CN112633042A

CN112633042A - 一种数字化档案管理系统及方法

Info

Publication number: CN112633042A
Application number: CN201910952433.XA
Authority: CN
Inventors: 王其群
Original assignee: Suzhou Jiaku Archives Information Technology Co ltd
Current assignee: Suzhou Jiaku Archives Information Technology Co ltd
Priority date: 2019-10-09
Filing date: 2019-10-09
Publication date: 2021-04-09

Abstract

本发明公开了一种数字化档案管理系统及方法，系统包括：扫描装置、文本读取装置、数据上传装置、数据存储装置和数据修正装置；扫描装置与文本读取装置信号连接，用于将扫描到的档案文本发送至文本读取装置；文本读取装置信号连接于数据上传装置，用于读取扫描到的文字内容，将读取到的文字内容转换为数字内容，将转换后的数字内容发送到数据上传装置；数据上传装置信号连接于数据存储装置，用于将数字内容上传到数据存储装置中；数据存储装置信号连接于数据修正装置，用于存储上传的档案的数字内容；数据修正装置用于检测档案的数字内容中的错误内容，并针对该错误内容进行修正。具有自动化程度高、具有档案文本修正功能和管理效率高的优点。

Description

一种数字化档案管理系统及方法

技术领域

本发明涉及档案管理技术领域，特别是涉及一种数字化档案管理系统及方法。

背景技术

档案数字化是随着计算机技术、扫描技术、扫描矩阵CCD技术、OCR技术、数字摄影技术(录音、录像)、数据库技术、多媒体技术、存储技术的发展而产生的一种新型档案信息形态，它把各种载体的档案资源转化为数字化的档案信息，以数字化的形式存储，网络化的形式互相连接，利用计算机系统进行管理，形成一个有序结构的档案信息库，及时提供利用，实现资源共享。

档案数字化是数字档案建设最基础的工作，传统载体的档案经高科技技术加工成数字档案形式，通过局域网、政务网、互联网进行计算机检索、阅读电子档案，为迎接档案信息服务新环境的挑战，提高管理水平、提高效率，增强档案业务部门的服务水平，为档案内部管理及面向客户服务提供高效率的全面服务。

档案工作的数字化建设是顺应潮流、适应时代发展的新举措、新要求。档案作为一种原生信息资源，其重要性正日益凸显出来，逐步掌握信息技术为档案工作服务，为社会主义经济建设服务，为社会主义精神文明建设服务。

但现有的数字化档案管理，往往因为档案文本在扫描过程中识别准确率不高，导致最终扫描后的档案存在部分信息缺失和遗漏的情况出现，同时，由于扫描后的档案大都也是图片形式，不方便针对档案进行二次编辑修改，另外，由于图片的档案文件往往占用存储空间大，导致存储效率降低。

发明内容

鉴于此，本发明的目的是提供一种数字化档案管理系统及方法，具有自动化程度高、具有档案文本修正功能和管理效率高的优点。

为了实现上述目的，本发明采用如下技术方案：

一种数字化档案管理系统，所述系统包括：扫描装置、文本读取装置、数据上传装置、数据存储装置和数据修正装置；所述扫描装置与文本读取装置信号连接，用于扫描档案文本，将扫描到的档案文本发送至文本读取装置；所述文本读取装置，信号连接于数据上传装置，用于读取扫描到的档案文本中的文字内容，将读取到的文字内容转换为数字内容，将转换后的数字内容发送到数据上传装置；所述数据上传装置信号连接于数据存储装置，用于将数字内容上传到数据存储装置中；所述数据存储装置信号连接于数据修正装置，用于存储上传的档案的数字内容；所述数据修正装置，用于检测档案的数字内容中的错误内容，并针对该错误内容进行修正。

进一步的，所述扫描装置包括：扫描镜、致动器和电源；所述电源分别与扫描镜和致动器连接，为扫描镜和致动器供电；所述扫描镜，用于扫描纸质档案的文本；所述致动器，用于移动所述纸质档案，以确保整个档案能被扫描镜完整扫描。

进一步的，所述数据修正装置包括：文本获取模块，用于获取待修正的档案的数字内容；正确词获取模块，用于获取正确描述，所述正确描述用于替换所述档案的数字内容中与所述正确描述对应的错误内容；替换模块，用于根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容。

进一步的，根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容，包括：对所述档案的数字内容进行分词，以将所述档案的数字内容切分为多个分词词语；将所述正确描述与每个分词词语组成词对；提取每个词对中正确描述与分词词语的相似度，所述相似度包括字形相似度、语义相似度及声学相似度；根据每个词对的相似度及预设的判定模型，获取每个词对为目标词对的概率，所述目标词对为词对中的分词词语是与所述正确描述对应的错误内容的词对；根据各词对的所述概率及预设算法，确定目标词对；使用所述正确描述在所述档案的数字内容中替换所述目标词对中的分词词语。

进一步的，对所述档案的数字内容进行分词之后，将所述正确描述与每个分词词语组成词对之前，所述方法还包括：将分词后得到的相邻的两个单字组合成一个分词词语。

进一步的，提取每个词对中正确描述与分词词语的字形相似度，包括：如果当前词对中的正确描述与分词词语的字数相同，则将正确描述与分词词语的每个单字均转换为四角编码，将正确描述与分词词语中各个相应单字的四角编码相同编码数与四角编码总编码数的比值的平均值作为字形相似度；如果当前词对中的正确描述与分词词语的字数不相同，则将使用动态规划算法获得的正确描述与分词词语的最小编辑距离作为字形相似度。

一种数字化档案管理方法，所述方法执行以下步骤：

步骤1：扫描档案文本，将扫描到的档案文本进行发送；

步骤2：读取扫描到的档案文本中的文字内容，将读取到的文字内容转换为数字内容，将转换后的数字内容进行上传；

步骤3：将数字内容上传后进行存储；

步骤4：存储上传的档案的数字内容；检测档案的数字内容中的错误内容，并针对该错误内容进行修正。

进一步的，所述检测档案的数字内容中的错误内容，并针对该错误内容进行修正的方法包括：获取待修正的档案的数字内容；获取正确描述，所述正确描述用于替换所述档案的数字内容中与所述正确描述对应的错误内容；根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容；其中，提取每个词对中正确描述与分词词语的语义相似度，包括：对当前词对中的正确描述与分词词语分别进行向量化以得到词向量；将正确描述与分词词语的词向量之间的距离作为语义相似度。

进一步的，提取每个词对中正确描述与分词词语的声学相似度，包括：确定当前词对中的正确描述与分词词语在拼音字符转换距离表中的最小编辑距离路径；根据所述最小编辑距离路径上各个拼音字符的拼音字符转换距离获取正确描述与分词词语的拼音字符转换距离；根据所述正确描述与分词词语的拼音字符转换距离获取正确描述与分词词语的声学距离并将所述声学距离作为声学相似度。

与现有技术相比，本发明实现的有益效果：本发明通过对档案文本进行扫描实现档案管理的数字化，同时对扫描后的档案文本进行文本识别，将图片中的文字直接转换为数字内容，便于编辑和管理，另外，针对识别出的错误文本，自动进行纠正，提升了档案管理的智能化程度。

附图说明

以下结合附图和具体实施方式来进一步详细说明本发明：

图1为本发明实施例公开的数字化档案管理系统的系统结构示意图。

图2为本发明实施例公开的数字化档案管理方法的方法流程示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

请参阅图1和图2。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1

具体的，数字化档案管理系统是对传统档案管理工作的一次创新，能够实现对档案和档案材料收集、鉴别、整理、保管、转递、统计、查阅等日常工作的数字化管理，并可通过组织系统专网实现档案的网上浏览和远程查借阅功能。按照档案业务工作流程，经过系统管理员的授权，单位内部领导和有关科室可以在各自办公室查阅档案，外来查档单位可以在阅档室通过电脑查阅电子档案，也可以通过网络实现远程阅档。系统全面运行后，可以大大提高工作效率，提升工作服务的水平和质量，实现档案由管理向信息研究与利用的质的转变。

实施例2

实施例3

具体的，档案管理系统企业版支持集中式、分布式部署和存储，集中或分级管理模式。对于网络条件比较好的集团企业，推荐使用集中式部署模式，即采用总部集中建设模式，基于企业内部网络，将档案信息资源集中存放在总部，如下图所示。通过网络实现下属分支机构之间、总部与各下属分机构之间的档案信息共享、汇总、移交和传递。通过通用的WEB查询平台和统一的权限管理，在任何分支机构都可以进行跨部门、跨单位、跨地域的档案检索、浏览和下载利用，形成总部和下属分支机构之间的虚拟档案信息中心。

实施例4

具体的，传统上人们都是通过打字的方式输入文本，随着技术的发展，又出现了很多新的文本输入(或者说是文本生成)的方式，例如通过语音识别技术将语音转换为文本，通过OCR技术将图片中的文字转换成文本，等等。然而无论传统的打字输入方式还是新的文本输入方式，都面临一个问题，即各种新词(如网络词汇)的不断涌现，给输入系统或识别系统原有的词典库造成了不小的冲击，因各种新词而产生的大量同音词、同义词、形近词等严重影响了输入正确率，导致所输入的文本经常会现一些错误词。例如，用户通过语音输入一个网络词语"酱紫"(意为"这样子")，在转换成文本时可能会被错误地识别成"绛紫"、"降紫"或"降子"等。

实施例5

实施例6

实施例7

一种数字化档案管理方法，所述方法执行以下步骤：

步骤1：扫描档案文本，将扫描到的档案文本进行发送；

步骤3：将数字内容上传后进行存储；

实施例8

实施例9

所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。

所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD～ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。

术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims

1.一种数字化档案管理系统，其特征在于，所述系统包括：扫描装置、文本读取装置、数据上传装置、数据存储装置和数据修正装置；所述扫描装置与文本读取装置信号连接，用于扫描档案文本，将扫描到的档案文本发送至文本读取装置；所述文本读取装置，信号连接于数据上传装置，用于读取扫描到的档案文本中的文字内容，将读取到的文字内容转换为数字内容，将转换后的数字内容发送到数据上传装置；所述数据上传装置信号连接于数据存储装置，用于将数字内容上传到数据存储装置中；所述数据存储装置信号连接于数据修正装置，用于存储上传的档案的数字内容；所述数据修正装置，用于检测档案的数字内容中的错误内容，并针对该错误内容进行修正。

2.如权利要求1所述的系统，其特征在于，所述扫描装置包括：扫描镜、致动器和电源；所述电源分别与扫描镜和致动器连接，为扫描镜和致动器供电；所述扫描镜，用于扫描纸质档案的文本；所述致动器，用于移动所述纸质档案，以确保整个档案能被扫描镜完整扫描。

3.如权利要求2所述的系统，其特征在于，所述数据修正装置包括：文本获取模块，用于获取待修正的档案的数字内容；正确词获取模块，用于获取正确描述，所述正确描述用于替换所述档案的数字内容中与所述正确描述对应的错误内容；替换模块，用于根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容。

4.如权利要求3所述的系统，其特征在于，根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容，包括：对所述档案的数字内容进行分词，以将所述档案的数字内容切分为多个分词词语；将所述正确描述与每个分词词语组成词对；提取每个词对中正确描述与分词词语的相似度，所述相似度包括字形相似度、语义相似度及声学相似度；根据每个词对的相似度及预设的判定模型，获取每个词对为目标词对的概率，所述目标词对为词对中的分词词语是与所述正确描述对应的错误内容的词对；根据各词对的所述概率及预设算法，确定目标词对；使用所述正确描述在所述档案的数字内容中替换所述目标词对中的分词词语。

5.如权利要求4所述的系统，其特征在于，对所述档案的数字内容进行分词之后，将所述正确描述与每个分词词语组成词对之前，所述方法还包括：将分词后得到的相邻的两个单字组合成一个分词词语。

6.如权利要求5所述的系统，其特征在于，提取每个词对中正确描述与分词词语的字形相似度，包括：如果当前词对中的正确描述与分词词语的字数相同，则将正确描述与分词词语的每个单字均转换为四角编码，将正确描述与分词词语中各个相应单字的四角编码相同编码数与四角编码总编码数的比值的平均值作为字形相似度；如果当前词对中的正确描述与分词词语的字数不相同，则将使用动态规划算法获得的正确描述与分词词语的最小编辑距离作为字形相似度。

7.一种基于权利要求1至6之一所述系统的数字化档案管理方法，其特征在于，所述方法执行以下步骤：

步骤1：扫描档案文本，将扫描到的档案文本进行发送；

步骤3：将数字内容上传后进行存储；

8.如权利要求7所述的方法，其特征在于，所述检测档案的数字内容中的错误内容，并针对该错误内容进行修正的方法包括：获取待修正的档案的数字内容；获取正确描述，所述正确描述用于替换所述档案的数字内容中与所述正确描述对应的错误内容；根据所述正确描述找到并替换所述档案的数字内容中的所述错误内容；其中，提取每个词对中正确描述与分词词语的语义相似度，包括：对当前词对中的正确描述与分词词语分别进行向量化以得到词向量；将正确描述与分词词语的词向量之间的距离作为语义相似度。

9.如权利要求8所述的方法，其特征在于，提取每个词对中正确描述与分词词语的声学相似度，包括：确定当前词对中的正确描述与分词词语在拼音字符转换距离表中的最小编辑距离路径；根据所述最小编辑距离路径上各个拼音字符的拼音字符转换距离获取正确描述与分词词语的拼音字符转换距离；根据所述正确描述与分词词语的拼音字符转换距离获取正确描述与分词词语的声学距离并将所述声学距离作为声学相似度。