檔案鑒定、整編業務自動化的研究與實現

劉念 齊巍 李名選

摘要：傳統的檔案鑒定、整編方式，不僅浪費大量的物力、人力，而且給檔案工作者帶來了繁重的負擔。對此，本文提出檔案資源自動收集、鑒定和整編方法，在設定檔案自動整編規則后，按照檔案實體整編的實際業務流程，對采集的電子檔案信息進行自動鑒定、整編，并輔之手動整編。

關鍵詞：電子檔案歸檔范圍自動鑒定自動整編

目前，人工手動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，極大地限制了檔案信息鑒定和整編效率。同時，隨著信息技術的發展，電子文件已廣泛應用于國家機關、企事業單位及社會組織活動中。特別是隨著檔案管理需求的不斷提高和網絡技術的日新月異，傳統的鑒定和整編方式，不僅浪費大量的物力、人力，而且給檔案工作者帶來了繁重的負擔。鑒于此，本文設計了一套自動、高效的檔案鑒定和整編系統，在設定檔案自動整編規則后，按照檔案實體整編的實際業務流程，對采集的電子檔案信息進行自動鑒定、整編，并以手動整編進行輔助調整，保證檔案鑒定和整編準確率的同時，還能提高電子檔案的鑒定、整編效率。

一、檔案鑒定、整編業務自動化的系統設計

檔案的自動鑒定、整編基于自然語言處理技術，它是一門集語言學、數學、計算機科學于一體的理論和方法。通過該技術，人與計算機之間可以用自然語言進行直接交互。目前，自然語言處理技術廣泛應用在機器翻譯、電話翻譯、人機對話、智能檢索、自動文摘等方面，并在客戶服務、知識管理、智能軟件幫助、企業管理、網上營銷等多個領域較為成熟。

自然語言處理技術的廣泛應用及在相關領域的成功實踐，為檔案鑒定、整編業務自動化提供了科學合理的方向性指導。同時，考慮到檔案鑒定、整編業務本身的特征，筆者參照國家檔案局第8號令《機關文件材料歸檔范圍和文書檔案保管期限規定》（以下簡稱《歸檔范圍》）、北京市檔案局及北京市科學技術委員會對檔案鑒定、整編業務的相關規范和要求，由計算機完成《歸檔范圍》的條目拆解、關鍵詞分詞、語義理解過程，綜合數據分析判斷，確定文件是否符合《歸檔范圍》，并自動獲取保管期限，存入整編數據庫中。在整編數據庫中，通過本文設置的自動化功能，可以預先設定檔案分類整編規則，當散文件庫中（臨時文件庫）有新文件到達后，系統就會按照預先指定的整編規則進行自動整編，完成檔案的模擬分類、整編、裝盒過程。

由于計算機只能通過純數學的方法理解中文自然語言，而僅通過中文語義、語法和關鍵詞，無法保證自動鑒定、整編的完全性和準確性，例如，部分省市的檔案部門為確保檔案鑒定工作的準確性，采取由不同檔案人員或者專家進行綜合鑒定的模式。對此，我們采取的方式是，部分可以由計算機實現的，則通過計算機實現；不能實現的，則需要檔案人員進行人工輔助，例如專門審核和輔助調整。在電子文件接收完成后，主要包括電子文件流轉、鑒定、整編和歸檔四個步驟。（1）電子文件流轉。通過XML可擴展標記語言，整理分布在各個文件數據庫中的電子文件，統一數據格式，流轉進入散文件庫；（2）電子文件鑒定。對散文件庫中電子文件進行鑒定，根據鑒定結果，對需要歸檔的文件過濾進入整編庫，不需要歸檔的文件過濾進入文件資料庫；（3）電子文件整編。按照既定的電子文件整編規則，對整編庫中的電子文件進行模擬裝盒，錄入檔案信息元數據，完成電子檔案整編過程；（4）對整編后的電子文件歸檔，進入電子檔案庫，形成電子檔案。

二、檔案鑒定、整編業務自動化的實現

（一）電子文件的自動流轉

由于電子文件分屬于不同的操作系統、信息系統和數據系統中，具有不同的數據格式、數據標準和管理辦法，使得這些電子文件無法交互和利用，影響了資源的共享和利用。對此，本文選擇以XML文件為通用數據交換格式，將各異構數據庫通過XML解析方式進行統一，完成電子文件資源的異構整合。

如圖1所示，本文根據共享數據庫端的數據表結構，需預先定義好用來交換共享的XML數據格式，通過數據格式轉換將數據庫中的關系表統一轉化為XML結構；為防止轉化中出現數據類型錯誤，可采取XML Schema或XML DTD對數據格式進行驗證。如驗證有不合法的數據，由異構數據庫端重新轉換；然后將轉換合格的數據交由VPN，通過虛擬專用網絡（VPN）對網絡傳輸加密，可保障數據傳輸的安全性；在共享數據庫端收到VPN加密后的數據后，再進行解密、XML格式逆轉換；最后，將XML數據轉換為關系表后，導入共享數據庫中。

（二）電子文件的自動鑒定

電子文件的自動鑒定將《歸檔范圍》拆解為固定數量的過濾規則，做成計算機可識別的歸檔范圍模板。當不同信息系統的電子文件流轉時，通過此歸檔范圍模板對每份電子文件進行過濾，最終通過過濾模板的文件，是需要歸檔的電子文件，將其加入整編庫；不能通過過濾模板的文件，是不需要歸檔的電子文件，將其加入文件資料庫，作為文件資料留存。具體步驟如下：（1）假設《歸檔范圍》可以拆解為N個文件過濾模板，記為：m1，m2，m3，……mN；（2）通過中文信息關鍵詞，對m1，m2，m3，……mN這N個過濾模板進行匹配，完成每個模板mi（1≤i≤N）的過濾過程，即如果關鍵詞匹配成功，則視為符合既定的過濾規則，通過過濾模板；反之，則視為未通過過濾模板；（3）對過濾模板集合{ m1，m2，m3，……mN }，將電子文件可以通過的過濾模板記為集合{mi}（1≤i≤N），將集合{mi}的基數記為X，那么：若X≥1，則視為電子文件通過過濾規則模板，將其加入到整編庫中；若X=0，則視為電子文件未通過過濾規則模板，將其加入到文件資料庫中。

（三）電子文件的自動整編

電子文件的自動整編是模擬現實中實體檔案的整編過程，由計算機自動完成文件的分類、整理和裝盒。數據庫中并不存在真正的檔案盒，所以每個文件只需賦予一個盒號。電子文件的自動整編流程可概括為：根據預先設定的檔案分類方式，瀏覽整編庫中所有記錄，確定每條記錄對應的分類，并將整編庫中所有文件整理裝盒插入檔案庫，具體流程如圖2、圖3所示。需要說明的是，每次檔案裝盒完畢后，最后一批檔案盒可能是未裝滿的，因為每次裝盒的頁數不可能剛好是N（N表示檔案盒的容量）的倍數。下次裝盒時，需要找到未裝滿的檔案盒，并繼續裝入過程。對于最后一個檔案盒都可能是不滿的情況，設計關系表BoxStatus，用來表示“當前檔案盒”（未裝滿的檔案盒）的狀態。在系統功能執行時，按圖2、圖3的工作流程，可以設定計算機在每天的特定時間內完成檔案自動鑒定、整編的過程。

參考文獻：

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

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

[3]張蕾.對推進機關檔案文化建設的思考[J].檔案學研究，2015（3）：25-27.

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

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

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

作者單位：1.北京電子科技學院

2.北京市科學技術委員會