档案全文数据库建设成果

档案全文数据库，是存储、组织管理数字化档案信息的数据库系统，既包括档号、题名、责任者、正文、形成时间、密级、保管期限、载体、数量、单位、编号等著录信息，也包括档案的内容信息。档案全文数据库所管理的对象，不仅包括经数字化处理的传统馆（室）藏档案，而且包括以数字化形式直接生成的电子文件（档案），如各类文本、表格、图形、图像、音频、视频、数据库、网页、程序等。应用环境不同，系统软件不一，生成的文件格式也会不同。因此，必须确定电子文件的元数据标准和存储格式，以规范档案全文数据的组织与管理。

（一）档案全文数据库构建的过程

全文数据库的构建一般包括以下几个过程。

1.数据的采集

数据的采集即对加载到全文数据库中的数据进行录入、采集、整理等处理。全文数据的获取方式有三种：一是图像扫描（或数码拍摄）录入。该方法形成的图像信息能保持文件的原貌，但占用存储空间大，不能直接进行全文检索和编辑。二是键盘录入。该方法形成的是文本信息，占用存储空间小，存取速度快，支持全文检索，但是输入工作量大，文本的格式和签署信息容易丢失。三是图像识别录入，即对扫描形成的图像进行OCR识别，形成文本信息。该方法虽然具有上述两种方法的优点，但是OCR识别带有一定的差错率，特别当档案原件字迹材料不佳、中英文混排或带有插图、表格时，差错率较大，而人工纠错成本较高。因此，数据采集要权衡利弊，有选择地使用。

2.数据预处理

将采集后形成的档案数字化成果转换成规范的格式，进行规范化命名，再进行统一标准的著录与标引。采用自动标引技术的系统，还可以从文本文件中直接提取关键词或主题词，辅助计算机检索。

3.数据检索

档案全文数据库建成后，可采用全文检索系统提供的功能对数据库进行检索。

4.数据维护(www.xing528.com)

全文数据库建成后，须经常对数据库的内容进行索引、更新、追加和清理，以保证数据库的实用性和时效性。

（二）档案全文数据库的功能

理想的档案全文数据库应具有以下基本功能。

第一，能够获取、存储和使用不同类型、不同格式的档案信息。

第二，能够按照确定的数据结构有效组织大量分布式的不同类型、不同格式的电子文件或扫描件，并为之建立有效的检索系统。

第三，能够快速、正确地实现跨库访问和检索。

第四，能够对全文信息的访问和使用进行许可、控制和监督等授权管理。

第五，能够在网上发布全文数据库数据。

第六，能够集成支持全文数据库管理的各种技术，如超大规模数据库技术、网络技术、多媒体信息处理技术、分布式处理技术、安全保密技术、可靠性技术、数据仓库与联机分析处理技术、基于内容的分类检索技术、信息抽取技术、自然语言理解技术等。