文字識別技術在人事檔案工作中應用的前景研究

胡晉宜

【摘? 要】論文通過對文字識別技術，特別是中文手寫識別技術的分析和文字識別技術的應用研究，及檔案工作的回顧分析，探索并提出文字識別技術在檔案工作中的應用場景，為數字化時代的檔案工作提供思路。

【Abstract】Through the analysis of character recognition technology， especially the Chinese handwriting recognition technology， the research of the application of character recognition technology， and the retrospective analysis of archives work， this paper explores and puts forward the application scenarios of character recognition technology in the archives work， and provides ideas for the archives work in the digital era.

【關鍵詞】文字識別;檔案管理;應用場景

【Keywords】character recognition; archives management; application scenarios

【中圖分類號】G270.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2020）09-0180-02

1 引言

數據采集是所有工作的起點，并決定了解決效果的上限。利用文字識別技術，目前大量的文檔采集從專有設備轉向了普通手機，數據采集者也從專業辦公人員轉向普通用戶。

2 文字識別技術現狀分析

計算機文字識別，又名光學字符識別、OCR識別，是利用光學技術和電子信息技術把印在或寫在紙上的文字提取出來，并轉換成一種計算機能夠接受、人又可以理解的形式。OCR技術是實現文字高速輸入的一項核心技術。

2.1 文字識別技術的發展

2.1.1 西文識別技術的發展

在OCR技術中，印刷體文字識別是開展最早、技術上最為成熟的一個。早在20世紀20年代末期德國科學家最早取得了光學字符識別的專利。西方國家為了將大量報章雜志、文件材料和票據表格等紙質材料輸入計算機進行信息處理，從20世紀50年代就開始了西文文字識別技術的研究。隨著信息技術的飛速發展與研究人員的不斷探索和完善，西文文字識別技術現已逐漸滲透于各行各業。

2.1.2 中文識別技術的發展

第一，中文印刷體識別技術的發展。

與印刷體西文文字識別相比，漢字的印刷體識別技術的研究是在字母和數字的印刷體識別基礎上發展起來的，發源于20世紀60年代。60年代中期，BIM公司的工作人員發表了首篇關于印刷體漢字識別的論文，在這篇論文中他們利用簡單的模板匹配法，識別了一千個印刷體漢字。從70年代以來，日本研究人員在漢字識別方面做了許多探索和發明，其中比較著名的系統有70年代東芝綜合研究所研制的可以識別兩千個獨立印刷體漢字的識別系統;80年代早期，日本武藏野電氣研究所研制的可以識別兩千三百個連續漢字的識別系統，代表了當時漢文OCR識別的最高水平。此外，日本的松下、富士等公司也有其研制的印刷體漢字識別系統。這些系統在方法上，大都采用基于K-L數字轉換的計算方法，使用了大量專用設備，甚至有的相當于大型機，價格不菲，所以并沒有得到普及和推廣。

印刷體的中文識別自20世紀80年代中期規模發展以來，清華大學、中科院、沈陽自動化研究所等一眾單位分別研制并開發出了可以量產的印刷體中文OCR識別系統。尤其是由清華電子工程系研制的清華文字識別產品和由漢王開發的尚書文字識別產品，它們占據著OCR技術的領先地位，并擁有最多的OCR客戶，代表著印刷體中文OCR技術的未來發展趨勢。目前，印刷體中文識別技術已經從簡單的文字識別逐漸發展到了表格的自動識別、自動輸入的研究階段，圖片文字混合、各種語言混合下的內容提取、語義理解，各種卡片、票據的識別和歷史文獻的識別等都逐漸開展起來。多種相關的識別系統如雨后春筍般應運而生，如紫光文通推出的名片識別系統和慧視屏幕文字圖像識別系統等。這些新的識別系統的出現，標志著印刷體中文識別技術的應用領域得到了擴展。

第二，中文手寫識別技術的發展。

中文手寫識別由于信息的獲取形式不同，可以劃分為非在線中文手寫識別和在線中文手寫識別兩種。在線中文手寫識別所處理的手寫體漢字是書寫者通過物理設備在線輸入獲取的文字信號，筆畫的順序通過計時器采樣實時輸入計算機中。非在線中文手寫識別所處理的手寫漢字是通過掃描設備或手機攝像頭等圖片抓取設備采集到的手寫漢字圖片。

近年來，百度OCR技術在檢測、識別和端到端三個核心技術領域多次取得并保持了世界第一的排名，具備較明顯的領先優勢。騰訊集團的數平精準推薦團隊研發了一種適用于各個角度漢字的點對點提取方法，能夠有效解決文字尺度不一、形態萬千和檢測器對標準過于敏感等問題，大幅提高了測試步驟的準確度。

2.2 文字識別技術的應用

目前，印刷體文字識別技術已經達到完全實用的程度，即使對像素不高的印刷體漢字識別率也達到90%以上，使用場景更加廣泛，能達到各種不同用戶的操作需求，包括：①證件OCR識別：證件OCR識別最開始是基于PC的，近幾年開始向手機端發展，主要有安卓、蘋果平臺的SDK，目前成熟的有駕駛證識別、行駛證識別、身份證識別、護照識別等。②文檔OCR識別：這類技術主要是在掃描儀的基礎上，目前識別率也非常高。手機端的文檔OCR識別，近幾年也有不少成功的應用案例。③票據類OCR識別：這項技術也稱要素識別的文字識別技術，最初運用于金融業，主要在銀行的后臺中有非常成功的應用案例。

3 人事檔案工作現狀分析

目前，市場上有各種可計算的智能化人事信息系統[1]，然而這些系統推廣起來難度都很大，這其中一個原因是各個單位工作人手不足無法將龐大的信息數字化，所以初始化的工作大多數仍然依托于各個軟件開發公司，大多數單位的人事和業務工作本身就是分開設科、分開辦公，在互不了解工作流程的情況下很容易將重要信息遺漏。沒有將圖像識別技術與信息系統融合的信息系統只能是個偽信息系統，人們只不過把原本在Excel里的工作移到了信息系統里，不但沒有減少反而增加了工作量。

將文字識別技術融入人事檔案領域，將帶來一次智能化的飛躍。當目標系統識別了足夠完整的檔案數據時，根據一定的算法，機器完全可以替代人工。

4 文字識別技術的應用場景初探

4.1 電子檔案自動排序

根據最新的《干部人事檔案工作條例》及中共組織部工作規劃[2，3]，干部人事檔案分為十大類，其中，又可以分為各個次級類目，檔案根據所屬類目和時間順序依次排列。應用了文字識別技術的系統識別到標題中的關鍵詞時，系統可以自動判斷該頁內容的所屬類目，并根據生成時間將電子檔案依照順序排列起來。工作人員將未經整理的檔案內容通過掃描或拍照輸入系統內部，一份排列完整、自帶目錄的電子檔案隨即生成，并且隨時可供打印成檔案副本。

4.2 干部任免、職稱晉升自動更新

干部任免工作是各單位人事組織部門的重要工作，應用了文字識別技術的系統識別到任免文號、時間和任職情況后，自動更新干部的職務、單位、任職時間等信息。在職稱晉升時，也可以自動識別并更新職稱級別和專業技術職務。

4.3 名冊報表自動輸出

根據文字識別技術輸入的電子檔案內容，存儲在系統內部的數據庫中，該系統除了存儲檔案并實現一系列人事信息的抓取工作外，還可以根據檔案內容生成名冊、統計人員情況并形成各種統計報表，供決策者和人力資源工作者研究和使用。這類功能在以往的人事系統內非常常見，但基于文字識別技術的系統有效地解決了輸入端的問題，大大減少了必要工作的時間和降低了工作的難度。

4.4 工資核定自動對接

除此之外，該數據庫還可以內置事業單位工資算法，根據學歷、任免和職稱等內容計算出勞動者工資，減少計算的差錯率，并減少手動查檔的步驟，大大提升工作效率。與財務系統對接后，工資核定及發放將完全流程化、機械化、制度化[4]。

本文認為未來工作人員只需要拍一張照片，系統就能迅速把有效信息自動更新到數據庫里，根據系統就能夠迅速地將準確又全面的個人信息展現出來，為單位和學校提供更加精準定位的人才。

【參考文獻】

【1】暢育超.人事檔案管理系統的設計與實現[J].電腦編程技巧與維護，2013（3）：43-49.

【2】組通字〔2012〕4號.2011-2015年全國組織系統信息化工作規劃[Z].

【3】中組發〔2014〕9號.關于進一步從嚴管理干部檔案的通知[Z].

【4】李紅菊.論高校人事檔案信息化的必要性——以事業單位養老保險業務為例[J].長江叢刊，2018（23）：221.