档案鉴定、整编业务自动化的研究与实现

2015-05-30刘念齐巍李名选

北京档案 2015年10期

刘念齐巍李名选

摘要：传统的档案鉴定、整编方式，不仅浪费大量的物力、人力，而且给档案工作者带来了繁重的负担。对此，本文提出档案资源自动收集、鉴定和整编方法，在设定档案自动整编规则后，按照档案实体整编的实际业务流程，对采集的电子档案信息进行自动鉴定、整编，并辅之手动整编。

关键词：电子档案归档范围自动鉴定自动整编

目前，人工手动操作方式是较为普遍的档案鉴定和整编方法，这种方式很容易出错，极大地限制了档案信息鉴定和整编效率。同时，随着信息技术的发展，电子文件已广泛应用于国家机关、企事业单位及社会组织活动中。特别是随着档案管理需求的不断提高和网络技术的日新月异，传统的鉴定和整编方式，不仅浪费大量的物力、人力，而且给档案工作者带来了繁重的负担。鉴于此，本文设计了一套自动、高效的档案鉴定和整编系统，在设定档案自动整编规则后，按照档案实体整编的实际业务流程，对采集的电子档案信息进行自动鉴定、整编，并以手动整编进行辅助调整，保证档案鉴定和整编准确率的同时，还能提高电子档案的鉴定、整编效率。

一、档案鉴定、整编业务自动化的系统设计

档案的自动鉴定、整编基于自然语言处理技术，它是一门集语言学、数学、计算机科学于一体的理论和方法。通过该技术，人与计算机之间可以用自然语言进行直接交互。目前，自然语言处理技术广泛应用在机器翻译、电话翻译、人机对话、智能检索、自动文摘等方面，并在客户服务、知识管理、智能软件帮助、企业管理、网上营销等多个领域较为成熟。

自然语言处理技术的广泛应用及在相关领域的成功实践，为档案鉴定、整编业务自动化提供了科学合理的方向性指导。同时，考虑到档案鉴定、整编业务本身的特征，笔者参照国家档案局第8号令《机关文件材料归档范围和文书档案保管期限规定》（以下简称《归档范围》）、北京市档案局及北京市科学技术委员会对档案鉴定、整编业务的相关规范和要求，由计算机完成《归档范围》的条目拆解、关键词分词、语义理解过程，综合数据分析判断，确定文件是否符合《归档范围》，并自动获取保管期限，存入整编数据库中。在整编数据库中，通过本文设置的自动化功能，可以预先设定档案分类整编规则，当散文件库中（临时文件库）有新文件到达后，系统就会按照预先指定的整编规则进行自动整编，完成档案的模拟分类、整编、装盒过程。

由于计算机只能通过纯数学的方法理解中文自然语言，而仅通过中文语义、语法和关键词，无法保证自动鉴定、整编的完全性和准确性，例如，部分省市的档案部门为确保档案鉴定工作的准确性，采取由不同档案人员或者专家进行综合鉴定的模式。对此，我们采取的方式是，部分可以由计算机实现的，则通过计算机实现；不能实现的，则需要档案人员进行人工辅助，例如专门审核和辅助调整。在电子文件接收完成后，主要包括电子文件流转、鉴定、整编和归档四个步骤。（1）电子文件流转。通过XML可扩展标记语言，整理分布在各个文件数据库中的电子文件，统一数据格式，流转进入散文件库；（2）电子文件鉴定。对散文件库中电子文件进行鉴定，根据鉴定结果，对需要归档的文件过滤进入整编库，不需要归档的文件过滤进入文件资料库；（3）电子文件整编。按照既定的电子文件整编规则，对整编库中的电子文件进行模拟装盒，录入档案信息元数据，完成电子档案整编过程；（4）对整编后的电子文件归档，进入电子档案库，形成电子档案。

二、档案鉴定、整编业务自动化的实现

（一）电子文件的自动流转

由于电子文件分属于不同的操作系统、信息系统和数据系统中，具有不同的数据格式、数据标准和管理办法，使得这些电子文件无法交互和利用，影响了资源的共享和利用。对此，本文选择以XML文件为通用数据交换格式，将各异构数据库通过XML解析方式进行统一，完成电子文件资源的异构整合。

如图1所示，本文根据共享数据库端的数据表结构，需预先定义好用来交换共享的XML数据格式，通过数据格式转换将数据库中的关系表统一转化为XML结构；为防止转化中出现数据类型错误，可采取XML Schema或XML DTD对数据格式进行验证。如验证有不合法的数据，由异构数据库端重新转换；然后将转换合格的数据交由VPN，通过虚拟专用网络（VPN）对网络传输加密，可保障数据传输的安全性；在共享数据库端收到VPN加密后的数据后，再进行解密、XML格式逆转换；最后，将XML数据转换为关系表后，导入共享数据库中。

（二）电子文件的自动鉴定

电子文件的自动鉴定将《归档范围》拆解为固定数量的过滤规则，做成计算机可识别的归档范围模板。当不同信息系统的电子文件流转时，通过此归档范围模板对每份电子文件进行过滤，最终通过过滤模板的文件，是需要归档的电子文件，将其加入整编库；不能通过过滤模板的文件，是不需要归档的电子文件，将其加入文件资料库，作为文件资料留存。具体步骤如下：（1）假设《归档范围》可以拆解为N个文件过滤模板，记为：m1，m2，m3，……mN；（2）通过中文信息关键词，对m1，m2，m3，……mN这N个过滤模板进行匹配，完成每个模板mi（1≤i≤N）的过滤过程，即如果关键词匹配成功，则视为符合既定的过滤规则，通过过滤模板；反之，则视为未通过过滤模板；（3）对过滤模板集合{ m1，m2，m3，……mN }，将电子文件可以通过的过滤模板记为集合{mi}（1≤i≤N），将集合{mi}的基数记为X，那么：若X≥1，则视为电子文件通过过滤规则模板，将其加入到整编库中；若X=0，则视为电子文件未通过过滤规则模板，将其加入到文件资料库中。

（三）电子文件的自动整编

电子文件的自动整编是模拟现实中实体档案的整编过程，由计算机自动完成文件的分类、整理和装盒。数据库中并不存在真正的档案盒，所以每个文件只需赋予一个盒号。电子文件的自动整编流程可概括为：根据预先设定的档案分类方式，浏览整编库中所有记录，确定每条记录对应的分类，并将整编库中所有文件整理装盒插入档案库，具体流程如图2、图3所示。需要说明的是，每次档案装盒完毕后，最后一批档案盒可能是未装满的，因为每次装盒的页数不可能刚好是N（N表示档案盒的容量）的倍数。下次装盒时，需要找到未装满的档案盒，并继续装入过程。对于最后一个档案盒都可能是不满的情况，设计关系表BoxStatus，用来表示“当前档案盒”（未装满的档案盒）的状态。在系统功能执行时，按图2、图3的工作流程，可以设定计算机在每天的特定时间内完成档案自动鉴定、整编的过程。