- 相關(guān)推薦
電子文件元數據自動(dòng)采集的原則與實(shí)施路徑研究
摘要：本文通過(guò)理論研究與實(shí)證分析，進(jìn)一步論證了元數據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，是對電子文件實(shí)施前端控制和全程管理的關(guān)鍵，是實(shí)現自動(dòng)化管理和智能分析的重要基礎;同時(shí)展示了對《文書(shū)類(lèi)電子文件元數據方案》的實(shí)施與拓展，對元數據實(shí)現自動(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。
關(guān)鍵詞：電子文件 元數據 自動(dòng)采集
本文系“電子文件元數據自動(dòng)采集與智能分析實(shí)證研究”的項目成果。通過(guò)探討理論架構并系統實(shí)施電子文件元數據自動(dòng)采集，實(shí)現標準化、自動(dòng)化管理，全面提升機構電子文件管理水平，同時(shí)為電子文件內容信息智能分析奠定基礎;通過(guò)智能分析研究，充分挖掘隱含在電子文件內容信息中的知識關(guān)聯(lián)，深度開(kāi)發(fā)，支持決策。
一、元數據自動(dòng)采集需求分析
元數據是描述文件背景、內容、結構及其整個(gè)管理過(guò)程的數據。不同于傳統意義上的著(zhù)錄，元數據內涵更豐富，功能更全面，要求更嚴格，不可能由檔案管理人員在文件歸檔后進(jìn)行著(zhù)錄，更不可能由形成機構文件管理人員或業(yè)務(wù)人員手工錄入。元數據需要全程規劃，需要嵌入系統，需要實(shí)時(shí)自動(dòng)采集，需要真實(shí)、動(dòng)態(tài)地再現電子文件管理的背景信息及過(guò)程信息。實(shí)現元數據自動(dòng)采集，是元數據自身管理的要求，也是形成機構實(shí)際業(yè)務(wù)的需求。
(1)元數據管理要求
國際標準《信息與文獻電子辦公環(huán)境中文件管理原則與功能要求》(ISO 16175 1-3)一再強調，文件管理元數據(metadata)包括“識別、認證文件和文件背景關(guān)聯(lián)等信息以及生成、管理、維護和使用文件的人員、流程和系統的信息，文件管理政策”。只有伴有界定了關(guān)鍵特征元數據的文件才是真實(shí)有效的文件，這些特征必須被清晰地記錄下來(lái)。元數據在文件捕獲點(diǎn)上對文件進(jìn)行詳細說(shuō)明，固化文件與其業(yè)務(wù)背景的關(guān)聯(lián)，對文件實(shí)施管理控制。在整個(gè)生命周期中，新的元數據不斷伴隨業(yè)務(wù)的開(kāi)展、提供利用而持續增加，以長(cháng)期保證真實(shí)性、完整性、可靠性、可用性，使得對文件的管理成為可能。
在電子文件管理系統中必須實(shí)現元數據的有效管理。電子文件管理系統(ERMS)作為專(zhuān)門(mén)用于對文件的維護和處置予以管理的系統，具有如下屬性：在背景中生成文件;管理和維護文件;依據要求的時(shí)間長(cháng)度維護文件;文件管理元數據要可以設定。
作為描述文件背景、內容、結構及其整個(gè)管理過(guò)程的數據，元數據最大的特征是動(dòng)態(tài)性，動(dòng)態(tài)地再現文件生成、流轉、管理的全過(guò)程，在整個(gè)生命周期中為電子文件(包括由此轉化而成的電子檔案)的真實(shí)、完整、可靠、可用保駕護航。元數據的重要價(jià)值在于還原文件的背景信息，反映其所生成的政策法規和技術(shù)環(huán)境，顯示與其他文件以及業(yè)務(wù)行為責任者等的各種關(guān)系，克服電子文件虛擬存在的局限�？梢�(jiàn)，元數據記錄和反映的這些錯綜復雜、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，由系統自動(dòng)判斷、計算與識別，實(shí)現系統自動(dòng)采集元數據是元數據自身管理的要求。
(2)機構業(yè)務(wù)需求
電子文件的特點(diǎn)決定了對元數據的采集必須前置，由前端形成機構伴隨業(yè)務(wù)活動(dòng)的開(kāi)展和其間文件的形成進(jìn)行采集與管理�！段臅�(shū)類(lèi)電子文件元數據方案》(以下簡(jiǎn)稱(chēng)《元數據方案》)給出了88項元數據元素，其中80%需要形成機構進(jìn)行采集，而且過(guò)程性元數據需要反復著(zhù)錄，側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)題難度大且較復雜。特別是《元數據方案》中規定的一些元數據項存在“宏觀(guān)”或“籠統”的情況，比如元數據中“日期”項，如不結合文件生成、運轉、處置的流程予以細化，則無(wú)法確定采集節點(diǎn)和采集方式;僅從文件生成流程來(lái)看，面臨著(zhù)起草、會(huì )商、審核、簽發(fā)等諸多“日期”，哪些日期最為關(guān)鍵、哪些應作為元數據予以采集、在文件生命周期中是否重復元數據以及如何采集等，都需要結合機構業(yè)務(wù)流程和相關(guān)規范深入研究，并實(shí)施精細化管理。對文件形成機構(即業(yè)務(wù)機構)而言，因為元數據管理而徒增繁重手工著(zhù)錄工作量，造成人力物力財力的巨大浪費，進(jìn)而影響機構工作效率與績(jì)效。需要指出的是，元數據并不是獨立的，而是與機構自身電子文件管理基礎密不可分。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據管理功能要求，便無(wú)法構建完善的元數據管理方案。因此，本文的研究?jì)热菔蔷C合性的，從狹義來(lái)講是電子公文元數據自動(dòng)采集方案;從廣義來(lái)講是機構電子文件管理方案。
二、元數據自動(dòng)采集原則
(1)基于檔案管理的基本原則
1.來(lái)源原則。元數據采集雖然通過(guò)對電子文件信息加以采集、提煉、分析和組織，揭示文件、檔案的內容及其產(chǎn)生規律，但是仍然以尊重檔案的本質(zhì)屬性和規律為前提，在采集時(shí)注重體現電子文件來(lái)源，使機構中同一來(lái)源的電子文件通過(guò)元數據采集得到集中反映，使元數據與檔案的來(lái)源相聯(lián)系，以此通過(guò)元數據揭示同一來(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.有機聯(lián)系原則。有機聯(lián)系原則也是檔案管理的基本原則，是指系統中文件及組成系統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算機之中，因此保持文件之間的有機聯(lián)系顯得尤為重要，而要保持這種有機聯(lián)系，必須依賴(lài)于元數據。以此原則為導向的元數據采集實(shí)質(zhì)上就是電子文件信息的系統化增值過(guò)程，其目的是把分散的文件信息轉化為互相聯(lián)系、系統的信息流，形成更高級的信息產(chǎn)品，滿(mǎn)足用戶(hù)的特定利用需求。通過(guò)元數據采集與管理過(guò)程，使大量文件特征信息加以系統化和組織化，有效控制檔案、文件信息揭示的數量和質(zhì)量，克服檔案、文件查詢(xún)和利用的困難，提高檢索效率，節省查詢(xún)成本和精力耗費，實(shí)現價(jià)值增益。
(2)基于電子文件管理的原則
1.前端控制原則。就元數據采集來(lái)說(shuō)，在已經(jīng)建立了電子文件管理系統的機構，電子文件在系統中生成、運轉，電子文件元數據采集的前端“超前”至系統的設計階段，前端控制的形式也部分轉移到系統功能的設計之中，即盡可能地把文件生命周期各個(gè)階段的元數據需求設計在系統之中，以功能合理的OA系統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據進(jìn)行采集，以證實(shí)電子文件在管理系統中的運轉狀況，確保電子文件的管理質(zhì)量。
(3)基于元數據管理的原則
1.標準化原則。標準化原則指在元數據設計過(guò)程中，要與現有的國家標準、行業(yè)標準、相關(guān)規范以及國際標準相一致。隨著(zhù)元數據技術(shù)和XML技術(shù)的廣泛應用，現實(shí)環(huán)境中已經(jīng)存在多種元數據標準。為保證信息組織的一致性，在元數據采集時(shí)必須在一定程度上遵循標準化原則。
2.互操作性原則�；ゲ僮髟瓌t體現在對異構系統間互操作能力的支持，不僅可以為自己的應用系統所操作，而且可以為其他組織或機構的應用系統所操作;不僅可在不同系統實(shí)現同一元數據標準間的數據的傳輸、交換或轉換，而且可在不同元數據標準間實(shí)現數據的傳輸、交換或轉換。在元數據的具體應用上，互操作性表現為易轉換性，即在所攜信息損失最小的前提下，方便地將元數據轉換為其他系統常用的元數據。要實(shí)現這些功能，在元數據采集過(guò)程中必須慎重考慮元素語(yǔ)義和元素結構的準確定義，其中語(yǔ)義定義尤為重要。
3.可擴展原則�？蓴U展性原則指整個(gè)元數據體系和每個(gè)元數據模塊都應該可以擴展，保留細化元數據元素的空間以適應未來(lái)需求的變化，并可通過(guò)復用、嵌接、擴展、細化、修改等方式，根據應用需求靈活地構建和擴展已有的元數據。本文將元數據劃分為兩大類(lèi)：標準元數據和擴展元數據，劃分依據為元數據的來(lái)源與不同功能。標準元數據，指《元數據方案》中的元數據項目。擴展元數據，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(lèi)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據。見(jiàn)圖1。
4.精細化原則。所謂精細化是指通常采用逐層描述元數據的方法，使得元數據的分析和采集工作進(jìn)一步精確、細化。在電子文件管理中，精細化原則是保障電子文件有機關(guān)聯(lián)性的關(guān)鍵，也是信息挖掘的重要保障。通過(guò)對元數據語(yǔ)義的進(jìn)一步修飾，能夠提高元數據的專(zhuān)指性和精確性。
三、元數據自動(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計。課題組依據《黨政機關(guān)公文處理工作條例》(2012年)、《黨政機關(guān)公文格式》(GB/ T9704-2012)和《電子文件管理系統通用功能要求》(GB/ T29194-2012)，為機構設計了一套電子公文、檔案一體化全程管理流程，覆蓋從文件生成、運轉，到歸檔保存或銷(xiāo)毀的全生命周期。一體化流程根據電子文件運動(dòng)的特點(diǎn)，進(jìn)行科學(xué)合理規劃，將部分環(huán)節前置，部分環(huán)節后延，部分環(huán)節貫穿始終等，強調文件管理和檔案管理的無(wú)縫銜接，詳見(jiàn)圖2。
2.在流程中采集的思路。在一體化流程的基礎上，明確電子文件元數據實(shí)時(shí)采集的節點(diǎn)和每一節點(diǎn)需要采集的元數據項目。課題組將采集的關(guān)鍵節點(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，并在每個(gè)環(huán)節分別設置需要采集的元數據項目，包括可選項和必選項。技術(shù)實(shí)現上，使用流程設計器，在后臺事先設置每一環(huán)節需要采集的元數據，前臺每一環(huán)節結束后，該環(huán)節需要采集的元數據便能實(shí)現實(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)現元數據自動(dòng)采集的重要“對象”。
1.規范化智能公文模板和處理表單設計。課題組嚴格遵循上述條例及規定等，充分考慮元數據自動(dòng)采集的需求，設計了上行文、平行文、下行文三類(lèi)合規性智能公文模板，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。將采集元數據的項目對應到電子公文模板和表單上相應的欄目，如題名元數據，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)現自動(dòng)采集。因此，按照規范設計的電子公文模板、發(fā)文稿紙和收文處理單可以采集到題名、發(fā)文字號、文種、緊急程度、主送、抄送、密級、保密期限、附件題名、成文日期、收文日期、保管期限等項元數據。采用這種方法，標準中的內容描述元數據全部都能實(shí)現自動(dòng)采集。
(3)在系統設置中采集
部分元數據事先在系統設置時(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)人角色及管理權限、業(yè)務(wù)操作信息等元數據需要在系統設置中自動(dòng)生成。系統自動(dòng)可以生成電子屬性、業(yè)務(wù)實(shí)體元數據，具體包括機構人員、個(gè)人職位、行為時(shí)間，以及擴展元數據操作信息元數據，包括操作時(shí)間、操作次數、操作時(shí)長(cháng)。
(4)在內容信息中采集
在內容信息中采集，是指對電子文件的內容信息進(jìn)行深入的分詞分析，如人名、地名、機構名等，這是本項目預期實(shí)現的電子文件內容信息的智能分析。該采集方法主要采用了機器輔助人工抽取、權重分析技術(shù)和分詞技術(shù)等，其核心在于：基于主題詞表實(shí)現主題詞的自動(dòng)采集;中文智能分詞技術(shù);語(yǔ)料庫的詞語(yǔ)統計方法;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”不僅可以很好地實(shí)現在公文生成過(guò)程的元數據自動(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”可以完整、高效地承接“文件管理子系統”的所有前期成果，歸檔文件連同“發(fā)文稿紙”、“收文處理單”以及所有元數據的無(wú)縫銜接及歸檔。隨著(zhù)檔案保管、檢索、利用、統計、處置等業(yè)務(wù)活動(dòng)的開(kāi)展，基于元數據自動(dòng)采集成果的精細檢索、實(shí)時(shí)統計、價(jià)值判斷、智能分析更將顯示出實(shí)現元數據自動(dòng)采集的強大功效。
參考文獻：
[1]王健主編.文書(shū)學(xué)(第三版)[M].北京：中國人民大學(xué)出版社，2015.
[2]中華人民共和國國家質(zhì)量監督檢驗檢疫總局，中國國家標準化管理委員會(huì ).GB/T 29194-2012電子文件管理系統通用功能要求[S].2012.
[3]中共中央辦公廳、國務(wù)院辦公廳.黨政機關(guān)公文處理工作條例[S].2012.
[4]中華人民共和國國家質(zhì)量監督檢驗檢疫總局，中國國家標準化管理委員會(huì ).GB/T 9704―2012黨政機關(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：中國人民大學(xué)出版社，2012.
[6]中華人民共和國國家檔案局. DA/T46- 2009文書(shū)類(lèi)電子文件元數據方案[S].2009.
[7]姜偉，王健等.電子文件元數據智能分析與可視化呈現[J].北京檔案，2015(7)：24-26.
【電子文件元數據自動(dòng)采集的原則與實(shí)施路徑研究】相關(guān)文章：
元數據標準的擴展原則與方法03-18
基于Verilog HDL設計的自動(dòng)數據采集系統03-21
網(wǎng)絡(luò )信息資源的組織原則研究--對DC元數據的探討03-02
腦電物理頭模型數據采集系統的研究03-28
同步電機試驗自動(dòng)控制與數據采集系統的設計03-07
IIC總線(xiàn)數據采集及繪圖03-08
數據挖掘理論在數據采集中的運用03-16
從世界范圍研究文件與檔案的本質(zhì)區別 -從電子文件的網(wǎng)絡(luò )實(shí)時(shí)03-23