關鍵字：技術方式檔案圖像利用信息數據文本目錄漢字識別

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

應用計算機以來，漢字錄入只有一種方式，即健盤錄入。雖然目前漢字鍵盤錄入的方法有許多種，而且日趨簡便快捷，已是年輕人必備的職業(yè)技能，但是它畢竟屬于一種技能，不僅需要反應靈敏，手指靈活，而且要熟記錄入的原則、方法和要領。這對于在檔案部門占有相當比例的中老年同志來說，掌握起來確有難度。因此，鍵盤錄入方式仍然是影響一些檔案部門建立檔案目錄信息數據庫的因素之一。OCR軟件為我們提供了一條新的途徑。它通過“拖拉”的方式，將屏幕上文件的目錄項如標題、文號、責任者等直接移植到檔案目錄數據庫的相應字段中去，簡單易學，一看就會。遺憾的是手工“拖拉”速度較慢，而且需要即時掃描或調用圖像數據，所以單一利用這種方式錄入檔案目錄，速度不及熟練錄入員的鍵入速度。但它畢竟是一種新的錄入方式，為建立檔案目錄信息數據庫提供了一條前所未有的途徑。而且，如果利用OCR軟件同時建立新型的綜合檔案信息數據庫，例如包括檔案的文件目錄、圖像和文本等，效果就此較理想了。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

應用計算機以來，漢字錄入只有一種方式，即健盤錄入。雖然目前漢字鍵盤錄入的方法有許多種，而且日趨簡便快捷，已是年輕人必備的職業(yè)技能，但是它畢竟屬于一種技能，不僅需要反應靈敏，手指靈活，而且要熟記錄入的原則、方法和要領。這對于在檔案部門占有相當比例的中老年同志來說，掌握起來確有難度。因此，鍵盤錄入方式仍然是影響一些檔案部門建立檔案目錄信息數據庫的因素之一。OCR軟件為我們提供了一條新的途徑。它通過“拖拉”的方式，將屏幕上文件的目錄項如標題、文號、責任者等直接移植到檔案目錄數據庫的相應字段中去，簡單易學，一看就會。遺憾的是手工“拖拉”速度較慢，而且需要即時掃描或調用圖像數據，所以單一利用這種方式錄入檔案目錄，速度不及熟練錄入員的鍵入速度。但它畢竟是一種新的錄入方式，為建立檔案目錄信息數據庫提供了一條前所未有的途徑。而且，如果利用OCR軟件同時建立新型的綜合檔案信息數據庫，例如包括檔案的文件目錄、圖像和文本等，效果就此較理想了。

1主要研究

1.1字形屬性對漢字識別的影響

受西方已有研究理論的影響，長期以來關于漢字識別的加工單元也有兩種觀點：一是認為識別漢字要先對筆畫、部件等漢字的字形特征進行分析，然后將分析的結果整合從而識別整字。那么，在漢字識別過程中就會存在筆畫數效應、部件數效應等。二是認為識別漢字直接以整字為單元，強調字形知覺的整體性。到80年代末90年代初，已有許多研究表明在漢字的視覺識別過程中，要經過特征分析[1]。近10年以來，漢字識別的特征分析觀點得到了更多的研究結果的驗證：首先是采用不同的方法證實了筆畫數效應的存在。如喻柏林等[2]采用命名識別法，發(fā)現在2至15畫的范圍內，漢字的命名反應時隨筆畫數的增加呈臺階狀上升趨勢；張武田等[3]發(fā)現在高頻字當中存在筆畫數效應；彭聃齡等[4]采用命名作業(yè)和真假字判斷作業(yè)也發(fā)現有顯著的筆畫數效應。其次是發(fā)現部件因素對漢字識別的影響。有研究發(fā)現了啟動部件對合體漢字識別的影響[5]，提示漢字的部件作為單個結構反復認讀，有可能成為漢字識別的加工單元之一，而且比筆畫更符合簡約的原則。張武田等[3]、彭聃齡等[4]的研究結果進一步證實了部件數效應的存在。

不僅部件的數量影響漢字識別，研究證明部件頻率（即在合體漢字中出現的次數）也是影響漢字識別的因素之一，但其作用受到整字頻率和結構類型的影響[6]。黎紅等[7]的研究也發(fā)現，在速示條件下，部件頻率影響漢字識別的準確性，而且部件頻率對漢字識別的作用模式與刺激字及其組成部分的空間排列有關。

在漢字的構造部件之間還存在不同的組合以及組合頻率。采用整字識別和整合識別等實驗任務的研究表明，部件組合與部件有類似的頻率效應，而且部件組合頻率的作用也受到正字頻率和結構類型的影響[8]。第三是證實了結構方式效應的存在。喻柏林、馮玲等[9]和喻柏林、曹河圻[10]在不限時呈現整字條件下，分別令被試對雙部件和單部件做命名反應，結果一致發(fā)現存在結構方式效應，命名上下字的反應時要明顯長于左右字的部件。陳傳鋒、黃希庭[11]進一步研究發(fā)現了結構對稱性效應，識別結構對稱性漢字的加工明顯快于非對稱性漢字，而且這種結構對稱性效應在低頻字中起作用，而在高頻字當中不起顯著作用；在多筆畫字中起作用，在少筆畫字中不起顯著作用。

獨體字直接由筆畫構成，不存在部件這一結構層次，而且許多獨體字本身就是構成合體字的部件。那么在對獨體字進行認知加工時，是必須經過特征分析還是直接以整字為單元？肖崇好等人[12]將獨體字中除去點、鉤、提、短的橫豎撇捺以外的其它筆畫作為該漢字的框架筆畫，把每個獨體字的結構分為框架結構和非框架結構。研究結果發(fā)現，在速示條件下，獨體漢字的識別從識別筆畫開始，經提取框架結構后，才完成識別過程。與“框架結構”的觀點相類似，沈模衛(wèi)，朱祖祥[13,14]研究結果也表明，在含有十或口的獨體漢字中，十與口是該類漢字的突出視覺特征的理論。這些結果表明對獨體字的加工也經過特征分析。

編者按：統(tǒng)籌考慮檔案狀況、人員配備、經費能力、辦公自動化水平、檔案現代化建設發(fā)展規(guī)劃等方面的因素，本文通過漢字識別技術的應用價值、漢字識別后生成的文本數據的屬性問題以及漢字識別技術的應用方式三個方面來探討切實提高檔案信息資源開發(fā)利用能力。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值

漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

應用計算機以來，漢字錄入只有一種方式，即健盤錄入。雖然目前漢字鍵盤錄入的方法有許多種，而且日趨簡便快捷，已是年輕人必備的職業(yè)技能，但是它畢竟屬于一種技能，不僅需要反應靈敏，手指靈活，而且要熟記錄入的原則、方法和要領。這對于在檔案部門占有相當比例的中老年同志來說，掌握起來確有難度。因此，鍵盤錄入方式仍然是影響一些檔案部門建立檔案目錄信息數據庫的因素之一。OCR軟件為我們提供了一條新的途徑。它通過“拖拉”的方式，將屏幕上文件的目錄項如標題、文號、責任者等直接移植到檔案目錄數據庫的相應字段中去，簡單易學，一看就會。遺憾的是手工“拖拉”速度較慢，而且需要即時掃描或調用圖像數據，所以單一利用這種方式錄入檔案目錄，速度不及熟練錄入員的鍵入速度。但它畢竟是一種新的錄入方式，為建立檔案目錄信息數據庫提供了一條前所未有的途徑。而且，如果利用OCR軟件同時建立新型的綜合檔案信息數據庫，例如包括檔案的文件目錄、圖像和文本等，效果就此較理想了。

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

應用計算機以來，漢字錄入只有一種方式，即健盤錄入。雖然目前漢字鍵盤錄入的方法有許多種，而且日趨簡便快捷，已是年輕人必備的職業(yè)技能，但是它畢竟屬于一種技能，不僅需要反應靈敏，手指靈活，而且要熟記錄入的原則、方法和要領。這對于在檔案部門占有相當比例的中老年同志來說，掌握起來確有難度。因此，鍵盤錄入方式仍然是影響一些檔案部門建立檔案目錄信息數據庫的因素之一。OCR軟件為我們提供了一條新的途徑。它通過“拖拉”的方式，將屏幕上文件的目錄項如標題、文號、責任者等直接移植到檔案目錄數據庫的相應字段中去，簡單易學，一看就會。遺憾的是手工“拖拉”速度較慢，而且需要即時掃描或調用圖像數據，所以單一利用這種方式錄入檔案目錄，速度不及熟練錄入員的鍵入速度。但它畢竟是一種新的錄入方式，為建立檔案目錄信息數據庫提供了一條前所未有的途徑。而且，如果利用OCR軟件同時建立新型的綜合檔案信息數據庫，例如包括檔案的文件目錄、圖像和文本等，效果就此較理想了。

二、漢字識別后生成的文本數據的屬性問題。

原始性是檔案的基本屬性。漢字識別后生成的文本數據是根據檔案的本源信息，即固定在紙質載體上的漢字信息進行加工處理：掃描、識別、校對、修改等工序后形成的復制加工品，因此不具有檔案的原始性。

編者按：本文主要從漢字識別技術的應用價值；漢字識別后生成的文本數據的屬性問題；漢字識別技術的應用方式進行論述。其中，主要包括：把紙質檔案上的固定信息變成可以被檢索利用的活信息、精神文明和物質文明的建設都有著非常重要的利用價值、提供了一種新的檔案目錄數據的錄入方式、原始性是檔案的基本屬性、知識性是檔案的又一個屬性、漢字識別后生成的文本數據是一種不同于傳統(tǒng)檔案屬性的新型檔案信息、方便用戶，可減少信息利用過程中的重復勞動、輸入檔案目錄、掃描、保存圖像并提供利用、建立文本數據庫、輸入目錄并保存圖像、保存圖像、建立文本件數據等，具體請詳見。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值

漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

漢字識別技術(簡稱OCR)可以理解為是讓計算機認字的技術。它通過光電信號轉換，即文本數據。

一、漢字識別技術的應用價值漢字識別技術的應用價值主要體現在兩個方面：

一方面，把紙質檔案上的固定信息變成可以被檢索利用的活信息，為文本數據管理技術提供豐富的數據源。

首先，從庫存檔案的情況來看，近幾十年來形成的大量印刷漢字檔案記載了我們黨和國家的重要歷史，對我國現代化事業(yè)的發(fā)展，對精神文明和物質文明的建設都有著非常重要的利用價值。但這部分檔案的內容都沒有文本數據，或者說都只是固定在紙質載體上的死信息。既使通過掃描以圖像方式存儲于計算機中，檢索利用也有不便之處，難于滿足現代社會對檔案信息的多種利用需求。其次，從辦公自動化的發(fā)展情況來看，每年接收的檔案中仍然會有相當數量的檔案沒有文本文件，或為外單位來文，或為丟失損壞等。漢字識別技術的應用價值就是使這兩大部分紙質檔案上的固定信息變成可以被檢索利用的活信息，為全文檢索提供數據，使深層次的開發(fā)利用成為可能，更好地為現代化建設事業(yè)服務。

另一方面，提供了一種新的檔案目錄數據的錄入方式。

應用計算機以來，漢字錄入只有一種方式，即健盤錄入。雖然目前漢字鍵盤錄入的方法有許多種，而且日趨簡便快捷，已是年輕人必備的職業(yè)技能，但是它畢竟屬于一種技能，不僅需要反應靈敏，手指靈活，而且要熟記錄入的原則、方法和要領。這對于在檔案部門占有相當比例的中老年同志來說，掌握起來確有難度。因此，鍵盤錄入方式仍然是影響一些檔案部門建立檔案目錄信息數據庫的因素之一。OCR軟件為我們提供了一條新的途徑。它通過“拖拉”的方式，將屏幕上文件的目錄項如標題、文號、責任者等直接移植到檔案目錄數據庫的相應字段中去，簡單易學，一看就會。遺憾的是手工“拖拉”速度較慢，而且需要即時掃描或調用圖像數據，所以單一利用這種方式錄入檔案目錄，速度不及熟練錄入員的鍵入速度。但它畢竟是一種新的錄入方式，為建立檔案目錄信息數據庫提供了一條前所未有的途徑。而且，如果利用OCR軟件同時建立新型的綜合檔案信息數據庫，例如包括檔案的文件目錄、圖像和文本等，效果就此較理想了。

關鍵詞：人工智能應用計算機人類探索

摘要：人工智能是在計算機科學、控制論、信息論、心理學、語言學等多種學科相互滲透的基礎發(fā)展起來的一門新興邊緣學科，主要研究用用機器（主要是計算機）來模仿和實現人類的智能行為，經過幾十年的發(fā)展，人工智能應用在不少領域得到發(fā)展，在我們的日常生活和學習當中也有許多地方得到應用本文就符號計算、模式識別、專家系統(tǒng)、機器翻譯等方面的應用作簡單介紹，籍此使讀者對我們身邊的人工智能應用有一個感性的認識。

一、符號計算

計算機最主要的用途之一就是科學計算，科學計算可分為兩類：一類是純數值的計算，例如求函數的值，方程的數值解，比如天氣預報、油藏模擬、航天等領域;另一類是符號計算，又稱代數運算，這是一種智能化的計算，處理的是符號符號可以代表整數、有理數、實數和復數，也可以代表多項式，函數，集合等長期以來，人們一直盼望有一個可以進行符號計算的計算機軟件系統(tǒng)早在50年代末，人們就開始對此研究進入80年代后，隨著計算機的普及和人工智能的發(fā)展，相繼出現了多種功能齊全的計算機代數系統(tǒng)軟件，其中Mathematica和Maple是它們的代表，由于它們都是用C語言寫成的，所以可以在絕大多數計算機上使用Mathematica是第一個將符號運算，數值計算和圖形顯示很好地結合在一起的數學軟件，用戶能夠方便地用它進行多種形式的數學處理。

計算機代數系統(tǒng)的優(yōu)越性主要在于它能夠進行大規(guī)模的代數運算通常我們用筆和紙進行代數運算只能處理符號較少的算式，當算式的符號上升到百位數后，手工計算就很困難了，這時用計算機代數系統(tǒng)進行運算就可以做到準確，快捷，有效現在符號計算軟件有一些共同的特點就是在可以進行符號運算、數值計算和圖形顯示等同時，還具有高效的可編程功能在操作界面上一般都支持交互式處理，人們通過鍵盤輸入命令，計算機處理后即顯示結果并且人機界面友好，命令輸入方便靈活，很容易尋求幫助。

盡管計算機代數系統(tǒng)在代替人繁瑣的符號運算上有著無比的優(yōu)越性，但是，計算機畢竟是機器，它只能執(zhí)行人們給它的指令，有一定的局限性首先，多數計算機代數系統(tǒng)對計算機硬件有較高的要求，在進行符號運算時，通常需要很大的內存和較長的計算時間，而精確的代數運算以時間和空間為代價的第二個問題是用計算機代數系統(tǒng)進行數值計算，雖然計算精度可以到任意位，但由于計算機代數系統(tǒng)是用軟件本身浮點運算代替硬件算術運算，所以在速度要比用Fortran語言算同樣的問題慢百倍甚至千倍另外，雖然計算機代數系統(tǒng)包含大量的數學知識，但這僅僅是數學中的一小部分，目前仍有許多數學領域未能被計算機代數系統(tǒng)涉及計算機代數系統(tǒng)仍在不斷地發(fā)展、完善之中。