主要發(fā)展特點：一是以印刷文獻（如期刊、圖書、專利、會議、學位論文等）為主要檢索對象；二是以各類目錄性工具、文摘、題錄和書為可利用的主要檢索工具；三是圖書館的咨詢部門成為開展信息檢索的主要服務機構。

我國學界開展檔案信息檢索研究，大約始于 20 世紀 30-40 年代。這一期間，滕固、程長源、龍兆佛等學者開始關注檔案管理的理論研究。如：1935年，史學家滕固提出的“檔案學”一說正式問世，并得到眾多學者的公認。1936 年，程長源的《縣政府檔案管理法》論著，被視為我國研究檔案信息檢索理論的發(fā)端。1962年，陳兆祦的《檔案管理學》論著，首次將檔案管理工作的內容概括為六個環(huán)節(jié)，并提出了一套檔案管理工作的原理與方法。需要指出的是，受時代背景所限，我國這一時期的檔案信息檢索理論研究，主要是借鑒歐美在圖書、檔案管理方面的經驗，對檔案信息檢索的編目問題進行了探究。

（二）計算機化檢索階段（20世紀50年代初期—20世紀90年代初期）

1946年計算機誕生后，計算機信息檢索技術隨之應運而生，其作為一個獨立領域的地位在國際上迅速得以確立。

計算機信息檢索系統(tǒng)的應用，是信息檢索步入現(xiàn)代化的一個重要標志。其主要經歷了脫機批處理檢索（Off-line Batch Processing，1954—1964年）、聯(lián)機實時檢索（On-line Real Time，1965-1975年）和聯(lián)機網絡化與多元化信息檢索（1975—1990年）等不同發(fā)展階段。這一時期值得關注的事件有：以英國數(shù)學家和邏輯學家喬治·布爾（George Boole）命名的布爾（Boolean）檢索技術的誕生。這項技術不僅逐漸發(fā)展成為各種大型聯(lián)機檢索系統(tǒng)，而且成了網絡搜索引擎的標準檢索模式。這一階段的主要發(fā)展特點：一是各類機讀數(shù)據(jù)庫被作為檢索對象；二是各類情報所、聯(lián)機服務中心被作為新興信息服務機構；三是信息檢索用戶逐漸由專業(yè)人員向終端用戶轉移，信息檢索的社會普及程度日益提高。

我國檔案信息檢索研究勃興于20世紀80年代。1985年，國家檔案局頒布的《檔案著錄規(guī)則》，標志著我國檔案檢索工作與研究上升到國家高度。同年，鄧紹興的《檔案檢索》論著被視為國內檔案檢索學科形成的標志。其后，少數(shù)研究者開始涉足檔案信息智能檢索研究領域。1988年，中央檔案館采用模糊運算開發(fā)的檔案自動編目檢索系統(tǒng)（簡稱CAFC系統(tǒng)），為檔案智能檢索的實現(xiàn)開辟了一條新途徑。[1]1989年，張柏雄提出了智能化、高速檢索子系統(tǒng)（IRS）所遵循的設計原則和設計方法。[2]1990年，中央檔案館等單位聯(lián)合開發(fā)的OAS光盤檔案全文存貯與智能檢索系統(tǒng)，使檢索軟件具有了初步的人工智能。[3]1991年，國防科工委檔案館開發(fā)的檔案智能化管理信息系統(tǒng)，增加了檔案主題概念檢索功能，構建了知識庫管理模式，實現(xiàn)了基于專家規(guī)則的智能檢索機制和相應的學習機制。[4]1994年，湯道鑾等設計的檔案檢索自動化系統(tǒng)，可分為檔案目錄組織自動化、目錄檢索自動化、全文檢索自動化、全文著錄與標引自動化。[5]同年，朱久蘭將反映檔案信息特征的主題詞，作為知識存儲、知識管理和應用的手段，為人工智能技術在檔案自動化管理中的應用作了有益嘗試。[6]1996年，馬緒超論述了具有人工智能的專家系統(tǒng)（ES）等技術在檔案信息檢索中的應用效果。[7]需要指出的是，這一階段雖有一些單位開始使用計算機技術對檔案信息進行輔助管理，但國內檔案信息檢索方式仍以手工為主，檔案信息檢索的研究對象仍以紙質檔案為主，檢索技術的總體發(fā)展狀況尚處于對傳統(tǒng)手工檢索的探討與總結層面。

（三）網絡化檢索階段（20世紀90年代初期至今）

20世紀90年代初，以Internet為代表的全球性計算機網絡廣為普及，不僅迅速推動了信息檢索的新技術發(fā)展，而且信息檢索的主流平臺都先后將自己的服務轉入WWW為核心的網絡應用環(huán)境之中，信息檢索開始邁入數(shù)據(jù)化、網絡化檢索時期。目前，互聯(lián)網已步入Web2.0時代，以人工智能為代表的信息檢索自動化技術已是網絡信息檢索的基礎技術，如超文本/超媒體技術的應用、基于內容的多媒體信息檢索系統(tǒng)的開發(fā)、自然語言的理解與處理、海量網絡信息的組織與檢索、語義檢索與邏輯推理、知識檢索服務等，已成為信息服務的主要議題。

隨著社會信息需求的急劇增長，檔案信息檢索實踐活動也發(fā)生了日新月異的變化。如：電子檔案信息組織與管理、網絡檔案信息檢索、檔案信息檢索自動化等新技術、新方法撲面而來。這些新情況、新事物為推進檔案信息檢索理論研究，提供了大量生動的實踐素材。國內不少檔案學者投入大量的心血與精力，對檔案信息檢索的相關技術難題進行了積極探究，不僅有相當數(shù)量的論文、專著、教材發(fā)表或出版，而且一些地方的檔案管理機構還研發(fā)了功能較先進的檔案信息檢索系統(tǒng)。如：1999年，謝華撰文指出著錄標引的豐富是解決智能檢索中因屬性過少而導致“瓶頸”現(xiàn)象的途徑。[8]2001年，馮惠玲撰文指出目前的計算機檔案信息檢索系統(tǒng)大多采用檢索語言或檢索語言與自然語言并用的方法，但自然語言將成為未來檔案文獻檢索的主要方式。[9]2006年，鄒吉輝撰文闡述了檔案信息檢索系統(tǒng)向信息智能檢索、多維檢索系統(tǒng)、社會功能人本化方向發(fā)展的趨勢。[10]2010年，陳麗撰文提出了檔案信息檢索自然語言化的五種實現(xiàn)方式。[11]2011年，肖秋會撰文介紹了計算機檔案信息檢索系統(tǒng)的設計與開發(fā)等。[12]2012年，潘士萍設計出了遞進式檔案信息檢索教學實驗項目，并提供了可資研究參考的檔案管理機構檢索工作范例。[13]需要指出的是，這一階段國內雖開始關注對計算機和網絡共享環(huán)境下的檔案信息檢索技術研究與開發(fā)，但多數(shù)論著以介紹檔案信息檢索的基礎理論、方法、技術為主，針對智能檢索技術的專題論述不多，實踐案例極為少見，或僅限于表層研究，缺乏實用性。

綜上所述，雖然一個多世紀以來，國內外學者對信息檢索問題作了較廣泛、深入的研討，但從研究文獻的總體情況來看，研究所涉的領域范圍大同小異，且多為敘述性介紹，尤其是國內檔案學界僅將檔案信息檢索的過程作為研究對象，主要研究傳統(tǒng)載體形態(tài)、記錄方式的檔案及其檢索方法。毋庸諱言，檔案信息檢索研究不僅始終處于滯后狀態(tài)，而且普遍借鑒了圖書館學、情報學等領域關于信息檢索的研究成果，并明顯留有對相關學科及技術變革蕭規(guī)曹隨的痕跡。如：近年來國內一些論著對信息智能檢索技術雖有描述，但側重點多數(shù)集中在基本理論、方法方面，很少見諸研究信息智能檢索技術的實證性論著，而檔案信息智能檢索技術研究的論著更是屈指可數(shù)。目前，國外一些著名IT企業(yè)研發(fā)出的智能檢索工具不容小覷。相比而言，國內的檔案信息檢索系統(tǒng)專業(yè)性強、透明度差，缺乏良好的交互性。

二、概念界定及發(fā)展趨勢

考察文獻發(fā)現(xiàn)，人們對智能檢索的概念論述呈各執(zhí)見解之態(tài)，特別是檔案信息智能檢索研究處于滯后狀態(tài)，其概念尚無規(guī)范的定義。通過學習、借鑒業(yè)內專家學者對智能檢索概念的介紹，我們將“檔案信息智能檢索”的概念理解為：其由抽詞檢索與全文檢索發(fā)展而來，能夠融合檔案學、圖書館學、情報學、計算機科學等相關領域的先進理念，應用計算機和網絡等先進的技術與方法，通過實施語義理解、邏輯推理與學習、數(shù)據(jù)挖掘、知識發(fā)現(xiàn)與關聯(lián)等諸多環(huán)節(jié)，對檔案信息進行智能化的獲取、存儲、處理與利用，實現(xiàn)在更高層次上模擬、應用人類的認知功能和智能活動，滿足用戶的各種檔案信息個性化需求，為廣泛的應用領域提供高效率、高質量的檔案信息知識檢索服務。通過對已有實踐的研究，筆者認為檔案信息智能檢索未來將在以下幾個方面深入發(fā)展。

（一）自然語言理解能力

自然語言理解（Natural Language Understanding）是智能信息檢索系統(tǒng)的基礎。自然語言、分類檢索語言和主題檢索語言是三種不同的語言系統(tǒng)，三者的標識和組織方式雖不一樣，但本質都是同樣的主題概念標識系統(tǒng)，且關鍵詞、分類號、主題詞都可用來表示某一文獻信息的主題概念。這三者之間，存在著概念對應關系，即兼容關系。

傳統(tǒng)檔案檢索采用的檢索語言屬于高度規(guī)范化的受控語言或人工語言，其主要作用是通過對自然語言進行規(guī)范化處理，使標引用語與檢索用語相匹配。如：《中國檔案分類法》和《中國檔案主題詞表》就是兩種不同的檢索語言。分類檢索語言的特點是：把各種概念按知識分類進行系統(tǒng)組織和排列。主題檢索語言的特點是：把各種概念按字順排列而不管其相互關系如何，在詞表中只存在“用、代、屬、分、參”等簡單聯(lián)系。傳統(tǒng)檔案檢索語言的主要缺點：一是對書寫形式有嚴格的要求，特別是標引難度大、速度慢，需標引人員具備閱讀、分析、概括、提煉檔案主題和準確歸類的能力；二是除強調詞匯控制外，其構造和維護是一件非常艱難的任務；三是需將檢索用語轉換成與標引用語相同的語言，才能進行相符性比較而檢出用戶所需的信息，對專指性檢索需求不如自然語言。

將自然語言理解能力模塊嵌入檔案信息檢索系統(tǒng)之中，其主要功效可體現(xiàn)為：用戶直接使用任意自然語言問句（“語句搜索”Sentence Search），就可實現(xiàn)跨數(shù)據(jù)庫檢索；檔案管理者則可利用系統(tǒng)實現(xiàn)各種不同受控詞表、不同結構的知識組織系統(tǒng)（Knowledge Organization System，KOS，是一種基于概念語義網絡的新一代情報檢索語言與自然語言的結合體）之間的兼容轉換，即通過建立檢索詞匯之間的語義映射和互操作機制，從檔案文獻中直接抽詞、賦詞，并進行自動標引、自動分類、自動全文檢索等。

需要指出的是：自然語言與傳統(tǒng)檔案檢索語言相比，其具有查準率高、通用性廣、易用性好、詞匯無滯后、便于實現(xiàn)自動標引等諸多優(yōu)點，但自然語言也存在著顯著的缺點，如詞形詞義不規(guī)范，存在語義模糊現(xiàn)象，不能全面地顯示詞匯間的語義關系等。因此，完善和提升基于語義、語用知識的智能信息處理機制，是實現(xiàn)檔案信息智能檢索的關鍵所在。

（二）人工智能推理能力

傳統(tǒng)檔案信息檢索一般要求檢索者對用戶提出的檢索事件進行分析，并掌握有關該事件的基本情況及背景信息。而檔案信息智能檢索是建立在可用自然語言進行概念性全網絡檢索的智能知識庫之上的，其依賴特殊形式的人工智能推理技術，根據(jù)存儲的事實、用戶的檢索行為等，建立高效率、高品質的檢索模板庫，利用概念邏輯和人工智能邏輯實現(xiàn)多種語義推理、邏輯推理、挖掘及知識發(fā)現(xiàn)，選擇最優(yōu)或最經濟的途徑，引導智能檢索的高效執(zhí)行，演繹出所需的答案，以幫助用戶改善策略，實現(xiàn)檢索過程的自動化。

機器學習技術是檔案信息智能檢索技術智能化的基礎，可從用戶與系統(tǒng)的交互中獲取知識，使系統(tǒng)適應環(huán)境的變化而發(fā)展變化。目前，自動標引和自動分類的算法智能化程度仍不高，需要引入“本體”等技術來增強知識庫的推理功能。

（三）知識集成處理能力

智能檢索與傳統(tǒng)檢索最大的區(qū)別在于：它在用戶與網絡信息資源之間創(chuàng)建了一個知識庫，即一個元數(shù)據(jù)的集合。擁有知識是智能信息檢索系統(tǒng)區(qū)別于一般信息檢索系統(tǒng)的重要標志，而知識的質量與數(shù)量又是決定其性能的關鍵因素。

傳統(tǒng)檔案信息檢索一般是將確立待檢標志看作是檢索工作的入口，即以檔案上各種經過規(guī)范化整理的標記符號來作為檢索線索。這是一種基于倒排索引采用語詞匹配的檢索模式，不提供基于知識及推理的檢索方法。

檔案信息智能檢索，是指依據(jù)知識內容和知識關聯(lián)來求解問題的過程（不是簡單的字符匹配查找過程）。它的知識庫提供的是一種主動式、高效率的知識服務。這種知識庫與傳統(tǒng)數(shù)據(jù)庫之間的差別迥異，一般分為：綜合文獻知識庫、專業(yè)知識庫、規(guī)則庫、語言知識庫、用戶知識庫。系統(tǒng)將各種檔案信息的檢索語言放在專業(yè)知識庫和規(guī)則庫，在人機接口處，可應用人工智能技術模擬專家處理問題的認知功能。如：接受用戶的查詢問題時，不受任何人工命令語言或語法的限制，能明白用戶以自然語言方式表達的需求，識別用戶的認知空間，并可選用合適的檢索語言生成需求模型，然后把系統(tǒng)對用戶的回答、推理結果及對結果的解釋等進行逆轉換，以用戶可以理解的方式輸出給用戶。當前，急待引入超鏈接、標記語言、互操作等技術來完善和提升系統(tǒng)的智能功能，加速推進知識庫由靜態(tài)走向動態(tài)、由線性走向網狀，以利實現(xiàn)知識庫的不斷更新?lián)Q代。

面對大數(shù)據(jù)的挑戰(zhàn)，開展檔案信息智能檢索技術應用研究，既是檔案管理理論創(chuàng)新的內在要求，也是檔案管理實踐創(chuàng)新的迫切需要。當前，現(xiàn)有的檔案信息檢索建設現(xiàn)狀，已不能滿足大數(shù)據(jù)時代下對海量檔案信息資源的管理與利用，迫切需要相關智能技術的引入。尤其是檔案信息智能檢索領域的理論研究成果很少，且多為基礎性論述，亟待進行技術創(chuàng)新方面的實證性研究。此外，檔案信息檢索實踐中面臨諸多矛盾和問題，急盼研發(fā)成果給予指導，以利加快創(chuàng)新成果的應用轉化及解決技術難題。

●

[1]鄭曉威等．模糊運算應用于檔案智能編目檢索系統(tǒng)的理論探討與實驗[J]．檔案學研究，1989（4）：35-42．

[2]張柏雄．檔案信息庫系統(tǒng)的智能檢索[J]．微電子學與計算機，1991（7）：33-36．

[3]王信功．《OAS光盤檔案全文存貯與智能檢索系統(tǒng)》的研制與應用[J]．檔案學研究，1992（4）：3-4．

[4]李少杰．《檔案智能化管理信息系統(tǒng)》的功能與特點[J]．檔案學研究，1992（2）：70-73．

[5]湯道鑾等．檔案全文自動著錄與智能標引初探[J]．檔案學研究，1994（2）：39-41．

[6]朱久蘭．檔案信息智能檢索[J]．檔案學研究，1994（4）：57-58．

[7]馬緒超．人工智能及其在檔案檢索中的應用[J]．黑龍江檔案，1996（12）：36-37．

[8]謝華．電子檔案的智能化初探[J]．湖北檔案，1999（10）：11-13．

[9]馮惠玲．檔案文獻檢索[M]．北京：高等教育出版社，2001:94-96．

[10]鄒吉輝．論檔案信息檢索智能化趨勢[J]．浙江檔案，2006（4）：6-7．

[11]陳麗．檔案信息檢索[M]．成都：四川人民出版社，2010：15．

[12]肖秋會．檔案信息檢索[M]．武漢：武漢大學出版社，2011：155-157．

[13]潘世萍，賀真．檔案檢索實驗教程[M]．北京：北京師范大學出版社，2012：3

*本文系2013年江蘇省社會科學基金項目“云計算環(huán)境下數(shù)字檔案資源管理的理論與實踐研究”（項目編號：13XWC018）和2016年度江蘇省檔案局科技項目“區(qū)域性高校數(shù)字檔案資源共享平臺建設研究”（項目編號：2016-13）研究成果之一。

（作者單位：南京藝術學院綜合檔案室）