電子文件元數(shù)據(jù)自動(dòng)采集的原則與實(shí)施路徑研究

時(shí)間：2023-03-20 04:43:43 自動(dòng)化畢業(yè)論文我要投稿

相關(guān)推薦

　　摘要：本文通過(guò)理論研究與實(shí)證分析，進(jìn)一步論證了元數(shù)據(jù)是電子文件管理的命脈，是電子文件真實(shí)性、可靠性、完整性與可用性的重要保障，是對(duì)電子文件實(shí)施前端控制和全程管理的關(guān)鍵，是實(shí)現(xiàn)自動(dòng)化管理和智能分析的重要基礎(chǔ);同時(shí)展示了對(duì)《文書類電子文件元數(shù)據(jù)方案》的實(shí)施與拓展，對(duì)元數(shù)據(jù)實(shí)現(xiàn)自動(dòng)采集的需求分析、原則與思路以及具有可操作性的研究成果。

電子文件元數(shù)據(jù)自動(dòng)采集的原則與實(shí)施路徑研究

　　關(guān)鍵詞：電子文件元數(shù)據(jù) 自動(dòng)采集

　　本文系“電子文件元數(shù)據(jù)自動(dòng)采集與智能分析實(shí)證研究”的項(xiàng)目成果。通過(guò)探討理論架構(gòu)并系統(tǒng)實(shí)施電子文件元數(shù)據(jù)自動(dòng)采集，實(shí)現(xiàn)標(biāo)準(zhǔn)化、自動(dòng)化管理，全面提升機(jī)構(gòu)電子文件管理水平，同時(shí)為電子文件內(nèi)容信息智能分析奠定基礎(chǔ);通過(guò)智能分析研究，充分挖掘隱含在電子文件內(nèi)容信息中的知識(shí)關(guān)聯(lián)，深度開發(fā)，支持決策。

　　一、元數(shù)據(jù)自動(dòng)采集需求分析

　　元數(shù)據(jù)是描述文件背景、內(nèi)容、結(jié)構(gòu)及其整個(gè)管理過(guò)程的數(shù)據(jù)。不同于傳統(tǒng)意義上的著錄，元數(shù)據(jù)內(nèi)涵更豐富，功能更全面，要求更嚴(yán)格，不可能由檔案管理人員在文件歸檔后進(jìn)行著錄，更不可能由形成機(jī)構(gòu)文件管理人員或業(yè)務(wù)人員手工錄入。元數(shù)據(jù)需要全程規(guī)劃，需要嵌入系統(tǒng)，需要實(shí)時(shí)自動(dòng)采集，需要真實(shí)、動(dòng)態(tài)地再現(xiàn)電子文件管理的背景信息及過(guò)程信息。實(shí)現(xiàn)元數(shù)據(jù)自動(dòng)采集，是元數(shù)據(jù)自身管理的要求，也是形成機(jī)構(gòu)實(shí)際業(yè)務(wù)的需求。

　　(1)元數(shù)據(jù)管理要求

　　國(guó)際標(biāo)準(zhǔn)《信息與文獻(xiàn)電子辦公環(huán)境中文件管理原則與功能要求》(ISO 16175 1-3)一再?gòu)?qiáng)調(diào)，文件管理元數(shù)據(jù)(metadata)包括“識(shí)別、認(rèn)證文件和文件背景關(guān)聯(lián)等信息以及生成、管理、維護(hù)和使用文件的人員、流程和系統(tǒng)的信息，文件管理政策”。只有伴有界定了關(guān)鍵特征元數(shù)據(jù)的文件才是真實(shí)有效的文件，這些特征必須被清晰地記錄下來(lái)。元數(shù)據(jù)在文件捕獲點(diǎn)上對(duì)文件進(jìn)行詳細(xì)說(shuō)明，固化文件與其業(yè)務(wù)背景的關(guān)聯(lián)，對(duì)文件實(shí)施管理控制。在整個(gè)生命周期中，新的元數(shù)據(jù)不斷伴隨業(yè)務(wù)的開展、提供利用而持續(xù)增加，以長(zhǎng)期保證真實(shí)性、完整性、可靠性、可用性，使得對(duì)文件的管理成為可能。

　　在電子文件管理系統(tǒng)中必須實(shí)現(xiàn)元數(shù)據(jù)的有效管理。電子文件管理系統(tǒng)(ERMS)作為專門用于對(duì)文件的維護(hù)和處置予以管理的系統(tǒng)，具有如下屬性：在背景中生成文件;管理和維護(hù)文件;依據(jù)要求的時(shí)間長(zhǎng)度維護(hù)文件;文件管理元數(shù)據(jù)要可以設(shè)定。

　　作為描述文件背景、內(nèi)容、結(jié)構(gòu)及其整個(gè)管理過(guò)程的數(shù)據(jù)，元數(shù)據(jù)最大的特征是動(dòng)態(tài)性，動(dòng)態(tài)地再現(xiàn)文件生成、流轉(zhuǎn)、管理的全過(guò)程，在整個(gè)生命周期中為電子文件(包括由此轉(zhuǎn)化而成的電子檔案)的真實(shí)、完整、可靠、可用保駕護(hù)航。元數(shù)據(jù)的重要價(jià)值在于還原文件的背景信息，反映其所生成的政策法規(guī)和技術(shù)環(huán)境，顯示與其他文件以及業(yè)務(wù)行為責(zé)任者等的各種關(guān)系，克服電子文件虛擬存在的局限�？梢�，元數(shù)據(jù)記錄和反映的這些錯(cuò)綜復(fù)雜、動(dòng)態(tài)變化的信息已經(jīng)無(wú)法僅僅依靠手工進(jìn)行記錄，必須嵌入系統(tǒng)，由系統(tǒng)自動(dòng)判斷、計(jì)算與識(shí)別，實(shí)現(xiàn)系統(tǒng)自動(dòng)采集元數(shù)據(jù)是元數(shù)據(jù)自身管理的要求。

　　(2)機(jī)構(gòu)業(yè)務(wù)需求

　　電子文件的特點(diǎn)決定了對(duì)元數(shù)據(jù)的采集必須前置，由前端形成機(jī)構(gòu)伴隨業(yè)務(wù)活動(dòng)的開展和其間文件的形成進(jìn)行采集與管理。《文書類電子文件元數(shù)據(jù)方案》(以下簡(jiǎn)稱《元數(shù)據(jù)方案》)給出了88項(xiàng)元數(shù)據(jù)元素，其中80%需要形成機(jī)構(gòu)進(jìn)行采集，而且過(guò)程性元數(shù)據(jù)需要反復(fù)著錄，側(cè)重記錄電子文件生成的技術(shù)環(huán)境與業(yè)務(wù)過(guò)程信息，所涉問(wèn)題難度大且較復(fù)雜。特別是《元數(shù)據(jù)方案》中規(guī)定的一些元數(shù)據(jù)項(xiàng)存在“宏觀”或“籠統(tǒng)”的情況，比如元數(shù)據(jù)中“日期”項(xiàng)，如不結(jié)合文件生成、運(yùn)轉(zhuǎn)、處置的流程予以細(xì)化，則無(wú)法確定采集節(jié)點(diǎn)和采集方式;僅從文件生成流程來(lái)看，面臨著起草、會(huì)商、審核、簽發(fā)等諸多“日期”，哪些日期最為關(guān)鍵、哪些應(yīng)作為元數(shù)據(jù)予以采集、在文件生命周期中是否重復(fù)元數(shù)據(jù)以及如何采集等，都需要結(jié)合機(jī)構(gòu)業(yè)務(wù)流程和相關(guān)規(guī)范深入研究，并實(shí)施精細(xì)化管理。對(duì)文件形成機(jī)構(gòu)(即業(yè)務(wù)機(jī)構(gòu))而言，因?yàn)樵獢?shù)據(jù)管理而徒增繁重手工著錄工作量，造成人力物力財(cái)力的巨大浪費(fèi)，進(jìn)而影響機(jī)構(gòu)工作效率與績(jī)效。需要指出的是，元數(shù)據(jù)并不是獨(dú)立的，而是與機(jī)構(gòu)自身電子文件管理基礎(chǔ)密不可分。沒(méi)有科學(xué)的電子文件、檔案一體化全程管理流程，沒(méi)有完備的電子文件元數(shù)據(jù)管理功能要求，便無(wú)法構(gòu)建完善的元數(shù)據(jù)管理方案。因此，本文的研究?jī)?nèi)容是綜合性的，從狹義來(lái)講是電子公文元數(shù)據(jù)自動(dòng)采集方案;從廣義來(lái)講是機(jī)構(gòu)電子文件管理方案。

　　二、元數(shù)據(jù)自動(dòng)采集原則

　　(1)基于檔案管理的基本原則

　　1.來(lái)源原則。元數(shù)據(jù)采集雖然通過(guò)對(duì)電子文件信息加以采集、提煉、分析和組織，揭示文件、檔案的內(nèi)容及其產(chǎn)生規(guī)律，但是仍然以尊重檔案的本質(zhì)屬性和規(guī)律為前提，在采集時(shí)注重體現(xiàn)電子文件來(lái)源，使機(jī)構(gòu)中同一來(lái)源的電子文件通過(guò)元數(shù)據(jù)采集得到集中反映，使元數(shù)據(jù)與檔案的來(lái)源相聯(lián)系，以此通過(guò)元數(shù)據(jù)揭示同一來(lái)源的檔案、文件之間的各種聯(lián)系，為檔案、文件的理解與利用提供來(lái)源方面的背景信息。

　　2.有機(jī)聯(lián)系原則。有機(jī)聯(lián)系原則也是檔案管理的基本原則，是指系統(tǒng)中文件及組成系統(tǒng)的諸要素之間需保持時(shí)空上的相互聯(lián)系。由于電子文件是以二進(jìn)制代碼的形式分散存在于計(jì)算機(jī)之中，因此保持文件之間的有機(jī)聯(lián)系顯得尤為重要，而要保持這種有機(jī)聯(lián)系，必須依賴于元數(shù)據(jù)。以此原則為導(dǎo)向的元數(shù)據(jù)采集實(shí)質(zhì)上就是電子文件信息的系統(tǒng)化增值過(guò)程，其目的是把分散的文件信息轉(zhuǎn)化為互相聯(lián)系、系統(tǒng)的信息流，形成更高級(jí)的信息產(chǎn)品，滿足用戶的特定利用需求。通過(guò)元數(shù)據(jù)采集與管理過(guò)程，使大量文件特征信息加以系統(tǒng)化和組織化，有效控制檔案、文件信息揭示的數(shù)量和質(zhì)量，克服檔案、文件查詢和利用的困難，提高檢索效率，節(jié)省查詢成本和精力耗費(fèi)，實(shí)現(xiàn)價(jià)值增益。

　　(2)基于電子文件管理的原則

　　1.前端控制原則。就元數(shù)據(jù)采集來(lái)說(shuō)，在已經(jīng)建立了電子文件管理系統(tǒng)的機(jī)構(gòu)，電子文件在系統(tǒng)中生成、運(yùn)轉(zhuǎn)，電子文件元數(shù)據(jù)采集的前端“超前”至系統(tǒng)的設(shè)計(jì)階段，前端控制的形式也部分轉(zhuǎn)移到系統(tǒng)功能的設(shè)計(jì)之中，即盡可能地把文件生命周期各個(gè)階段的元數(shù)據(jù)需求設(shè)計(jì)在系統(tǒng)之中，以功能合理的OA系統(tǒng)作為管好電子文件的先決條件。

　　2.全程管理原則。在過(guò)程管理中，所有有助于說(shuō)明電子文件重要屬性和有效管理過(guò)程的信息都被作為元數(shù)據(jù)進(jìn)行采集，以證實(shí)電子文件在管理系統(tǒng)中的運(yùn)轉(zhuǎn)狀況，確保電子文件的管理質(zhì)量。

　　(3)基于元數(shù)據(jù)管理的原則

　　1.標(biāo)準(zhǔn)化原則。標(biāo)準(zhǔn)化原則指在元數(shù)據(jù)設(shè)計(jì)過(guò)程中，要與現(xiàn)有的國(guó)家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)、相關(guān)規(guī)范以及國(guó)際標(biāo)準(zhǔn)相一致。隨著元數(shù)據(jù)技術(shù)和XML技術(shù)的廣泛應(yīng)用，現(xiàn)實(shí)環(huán)境中已經(jīng)存在多種元數(shù)據(jù)標(biāo)準(zhǔn)。為保證信息組織的一致性，在元數(shù)據(jù)采集時(shí)必須在一定程度上遵循標(biāo)準(zhǔn)化原則。

　　2.互操作性原則�；ゲ僮髟瓌t體現(xiàn)在對(duì)異構(gòu)系統(tǒng)間互操作能力的支持，不僅可以為自己的應(yīng)用系統(tǒng)所操作，而且可以為其他組織或機(jī)構(gòu)的應(yīng)用系統(tǒng)所操作;不僅可在不同系統(tǒng)實(shí)現(xiàn)同一元數(shù)據(jù)標(biāo)準(zhǔn)間的數(shù)據(jù)的傳輸、交換或轉(zhuǎn)換，而且可在不同元數(shù)據(jù)標(biāo)準(zhǔn)間實(shí)現(xiàn)數(shù)據(jù)的傳輸、交換或轉(zhuǎn)換。在元數(shù)據(jù)的具體應(yīng)用上，互操作性表現(xiàn)為易轉(zhuǎn)換性，即在所攜信息損失最小的前提下，方便地將元數(shù)據(jù)轉(zhuǎn)換為其他系統(tǒng)常用的元數(shù)據(jù)。要實(shí)現(xiàn)這些功能，在元數(shù)據(jù)采集過(guò)程中必須慎重考慮元素語(yǔ)義和元素結(jié)構(gòu)的準(zhǔn)確定義，其中語(yǔ)義定義尤為重要。

　　3.可擴(kuò)展原則�？蓴U(kuò)展性原則指整個(gè)元數(shù)據(jù)體系和每個(gè)元數(shù)據(jù)模塊都應(yīng)該可以擴(kuò)展，保留細(xì)化元數(shù)據(jù)元素的空間以適應(yīng)未來(lái)需求的變化，并可通過(guò)復(fù)用、嵌接、擴(kuò)展、細(xì)化、修改等方式，根據(jù)應(yīng)用需求靈活地構(gòu)建和擴(kuò)展已有的元數(shù)據(jù)。本文將元數(shù)據(jù)劃分為兩大類：標(biāo)準(zhǔn)元數(shù)據(jù)和擴(kuò)展元數(shù)據(jù)，劃分依據(jù)為元數(shù)據(jù)的來(lái)源與不同功能。標(biāo)準(zhǔn)元數(shù)據(jù)，指《元數(shù)據(jù)方案》中的元數(shù)據(jù)項(xiàng)目。擴(kuò)展元數(shù)據(jù)，指描述電子文件的網(wǎng)絡(luò)生成環(huán)境和生成過(guò)程、揭示電子文件分類體系和社會(huì)關(guān)系、量化電子文件利用程度和重要程度的數(shù)據(jù)。見圖1。

　　4.精細(xì)化原則。所謂精細(xì)化是指通常采用逐層描述元數(shù)據(jù)的方法，使得元數(shù)據(jù)的分析和采集工作進(jìn)一步精確、細(xì)化。在電子文件管理中，精細(xì)化原則是保障電子文件有機(jī)關(guān)聯(lián)性的關(guān)鍵，也是信息挖掘的重要保障。通過(guò)對(duì)元數(shù)據(jù)語(yǔ)義的進(jìn)一步修飾，能夠提高元數(shù)據(jù)的專指性和精確性。

　　三、元數(shù)據(jù)自動(dòng)采集的方法

　　(1)在流程中采集

　　1.電子公文、檔案一體化管理流程設(shè)計(jì)。課題組依據(jù)《黨政機(jī)關(guān)公文處理工作條例》(2012年)、《黨政機(jī)關(guān)公文格式》(GB/ T9704-2012)和《電子文件管理系統(tǒng)通用功能要求》(GB/ T29194-2012)，為機(jī)構(gòu)設(shè)計(jì)了一套電子公文、檔案一體化全程管理流程，覆蓋從文件生成、運(yùn)轉(zhuǎn)，到歸檔保存或銷毀的全生命周期。一體化流程根據(jù)電子文件運(yùn)動(dòng)的特點(diǎn)，進(jìn)行科學(xué)合理規(guī)劃，將部分環(huán)節(jié)前置，部分環(huán)節(jié)后延，部分環(huán)節(jié)貫穿始終等，強(qiáng)調(diào)文件管理和檔案管理的無(wú)縫銜接，詳見圖2。

　　2.在流程中采集的思路。在一體化流程的基礎(chǔ)上，明確電子文件元數(shù)據(jù)實(shí)時(shí)采集的節(jié)點(diǎn)和每一節(jié)點(diǎn)需要采集的元數(shù)據(jù)項(xiàng)目。課題組將采集的關(guān)鍵節(jié)點(diǎn)確定為電子公文、檔案一體化管理流程的每一個(gè)環(huán)節(jié)，并在每個(gè)環(huán)節(jié)分別設(shè)置需要采集的元數(shù)據(jù)項(xiàng)目，包括可選項(xiàng)和必選項(xiàng)。技術(shù)實(shí)現(xiàn)上，使用流程設(shè)計(jì)器，在后臺(tái)事先設(shè)置每一環(huán)節(jié)需要采集的元數(shù)據(jù)，前臺(tái)每一環(huán)節(jié)結(jié)束后，該環(huán)節(jié)需要采集的元數(shù)據(jù)便能實(shí)現(xiàn)實(shí)時(shí)采集。

　　(2)在格式模板和處理表單中采集

　　電子公文處理表單和格式模板則是實(shí)現(xiàn)元數(shù)據(jù)自動(dòng)采集的重要“對(duì)象”。

　　1.規(guī)范化智能公文模板和處理表單設(shè)計(jì)。課題組嚴(yán)格遵循上述條例及規(guī)定等，充分考慮元數(shù)據(jù)自動(dòng)采集的需求，設(shè)計(jì)了上行文、平行文、下行文三類合規(guī)性智能公文模板，以及發(fā)文稿紙和收文處理單。

　　2.格式模板和處理表單采集方法。將采集元數(shù)據(jù)的項(xiàng)目對(duì)應(yīng)到電子公文模板和表單上相應(yīng)的欄目，如題名元數(shù)據(jù)，可以定位于收文處理表單、發(fā)文稿紙上的題名欄目，即可實(shí)現(xiàn)自動(dòng)采集。因此，按照規(guī)范設(shè)計(jì)的電子公文模板、發(fā)文稿紙和收文處理單可以采集到題名、發(fā)文字號(hào)、文種、緊急程度、主送、抄送、密級(jí)、保密期限、附件題名、成文日期、收文日期、保管期限等項(xiàng)元數(shù)據(jù)。采用這種方法，標(biāo)準(zhǔn)中的內(nèi)容描述元數(shù)據(jù)全部都能實(shí)現(xiàn)自動(dòng)采集。

　　(3)在系統(tǒng)設(shè)置中采集

　　部分元數(shù)據(jù)事先在系統(tǒng)設(shè)置時(shí)就已經(jīng)確定，如描述電子文件生成的技術(shù)環(huán)境、個(gè)人角色及管理權(quán)限、業(yè)務(wù)操作信息等元數(shù)據(jù)需要在系統(tǒng)設(shè)置中自動(dòng)生成。系統(tǒng)自動(dòng)可以生成電子屬性、業(yè)務(wù)實(shí)體元數(shù)據(jù)，具體包括機(jī)構(gòu)人員、個(gè)人職位、行為時(shí)間，以及擴(kuò)展元數(shù)據(jù)操作信息元數(shù)據(jù)，包括操作時(shí)間、操作次數(shù)、操作時(shí)長(zhǎng)。

　　(4)在內(nèi)容信息中采集

　　在內(nèi)容信息中采集，是指對(duì)電子文件的內(nèi)容信息進(jìn)行深入的分詞分析，如人名、地名、機(jī)構(gòu)名等，這是本項(xiàng)目預(yù)期實(shí)現(xiàn)的電子文件內(nèi)容信息的智能分析。該采集方法主要采用了機(jī)器輔助人工抽取、權(quán)重分析技術(shù)和分詞技術(shù)等，其核心在于：基于主題詞表實(shí)現(xiàn)主題詞的自動(dòng)采集;中文智能分詞技術(shù);語(yǔ)料庫(kù)的詞語(yǔ)統(tǒng)計(jì)方法;上下文語(yǔ)義判斷技術(shù);詞表管理技術(shù)。

　　基于上述原則、思路與方法，課題組研發(fā)的“電子公文、檔案一體化管理系統(tǒng)”不僅可以很好地實(shí)現(xiàn)在公文生成過(guò)程的元數(shù)據(jù)自動(dòng)采集，保證電子公文真實(shí)、完整、可靠、可用，而且“檔案管理子系統(tǒng)”可以完整、高效地承接“文件管理子系統(tǒng)”的所有前期成果，歸檔文件連同“發(fā)文稿紙”、“收文處理單”以及所有元數(shù)據(jù)的無(wú)縫銜接及歸檔。隨著檔案保管、檢索、利用、統(tǒng)計(jì)、處置等業(yè)務(wù)活動(dòng)的開展，基于元數(shù)據(jù)自動(dòng)采集成果的精細(xì)檢索、實(shí)時(shí)統(tǒng)計(jì)、價(jià)值判斷、智能分析更將顯示出實(shí)現(xiàn)元數(shù)據(jù)自動(dòng)采集的強(qiáng)大功效。

　　參考文獻(xiàn)：

　　[1]王健主編.文書學(xué)(第三版)[M].北京：中國(guó)人民大學(xué)出版社，2015.

　　[2]中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).GB/T 29194-2012電子文件管理系統(tǒng)通用功能要求[S].2012.

　　[3]中共中央辦公廳、國(guó)務(wù)院辦公廳.黨政機(jī)關(guān)公文處理工作條例[S].2012.

　　[4]中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).GB/T 9704―2012黨政機(jī)關(guān)公文格式[S].2012.

　　[5]王健等譯.電子辦公環(huán)境中文件管理原則與功能要求[M].北京：中國(guó)人民大學(xué)出版社，2012.

　　[6]中華人民共和國(guó)國(guó)家檔案局. DA/T46- 2009文書類電子文件元數(shù)據(jù)方案[S].2009.

　　[7]姜偉，王健等.電子文件元數(shù)據(jù)智能分析與可視化呈現(xiàn)[J].北京檔案，2015(7)：24-26.

【電子文件元數(shù)據(jù)自動(dòng)采集的原則與實(shí)施路徑研究】相關(guān)文章：

局域網(wǎng)數(shù)據(jù)庫(kù)環(huán)境下數(shù)據(jù)采集及處理05-08

刑罰裁量的原則研究06-04

對(duì)我國(guó)老實(shí)信用原則研究現(xiàn)狀的評(píng)析06-02