智慧档案馆是智慧城市中的一个子系统,“是适应大数据背景下的第四代档案馆,是继数字档案馆之后档案信息化发展的形态”。笔者认为,智慧档案馆的目标是实现跨时空的档案信息资源共享、跨平台的服务集成,使用户可以一体式获取所需要的档案信息资源。
功能上主要体现在对传统档案管理环节的“智慧化”上,包括档案收集、整理、存储、保护、利用等方面,实现了沟通感知、资源管理、建筑设施和服务创新四个方面的智慧化。
智慧档案馆概况目前,档案数据化或是把档案由文字、声音转化为数据的途径至少有以下几种:一种,对原件上文字为铅排、打印的纸质档案以及原件上文字虽然手写但又十分工整的档案,用 OCR 识别技术进行转化,其准确率可在99%以上;第二种,对原件上文字为手写且 OCR 技术不易识别的档案,用特殊的手写字识别技术进行转化,其准确率目前较高可达95%左右;第三种,用人工录入电脑的办法转化;第四种,用人工朗读文字并通过音频技术把声音转换成文字,其准确率也可达95%左右。需要指出的是,目前这4种转化方式都需要人工进行校核,都不能准确。在转化过程中,文字能全部准确转化出来较好,如不能也不要紧。因为档案中并不是每个字都具有数据意义或检索价值的,有的虚词、连接词、形容词、装饰词、重复强调语等,即使这些字转化不出来或不准确,也并不会太大影响整份档案的实际应用。对全文数据来说,当然是越多越好,但也不是每个字都不能少,或少一个字就不行。举一个例子:“张国,他出生于一九四九年,也就是新中国成立的那一年。”这句话共24个字,但真正具有实际检索意义的,只有“张国,一九四九年出生”这10个字。只要把这10个关键的字转化出来了,这句话的基本意思或基本要素、主要信息、中心要义就有了,其他14个字,也就是一半以上的部分,能转化出来当然更好,即使不能转化出来也不太影响全句主要意思和基本信息的表达。因此,现有的各种数据转化技术都可以先进行应用,并在应用中不断提高其转化准确率,而不必等到某种技术完全成熟了再去用。
智慧档案馆应用哪些技术声音转化文字技术也就是通过人来读档案,机器再把人的声音转化成文字。只要读音准确,机器基本能“听声出字”,准确率也很高,它的速度是电脑手工输入的一倍以上。前不久,我在科大讯飞目睹了一场“嘴”和“手”的比赛:国内一些数字化公司的录入快手之间先进行比赛,结果“人嘴”胜了“人手”,声音转化文字的速度大大快于计算机手工录入文字的速度。
人脸识别技术
主要是根据人的面部特征,把照片、录像中的人物识别出是谁来。
智慧档案馆(室)建设,关键在于建立档案全文数据;建立档案全文数据,关键又在于把档案里电脑不能检索的文字、声音、图像,转化成可检索的数据。当有了以上这些途径的识别转化技术以后,档案数据化就不再是不可能的了,而是变成完全可能了。这些技术的应用和发展,也是我在今天提出建设智慧档案馆(室)的又一个主要原因。
智慧档案馆及时收集新形成的档案数据
目前,在各个档案形成单位,文字方面的档案都是电子档案,都可自动成为电脑任意处理的数据,但还有不少活动还完全没有记录,或者虽有录像、录音等记录,但没有转化为文字,没有成为电脑可处理的数据。这就造成了新数据的缺失。不久前,我在科大讯飞看到了他们的一些设备,很适合于帮助各个档案形成单位及时地收集今后所有新形成的档案数据。比如,过去领导外出视察、调研活动中的即席谈话,无人录音或录像,这些谈话的原始数据就随即消失了,只能靠后人零星的回忆。而现在科大讯飞的录音设备,让领导装在衣袋里或夹在衣服上,所有讲话都录下声音来,形成录音档案,同时又由设备转化成文字记录,形成电子档案。又比如,过去开会,大多数靠人工记录,每个人的讲话都记录不全,甚至记录不准。少数的有录音甚至录像,但录像、录音都没有及时整理成文字,仍然不能成为电脑可以处理的数据。而现在科大讯飞的设备可以把录像、录音中的讲话内容,全部都转化为文字,让它成为电脑可处理的数据。再比如,一些档案馆搞口述史记录,对相关人员进行录像、录音,但这些声音也没有及时转化成文字即电脑可处理的数据。他们也可借助科大讯飞的相关设备和技术,及时把这些声音全部转化为文字记录,转化为数据。这也可以叫“智慧建立档案”或“智慧收集档案”吧!它可以帮助人们把档案建立得更丰富,把数据搜集得更广泛。