纸质档案数字副本光学字符识别OCR-国家档案局.DOCVIP

PAGE PAGE 13 ICS 01.140.20 A 14 备案号： 中华人民共和国档案行业标准 DA/T XX—2017 纸质档案数字副本光学字符识别（OCR）工作规范 Specification for optical character recognition(OCR) of digital copies of paper-based records （征求意见稿） 2017-XX-XX 发布 2017-XX-XX 实施 发 布 国 家 档 案 局 发 布 前 言 本标准按照GB/T 1.1—2009 给出的规则起草。 本标准的附录A是资料性附录，附录B是规范性附录。 本标准由国家档案局提出并归口。 本标准起草单位： 本标准主要起草人： 纸质档案数字副本光学字符识别（OCR）规范 1 范围 本标准规定了纸质档案数字副本光学字符识别（OCR）的工作组织、方案制定、实施过程、成果管理与应用、性能和指标、业务评价要求。 本标准适用于形成的、印刷字迹清晰、文本规范的纸质档案数字副本的光学字符识别（OCR）工作。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB 2312—1980 信息交换用汉字编码字符集 基本集 GB/T 9704—2012 党政机关公文格式 GB 18030—2005 信息技术 中文编码字符集 DA/T 13—1994 档号编制规则 DA/T 18—1999 档案著录规则 DA/T 22—2015 归档文件整理规则 DA/T 31 纸质档案数字化技术规范 3 术语和定义 3.1 字符 character 供组织、控制或表示数据用的元素集合中的一个元素。 [GB 18030-2005，4 术语和定义] 3.2 字符集 character set 多个字符的集合。字符集包含的字符个数不同，常见字符集名称有ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集等。 3.3 光学字符识别（OCR）Optical Character Recognition;OCR 通过信息技术对图像文件中的字符形状进行识别、文字转换和文本输出、呈现的过程。 3.4 纸质档案数字副本 digital copies of paper-based records 纸质档案经过数字化加工过程后形成的，存储在磁带、磁盘、光盘等载体上并能被计算机等电子设备识别的数字图像。 3.5 档案OCR成果 OCR achievements of records 记录通过OCR技术获取的纸质档案数字副本文字内容的文件。 3.6 识别准确率 recognition accuracy 通过OCR技术识别正确字符的比率。 识别准确率=（识别正确字符数/应识别字符总数）×100% 3.7 识别速度 recognition speed 单位时间内通过OCR技术识别字符的数量。 4 总则 4.1 档案OCR应当纳入数字档案馆（室）资源建设范畴，统筹规划，有序实施，逐步实现常态化。 4.2 档案OCR应当科学开展，以有利于实现档案信息检索、计算机辅助编目、编研开发和数据挖掘为原则。 4.3 档案OCR应当基于档案数字化工作，档案OCR成果与纸质档案数字副本之间应建立准确、可靠的关联关系。 4.4 应当釆取有效的管理和技术手段，加强档案OCR的过程管理和质量控制，确保档案OCR过程规范、成果可靠、数据安全。 4.5涉密纸质档案数字副本的OCR工作，应符合涉密档案相关的管理和技术要求。 5 工作组织 5.1 机构及人员 5.1.1 应建立或依托档案数字化工作机构，配备相应素质和技术水平的工作人员，组织开展档案OCR工作的统筹规划、组织实施、协调管理、技术保障、安全保障、监督检查、成果验收和长期保存等。 5.1.2 档案OCR工作实行服务外包的，应建立权责明确、覆盖工作全过程的监督机制和安全防范机制，确保档案信息安全。对外聘的工作人员，应进行安全审查。 5.2 基础设施 5.2.1 应配备或依托档案数字化工作场地、机房等，合理规划、配备和管理设施设备，确保设施设备能够满足档案OCR的实际需要。