“语义赋能档案治理，联着智能划控系统落地”

本篇文章1773字，读完约4分钟

文件智能语义检索服务系统是与实业布局语义力文件管理产品体系相结合的第一步。 作为后续动作，智能行程控制、智能录音、智能辅助编辑将加速落地，各方将满足领域数字增长的需要。

针对新《档案法》实施后，馆藏档案封闭期缩短、有待鉴定的数量增加、人手不足的问题，国内现有档案馆开始运用关键字过滤、神经网络技术进行开放鉴定。 那么，智能语义行程控制和前两个辅助行程控制手段有什么质的不同呢？

要弄清楚这个问题，先做一个真正的问题。

众所周知，涉及公民隐私的文件被纳入了控制的范畴。 体操中怎么定义隐私？ 人力管理的话，经验丰富的开放型鉴定工作人员可以总结出这样的红线。 例如，如果踩到居住地出生年月日的出生地红线，则被判断为隐私文件的嫌疑较高。

那么，在关键字过滤中如何工作呢？

首先，组织人员需要制作敏感词典，将居住地、出生年月日、职位、籍贯等词语本身作为敏感词逐一输入库中，扫描鉴定对象文件，最后由鉴定人员手动研究含有敏感词的文件。 如果包含敏感词的文件中存在隐私新闻，您可以通过手动检查来顺利发现要持续管理的文件。 例如:

名字:张三

出生日期: 1995年1月1日

职务:中级

居住地:北京市海淀区西四环北路137号

籍贯:江苏南京

我觉得足够了，也省了人手。 但是，这只是说，开放鉴定业的实际听起来并不那么理想化。

现在，我们把这个问题搬到现实中，还存在着大量的另一种情况。 也就是说，文件中含有敏感词，但本身并不涉及个人隐私。 例如，某局印刷了“各部门关于统计当前员工职务状况”的通知。 许多这样的文件在关键字过滤的过程中经过筛选，对于本来有限的研讨会人才、价值成本来说非常浪费。

更致命的是，真正击中隐私红线的多条敏感新闻往往不包括居住地的出生年月日、角色、出生地等关键词本身。 例如，出生于中级张三95年元旦，现住海淀西四环北路137号租房，在老家南京。 这个文案虽然是涉及到了上述所有红线的隐私新闻，但是文字中没有提到居住地、出生年月日、角色、出生地等词语，所以通过关键字过滤并不能轻易辨别。

但是，如果通过语义分析技术在机器上安装眼睛和大脑双重bug进行保持，系统就可以不太依赖不可靠的关键字，像人类一样发现含有隐私新闻的文件。

谈语义分解同人工智能行业的神经网络技术。 乍一看可能会觉得不可思议，但简单来说，神经网络支持项目的流程大致如下。 假设档案馆与档案服务公司合作使用神经网络技术进行开放鉴定，首先要将庞大、人工鉴定的文件提供给公司进行培训，通过机器的深度学习建立开放文件，并继续管理

神经网络控制依赖于大规模的人工写作训练数据集，一方面对计算能力要求极高，档案馆硬件资源投入较大，另一方面，大量的文件原件由合作者亲手进行迭代训练、标记、算法优化，

更重要的是，神经网络开放鉴定的事前训练成果的可移植性极低。 其理由不言而喻，各地的得分标准不同。 拿着使用a馆数据进行深度学习后建立的评分评价模型去b馆进行开放考核，就像给b穿上为a量身定做的衣服一样。 正好适合b的概率有多大呢？ 退一步说，即使是同一个a馆，今天也可能按照现在的标准确立了模式，但明天的标准有一点变化，就有必要推倒重来。 这对标准不断变化的开放式鉴定工作来说，无论是价值成本还是资金投入都是极不经济的。 更何况，还有被鉴定的档案库存在数万件以下的中小档案馆，甚至神经网络建模的初始价格样本量都有可能不足。

因此，当神经互联网人工智能行业中的感知智能遇到瓶颈时，处于更前沿的识别智能水平的语义工程技术将大显身手。

基于语义工程技术的语义行程控制系统具有不需要大样本训练，易于配置的特点。 属性平易近人，但功能是黑科技。 语义控制以忠实的中文文案为基础，实现文件原文的语义分析，从中识别控制鉴定条件，然后进行控制鉴定评价，员工可以参考扫描结果，得出语义控制评价结果 采用现有的语义筛选系统后，实测数据显示，保守估计可节约人力的60%以上。

不仅如此，在系统具有共同语义基础的基础上，各档案馆还根据本馆鉴定对象档案的优势，紧贴时代诉求和政策取向，随时变更划控条件，并且很快生效，迅速、优质、集约化划控工作

放眼未来，联实业将继续利用语义工程技术，接触多领域行业，进行语义文案审核，优化数字化多业务场景下的覆盖度产品结构，推动技术发现内在业务升级，实现客户更大的价值。