福建：运用人工智能技术搭建开放审核模型.pdfVIP

福建：运用人工智能技术搭建开放审核模型 文/ 黄建峰 颜梓森 张枫旻 戴敏 目前，传统的档案开放审核模式已愈 90万条、文件级目录数据810万条，原文数 题，目前已有不少模型在该问题上取得较 来愈不能适应国家综合档案馆海量馆藏 据6108万画幅。在推进档案数字化扫描的 好的效果。但相对于互联网上海量的训练 档案开放审核工作要求，无法有效满足社 同时，对数字化副本进行了基础的OCR识 数据，当前档案部门能够用于进行训练的 会公众日益增长的档案信息利用需求。因 别，为档案实现智能化管理奠定了坚实的 较好的“数据化”档案文本数量相对不足， 此，提升档案开放审核的效率和质量，推 资源基础。 因此，采用规模适度的模型更加适用，也 进档案开放利用工作转型是时代和社会发 档案开放审核工作需按照有关工作要 方便进行调整和优化。 展的必然要求。 求和规定，对海量的文本信息进行整理鉴 （1）OCR识别算法的选择 近年来，福建省档案馆基于馆藏档案 别，确定是否面向社会进行开放。福建省 OCR 识别是开放审核工作的“预处理” 数字化成果，重构档案开放审核流程，探 档案馆在吸收多年开放审核工作经验的基 环节，其输出文本直接关系到下一步开放审 索运用人工智能技术搭建开放审核模型， 础上，对馆藏档案进行深入调查摸底，收 核人工智能学习的效果。当前通用的 OCR 算 研发建设了“基于数字档案的人工智能档 集整理了近600个敏感词，并联动省公安 法中，基于CRNN＋CTC的文字识别算法既 案开放审核系统”。通过系统对档案开放 厅网安部门吸收了部分当前网络敏感、关 适用于规则文本，也适用于不规则文本，比 审核值进行智能推荐，并在工作实践中不 键字词，设计制定了开放审核档案关键词 较适合档案行业文本既有手写体，又有规范 断对模型进行训练优化，提升推荐的准确 表，建立了档案开放审核动态管理敏感词 印刷体的特点。它可以将 OCR 中的文本序列 率，有效提高了档案开放审核效率和档案 库，这为引入人工智能技术进行档案开放 进行识别和转换，以实现对数字档案的文 利用水平，为更好地服务党和国家工作大 审核奠定了规则基础。 本信息提取和识别。CRNN（Convolutional 局、服务人民群众提供了重要保障。 此外，随着现代信息技术的飞速发 Recurrent Neural Network）模型由CNN 展，特别是新一代人工智能技术的发展， 和RNN组成，CNN用于特征提取，RNN 基础条件 OCR识别、自然语言处理（NLP）等与人工 用于序列建模和输出。CTC（Connectionist 智能领域相关技术的应用，为新时代档 Temporal Classification）是一种损失函数， 《“十四五”全国档案事业发展规划》 案管理工作科学化、智能化提供了强有力 可以将 OCR 中的不定长文本序列映射到确 中对加快推进档案开放工作作出具体部 的技术支撑，也为构建“基于数字档案的 定长度的输出序列中。因此，基于CRNN＋ 署，并要求加强大数据、人工智能等新一 人工智能档案开放审核系统”提供了技 CTC的文字识别算法可在特征提取基础上 代信息技术在数字档案馆（室）建设中的 术保障。 处理不定长文本序列，同时还能够保持输出 应用。省档案馆高度重视档案信息化工 的准确性和完整性，这与档案行业的情况是 作，始终把现代化建设作为档案馆发展的 系统构建