淺析漢字識別技術(shù)在檔案管理工作中的應(yīng)用

王慶吉

[摘 要]漢字識別技術(shù)，顧名思義就是計算機(jī)能夠?qū)h字進(jìn)行有效地識別，在檔案管理工作中得到有效地應(yīng)該用可以提高檔案管理的工作效率。本文通過對漢字識別技術(shù)在檔案管理工作中的應(yīng)用進(jìn)行了深入的分析，旨在給相關(guān)工作人員提供一定的借鑒。

[關(guān)鍵詞]漢字識別；檔案管理；應(yīng)用

漢字識別技術(shù)就是將文字信息轉(zhuǎn)化成計算機(jī)系統(tǒng)可以識別的信息，為計算機(jī)進(jìn)行數(shù)據(jù)檢索提供了方便，同時也提高了檔案管理現(xiàn)代化的進(jìn)程。漢字識別技術(shù)有其具體的應(yīng)用價值，文中也會介紹這種技術(shù)的應(yīng)用方式，為我國的檔案管理工作的高效進(jìn)行打下基礎(chǔ)。

一、漢字識別技術(shù)的應(yīng)用價值

漢字識別技術(shù)的應(yīng)用價值主要體現(xiàn)在兩個方面：

一方面，把紙質(zhì)檔案上的固定信息變成可以被檢索利用的活信息，為文本數(shù)據(jù)管理技術(shù)提供豐富的數(shù)據(jù)源。首先，我國的檔案庫存數(shù)量非常大，種類也特別多，記載的歷史都是非常重要的，且有著較高的利用價值。但是，這種檔案只是單純的存在于紙張上，利用程度很低。雖然可以通過掃描儀進(jìn)行掃描，然后存儲到計算機(jī)中，但是這種方法也有一定的局限性。在對檔案進(jìn)行利用的時候也存在著諸多不便。其次，檔案館接收的文件大多數(shù)也是紙質(zhì)的形式，缺少文本文件，其中也有檔案文件丟失的現(xiàn)象。所以，漢字識別技術(shù)的利用可以有效地提高檢索效率，促進(jìn)檔案管理工作的順利進(jìn)行，有效地推動檔案管理現(xiàn)代化的進(jìn)程。另一方面，提供了一種新的檔案目錄數(shù)據(jù)的錄入方式。通常人們理解的漢字錄入就是運用電腦的鍵盤，通過敲擊各個功能鍵錄入文字。這種方式是青年人在工作過程中不得不熟練地職業(yè)技能，只要對這種打字的技能掌握到熟練地程度就可以輕松便捷的進(jìn)行文字錄入工作。但是，對于年紀(jì)較大的工作者來說，他們很難學(xué)會用鍵盤進(jìn)行文字錄入，而且一些檔案管理工作的從業(yè)者多數(shù)都是經(jīng)驗豐富的老同志。這就給檔案管理工作帶來了一定的難度。現(xiàn)如今，較為新興的技術(shù)就是漢字識別軟件，這種方式的工作方法主要是進(jìn)行“拖拉”，拖住文件標(biāo)題、文號等內(nèi)容，拉倒目錄數(shù)據(jù)庫的相關(guān)位置。所有的工作都在屏幕上進(jìn)行，免去敲擊鍵盤的過程。學(xué)習(xí)起來也比較容易，可以為任何年齡段的工作者接收。其重要缺陷就是手動的“拖拉”速度較慢，如果不熟練的掌握，很難超越鍵盤錄入的速度。

二、漢字識別后生成的文本數(shù)據(jù)的屬性問題。

1、原始性是檔案的基本屬性。漢字識別后生成的文本數(shù)據(jù)是根據(jù)檔案的本源信息，即固定在紙質(zhì)載體上的漢字信息進(jìn)行加工處理：掃描、識別、校對、修改等工序后形成的復(fù)制加工品，因此不具有檔案的原始性。

2、知識性是檔案的又一個屬性。檔案的知識性是檔案本身所得有的性質(zhì)。經(jīng)過漢字識別后的數(shù)據(jù)與原來紙張上的漢字是相同的。只是在漢字識別的過程中會存在和一定的誤差，如果這些誤差忽略不計，還保持著和檔案原件相同的知識性。

3、信息性。漢字識別后的數(shù)據(jù)信息只是存在的載體發(fā)生了變化，這種檔案信息比紙質(zhì)的文件檔案更利于傳播和利用，這種保存方式不會受到磨損和破壞。體現(xiàn)出一定的信息性。

漢字識別后生成的文本數(shù)據(jù)應(yīng)該說，它是一種新型的檔案一次信息的復(fù)制品或編研開發(fā)成果。但作為一種新型的復(fù)制品或編研開發(fā)成果，因其生成的目的不同，又具有兩種不同的屬性：當(dāng)以提供利用為目的通過漢字識別建立文本數(shù)據(jù)庫時，其文本數(shù)據(jù)具有類似于匯編類檔案編研成果的屬性；當(dāng)以編輯出版紙質(zhì)的檔案編研材料如大事記、組織機(jī)構(gòu)沿革、文件匯編等為目的進(jìn)行漢字識別時，其文本數(shù)據(jù)不僅具有類似于檔案編研成果的屬性，而且具有檔案原始性的基本屬性，因為它們是印刷品或出版物的本源信息。

三、漢字識別技術(shù)的應(yīng)用方式

漢字識別技術(shù)在檔案管理工作中的應(yīng)用，主要適用于印刷漢字檔案內(nèi)容的識別，圖像、文本數(shù)據(jù)的形成、存儲和目錄數(shù)據(jù)的錄入等項工作。

1、利用者閱讀紙質(zhì)檔案的內(nèi)容之后，對其所需要的內(nèi)容進(jìn)行掃描和漢字識別，或打印出統(tǒng)一格式的利用摘錄，或直接提供文本拷貝。這種利用方式的優(yōu)點主要有：首先，方便用戶；這就是人們所說的打印和復(fù)印。復(fù)印的內(nèi)容與原始材料的信息內(nèi)容是一致的。用戶在對檔案的利用時可以根據(jù)檔案的復(fù)印件來進(jìn)行。這樣有助于對檔案原件的保存。同時，其信息可以進(jìn)行多次利用。其次，不給檔案人員增加建庫的工作負(fù)擔(dān)；原始的檔案管理工作都是在檔案館中，將厚重的檔案文件存放在檔案館中。檔案管理的工作的人員，對檔案文件的管理就是對紙質(zhì)的文件進(jìn)行管理。如果利用漢字識別技術(shù)，就可以將紙張上的漢字通過掃描存儲在計算機(jī)中，由于計算機(jī)系統(tǒng)有著超大的內(nèi)存，所以可以存儲較多的檔案文件。這樣就不需要建立更多的檔案庫來管理檔案，只需在計算機(jī)上進(jìn)行就可以了。最后，節(jié)省建庫所需的經(jīng)費開支。其缺點主要有：不能為全文檢索提供數(shù)據(jù)，實現(xiàn)深層次開發(fā)檔案信息資源的目的；存在對同一檔案內(nèi)容重復(fù)進(jìn)行掃描和漢字識別的可能性。

2、輸入檔案目錄。這種輸入方法的成功利用，打破了傳統(tǒng)的鍵盤輸入的局限，為更多的檔案管理工作者提供了錄入的機(jī)會。但是其速度還沒有達(dá)到預(yù)期的目標(biāo)，成本費用也相對較高。但畢竟也是檔案管理工作的一個有益的創(chuàng)新。

3、掃描、保存圖像并提供利用，只針對利用者需要的圖像內(nèi)容進(jìn)行漢字識別等利用服務(wù)。這種方式必須在已有文件目錄的前提下使用。其優(yōu)點很明顯，可以提供檔案的原件，也可以提供一定的信息，并且對信息的利用效率也有所提高。檔案管理人員對漢字識別后的文本數(shù)據(jù)不用做特別的維護(hù)，因為它和原檔案一樣，沒有任何變化。但是也存在著一定的不足：漢字的識別技術(shù)對圖像的分辨率要求非常高。所以存儲的空間就相對來說很大，因而就需要較多的存儲成本。針對這種現(xiàn)象，人們進(jìn)行了實驗，如果對于普通的用戶，漢字識別較低分辨率的圖像也可以充分滿足其需要。

四、總結(jié)

漢字識別技術(shù)的運用能夠在一定程度上推動檔案管理現(xiàn)代化的進(jìn)程，同時有效地提高檔案管理工作的效率，為檔案管理的規(guī)范化和科學(xué)化打下了堅實的基礎(chǔ)。在這種方法進(jìn)行利用的過程中，要注意從實際出發(fā)，符合檔案管理工作人員的情況和檔案狀況，以提高檔案信息的利用率。

參考文獻(xiàn)：

[1]趙德文.對漢字識別技術(shù)在檔案管理中的應(yīng)用分析[J].黑龍江科技信息.2007（12）

[2]李麗.實現(xiàn)檔案管理工作現(xiàn)代化的方法[J].科技信息.2010（15）