大數(shù)據(jù)時(shí)代背景下的檔案利用服務(wù)分析

陳 巖

吉林省梨樹(shù)縣廉政教育培訓(xùn)中心

大數(shù)據(jù)時(shí)代背景下的檔案利用服務(wù)分析

陳 巖

吉林省梨樹(shù)縣廉政教育培訓(xùn)中心

大數(shù)據(jù)時(shí)代的到來(lái)為人們的工作與生活帶來(lái)了極大的影響，并且這一影響更多是來(lái)自于好的一面，我國(guó)很多行業(yè)在大數(shù)據(jù)時(shí)代的背景下都發(fā)生了重要的變革，其中檔案行業(yè)的變化就十分明顯。對(duì)于大數(shù)據(jù)的定義，目前并不具備一個(gè)明確的定義，但是其主要的特點(diǎn)是信息數(shù)量大，具有實(shí)時(shí)性，并且有著多樣化的發(fā)展特點(diǎn)，蘊(yùn)含著極大的社會(huì)價(jià)值，所以在檔案館的發(fā)展建設(shè)過(guò)程中，因?yàn)橛辛舜髷?shù)據(jù)這一重要的背景，相應(yīng)的利用服務(wù)產(chǎn)生了很大的變革，對(duì)于社會(huì)的發(fā)展具有積極的意義。

大數(shù)據(jù)背景；檔案利用服務(wù)；數(shù)據(jù)挖掘；文本挖掘

隨著大數(shù)據(jù)時(shí)代的到來(lái)，檔案館的信息利用以及服務(wù)工作產(chǎn)生了巨大的變化，現(xiàn)如今的檔案館檔案目錄正在采用集中化的管理方式，將其進(jìn)行統(tǒng)一的展現(xiàn)，并且提高了館藏的存儲(chǔ)量，并且電子文件的出現(xiàn)節(jié)省了很大一部分空間，采用數(shù)字檔案的方式讓檔案管理變得更加高效與快捷，此外，現(xiàn)如今的檔案館還采用了非結(jié)構(gòu)化的數(shù)據(jù)，諸如掃描圖像、演示文稿等方式，這樣人們?cè)诓殚啓n案資料的過(guò)程中變得更加方便了，同時(shí)也減輕了檔案管理工作者的工作負(fù)擔(dān)，是一種十分高效的檔案處理方式。

一、大數(shù)據(jù)時(shí)代下檔案利用服務(wù)的必然選擇

在大數(shù)據(jù)時(shí)代的發(fā)展背景下，采用數(shù)據(jù)挖掘的方式是檔案館利用服務(wù)的一個(gè)重要選擇，因?yàn)闄n案的數(shù)量會(huì)隨著時(shí)代的發(fā)展變得越來(lái)越大，形式也會(huì)變得更加豐富，所以在這種情況下，就會(huì)造成需要的材料無(wú)法在第一時(shí)間找到的問(wèn)題，所以令服務(wù)質(zhì)量下降，在大數(shù)據(jù)的環(huán)境下，可以建立起一個(gè)IT架構(gòu)，這樣就可以有效的提高性能，然后采用數(shù)據(jù)挖掘的方式能夠從大量的文本中找到所需要的檔案。在傳統(tǒng)的檔案管理過(guò)程中，主要包含了收集、管理以及保存和利用四個(gè)不同的方面，要想直接使用原始數(shù)據(jù)會(huì)存在一定的難度，此時(shí)就更加需要采用數(shù)據(jù)挖掘技術(shù)來(lái)找出所需要的數(shù)據(jù)，這樣對(duì)檔案服務(wù)質(zhì)量的提升具有重要的幫助。

在應(yīng)用數(shù)據(jù)挖掘技術(shù)的過(guò)程中，可以滿足不同用戶對(duì)檔案信息的需要，所以可以將這一技術(shù)得到進(jìn)一步的推廣，在實(shí)際應(yīng)用的過(guò)程中這一技術(shù)是具有顯著意義的，采用數(shù)據(jù)挖掘技術(shù)就是在大量的應(yīng)用數(shù)據(jù)中，將具有價(jià)值的數(shù)據(jù)尋找出來(lái)，其價(jià)值可以是真實(shí)存在的，也可以是潛在的，在這一過(guò)程中，包含了很多方面，例如結(jié)構(gòu)型的數(shù)據(jù)挖掘，或者是文本數(shù)據(jù)挖掘等，但是最常見(jiàn)的挖掘技術(shù)還是文本數(shù)據(jù)挖掘技術(shù)，這一技術(shù)也可以稱之為是文字探勘或者是文本的數(shù)據(jù)挖掘等，與文字分析是等同的，在對(duì)文字加以進(jìn)一步處理的基礎(chǔ)上，就能獲得具有高質(zhì)量的信息，在本文處理的過(guò)程中，可以產(chǎn)生結(jié)構(gòu)化的數(shù)據(jù)類型，從而得到最終的評(píng)價(jià)，并且能夠進(jìn)行解釋輸出?！案咂焚|(zhì)”的文本挖掘通常是指某種組合的相關(guān)性，新穎性和趣味性。文本數(shù)據(jù)挖掘的基礎(chǔ)領(lǐng)域，包括機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)、自然語(yǔ)言處理；在此基礎(chǔ)上是文本數(shù)據(jù)挖掘的基本技術(shù)，包括文本信息抽取、文本分類、文本聚類、文本數(shù)據(jù)壓縮、文本數(shù)據(jù)處理；文本挖掘有兩個(gè)主要應(yīng)用領(lǐng)域，信息訪問(wèn)和知識(shí)發(fā)現(xiàn)，信息訪問(wèn)包括信息檢索、信息瀏覽、信息過(guò)濾、信息報(bào)告，知識(shí)發(fā)現(xiàn)包括數(shù)據(jù)分析、數(shù)據(jù)預(yù)測(cè)。

總之，我們可以把對(duì)文本數(shù)據(jù)的分類、融合、壓縮、摘要、以及從文本中抽取發(fā)現(xiàn)知識(shí)與信息都看作是文本數(shù)據(jù)挖掘。通過(guò)這些技術(shù)使得我們?cè)谒阉鳈n案時(shí)從大數(shù)據(jù)范圍變成從小范圍，從而提高了效率和準(zhǔn)確度。如，文本信息抽取是從文本數(shù)據(jù)中抽取人們關(guān)注的特定的信息。文本數(shù)據(jù)可以以句、段落、篇章為單位；抽取信息既可以以字、詞、詞組、句、或段落為單位，也可以是以上基本單位的組合。抽取信息可以是關(guān)于個(gè)體的（比如，人、組織、時(shí)間、地點(diǎn)），也可以是關(guān)于事實(shí)、事件、或個(gè)體間關(guān)系的。抽取的信息還可以作為文本數(shù)據(jù)的特征，用于其它數(shù)據(jù)挖掘處理。

二、檔案資源數(shù)據(jù)挖掘及智能應(yīng)用

在大數(shù)據(jù)時(shí)代發(fā)展的過(guò)程中，檔案利用以及服務(wù)應(yīng)該滿足大數(shù)據(jù)時(shí)代的特點(diǎn)，為其帶來(lái)更加積極的影響，在新形勢(shì)的發(fā)展過(guò)程中，采用數(shù)據(jù)挖掘技術(shù)可以促進(jìn)檔案服務(wù)質(zhì)量水平的進(jìn)一步提高，其主要的應(yīng)用主要體現(xiàn)在以下幾點(diǎn)。首先是在音視頻內(nèi)容的基礎(chǔ)上展開(kāi)檢索，這種檢索的方式具有自動(dòng)識(shí)別關(guān)鍵幀的功能，可以將同一個(gè)視頻中不同的內(nèi)容進(jìn)行定位，這樣就可以進(jìn)一步的縮小人工量，讓視頻的處理能力得到進(jìn)一步的提高。其次是基于語(yǔ)義檢索。提供計(jì)算機(jī)可以理解人類語(yǔ)言后的一種搜索模式。還有就是檔案智能化輔助分類?？蓮臍v史分類中智能提取檔案分類，提高用戶整編效率，實(shí)現(xiàn)文獻(xiàn)的自動(dòng)分類；系統(tǒng)可自主根據(jù)已有檔案分類進(jìn)行學(xué)習(xí)，促進(jìn)以后輔助分類的準(zhǔn)確度；支持多維度的動(dòng)態(tài)分類；支持用戶自定義分類展示。

數(shù)據(jù)挖掘管理平臺(tái)架構(gòu)于文本智能數(shù)據(jù)處理層上，其核心是建立在獨(dú)特的信息論和概率論的基礎(chǔ)之上的模式識(shí)別技術(shù)以及音視頻識(shí)別技術(shù)，抽取概念和內(nèi)容挖掘后，為外圍提供多種的搜索應(yīng)用服務(wù)。因此，系統(tǒng)總體架構(gòu)也是按照實(shí)際內(nèi)容應(yīng)用的流程實(shí)現(xiàn)，即從數(shù)據(jù)的采集、智能處理、數(shù)據(jù)挖掘及智能搜索應(yīng)用平臺(tái)三個(gè)層次實(shí)現(xiàn)，通過(guò)多類型數(shù)據(jù)采集平臺(tái)進(jìn)行數(shù)據(jù)采集，在智能數(shù)據(jù)處理平臺(tái)上對(duì)這些非結(jié)構(gòu)化信息、多媒體信息和用戶信息進(jìn)行分析，最后在應(yīng)用平臺(tái)上提供數(shù)據(jù)挖掘結(jié)果的搜索平臺(tái)和多媒體自動(dòng)編研平臺(tái)。

三、結(jié)束語(yǔ)

大數(shù)據(jù)時(shí)代檔案數(shù)據(jù)的量大、形式多等特點(diǎn)帶來(lái)的無(wú)法找到、查詢性能急劇下降、甚至無(wú)法響應(yīng)等問(wèn)題，利用傳統(tǒng)的簡(jiǎn)單查詢服務(wù)模式已經(jīng)無(wú)法適應(yīng)大數(shù)據(jù)時(shí)代的要求。在此情況下，只有通過(guò)數(shù)據(jù)挖掘和文本挖掘，深層次發(fā)掘檔案之間的關(guān)聯(lián)，開(kāi)發(fā)檔案信息中蘊(yùn)藏的知識(shí)，通過(guò)智能化處理平臺(tái)主動(dòng)推送給用戶，才能不斷滿足用戶日益增長(zhǎng)的高層次、個(gè)性化的需求。

[1]張建．檔案數(shù)據(jù)庫(kù)“脹庫(kù)”問(wèn)題研究[J]．檔案學(xué)通訊,2012(5)．

[2]李航．機(jī)器學(xué)習(xí)及其應(yīng)用(文本數(shù)據(jù)挖掘)[M]．北京:清華大學(xué)出版社,2006．

[3]邵峰晶,于忠清．?dāng)?shù)據(jù)挖掘原理與算法[M]．北京:中國(guó)水利水電出版社,2003．