WEB-ресурс научно-практических конференций

К.т.н. Кроль Т.Я., Харин М.А.

Ивановский центр информационных технологий – филиал

ОАО « Электроцентромонтаж »,   Российская Федерация

РАСШИРЕНИЕ МОДЕЛИ ДОКУМЕНТА ЭЛЕКТРОННОГО АРХИВА С ЦЕЛЬЮ ИЗВЛЕЧЕНИЯ И ИСПОЛЬЗОВАНИЯ НАКОПЛЕННЫХ ЗНАНИЙ

Электронные архивы, позволяющие надежно хранить и получать доступ к большому количеству документов, играют большую роль в работе предприятий, особенно с распределенной структурой. При добавлении документов в архив они проходят через следующие этапы: сканирование, распознавание, верификация и загрузка в архив. Более подробно эта схема описана в статье [1]. Для ускорения верификации были разработаны методы создания справочника [2] и методы использования последовательностей документов [3]. Их суть заключается в извлечении и использовании знаний, уже накопленных в архиве, при верификации вновь поступающих документов. При использовании справочника получаем более быстрое определение и единообразное наименование справочных данных: организации, продукция, контрагенты. При использовании последовательностей – поиск значений атрибутов, остающихся постоянными в некоторой цепочке документов, например, счет – накладная – приходный складской ордер.

В данной статье рассмотрим подробнее следующее:

·    модель представления документа, используемую в распространенных системах электронного архива;

·    модели, позволяющие реализовать методы повышения скорости и точности верификации, описанные в статьях [2] и [3].

Авторами данной статьи проанализированы такие системы хранения электронных копий документов, как «Электронный архив ЭЛАР», система электронного архива « E - Arch », программный комплекс «СПДС-АРХИВ» и другие. В большинстве из рассмотренных систем применяются модели представления документа, хранящие не только электронный образ документа, но и некий набор данных (атрибуты), позволяющий производить идентификацию и поиск конкретных документов. В общем случае модель должна удовлетворять следующим условиям:

1.      В архиве требуется хранить документы разных типов (конструкторские, финансовые, корреспонденция и др.), каждый из которых имеет свой собственный набор атрибутов.

2.      Набор типов может иметь иерархическую структуру.

3.      Предприятие, где внедряется система, может иметь филиальную структуру, либо несколько основных подразделений.

4.      Необходимо обеспечить возможность создания версий документа, в том числе автоматического. Если в двух документах совпадают значения определенных атрибутов, значит, это две версии одного и того же документа.

5.      Необходима возможность наращивания количества атрибутов и задания признака их обязательности.

Исходя из данных условий, предлагается следующий вариант модели.

В качестве примера документа рассмотрим письмо с просьбой представить список специалистов, которые будут направлены на обучение (рис. 1). Документ находится в демонстрационной версии архива [6] и доступен для просмотра.

Рисунок 1 . Пример документа

Документ ( doc ) представляет собой набор следующих элементов:

·    имя документа ( doc _ name ). В примере «Обучение ИТ-специалистов»;

·    регистрационная дата документа ( reg _ date ). В примере 18.11.2009;

·    регистрационный номер документа ( reg _ number ). В примере «238»;

·    тип документа ( doc _ type ). В примере «Исходящие письма, служебные записки»;

·    филиал или подразделение, в котором он был создан ( owner _ filial ). В примере «Ивановский центр информационных технологий». Отметим, что если предприятие не имеет сложной структуры, это значение всегда можно оставить постоянным;

·    набор дополнительных атрибутов документа ( doc _ attributes ). В примере три атрибута: «Отправитель», «Получатель», «Тема»;

·    признак активности документа ( active _ doc ). В примере документ активен.

Таким образом , doc = { doc_name , reg_date , reg_number , doc_type , owner_filial , doc_attributes , active_doc }. Здесь элемент doc _ type – это некоторый элемент общего множества типов , doc _ attributes – множество атрибутов документа типа doc _ attribute . Рассмотрим их подробнее. Каждый тип документа doc _ type представляет собой следующий набор:

·    наименование типа ( type _ name ). В примере «Исходящие письма, служебные записки»;

·    информацию о родительском типе, для поддержки вложенных типов ( parent _ type ). В примере «Корреспонденция»;

·    набор атрибутов типа ( type_attributes ).

То есть , doc_type = { type_name , parent_type , type_attributes }. Здесь type _ attributes – это множество атрибутов типа ( type _ attribute ), каждый из которых представляет набор:

·    имя атрибута ( attribute _ name ). В примере «Отправитель», «Получатель», «Тема»;

·    тип атрибута ( attribute _ type ). В примере все три атрибута имеют строковый тип;

·    номер по порядку ( field _ order ). Это поле используется, когда необходимо расположить атрибуты в некотором порядке, отличном от алфавитного . В примере 1, 2, 3 соответственно;

·    порядок атрибута при сортировке ( field _ sort _ order ). В примере у всех трех атрибутов 0, порядок при сортировке не определен;

·    тип сортировки (восходящая или нисходящая) по атрибуту ( field _ sort _ type ). В примере у всех атрибутов восходящая сортировка;

·    признак того, задает ли данный атрибут уникальность документа ( uniqueness _ check ). В примере уникальность задает атрибут «Получатель». Также во всех документах уникальность задают основные атрибуты «Дата», «Номер», «Наименование»;

·    обязательность заполнения атрибута ( required ). В примере обязательны для заполнения атрибуты «Отправитель» и «Получатель». Отметим, что если атрибут задает уникальность документа, то он должен быть обязательным для заполнения. Соответственно, атрибуты «Дата», «Номер» и «Наименование» тоже всегда заполняются.

Соответственно , type_attribute = { attribute_name , attribute_type , field_order , field_sort_order , field_sort_type , uniqueness_check , required}. Все атрибуты типа объединяются в множество .

Если атрибуты типа задают некоторые шаблоны документов, то атрибуты документа представляют собой конкретные значения для конкретных документов. При создании документа набор его атрибутов создается на основе атрибутов типа. Атрибут документа ( doc _ attribute ) представляет собой следующий набор:

·    атрибут типа ( type _ attribute ). В примере «Отправитель», «Получатель», «Тема»;

·    значение атрибута ( value ). В примере значения «Ивановский центр информационных технологий – филиал ОАО ‘Электроцентромонтаж’», «ОАО ЭЦМ» и «Информация о персонале» соответственно;

·    признак активности атрибута ( active _ attribute ). В примере все атрибуты активны.

В разных системах загрузка документов происходит по-разному. Например, человек полностью самостоятельно заполняет карточку документа и прикрепляет к ней файл с картинкой. В системе «ДокПрофи™» сканированные документы распознаются и верифицируются с использованием продукта ABBYY Flexi Capture (рис. 2).

Рисунок 2 . Верификация в системе Flexi Capture

Для быстрого и точного поиска документов атрибуты должны заполняться точно и максимально однообразно. Однако , так как верификацией занимается человек, ошибки, особенно при долгой работе, так или иначе появляются. Для оптимизации процесса и уменьшения количества ошибок были разработаны специальные методы создания справочника [2] и использования последовательностей [3].