我國綜合檔案館檔案開放鑒定研究：方法框架構建

楊茜茜

摘要：我國新修訂的《檔案法》圍繞促進檔案開放，從需求保障和供給要求兩個方面作出了多重規定，在此背景下，我國綜合檔案館需積極開展檔案開放鑒定。文章采用規范性研究方法，通過檔案開放鑒定方法層面的問題和現狀分析，以及開放鑒定的過程解析，從概念層面提出了包括開放鑒定統一描述框架、主體概念表達、客體特征分析和概念特征匹配的檔案開放鑒定方法框架，并對構建該框架所需的可用技術方法進行了梳理，提出知識圖譜、圖像文本識別、元數據自動抽取、語義分析和數字取證是目前助力檔案開放鑒定工作實現數字化轉型可依賴的主要技術方法。

關鍵詞：檔案館；開放鑒定；方法；技術

分類號：G273

Archival Appraisal for the Public Access in Chinese ComprehensiveArchives：ConstructionofFrameworkoftheMethods

Yang Qianqian

（School of Information Management of Sun Yat-sen University， Guangzhou， Guangdong， 510006）

Abstract：The newly revised Archives Law of the Peoples Republic of China has included multiple regulations on promoting the openness of archives from the aspects of demand guarantee and supply requirements. Within this background， Chinese comprehensive archives must undertake its responsibility of archival appraisal for the public access actively. As normative research， based on the analysis of current issues and the substantial process of archival appraisal for the public access， this paper puts forward a conceptual framework of the archival appraisal methods for the public access of records， which comprises four parts as“unified descriptive schema”，“subject concepts expression”，“object characteristics analysis”， and“mapping of the concepts and characteristics”. The corresponding requirements on the available technological methods for this framework have also been discussed， finding that the methods of the knowledge graph， image and character recognition， automated metadata extraction， semantic analysis， and digital forensics are available for the digital transformation of AFA.

Keywords：Archives；AppraisalforPublicAccess；Method；Technology

我國新修訂的《檔案法》于2020年6月20日通過了第十三屆全國人大常委會第十九次會議審議，將于2021年1月1日起施行。新《檔案法》中一個重要的修訂要點便是加大了檔案開放的力度，在明確賦予社會主體檔案利用權利的同時，也將縣級以上各級檔案館的檔案開放年限從30年縮短至25年，并進一步明確了檔案開放的職責劃分[1]。在此背景下，我國綜合檔案館勢必要進一步加強檔案開放工作，加快檔案向社會開放的步伐，提高檔案開放利用效率。開放鑒定是綜合檔案館履行檔案開放義務的主要途徑，同時也是維護各方檔案權利的一項重要制度安排。在檔案開放時限縮短、檔案類型趨于復雜、檔案數量不斷增加的背景下，除了建立檔案開放鑒定的常態化工作機制之外，也有必要對檔案開放鑒定所能采取的方法進行探討，以提升檔案開放鑒定的專業化、精細化程度，更好地保障檔案開放鑒定工作的順利開展。

1現有研究概況

由于檔案開放工作的機制差異，在實施信息自由法律的國家和地區中，與我國語境下的開放鑒定具有相同實質者的工作程序大多融合于政府信息公開或公共信息自由獲取的體系中。但也存在少數國家，如斯洛文尼亞，在政府信息公開的概念界定中明確將公共檔案館的檔案與政府信息的范疇相區分[2]，從而將公共檔案館所開展的公共性檔案開放利用與政府信息公開活動相區分。在這一背景下，檔案開放鑒定的方法需求也存在較大差異。統一于信息自由法律框架之下的檔案開放，其對于公共檔案是否開放以及如何開放的判斷主要是基于檔案特征和信息自由法律法規的比對，從而主動完成檔案開放，在這一過程中，開放鑒定工作的標準化程度較高；而在檔案開放責任獨立于政府信息公開的情況下，其對于開放鑒定的方法需求則取決于對檔案開放規則的界定。

總體而言，目前國內外對于檔案開放鑒定的具體方法研究尚不多見。在我國，賀軍、李揚新等人從程序規制的角度對檔案開放流程的實施方法進行了研究[3]。在實踐方面，青島市檔案館建立了敏感詞庫，并開發相應的軟件對檔案進行掃描和篩選[4]。在國外，受到《通用數據保護條例》（General Data Protection Regulation，GDPR）頒布的影響，相關研究大多聚焦于信息自由法律框架下檔案開放和個人隱私保護之間的矛盾協調問題，在方法論層面，旨在通過一定的分析規則和模型，從檔案中識別出個人隱私信息，從而避免因檔案開放造成的個人隱私泄露。在這一背景下，以BitCurator項目[5]為代表的研究和英國國家檔案館開展的一些調查[6]都體現出，在鑒定中利用數字取證（Digital Forensics）或電子發現（E-Discovery）工具對個人信息進行識別，在數字環境下是必要且可行的。此外，在強調以開放利用為目的的檔案收集中，以葡萄牙國家檔案館為代表的實踐活動則開始探索語義檔案信息系統的建設，基于檔案的內容及檔案之間的關系，建立檔案著錄詞匯的數據模型，并構建語義映射和知識圖譜[7]用以輔助相關工作的開展。同時，在其他檔案鑒定工作中進行的自動化方法探索也具有一定的啟發性。如澳大利亞國家檔案館自2015年起就開始探索能夠支持電子文件鑒定實現自動化的途徑，并研究了自動化元數據抽取、語義分析、分類和本體構建、數據關聯等多種方法。該項目團隊目前已完成第一階段的研究，通過對保管期限表進行語義分析，形成了以XML為描述方式的鑒定標準概念模型。下一步則計劃采用機器學習的方式對模型進行檢驗[8]。這樣的方法路徑實際也可用于檔案開放鑒定中。

從上述研究概況中可見，機器學習方法和數字內容調查分析型工具使用已經成為推動檔案鑒定適應數字化環境的重要途徑。盡管尚未有針對我國語境下檔案開放鑒定方法的專門研究，但從其他相關研究中仍可以有所借鑒。文章作為一個概念性研究，將采用規范性研究方法，首先對檔案開放鑒定的方法障礙進行剖析，以開放鑒定的方法論過程為基礎，探討開放鑒定方法框架的構建，并對實現這一方法框架的技術需求進行分析，以期為今后進一步推動綜合檔案館的檔案開放鑒定專業化、精細化奠定基礎。

2檔案開放鑒定方法層面的現狀及問題

檔案開放鑒定問題涉及價值導向、工作機制、程序制度和技術方法等多個層面，文章主要從技術方法層面對檔案開放鑒定所面臨的障礙進行分析。

2.1檔案數據化程度較低與大規模內容解析之間的矛盾

檔案開放鑒定需要經過對檔案內容的解讀分析才能形成開放與否的判斷。一方面，新《檔案法》要求“縣級以上各級檔案館的檔案，應當自形成之日起滿二十五年向社會開放；經濟、教育、科技、文化等類檔案，可以少于二十五年向社會開放”，且“檔案館不按規定開放利用的，單位和個人可以向檔案主管部門投訴”。這體現了檔案開放程度不斷擴大的法治導向，代表著檔案開放需求側的權利保障。另一方面，從檔案開放的供給側來看，不僅存量檔案存在難以識讀、來源背景信息有限以及文字轉換等問題，如近代廣東海關檔案中有大量手寫體文字，并涉及英語、法語、德語、葡萄牙語等8種外語，給開放鑒定帶來一定困難，而且增量檔案也具有概念范疇擴大、檔案類型趨于復雜、檔案數量劇增、電子檔案比例上升等特點。

作為檔案開放責任主體的綜合檔案館，如果采用傳統手工方式對檔案進行逐一鑒定，顯然難以適應需求側所提出的檔案開放要求；而如果采用數字化工具輔助進行檔案開放鑒定，則取決于檔案數據的粒度——檔案數據粒度越細，數據化工具輔助開放鑒定的可用程度就越高。從信息和數據科學的角度理解，數據是認識論信息的一種，知識則是與數據有交叉的另一種認識論信息的子集，智慧是可用且有用的知識，智能是付諸行動的智慧[9]。我國現有的檔案開放鑒定主要還是針對傳統載體檔案進行，目前針對傳統檔案載體和內容的處理以數字化掃描和目錄數據掛接為主，可以初步實現案卷級或文件級檔案的檢索和瀏覽，但檔案數據化粒度仍停留在傳統目錄整理的程度。從認識論信息的角度看，上述做法從檔案中所能揭示出的信息并未比傳統手工條件下的更多且更豐富，也尚未深入知識層面，更遠未達到智慧和智能的層面。因此，對于檔案開放鑒定而言，目前整體檔案數據化程度較低，難以直接采用信息分析工具展開大規模的內容解析。

2.2檔案開放鑒定實施的知識系統化程度不足

檔案開放鑒定是以檔案鑒定標準、檔案來源背景特征、檔案內容特征、檔案鑒定專業知識等多種信息為支撐，并從認知層面對檔案作為客體的特征及其開放的必要性進行評估和判斷的過程，本質上是一項“知識密集型”工作。而當前我國的檔案開放鑒定工作，大多仍是以檔案開放鑒定人員自身的專業知識和經驗等“隱性知識”為主要“生產要素”，尚未將檔案開放鑒定知識系統化，導致檔案開放鑒定存在標準化程度不高、過程不透明等問題[10]。通過筆者的文獻調研可知，我國各級綜合檔案館中，安排專職人員承擔開放鑒定工作的做法尚不多見，多數檔案館都在需要進行開放鑒定時臨時組建跨部門工作小組，或將開放鑒定的職責移交各單位檔案室；同時，對開放鑒定過程的記錄管理[11]也尚未形成規范化、標準化的做法。這些都在一定程度上表明，我國的檔案開放鑒定知識系統化程度不足，檔案開放鑒定的專業化程度發展較慢，不利于從整體上構建成熟的開放鑒定方法體系。

2.3個人信息權利保護的新要求

長期以來，開放性和個人隱私保護及公共安全之間的平衡是檔案館面臨的一大議題[12]。新《檔案法》中明確指出：“利用檔案涉及知識產權、個人信息的，應當遵守有關法律、行政法規的規定。”這意味著在檔案開放中，需更加關注知識產權和個人信息保護。2020年全國人大常委會工作報告中提出，下一步將推動制定并出臺個人信息保護法、數據安全法等法律，這都可能會對檔案開放中的信息保護和數據安全帶來一定影響，對檔案開放鑒定提出更高要求。

歐盟《通用數據保護條例》的實施情況表明：個人信息權利保護與檔案開放之間的平衡是目前檔案館面臨的難點之一，這為我國的實踐提供了啟示。首先，數據保護所遵循的“最小化”原則要求檔案提供利用時要盡可能隱去可能導致自然人主體被識別的個人信息，這使檔案開放鑒定需要著重識別檔案中包含的個人信息及其開放利用可能帶來的指向性。其次，數據保護原則上對以公共利益或科學歷史研究為目的的個人信息收集和利用保留豁免，但在實際工作中，如何評估個人信息收集和利用的目的，如何界定公共利益和科學歷史研究的用途[13]則成為檔案開放鑒定的另一主要內容。再次，一些檔案館也開始嘗試以開放數據的方式向社會提供檔案利用[14]，這種方式更要求檔案館在將檔案轉化為開放數據之前，要對其中可能被揭示的個人信息進行鑒定，并要將這些信息的隱匿過程自動化。這些都對開放鑒定的具體方法邏輯提出新的要求。

3檔案開放鑒定的過程解析

檔案開放鑒定的過程是指方法論意義上的檔案開放鑒定方法及其步驟設計。通過分析檔案開放鑒定的過程，從頂層設計層面為檔案開放鑒定的整體方法構建及其技術需求提供了框架。筆者在互聯網上對國內外公開的檔案開放鑒定具體實施辦法和實施細則進行了檢索，并從中篩選出9份文本用于開放鑒定的過程解析（表 1）。這9份文本較為具體地對檔案開放鑒定的實施細則進行描述，致力于為過程解析提供更具參考性的信息。立足于對多份檔案開放鑒定相關政策制度的內容分析，文章將檔案開放鑒定的基本過程描述為圖1所示的7個環節。

3.1確定開放鑒定標準

（2）元數據自動抽取屬于信息抽取的一個分支，具體可分為兩種：一是基于規則的方法，二是采用機器學習的方法[25]。一般來說，針對網絡信息資源或其他結構化程度相對較高的信息資源類型，采用基于規則的方法進行元數據抽取的效率較高；而對于掃描形成的數字資源而言，則更適合使用機器學習的方法[26]。

（3）數字取證。數字取證本身由一系列的技術構成[27]。國外在檔案領域使用數字取證工具的，大多是為從檔案中找出含有涉及個人隱私的信息內容，從而將這些信息內容排除在檔案利用服務范圍之外，以達到對數據保護的基本要求。對此，檔案領域已開發出專門針對檔案內容分析的數字取證工具，如BitCurator等，并將其應用在檔案收集環節，也就是在檔案收集過程中就對相關的敏感信息進行挖掘和標識，為檔案開放利用提供依據。因此，對于增量檔案資源來說，檔案開放鑒定工作應趨于前移，即在檔案形成收集或移交環節就對檔案的開放特征和屬性進行標識，減少檔案開放鑒定的滯后性。

4.4概念特征匹配

概念特征匹配是將客體特征分析的結果與主體概念表達進行匹配的過程，是確定檔案開放內容的實質過程，類似于“查找詞典”。匹配結果可以表現為對檔案開放性特征的整體描述，以及識別出不適宜開放的內容等，呈現給檔案開放鑒定的專業人員進行人工決策。在這一過程中，檔案開放鑒定工作借助一定的算法實現了對檔案內容的深度理解。在建立算法和完善算法的過程中，應當建立起人機協作的關系，通過算法來提高檔案開放鑒定人工決策的效率和準確度，并針對這一過程建立機器學習機制，加強知識積累，實現開放鑒定科學化、常態化。

語義分析是目前可實現概念特征匹配的主要技術方法。語義分析是指自然語言處理領域內對語義進行識別、理解并作出判斷的過程。語義分析包含多種具體方法，從分析粒度看，包括詞語、句子或篇章級；從運用目的看，包括文本分類、意圖識別、情感分析等。就檔案開放鑒定而言，語義分析是分別對主體概念表達和客體特征兩方面的語義進行分析，尤其針對敏感信息、個人隱私、商業秘密等范疇下的內容特征，并在此基礎上對主體概念和客體特征的實質語義進行匹配，從而提高開放鑒定的精準度。

5結語

文章所提出的檔案開放鑒定方法框架是以主客體檔案價值觀和知識管理為理論基礎的，一方面，強調客體檔案價值特征對主體檔案價值評估的契合性，以此來理解檔案開放鑒定的實質過程和方法需求；另一方面，強調主客體價值關系的顯性化表達，以此實現檔案開放鑒定過程的專業化、規范化和精細化。要在更大程度上實現檔案開放鑒定的人機協作，仍然是一個有待探索的廣泛領域，文章作為初步的概念性研究，尚未能對具體的檔案開放鑒定算法模型或是實驗部分進行更深入的研究。除對算法的研究之外，在上述方法框架和技術方法需求分析基礎上，業界和學界還需進一步深入到檔案開放鑒定的具體業務要求中，對檔案開放鑒定的內容標準和歷史邏輯進行研究，才能為技術方法的合理運用提供實質性依據；同時，還需從檔案開放鑒定工作開展的業務層面，對檔案部門和技術供應部門的協作方式、檔案部門的專業能力轉型等相關問題進行持續的探索。

*本文系2018年廣東省檔案局科研項目“綜合檔案館檔案開放鑒定的程序制度與方法研究”（項目編號：YDK-210-2018）階段性研究成果。

注釋與參考文獻

[1]國家檔案局.新修訂的《中華人民共和國檔案法》解讀[EB/OL].[2020- 07- 20].http：//www.saac.gov.cn/daj/yaow/ 202007/bd61bfb7b1404b2ca3c12f1652b2c915.shtml.

[2]王敬波.政府信息公開：國際視野與中國發展[M].北京：法律出版社，2016：6.

[3]賀軍，李揚新，吳玉婷.檔案開放程序規制構建的流程與方法[J].北京檔案，2015（3）： 17-20.

[4]青島市檔案局館.不斷探索檔案開放鑒定的新路徑[EB/ OL].[2020-07-20].http：//www. saac.gov.cn/news/2016-11/21/content_165841.htm.

[5]Lee C.Archival application of digital forensics methods for authenticity， description and access provision[J].Comma，2012（2）：133-140.

[6][8]Rolan G，Humphries G，Jeffrey L，et al.More human than human？ Artificial intelligence in the archive[J].Archives & Manuscripts，2019（2）： 179-203.

[7]Fitzgerald R M. Waking to Normal： Examining Archival Appraisal in Data-Driven Society[J/OL].[2020-07-15].https：//doi. org/10.31235/osf.io/2befk.

[9]葉繼元，陳銘，謝歡，華薇娜.數據與信息之間邏輯關系的探討——兼及DIKW概念鏈模式[J].中國圖書館學報，2017（3）： 34-43.

[10][14]Goudarouli E，Sexton A，Sheridan J.The Challenge of the Digital and the Future Archive：Through the Lens of The NationalArchives UK[J].Philosophy & Technology， 2019：173–183.

[11]Suderman J. An accountability framework for archival appraisal[J].ESARBICAJournal，2004： 51-61.

[12]Rosengren A.Openness， Privacy and the Archive： Arguments on openness and privacy in Swedish national archival regulation 1987–2004[EB/OL].[2020-07-20].https：// www.diva-portal.org/smash/get/diva2：971682/FULLTEXT01.pdf.

[13]Rockefeller Archive Center. Report on the General Data Protection Regulations for the Rockefeller ArchiveCenter[EB/ OL].[2020-06-22].https：//docs.rockarch.org/ gdpr-report.

[15]錢海峰.《北京市區縣檔案館館藏檔案開放工作管理辦法》解讀[J].北京檔案，2015（5）： 10-13.

[16]遼寧省檔案館.遼寧省檔案館檔案利用制度[EB/OL].[2020- 07- 21].http：//www. lnsdag.org.cn/lnsdaj/dazy/dzdayls/list. html.

[17]廣西壯族自治區檔案局.廣西壯族自治區檔案局關于印發《廣西壯族自治區各級國家檔案館檔案開放鑒定辦法》（試行）的通知[EB/OL].[2020-07-21]. http：//www.gxdaj.com. cn/index.php？m=content&c=index&a=show&catid=78&id=5115.

[18]寧波市奉化區檔案局.關于印發《寧波市奉化區檔案館檔案開放鑒定暫行辦法的通知[EB/OL].[2020-07-20].http：//daj. fh.gov.cn/zcfg/glgf/201905/t20190529_369425. html.

[19]珠海市斗門區人民政府.珠海市斗門區人民政府辦公室關于印發珠海市斗門區檔案館開放檔案實施細則的通知[EB/OL].[2020-07-21].http：//www.doumen.gov.cn/gkmlpt/ content/2/2425/post_2425007.html#2324.

[20]National Archives of Australia. Access to records under the Archives Act[EB/OL].[2020-07-20].https：//www.naa.gov.au/ help- your- research/ using- collection/ access- records- under- archives-act.

[21]National Archives of Australia. Access Examination Policy–personal， business and professional affairs of a person[EB/ OL].[2020-07-20].https：//www.naa.gov.au/ about-us/our-organisation/accountability-and-reporting/access-examination- policy-personal-business-and-professional-affairs-person.

[22]The U.S. National Archives and Records Administration. Access Restriction Status[EB/OL].[2020- 07- 22].https：// www.archives.gov/research/catalog/lcdrg/authority_lists/accesslist. html.

[23]Archives New Zealand. Access[EB/OL].[2020-07-22]. https：//archives.govt.nz/ files/Access.

[24]The Venice Atlas. Mapping Cadasters-Final Report[EB/ OL].[2020-07-28].http：// veniceatlas.epfl.ch/mapping-cadastersfinal-report/.

[25]張秀秀，馬建霞.PDF科技論文語義元數據的自動抽取研究[J].現代圖書情報技術，2009（2）：102-106.

[26]陳淑平，梁東魁.基于機器學習的掃描圖書元數據自動抽取研究[J].現代情報，2013（6）： 45-48.

[27]蔣平，黃淑華，楊莉莉.數字取證[M].北京：清華大學出版社，中國人民公安大學出版社， 2007：71-102.