基于檔案元數據內容的電子文件自動鑒定

摘要：本文通過對現有的電子文件鑒定成果進行梳理，指出電子文件自動鑒定的必要性。為了使電子文件自動鑒定結果更準確，筆者以元數據內容為切入點設計了電子文件保管期限自動鑒定的元數據庫，數據庫中收錄了不同保管期限的元數據項目，在此基礎上，提出一些鑒定規則對自動鑒定進行規約，期望能最大限度實現鑒定的準確性和自動化。

關鍵詞：元數據電子文件自動鑒定

一、電子文件鑒定研究綜述

隨著電子文件的出現及其對傳統紙質檔案鑒定理論的沖擊，國內外許多學者對電子文件的鑒定理論進行了研究。馮惠玲教授提出對電子文件的鑒定應該從內容和技術兩方面來進行，在電子環境中，這項工作需要及早進行，文件管理系統設計階段是鑒定文件最合適的階段。[1]何嘉蓀等人指出電子文件需要進行四次鑒定。[2]劉越南認為電子文件自動鑒定的方法是在系統中納入并維護電子文件保管期限表，在鑒定的時候將文件與保管期限表對照進行判斷。[3]于慧敏提出在設計文檔管理系統軟件時，可以根據機關或部門的職能重要程度編寫程序由系統自動鑒定，自動給文件保管期限。[4]麻新純對電子文件價值綜合鑒定進行了闡述，即在電子文件生命周期的不同階段采用不同的價值鑒定方法。[5]李雯以電子公文為例，介紹了一種基于業務知識庫，借助信息雷達、文本挖掘等信息技術實現電子文件智能分析的鑒定模式。[6]譚琤培和章丹對與電子文件鑒定密切相關的檔案元數據進行了一系列的研究，指出要建立元數據系統與制定元數據標準，通過系統自動記錄與手工記錄獲取檔案元數據。[7]葉曉林指出由于傳統文件的管理理念和手段不能適應電子文件的管理，需要引入元數據技術對電子文件進行全程管理。[8]DAVID·A·WALLACE在《元數據和電子記錄檔案管理：回顧與展望》一文中提到幾個最有影響力的電子檔案工作者都主張用元數據系統的方法來管理電子記錄，并指出元數據系統的方法會影響檔案的鑒定和保存。[9] JAMES·WHITMAN提出記錄保存的出處屬性、真實性、完整性和元數據系統的發展是記錄鑒定工作的關鍵。[10]由于電子文件的迅速增長，關于電子文件鑒定的迫切性在業內已經達成了共識，而大家期盼的最理想的目標是對電子文件實行自動鑒定。從綜述看現有的理論研究并未達成共識，沒有形成電子文件自動鑒定相對成熟的理論體系，需要相關研究不斷地總結與完善。目前的研究成果大都集中在電子文件鑒定內容、程序、方法、原則等宏觀方面的研究，缺乏微觀方面的研究。

對電子文件的鑒定主要包括價值鑒定和保管期限的鑒定。價值鑒定十分復雜，需要考慮的內容很多，而且容易受鑒定者的主觀影響，因此本文對價值鑒定不做過多的闡述。檔案的鑒定同樣可以通過保管期限來完成，在實際鑒定保管期限時，目前還是參照國家檔案局出臺的文書檔案保管期限表進行判斷，由于保管期限表條款劃分過粗、加之人為的因素或者判斷標準不統一的情況，使得電子文件的保管期限判斷不夠準確。筆者試圖從電子文件的部分元數據內容入手來判斷電子文件的保管期限。

本文以元數據為切入點，主要采用在文獻調查的基礎上，通過統計方法構建元數據庫，將元數據內容信息作為電子文件保管期限自動鑒定的依據，期望能使電子文件自動鑒定更加完善，且具有實際操作性，從而提升電子文件歸檔管理的效率。筆者通過選取文件標題、主題詞這兩個能反映文件全貌的元數據內容項目進行了實證分析，對自動鑒定結果進行了驗證。

二、電子文件元數據庫的內容創建

元數據是指描述文件背景、內容、結構及其整個管理過程的數據。檔案元數據對電子文件自動鑒定有著不可忽視的作用。檔案元數據描述的內容有以下三方面：（1）內容信息：如標題、檔號、分類號、主題詞等；（2）結構信息：如段落層次、文體、發（收）文者、發（收）文者地址、稱謂等；（3）背景信息：如形成文件的機構及其職能、形成文件的業務活動、文件使用情況、應用軟件、文件使用權限、文件的保存與處置決定等。[11]檔案元數據描述的內容中除了文件標題和主題詞能反映文件全貌，其他元數據項目難以用來判斷一份文件的保管期限。因此本文只選用了文件標題和主題詞這兩個項目來判斷一份電子文件的保管期限。適當的情況下，在判斷保管期限時，還可以加入責任者項目。

為了使電子文件自動鑒定具有可操作性，筆者根據國家檔案局發布的第十號令《企業文件材料歸檔范圍和檔案保管期限規定》，將其中涉及的元數據內容抽取出來，將元數據分別歸到短期、長期和永久元數據庫中，該元數據庫要嵌入檔案管理系統自動鑒定模塊中。

三、電子文件自動鑒定規則和流程

（一）電子文件自動鑒定規則

要使電子文件實現自動鑒定，除了元數據庫是不夠的，還需要一些規則對其進行規約，筆者歸納出以下鑒定規則：

1.元數據庫中的元數據項目彼此之間存在從屬或并列的關系，使用等級分類的方法對它們進行表示，因此在設計數據庫的時候，要把元數據項目之間的這種關系表達清楚，能提高自動鑒定的準確度。

2.當判斷一份歸檔文件的保管期限時，系統自動從檔案著錄系統中提取專業人員擬定的主題詞、文件標題等元數據，然后與元數據庫中事先保存的元數據項目進行匹配，可以設置精確匹配、模糊匹配、前向匹配等多種匹配方法。

3.當抽取的電子文件元數據與元數據庫進行匹配的時候，匹配的內容之間可能存在以下關系：（1）同一關系，指內容完全一樣。（2）同涵關系，指描述形式不同，但內容一致，如計算機和電腦。（3）包含關系，指兩個元數據描述的內容在語義上存在層級關系。（4）參照關系，指元數據的描述形式和內容均不一致，但內容之間互有參考的作用。因此從電子文件中抽取元數據的時候要依據概念關聯規則，尋求蘊含關系，發掘隱含信息，力求匹配準確和全面。

4.如果匹配記錄為0的話，一時無法判斷該份電子文件的保管期限，就需要相關檔案專業人員結合國家檔案局對電子文件保管期限的相關規定確定該元數據項目的保管期限，并及時將新增加的元數據添加到元數據庫中，以不斷擴充和完善元數據項目，確保鑒定結果的準確、統一，方便下次鑒定使用。

5.在檔案管理系統中設定歸檔電子文件到期自動檢測功能，根據電子文件歸檔時間和保管期限，將到期的電子文件篩選出來以方便檔案人員對其進行鑒定。

6.標題相同的兩份文件，在添加和刪除的時候，可以根據責任者、主題詞、文件形成時間等其他元數據項目進行判斷，以防重復添加或誤刪重要文件。

7.通過對抽取出來的元數據進行分析，發現大部分元數據的詞性均為動詞或名詞，從語言學角度看，名詞和動詞能更好地表達主題，因此在抽取詞匯的時候，首先應當過濾掉名詞與動詞以外的詞匯，以減少計算的復雜度。此外，考慮到抽取出來的元數據還有一少部分是副詞詞性，主要有重大、重要和一般三種。鑒于此，筆者認為需要編一個例外詞庫，將這三個副詞分別標明代碼為1、2、3。對于某些三級、四級標識中的一般、重要以及二級標識中重復的詞可以放到例外詞庫中，減少重復判斷的次數。將一、二、三級標識中不重復的名詞和動詞放入元數據詞庫中。當判斷一份電子文件的保管期限時，將抽取出來的關鍵詞與元數據詞庫和例外詞庫中的詞進行匹配即可。

8.對于事先有保管期限的電子文件，當自動鑒定完成后，要將自動鑒定結果和原有的保管期限進行匹配。如果匹配結果不一致，系統將文件的保管期限修正為自動鑒定保管期限。

當歸檔電子文件到期后，要對系統中待銷毀的檔案進行鑒定，通過從檔案管理系統中導入電子文件歸檔日期，限定時間段，如長期保存的時間跨度是30年，短期保存的時間跨度是10年，查詢出系統中哪些到期檔案需要銷毀。在銷毀前，從著錄系統中導入期滿檔案的主題詞、文件標題等元數據項目，調用檔案管理系統中的元數據庫，然后將其進行匹配，確認檔案是否需要繼續保存。若需要，則判斷保管期限類型進行歸檔；若不需要，則做好銷毀檔案目錄清單，保留銷毀記錄，對期滿檔案進行銷毀。

（二）電子文件自動鑒定流程

將表征電子文件內容的元數據項目抽取出來，如：文件題名、主題詞、責任者等項目。然后判斷鑒定模塊中的元數據庫中是否存在該元數據，若存在，則與元數據庫進行匹配；若不存在，則人工判斷該元數據是否需要添加到元數據庫中。

參考文獻：

[1]馮惠玲.電子文件的雙重鑒定[J].檔案學通訊，1998（3）

[2]何嘉蓀等.OA系統中電子文件內容價值鑒定[J].山西檔案，2002（1）

[3]劉越南.關于檔案價值鑒定的理論與實踐（五）——對電子文件鑒定問題的思考[J].檔案學通訊，2001（5）

[4]于慧敏.國外電子文件的鑒定理論分析及啟示[J].蘭臺世界，2003（3）

[5]麻新純.電子文件價值綜合鑒定論[J].檔案學通訊，2005（6）

[6]李雯.電子文件價值智能鑒定探析[J].檔案學研究，2011（6）

[7]譚琤培，章丹.檔案元數據在電子文件鑒定中的運用——元數據研究之三[J].浙江檔案，2002（6）

[8]葉曉林.電子文件全程管理之思考[J].檔案學研究，2005（1）

[9]DAVID A. WALLACE. Metadata and the Archival Management of Electronic Records： A Review[J].ARCHI？ VARIA 36，1993

[10]JAMES WHITMAN.Systems of appraisal for the management of research records–content，value and con？ tingency[J].Records Management Journal，2000，10（2）

[11]馮惠玲主編.電子文件管理教程[M].中國人民大學出版社

作者單位：山西大學經濟與管理學院