對(duì)館藏檔案數(shù)字化風(fēng)險(xiǎn)及目錄數(shù)據(jù)庫(kù)與圖像數(shù)據(jù)庫(kù)掛接等問題的認(rèn)識(shí)

2006年，南陽(yáng)市檔案局館被省局確定為實(shí)施“金檔工程”的試點(diǎn)單位。為不負(fù)省局重托，我們?cè)陟柟烫岣咴行畔⒒ㄔO(shè)成果的基礎(chǔ)上，經(jīng)過幾個(gè)月的連續(xù)奮戰(zhàn)，開通了可打開10余個(gè)欄目、900多個(gè)網(wǎng)頁(yè)的南陽(yáng)檔案信息網(wǎng)，不僅實(shí)現(xiàn)了館藏10余萬條檔案、資料信息的文件級(jí)網(wǎng)上查詢，而且還實(shí)現(xiàn)了黨委、政府及兩辦已公開現(xiàn)行文件的網(wǎng)上全文查詢。2006年7月份我們啟動(dòng)館藏檔案數(shù)字化工作，在資金、軟件均不到位的情況下做了一些基礎(chǔ)性工作。一方面抽出專人以數(shù)碼拍照形式，完成了4個(gè)全宗350卷民國(guó)檔案的全文存貯工作，形成了30000多幅數(shù)碼照片；另一方面。安排專人完成了2個(gè)全宗1400多件民國(guó)檔案的著錄任務(wù)。問題是：其一，我們這樣做會(huì)不會(huì)勞而無功，且浪費(fèi)人力、物力；其二，假如不是勞而無功，下一步如何使著錄條目與數(shù)碼照片一一對(duì)應(yīng)地進(jìn)行鏈接，形成數(shù)據(jù)庫(kù)、進(jìn)而實(shí)現(xiàn)全文查詢。

南陽(yáng)市檔案局館 張懷珍

張懷珍提出的第一個(gè)問題實(shí)際上是如何認(rèn)識(shí)和避免館藏檔案數(shù)字化的風(fēng)險(xiǎn)。館藏檔案數(shù)字化涉及一系列技術(shù)與理論問題，是一個(gè)探索性的工作。筆者雖不能籠統(tǒng)回答南陽(yáng)市檔案館館藏檔案數(shù)字化工作會(huì)不會(huì)勞而無功，但可以肯定地說確實(shí)有一定的風(fēng)險(xiǎn)，尤其是在軟件不到位的情況下風(fēng)險(xiǎn)會(huì)很大。從理論上講，數(shù)字化流程每個(gè)環(huán)節(jié)的失當(dāng)都可能給此項(xiàng)工作帶來風(fēng)險(xiǎn)。但從實(shí)際工作看，數(shù)據(jù)質(zhì)量決定著檔案數(shù)字化工程的成敗和效率，數(shù)據(jù)質(zhì)量不過關(guān)是造成風(fēng)險(xiǎn)乃至勞而無功的主要原因。因此，確保數(shù)據(jù)質(zhì)量是館藏檔案數(shù)字化工作成功的關(guān)鍵。鑒于我省的實(shí)際，筆者認(rèn)為實(shí)施技術(shù)層面的標(biāo)準(zhǔn)統(tǒng)一是確保數(shù)據(jù)質(zhì)量，避免或減少館藏檔案數(shù)字化工作風(fēng)險(xiǎn)的主要措施。

首先，檔案館在建立檔案目錄數(shù)據(jù)庫(kù)時(shí)應(yīng)做到：一是嚴(yán)格按照《檔案著錄規(guī)則》的要求確定檔案著錄項(xiàng)目，進(jìn)行著錄。二是所選定的數(shù)據(jù)格式應(yīng)能直接或間接通過XML文檔進(jìn)行數(shù)據(jù)交換。三是采用人工校對(duì)或軟件自動(dòng)校對(duì)的方式，對(duì)目錄數(shù)據(jù)庫(kù)的建庫(kù)質(zhì)量進(jìn)行檢查。

其次，檔案館在建立檔案全文數(shù)據(jù)庫(kù)時(shí)應(yīng)做到：一是選擇通用的數(shù)據(jù)格式。字型數(shù)據(jù)宜采用XML文檔和RTF、TXT格式，掃描圖像數(shù)據(jù)宜采取用JPEG、TIFF格式，視頻數(shù)據(jù)宜采用MPEG、AVI格式，音頻數(shù)據(jù)宜采用MP3、WAV等格式。二是選擇合適的存儲(chǔ)方式。圖像文件如果選用數(shù)據(jù)庫(kù)存儲(chǔ)，則要求數(shù)據(jù)庫(kù)服務(wù)器的存儲(chǔ)容量足夠大；如果選用文件存儲(chǔ)，則應(yīng)考慮存儲(chǔ)在文件服務(wù)器上文件的存儲(chǔ)規(guī)則和命名規(guī)則，以方便實(shí)現(xiàn)圖像文件與目錄數(shù)據(jù)庫(kù)的檢索。三是選用專門開發(fā)的系統(tǒng)來實(shí)現(xiàn)。該系統(tǒng)必須符合《檔案管理軟件功能要求暫行規(guī)定》的要求，具備較強(qiáng)的數(shù)據(jù)獨(dú)立性，確保在軟、硬件環(huán)境發(fā)生變化時(shí)數(shù)據(jù)的完整、安全遷移及有效利用。

第二個(gè)問題實(shí)際上是如何實(shí)現(xiàn)檔案數(shù)字化中形成的目錄數(shù)據(jù)庫(kù)與圖像數(shù)據(jù)庫(kù)的掛接。《紙質(zhì)檔案數(shù)字化技術(shù)規(guī)范》已對(duì)目錄數(shù)據(jù)庫(kù)與圖像數(shù)據(jù)庫(kù)的掛接提出明確要求。國(guó)內(nèi)的主流檔案管理軟件基本上都具有此項(xiàng)功能，相關(guān)技術(shù)已有重大突破并趨于成熟。目前，目錄數(shù)據(jù)庫(kù)與圖像數(shù)據(jù)庫(kù)的掛接一般采用兩種方式實(shí)現(xiàn)：一是在檔案著錄條目信息錄入的同時(shí)，進(jìn)行相關(guān)文件的掃描(或數(shù)碼拍照)，并將掃描(或數(shù)碼拍照)完的文件直接上傳到FTP服務(wù)器。二是將檔案著錄條目信息的錄入與原文的掃描(或數(shù)碼拍照)分開進(jìn)行，當(dāng)條目信息錄入完成且原文信息掃描(或數(shù)碼拍照)完成后，可批量選擇本地硬盤需要上傳的圖像文件上傳到FTP服務(wù)器中。若要實(shí)現(xiàn)批量掛接，需提前對(duì)掃描形成的圖像文件的命名規(guī)則進(jìn)行定義。通常是以紙質(zhì)檔案目錄數(shù)據(jù)庫(kù)為依據(jù)，將每一件紙質(zhì)檔案文件掃描(或數(shù)碼拍照)所得的一個(gè)或多個(gè)圖像存儲(chǔ)為一份圖像文件。將圖像文件存儲(chǔ)到相應(yīng)文件夾時(shí)，要核查每一份圖像文件的名稱與檔案目錄數(shù)據(jù)庫(kù)中該份文件的檔號(hào)是否相同，圖像文件的頁(yè)數(shù)與目錄數(shù)據(jù)庫(kù)中該份文件的頁(yè)數(shù)是否一致，圖像文件的總數(shù)與目錄數(shù)據(jù)庫(kù)中文件的總數(shù)是否相同等。通過每一份圖像文件的文件名與目錄數(shù)據(jù)庫(kù)中該份文件的檔號(hào)的一致性和唯一性，建立起一一對(duì)應(yīng)的關(guān)聯(lián)關(guān)系，為實(shí)現(xiàn)目錄數(shù)據(jù)庫(kù)與圖像文件的批量掛接創(chuàng)造條件。

通過目錄數(shù)據(jù)庫(kù)與圖像文件的掛接，系統(tǒng)就可初步實(shí)現(xiàn)對(duì)目標(biāo)檔案的全文檢索，然而，從檢索技術(shù)上講全文檢索還不止于此。真正意義上的全文檢索，不僅應(yīng)該構(gòu)建功能完備的檔案全文數(shù)據(jù)庫(kù)，而且能夠集成數(shù)據(jù)庫(kù)檢索技術(shù)、全文檢索技術(shù)、圖像內(nèi)容檢索技術(shù)以及數(shù)字化音頻和視頻信息的檢索技術(shù)等。由于數(shù)字化檔案要求必須與檔案原件完全一致，而目前的數(shù)字轉(zhuǎn)換、識(shí)別技術(shù)又不能完全滿足這一要求，因此，要實(shí)現(xiàn)數(shù)字檔案全文檢索，還有待技術(shù)的進(jìn)一步發(fā)展。

(作者單位：河南省檔案局業(yè)務(wù)指導(dǎo)處)