淺析漢字識別技術(shù)在檔案管理工作中的應(yīng)用

1、    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能夠?qū)h字進行有效地識別，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)化成計算機系統(tǒng)可以識別的信息，為計算機進行數(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行打下基礎(chǔ)。一、漢字識別技術(shù)的應(yīng)用

2、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行掃描，然后存儲到計算機中，但是這種方法也有一定的局限性。在對檔案進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，促進檔案管理工作的順利進行，有效地推動檔案管理現(xiàn)代化的進程。另

3、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行文字錄入工作。但是，對于年紀較大的工作者來說，他們很難學(xué)會用鍵盤進行文字錄入，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?，F(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行“拖拉”，拖住文件標題、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行，免去敲擊鍵盤的過程。學(xué)習起來也比較容易，可以為任何年齡

4、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

5、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；當以編輯出版紙質(zhì)的檔案編研材料如大事記、組織機構(gòu)沿革、文件匯編等為目的進行漢字識別時，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)

6、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)印件來進行。這樣有助于對檔案原件的保存。同時，其信息可以進行多次利用。其次，不給檔案人員增加建庫的工作負擔；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)的文件進行管理。如果利用

7、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中，由于計算機系統(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，只需在計算機上進行就可以了。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會。但是其速度還沒有達到預(yù)期的目標，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)容進行漢

8、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，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)。在這種方法進行利用的過程中，要注意從實