大數(shù)據(jù)服務(wù)檔案文化建設(shè)的問題與對策

尹哲

摘要：在大數(shù)據(jù)時代的影響之下，各行各業(yè)都受到嚴(yán)重的沖擊，發(fā)生了翻天覆地的改變，檔案工作也概莫能外。本文總結(jié)了大數(shù)據(jù)服務(wù)檔案文化建設(shè)的必要性，并分析了檔案大數(shù)據(jù)在服務(wù)檔案文化建設(shè)中存在的主要問題及其原因，提出了大數(shù)據(jù)服務(wù)檔案文化建設(shè)的三點(diǎn)對策，對未來通過大數(shù)據(jù)技術(shù)推動檔案文化建設(shè)創(chuàng)新發(fā)展做出了預(yù)期。

關(guān)鍵詞：大數(shù)據(jù)檔案文化建設(shè)專題數(shù)據(jù)庫

隨著大數(shù)據(jù)時代的到來，各地檔案部門和專家學(xué)者紛紛加入到大數(shù)據(jù)研究的隊(duì)伍中來，檔案大數(shù)據(jù)是大數(shù)據(jù)理念和技術(shù)與檔案工作各個領(lǐng)域的深度融合。在新歷史階段提出的發(fā)展要求下，各級檔案館均重視檔案文化建設(shè)，對如何利用大數(shù)據(jù)服務(wù)好檔案文化建設(shè)提出了更高的要求。從目前來看，檔案大數(shù)據(jù)雖然為檔案文化建設(shè)提供了有力的支持，但在實(shí)際工作過程中仍存在許多問題。

一、大數(shù)據(jù)服務(wù)檔案文化建設(shè)的必要性

（一）大數(shù)據(jù)是檔案文化建設(shè)的源泉和基礎(chǔ)

檔案文化建設(shè)是檔案事業(yè)在新時代新階段所面臨的一項(xiàng)重要工作。檔案具備記錄歷史傳承文化的優(yōu)勢，我們可以依托館藏檔案數(shù)字資源，重新整理歷史文化發(fā)展脈絡(luò)，充分挖掘檔案背后的文化內(nèi)涵。隨著互聯(lián)網(wǎng)以及大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展，大數(shù)據(jù)正逐漸成為檔案文化建設(shè)信息來源的重要組成部分。

（二）大數(shù)據(jù)是檔案文化建設(shè)的重要展現(xiàn)形式

檔案數(shù)字資源中所包含的照片、音視頻等數(shù)字化形式正在廣泛地應(yīng)用于檔案文化建設(shè)中，并通過互聯(lián)網(wǎng)門戶網(wǎng)站、政務(wù)微博、政務(wù)微信等多種方式展現(xiàn)文化建設(shè)的成果。

（三）大數(shù)據(jù)是檔案文化建設(shè)重要的繼承方式

開展檔案文化建設(shè)過程中所形成的各類檔案及建設(shè)成果本身，又成為檔案大數(shù)據(jù)的一部分。它既然成為檔案數(shù)字資源，就必須得到長期有效的保存，保證其始終處于一種可供利用的狀態(tài)。

二、大數(shù)據(jù)服務(wù)檔案文化建設(shè)存在的問題及成因

筆者在近年來的實(shí)際工作中發(fā)現(xiàn)，檔案數(shù)字資源雖然在檔案文化建設(shè)中起到了巨大作用，但是也存在著一些問題。總體而言，這些問題的出現(xiàn)，是多年來檔案館利用信息化手段對檔案資源開發(fā)利用不足導(dǎo)致的，具體表現(xiàn)在以下三個方面。

（一）檔案數(shù)字資源缺乏

隨著各地檔案數(shù)字化工作的開展，各級國家檔案館中各門類檔案數(shù)字化率迅速提升，個別檔案館已經(jīng)實(shí)現(xiàn)館藏檔案全部數(shù)字化的目標(biāo)，但在實(shí)際利用過程中仍然不能滿足文化建設(shè)的全部需求，出現(xiàn)了數(shù)據(jù)雖多但不知道如何利用的現(xiàn)象。這主要表現(xiàn)在以下三點(diǎn)：一是檔案數(shù)字資源形式多以紙質(zhì)檔案數(shù)字化副本為主，照片和音像檔案數(shù)字化副本由于館藏量少或開展難度相對較高而相對缺乏；二是檔案館館際之間檔案數(shù)字資源缺乏有效共享；三是文書、照片、錄音、錄像等檔案數(shù)據(jù)資源之間的關(guān)聯(lián)程度較低，甚至出現(xiàn)因?yàn)椴惶幱谕幌到y(tǒng)中而導(dǎo)致數(shù)據(jù)無法及時、有效地被檢索利用的情況。

（二）檔案數(shù)字資源缺少專題和精品

各級檔案館內(nèi)館藏?cái)?shù)字資源多以全宗為單位組織，目錄數(shù)據(jù)庫多按照文書、照片、音視頻、實(shí)物等門類進(jìn)行建設(shè)。而檔案文化建設(shè)的主題性非常強(qiáng)，普遍缺少一些專題類數(shù)據(jù)庫以供編研或展陳部門使用，有時即使抽取了部分內(nèi)容形成專題，但由于題名著錄不規(guī)范或錯誤等原因，造成可利用率降低。

（三）檔案數(shù)據(jù)形式單一

從檔案數(shù)據(jù)中發(fā)掘?qū)ξ幕ㄔO(shè)有價值的素材，通常采取的方法是通過目錄數(shù)據(jù)庫對檔案題名進(jìn)行檢索，從中發(fā)現(xiàn)可以利用的內(nèi)容。但是這種僅通過檔案“題名”字段進(jìn)行檢索的方法，存在著較大的局限性：一方面存在很多檔案的題名著錄不規(guī)范，甚至有錯誤的現(xiàn)象，不能很好地揭示檔案的內(nèi)容；另一方面，數(shù)據(jù)檢索的范圍，往往也只限于對結(jié)構(gòu)化數(shù)據(jù)的檢索，而對半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的檢索與深入挖掘很少。

三、大數(shù)據(jù)服務(wù)檔案文化建設(shè)的對策

（一）豐富數(shù)字資源，開展資源共享

首先，各級檔案部門應(yīng)該進(jìn)一步加強(qiáng)對檔案數(shù)字資源建設(shè)工作的重視，實(shí)現(xiàn)統(tǒng)一收集、集中管理、分類處理、定期維護(hù)，不斷完善數(shù)字資源體系。檔案數(shù)字資源門類需要更加豐富，不僅要對紙質(zhì)檔案開展數(shù)字化工作，而且對照片、音視頻檔案也應(yīng)加快數(shù)字化步伐，同時還要建立各門類檔案數(shù)字化成果的關(guān)聯(lián)關(guān)系，以方便查閱和利用。檔案部門應(yīng)突破傳統(tǒng)的不同媒介采用不同管理系統(tǒng)的限制，實(shí)現(xiàn)集中統(tǒng)一的數(shù)字檔案館系統(tǒng)；規(guī)范檔案數(shù)據(jù)庫及音視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的標(biāo)準(zhǔn)體系，制定統(tǒng)一的數(shù)據(jù)共享機(jī)制，以便于檔案資源的開發(fā)和利用。

其次，各級檔案部門應(yīng)該探索建立、共享檔案數(shù)字資源庫。檔案部門可以突破地域的局限，例如以省級或市級檔案館為單位，構(gòu)建數(shù)據(jù)集中、格式規(guī)范、可供共享的檔案數(shù)字資源庫，集成各檔案館館藏?cái)?shù)據(jù)資源建立檔案合集，突破時空和地域界限，達(dá)到信息共享的目的。正如中國人民大學(xué)馮惠玲教授提出的構(gòu)建“以數(shù)字資源為主體，以文本、圖片、音頻、視頻等為形式，為中華民族集體記憶的建構(gòu)和傳承提供文獻(xiàn)支撐的‘中國記憶數(shù)字資源庫”，是時代賦予我們的目標(biāo)與使

命。[1]

最后，利用云計(jì)算平臺和處理技術(shù)構(gòu)建檔案數(shù)據(jù)資源網(wǎng)，既可以用于檔案數(shù)據(jù)的在線實(shí)時接收，也可以對數(shù)據(jù)進(jìn)行離線和非實(shí)時性處理，成為各類檔案部門提供服務(wù)的平臺。當(dāng)前我國信息化發(fā)展戰(zhàn)略提出的加快推行電子政務(wù)，加強(qiáng)信息資源的開發(fā)利用，建設(shè)先進(jìn)的網(wǎng)絡(luò)文化，為檔案大數(shù)據(jù)應(yīng)用提供了重要的發(fā)展機(jī)遇。構(gòu)建檔案云計(jì)算網(wǎng)絡(luò)必將是搭建檔案大數(shù)據(jù)應(yīng)用平臺的基礎(chǔ)工作之一。

（二）構(gòu)建檔案專題數(shù)據(jù)庫

檔案專題數(shù)據(jù)庫是基于各類檔案資源，通過數(shù)據(jù)采集，按照特定專題內(nèi)容通過分析、篩選、加工、整理而成的，具有特定利用價值的各類檔案數(shù)據(jù)集合，是系統(tǒng)性的檔案數(shù)字資源綜合開發(fā)成果，在提供檔案利用方面具有較強(qiáng)的針對性和實(shí)用性。[2]構(gòu)建專題數(shù)據(jù)庫，有助于更好地管理各類檔案信息資源，有效地發(fā)揮對于信息的組織和管理能力，可以為檔案文化建設(shè)提供強(qiáng)有力的基礎(chǔ)保障。

傳統(tǒng)的檔案數(shù)據(jù)庫信息通常是分散、凌亂、不規(guī)范的，針對一些具體的管理需求和編研需求，我們可以對這些信息資源進(jìn)行數(shù)據(jù)分析和重組，按照某種聯(lián)系歸類排序，轉(zhuǎn)化為系統(tǒng)的、有序的、深層次的檔案信息。我們可以針對不同的專題數(shù)據(jù)庫制定規(guī)范的數(shù)據(jù)庫字段和數(shù)據(jù)格式標(biāo)準(zhǔn)，對于收集到的不同類型的數(shù)據(jù)進(jìn)行規(guī)范化處理，對內(nèi)容進(jìn)行篩查辨析，以確保數(shù)據(jù)的可用性、規(guī)范性和可共享性。專題數(shù)據(jù)庫建設(shè)不僅要包含案卷級、文件級的目錄數(shù)據(jù)庫建設(shè)，還要開發(fā)檔案全文數(shù)據(jù)庫，涵蓋文本、圖形圖像、實(shí)物和多媒體等多種形式。

各地檔案部門可以根據(jù)各自實(shí)際情況，搭建各自具有特點(diǎn)的專題數(shù)據(jù)庫，以便于深入挖掘檔案資源。專題數(shù)據(jù)庫是對數(shù)據(jù)進(jìn)行清理、整合、集成并存儲，按照不同門類構(gòu)建的數(shù)據(jù)庫，因此可以減少數(shù)據(jù)查詢和訪問的時間，提高數(shù)據(jù)檢索速度。通過專題數(shù)據(jù)庫的形式對信息進(jìn)行整合，可以更加完整和準(zhǔn)確地揭示主題。專題數(shù)據(jù)庫在來源上，可以更加廣泛，不僅局限于館藏，還可以通過數(shù)據(jù)挖掘等技術(shù)補(bǔ)充發(fā)掘相關(guān)的數(shù)據(jù)，滿足開發(fā)利用的需求。

（三）深入挖掘檔案數(shù)字資源

大數(shù)據(jù)處理的關(guān)鍵是對數(shù)據(jù)分析整合，對于檔案數(shù)據(jù)的深入挖掘和充分利用是檔案大數(shù)據(jù)未來發(fā)展的核心，也是各級檔案部門服務(wù)創(chuàng)新面臨的挑戰(zhàn)。[3]我們可以深入挖掘檔案數(shù)字資源，提取有用的信息內(nèi)容，在查詢檔案信息時進(jìn)行與之相關(guān)聯(lián)的內(nèi)容提取和推薦，例如在查詢某著名抗戰(zhàn)將領(lǐng)的檔案信息時，可以通過數(shù)據(jù)分析挖掘與其相關(guān)的革命歷史專題信息、抗戰(zhàn)專題信息。另外，我們依靠自然語言處理、深度學(xué)習(xí)等統(tǒng)計(jì)文本挖掘算法，在用戶提出查詢需求時，使系統(tǒng)自動從檔案信息資源中捕獲相關(guān)聯(lián)的信息，通過大數(shù)據(jù)運(yùn)算、分析、挖掘，實(shí)現(xiàn)數(shù)據(jù)自動組織、自動推薦的目標(biāo)。

我們利用大數(shù)據(jù)技術(shù)除了可以掌握用戶歷史上和正在進(jìn)行的數(shù)據(jù)檢索需求，還可以對用戶未來的數(shù)據(jù)需求進(jìn)行分析預(yù)測，深度挖掘數(shù)據(jù)內(nèi)在關(guān)聯(lián)，促進(jìn)資源整合，實(shí)現(xiàn)檔案數(shù)據(jù)資源深層次的開發(fā)利用服務(wù)。我們可以借助大數(shù)據(jù)技術(shù)手段探究用戶的行為，有效發(fā)現(xiàn)用戶的潛在訴求，基于用戶行為分析并進(jìn)行個性化推送。[4]例如，針對不同的用戶，產(chǎn)生動態(tài)的推薦鏈接列表，甚至建立以用戶名為單位的個性化數(shù)據(jù)庫，采用“收藏夾”或“檔案籃”的形式放入用戶想要的信息、挖掘分析結(jié)果。

四、結(jié)語

新時代的檔案文化建設(shè)要求我們要做好各類檔案資源的開發(fā)利用，推出有參考價值、有檔案特色的文化產(chǎn)品。我們應(yīng)加強(qiáng)對檔案資源的深度開發(fā)，通過大數(shù)據(jù)技術(shù)科學(xué)整合、加工、編研，由簡單檢索向?qū)ｎ}研究提升，更好地為檔案文化建設(shè)服務(wù)；積極探索“互聯(lián)網(wǎng)+”時代服務(wù)管理模式，對傳統(tǒng)的檔案文化建設(shè)方式進(jìn)行改進(jìn)，推動檔案服務(wù)方式向智能化、精細(xì)化、網(wǎng)絡(luò)化轉(zhuǎn)型。隨著檔案管理創(chuàng)新的不斷推進(jìn)，數(shù)據(jù)挖掘、數(shù)據(jù)分析技術(shù)將在檔案管理中得到更加深入地運(yùn)用，檔案大數(shù)據(jù)技術(shù)將真正落實(shí)到檔案文化建設(shè)的各個方面，真正實(shí)現(xiàn)檔案事業(yè)的“業(yè)務(wù)提檔、服務(wù)升級、戰(zhàn)略轉(zhuǎn)型”。

參考文獻(xiàn)：

[1]馮惠玲.檔案記憶觀、資源觀與“中國記憶”數(shù)字資源建設(shè)[J].檔案學(xué)通訊，2012（3）：4-8.

[2]周勇，吳筱貞.基于個性服務(wù)的高校檔案專題數(shù)據(jù)庫開發(fā)研究[J].檔案天地，2014（10）：40-42.

[3]許桂清.大數(shù)據(jù)背景下的檔案行業(yè)發(fā)展[J].中國檔案，2015（6）：70-71.

[4]張文元，張倩.大數(shù)據(jù)技術(shù)與檔案數(shù)據(jù)挖掘[J].檔案管理，2016（2）：33-35.

作者單位：北京市檔案局（館）