8 檔案 OCR質量要求

8.1 識別準確率

8.1.1 檔案 OCR對檔案中文、數字、英文印刷體的識別準確率在95%以上。

8.1.2 檔案 OCR對常用簽名識別準確率達到90%以上,手寫體識別準確率達到80%以上。

8.2 強抗噪能力

8.2.1 檔案 OCR應當具備對噪點的強抵抗能力,識別過程中能夠有效屏蔽較大程度的噪點干擾。

8.2.2 檔案 OCR 應能準確判別紙質檔案數字復制件上的污點、污線、黑邊、紙張褪變斑點、水漬、污點、裝訂孔等,提高識別準確率。

8.3 識別速度

8.3.1 識別速度指標與識別準確率指標應同時適用。

8.3.2 在主流計算機軟硬件平臺下,A4紙幅面中文識別速度不低于1000字/s,英文識別速度不低于2000字/s。

8.4 版面還原度

8.4.1 應實現復雜版面的精確還原,采用分欄技術,智能分析中文(簡體、繁體)、英文字體,文、表、圖混排文本,識別后無需人工干預,自動還原排版。

8.4.2 識別后的文檔與原導入圖像版面還原度應達到90%以上。

9 檔案 OCR成果的管理與應用

9.1 成果管理

9.1.1 應保持檔案 OCR成果各組成要素對應的紙質檔案數字復制件、檔案目錄、元數據之間的邏輯層次和關聯關系。

9.1.2 以純文本形式保存的檔案 OCR成果應使用檔號作為文件名,可在存儲載體中以檔號為基礎逐級建立層次文件夾單獨保存,也可與紙質檔案數字復制件統一保存。

9.1.3 支持全文檢索的雙層 PDF或 OFD文件可與對應的紙質檔案數字復制件統一存儲。數字檔案館(室)應用系統應記錄并維護不同文件版本之間的聯系。

9.1.4 檔案 OCR成果文件管理權限應與紙質檔案數字復制件相同。

9.1.5 OCR成果應與紙質檔案數字復制件同步開展數據備份工作。

9.2 成果應用

9.2.1 檔案 OCR成果應通過數字檔案館(室)應用系統實現全文檢索,提高檔案信息檢索效率。

9.2.2 可發揮檔案 OCR成果提取的歸檔信息和黨政機關公文要素的作用,輔助開展檔案自動著錄、目錄質量核查,以及紙質檔案數字復制件掛接準確性核查等業務工作。

9.2.3 可利用檔案 OCR成果,結合數據挖掘技術開展數據分析、知識管理、詞庫建設等工作。