基于可信电子文件自动分类关键技术研究.docVIP

基于可信电子文件自动分类关键技术研究 　　摘 要：如今以虚拟联结为依托的信任对电子文件的可信性带来巨大的挑战。本文以InterPARES提出的“可信”理念为前提，在机器学习和自然语言处理等技术和方法论的支撑下，针对电子文件分类的特点，分析研究分类器、特征提取等关键技术，以期满足各个领域在电子文件捕获、存储、处置等阶段的需要，为探索电子文件自动分类带来指导意义。 　　关键词：电子文件;可信;InterPARES;自动分类 1 引言 　　信息技术的快速发展使得各个领域的数据文件急剧膨胀，给档案工作者带来了前所未有的挑战。文件的易改性、软件的升级、硬件的更新等都会对电子文件的真实性、可读性和长期保存造成威胁。在这种前提下InterPARES[1]提出“可信”概念，是对电子文件“四性”的进一步拓展。 　　传统的人工分类费时费力，而采用机器学习的方法对电子文件进行自动分类可以有效地查询到数据信息，也方便了数据存储。因此，在保证“可信”的前提下，本文通过结合机器学习、自然语言处理等相关算法，研究如何对电子文件的内容实现自动化分类管理。除传统的电子文件（文书文件等）之外，各种社交媒体和在线资源应用（微信和微博等）的内容，都将成为有效证据的电子文件，这也将成为信息的分类和提取中一个新兴的探索领域。 2 InterPARES 项目概述 　　“电子系统中文件真实性永久保障国际合作项目”（