（图书馆学专业论文）数字化法定公务文书全文检索系统研究.pdf

摘要 本文重点研究了电子政务浪潮对数字化法定公务文书全文检 索系统需要；数字化法定公务文书全文检索系统的设计理论与技术 研究； 数字化法定公务文书全文检索系统的具体实现。深入分析该 领域的重点和难点问题，探讨解决关键问题的方法和途径。 文章第一章阐述了数字化法定公务文书的内涵，论述了数字化法 定公务文书的x 妩标准，总结了研究的核心内容，提出了需要解决的 重点问题和难点问题。 文章第二章描述了对数字化法定公务文书进行全文检索的周边 理论和技术准备。并且介绍了国内外全文检索系统的开发状况。 文章第三章是本文的重点。重点阐述了使用圈为系统开发的 平台，并且论述了采用d o t l u c e n e 全文检索引擎作为数字化法定公 务文书全文检索系统的核心部件。详细描述了数字化法定公务文书全 文检索系统实现全文检索的过程。 文章第四章描述了数字化法定公文全文检索系统的各个功能模 块的具体实现情况。 关键词：数字化法定公文全文检索系统 a b s t r a c t t h et e x te m p h a t i c a l l yr e s e a r c h e d t h ee - g o v e r n m e n tf i d en e t ，d st h e f u l l - t e x tr e t r i e v a ls y s t e mo ft h ed i g i t i z e ds t a t u t o r yd o c u m e n t ；t h e d e s i g n t h e o r ya n dt e c h n o l o g yo ff u l l - t e x tr e t r i e v a ls y s t a 1 1o f t h ed i g i t i ：z e d s t a t u t o r yd o c u m e n t ：t h e d e t a i l so f t h ep r o d u c t i o no f f u l l - t e x tr e t r i e v a l s y s t e mo ft h ed i g i t i z e ds t a t u t o r yd o c u m e n t a n a l y s e dt h ef o c a lp o i n to n t h i sf i e l di nd e p t h i n t e n s i o no f d i g i t i z e ds t a t u t o r yd o c u m e n tt h a tc h a p t 曩 o n eo f t h ea r t i c l e h a sb e e ne x p l a i n e d ，d e s c r i b e dx m ls t a n d a r do fd i g i t i z e ds t a t u t o r y d o c u m e n t ，a n ds u m m a r i z e dt h ek e yc o n t e n t ，t h e np u tf o r w a r dt h ek e y p r o b l e ma n dd i f f i c u l tp r o b l e mt ob es o l v e d c h a p t e rt w oo ft h ea r t i c l eh a sd e s c r i b e dt h ep e r i p h e r a lt h e o r ya n d t e c h n o l o g yp r e p a r a t i o no ft h ef u l l - t e x tr e t r i e v a ls y s t e mo ft h ed i g i t i z e d s t a t u t o r yd o c u m e n t ，t h e ni n t r o d u c e dt h ed e v e l o p m e n t s t a t eo f t h ef u l l - t e x t r e t r i e v a ls y s t e ma r o u n dt h eg l o b e c h a p t e rt h r e ei st h em o s ti m p o r t a n ts e c t i o no ft h i st e x t e s p e c i a l l y e x p l a i n e dt h eu s i n go fp l a t f o r m n e tf o rt h ed e s i g no ft h es y s t e m a n d h a se x p o u n d e dt h ef a c tt h a ta d o p t sd o t l u c e n ef u l l - t e x ts e a r c he n g i n ea sa k e ym o d u l e d e s c r i b e dt h ec o u r s eo f f u l l t e x ts e a r c hb yt h es y s t e m c h a p t e rf o u ro ft h ea r t i c l eh a sd e s c r i b e dt h ed e s i g ns i t u a t i o no fe a c h m o d u l eo ft h ef u l l - t e x tr e t r i e v a ls y s t e mo ft h ed i g i t i z e ds t a t u t o r y d o c u m e n t k e yw o r d s ：d i g i t i z e d ；s t a t u t o r yd o c u m e n t ；f u l l - t e x tr e t r i e v a ls y s t e m 引育 信息时代产生了大量数字化文本信息，其中公文是一个常用的形式，为了能 在浩如烟海的公文中找到自己所需，人们迫切需要一个高效的检索工具伴随着 这一趋势，如何高效的存储和查询公文这种非结构数据，就是一个很值得研究的 问题这其中以全文检索技术和全文数据库技术成为国内外学者研究的热点 全文检索( f e n - 把x tr e t r i e v a l ) 就是以文本数据为主要处理对象，基于全文标 引，使用自然语言进行检索的技术。在信息检索领域，全文检索一直是一个比较 复杂的问题与普通数据库检索所设计的结构化数据查询不同，全文检索不仅要 查询结构化数据，而且还要查询非结构化数据，比起标引检索来，全文检索提供 了全新的，强大的检索功能，方便多角度、多侧面的综合利用信息资源 在对公文检索研究中目前很多主流的全文检索系统用白设计的文件来存储 文档，比如易宝北信的t r s 以及浙江天字的c g r s 等在全文索引构造方面， 有静态索引技术和动态索引技术之分静态索引技术现在很流行，笔者查阅了 r i c 翘d ob a e z a - y a t e s 在1 9 9 9 年出版的专著m o d e mi n f o r m a t i o nr e t r i e v a l ， c h a d e s t m e a d o w 在2 0 0 0 年出版的专著t e x ti n f o r m a t i o nr e t r i e v a ls y s t e m ，两本 专著在讲解全文检索技术时，都只讲了静态索引技术随着全文检索应用范围的 扩大，其动态效率的研究也显得越来越重要。国外的全文检索软件虽然较旱地得 到应用，但对中国用户有很多不适用的地方中文全文检索技术在原理上同西文 全文检索是一致的，但汉语本身的特点使中文系统的实现比西文系统更为复杂 由于当前中文全文检索缺乏开发平台，国内许多研究全文检索的文献，其系 统的实现都是基于关系数据库开发的，或者是使用通用数据库系统提供的全文检 索功能开发的。另一方面，国内一些虽称为全文数据库，但其实质是通过检索放 在关系数据库里的结构化数据，如标题、作者、关键诃、文摘等，然后链接全文 以获得全文，真正实现全文检索的不多。目前作的比较好的多是一些学术论文数 据库和专业数据库，如清华同方开发的中国期刊全文数据库( c n i c d ，北大与3 m 公司合作开发的中国对外经济贸易法律全文数据库等 全文检索技术是一个最普遍的信息查询应用，人们每天使用g o o g l e 、百度 等搜索引擎查找自己所需信息，这些搜索引擎的核心技术之一就是全文检索。另 外，随着文档处理数字化，无纸化的发展，政府机关，党务部门、群众组织和军 队机关电子数据激增。如何建立数据库，管理好自己的数据，是迫切需要解决的 闯题，而全文检索技术是其中一个非常实用的功能 本文的基本目标是建立一个专门针对数字化法定公务文书的全文检索系统 其中包括系统整体设计，框架结构建立；应用设计，浏览导航；实现全文检索功 能的核心技术等 i 法定公务文书概述 1 1 公务文书 公务文书又简称“公文”，是用于公务活动的一种应用文书，是统治阶级管 理国家，处理政务时用来颁布法律、法规、规章、传达政策法令、请示和答复问 题、汇报情况、联系工作、制定计划以及记载政务活动的重要工具【。公文出自 法定的机关单位，具有处理公务的合法效用公文的这基本含义，可以从以下 几个方面来理解。 ( 1 ) 公文形成的主体是国家机关及其他社会组织这些机关或组织都是依据 国家的法律和有关的章程、条例建立起来的，是具有法定地位的这种法定的地 位赋予了这些机关与组织在自己的职权范围内制定和办理公文的权力 ( 2 ) 公文形成的条件是行使职权和实籀管理具有法定地位的机关、组织， 都有自己的组织系统、领导关系和职权范围，有自己主管的事务与办事意图它们 在行使法定职权和实施有效管理的公务活动中，必然会产生体现自身意志的文字 材料。这是公文形成的必要条件 ( 3 ) 公文是具有法定效力与规范格式的文书。这是公文区别于其他文章和图 书资料的主要之点。公文的法定效力是由公文形成者的法定地位所决定的。公文 的规范化格式，不仅增强了公文的权威性与有效性，也方便了公文的处理 “) 公文是国家机关及其他社会组织处理政务、办理事务的重要工具。任何 一个机关、组织在日常的工作活动中都需要通过公文这一工具来表达意图，处理 公务，实旌管理。比如：向上级汇报工作，则使用“报告”；向下级布置工作， 则使用“指示”或“通知”；向有关单位联系公务，则使用“函”；记载会议议决 事项，则使用“决议”或“会议纪要”等。 公文是作为传达和贯彻党和国家的各项方针政策，代表法定作者处理、联系 工作的工具。它有以下十个作用： ( 1 ) 发布政令。通过公文传达贯彻党和国家方针政策，颁发政令、法规，动 员群众实掩，规定人们的行为规范，如国家机关依法发布的命令、令、决定、通 告、公告等。各种政令都是以文件的形式制定和发布的。所以这种作用又可称为 公文的“法规作用” ( 2 ) 领导与指导工作。上级机关通过发布指示、决定，通知、计划、会议纪 要等公文，可以指导下级机关的工作 ( 3 ) 报告情况下级机关通过报告、工作简报、专题报告、调查报告、总结 报告等向上级机关报告工作，以便上级了解情况，指导工作 ( 4 ) i i l 示事项工作中遇到问题本机关又无权解决，可通过公文请求上级机 关指示，做出决定或批准下级提出的意见 5 ) 答复问题上级机关通过公文批复下级机关请示的事项。 旧商洽公务在同级机关或不相隶属的单位之间为了加强联系，通过介绍 函件或通知、邀请，以互通情况，商讨问题，互相配合，处理各种公务 ( 7 ) 交流经验通过简报、通报、调查报告等公文向有关单位通报情况，交 流经验 ( 8 ) 告之信息。用通知、通报、公报等公文向有关单位或群众通报情况，告 之信息 ( 9 ) 记载活动如会议记录、会议纪要、大事记等，记录重大事项和问题 ( 1 0 ) 宣传党的方针政策，进行思想教育。领导机关发布的许多文件如条例， 规定、办法等。 公文可从不同角度进行如下分类： ( 1 ) 根据形成和作用的公务活动领域，公文可分为通用公文和专用公文两类。 ( 2 ) 根据内容涉及国家秘密的程度，公文可分为对外公开、限国内公开、内 部使用、秘密、机密、绝密六类。 ( 3 ) 根据行文方向，公文可分为上行文、下行文、平行文三类。 ( 4 ) 根据内容的性质，公文可分为规范性、领导指导性、公布性、陈述呈请 性、商洽性、证明性公文 ( 5 ) 根据处理时限的要求，公文可分为平件、急件、特急件三类。 ( 6 ) 根据来源，在一个机关内部可将公文分为收文、发文两类。 1 2 法定公务文书 法定公务文书( 法定公文) ，是由有关法规所规定的公文，包括行政公文，党 务公文等。行政公文，由国务院发布的国家行政机关公文处理办法所规定 党务公文，由 ( 1 1 务院2 0 0 0 年8 月2 4 日发布、自2 0 0 1 年 1 月1 日起旌行，以下简称“办法 ) 规定；“行政机关的公文，是行政机关在 行政管理过程中形成的具有法定效力和规范体式的文书，是依法行政和进行公务 活动的重要工具” 中国共产党机关公文处理条倒 ( 中共中央办公厅1 9 9 6 年5 月3 日发布并 施行，以下简称“条例 ) 规定t “党的机关的公文，是党的机关实施领导、处 理公务的具有特定效力和规范格式的文书，是传达贯彻党的路线、方针，政策， 指导、布置和商洽工作，请示和答复闯题，报告和交流情况的工具” 条例 规定：党的机关公文种类主要有；( 一) 决议( 二) 决定、( 三) 旨示、( 四) 意见、( 五) 通知，( 六) 通报、( 七) 公报、( 八搬告、( 九) 请示、1 - 1 - ) 批复、( 十一) 条 例、( 十二) 规定、( - t - - - ) 函、( 十四垮 议纪要 办法 规定；行政机关的公文种类主要有：( 一) 命令( 令) 、( 二) 决定、( 三) 公告、( 四) 通告、( 五) 通知、( 六) 通报、( 七) 议案、( a i j r 告、( 九) 请示、( 十 批复、 ( 十一) 意见、( - i - - - ) i j i 、( 十三 会议纪要。四 根据国家标准国家行政机关公文格式 ，组成公文的各要素划分为眉首、 主体、版记三部分置于公文首页红色反线( 宽度同版心，即l s 6 m m ) 以上的各要 素统称眉酋；置于红色反线( 不舍) 以下至主题词( 不含) 之间的各要素统称主体； 置于主题词以下的各要素统称版记。 ( 1 ) 眉首 眉首由公文份数序号、公文份数序号、紧急程度、发文机关标识、发文字号 和签发人六部分组成，各部分的具体定义如下 公文份数序号 公文份数序号是将同一文稿印制若干份时每份公文的顺序编号。 如需标识公文份数序号，用阿拉伯数码项格标识在版心左上角第l 行。 如需标识秘密等级，用3 号黑体字，顶格标识在版心右上角第1 行，两字之 间空l 字；如需同时标识秘密等级和保密期限，用3 号黑体字，顶格标识在版心 右上角第1 行， 秘密等级和保密期限之间用“”隔开。 紧急程度 如需标识紧急程度，用3 号黑体字，顶格标识在版心右上角第l 行。两字之 间空1 字；如需同时标识秘密等级与紧急程度，秘密等级顶格标识在版心右上角 第1 行，紧急程度顶格标识在版心右上角第2 行 发文机关标识 由发文机关全称或规范化简称后加。文件。组成；对一些特定的公文可只标 识发文机关全称或规范化简称发文机关标识上边缘至版心上边缘为2 5 m m ，对 于上报的公文，发文机关标识上边缘至版心上边缘为8 0 m m 发文机关标识推荐 使用小标宋体字，用红色标识字号由发文机关以醒目美观为原则酌定，但一般 应小于2 m m x l 5 r a m 联合行文时应使主办机关名称在前，。文件。二字置于发文 机关名称右侧，上下居中捧布：如联合行文机关过多，必须保证公文首页显示正 文 发文字号 发文字号由发文机关代字、年份和序号组成发文机关标识下空2 行，用3 号仿宋体字，居中摔布；年份、序号用阿拉伯数码标识；年份应标全称，用六角 括号“( ) ”括入；序号不编虚位( 即1 不编为0 1 ) ，不加“第”字发文字号之下 4 m m 处印一条与版心等宽的红色反线 签发人 上报的公文需标识签发人姓名，平行排列于发文字号右侧。发文字号居左空 l 字，签发人姓名居右空1 字；签发人用3 号仿宋体字，签发人后标全角冒号， 冒号后用3 号楷体字标识签发人姓名。如有多个签发人，主办单位签发人姓名置 于第l 行，其他签发人姓名从第2 行起在主办单位签发人姓名之下按发文机关顺 序依次顺排，下移红色反线，应使发文字号与最后一个签发人姓名处在同一行并 使红色反线与之的距离为4 m m ( 2 ) 主体 主体由公文标题、主送机关、公文正文、附件、成文时间、公文生效标识和 附注组成。各部分的具体定义如下： 公文标题 红色反线下空2 行，用2 号小标宋体字，可分一行或多行居中捧布；回行时 要做到词意完整，捧列对称，间距恰当。 主送机关 标题下空1 行，左侧顶格用3 号仿宋体字标识，回行时仍顶格；曩后一个主 送机关名称后标全角冒号如主送机关名称过多而使公文酋页不能显示正文时， 应将主送机关名称移至版记中的主题词之下，抄送之上，标识方法同抄送公文 正文主送机关名称下一行，每自然段左空2 字，回行顶格数字、年份不能回行 附件公文如有附件，在正文下空一行左空2 字用3 号仿宋体字标识“附件”后标 全角冒号和名称附件如有序号使用阿拉伯数码( 如“附件：l x x x x x ”) ；附件 名称后不加标点符号附件应与公文难文一起装订，并在附件左上角第l 行顶格 标识“附件”有序号时标识序号：附件的序号和名称前后标识应一致如附件 与公文正文不能一起装订，应在附件左上角第l 行顶格标识公文的发文字号并在 其后标识附件( 或带序q - ) 成文时间 用汉字将年、月、日标全；。零”写为“0 ” 单一发文印章 单一机关制发的公文在落款处不署发文机关名称，只标识成文时间。成文时 间右空4 字：加盖印章应上距正文2 m m - 4 m m ，端正、居中下压成文时问，印章 用红色当印章下弧无文字时，采用下套方式，即仅以下弧压在成文时问上；当 印章下弧有文字时，采用中套方式，即印章中心线压在成文时问上。 联合行文印章 当联合行文需加盖两个印章时，应将成文时间拉开，左右各空7 字：主办机 关印章在前；两个印章均压成文对阋，印章用红色。只能采用同种加盖印章方式， 以保证印章捧列整齐两印章闻互不相交或相切，相距不超过3 m m 。当联合行 文需加盖3 个以上印章时，为防止出现空白印章，应将各发文机关名称( 可用 简称) 捧在发文时阃和正文之间。主办机关印章在前，每排最多捧3 个印章，两 端不得超出版心；最后一捧如余一个或两个印章，均居中捧布：印章之间互不相 交或相切；在最后一捧印章之下右空2 字标识成文时间 特殊情况说明 当公文捧版后所剩空白处不能容下印章位置时，应采取调整行距、字距的措 施加以解决，务使印章与正文同处一面，不得采取标识“此页无正文”的方法解 决附注公文如有附注，用3 号仿宋体字，居左空2 字加圆括号在成文时问下一 行 ( 3 ) 版记 版记中各要素之下均加一条反线。宽度同版心舨记应置于公文最后一页( 封 四) ，版记的最后一个要素置于最后一行版记由主题词、抄送、印发机关和印 发时间组成各部分的具体定义如下； 主题词 。主题词”用3 号黑体字，居左顶格标识，后标全角冒号；词目用3 号小标 宋体字；词目之间空1 字 抄送 公文如有抄送，在主题词下一行，左空l 字用3 号仿宋体字标识。抄送”， 后标全兔冒号，抄送机关闻用逗号隔开，回行时与冒号后的抄送机关对齐；在最 后一个抄送机关后标句号如主送机移至主题词之下，标识方法同抄送机关。 印发机关和印发时同 位于抄送机关之下( 无抄送机关在主题词之下) 占l 行位置；用3 号仿宋体字 印发机关左空l 字，印发时间右空l 字印发时闻以公文付印的日期为准，用阿 拉伯数码标识 表格 公文如需附表，对横捧a 4 纸型表格，应将页码放在横表的左侧，单页码置 于表的左下角，双页码置于表的左上角，单页码表头在订口一边，双页码表头在 切口一边公文如需附a 3 纸型表格，且当最后一页为a 3 纸型表格时，封三、 封四( 可放分送，不放页卿应为空白，交将a 3 纸型表格贴在封三前，不应贴在文 件最后一页。 份号份号：0 0 0 0 2 0 眉首机密( 5 年 秘密等级特急 省人民政府文件 紧急程度 府 1 9 9 9 1 1 号 发文机关标识签发人。 发文字号 签发人关于 铂le l e m e o m m n e = 。公文体- c o m m e n t d e s c r i b i n g y o u n o o t d e m m t 嘲= j ：d o c u m e n t a t i o n 铂ll 燃l u e n c e 镯；c o m p l e x t y p e 电子公文眉首元素的订b c h 锄a 描述1 3 1 啕口；唧燃啪i 一，a 孤悖一o - 锄：d a n m a m o = 。保密期限。，瑚萨向1 d 的璐一o - 钿：d 锄钮哑衄萨。起始时间。，锄妒嘶：蚪面l l o 搬。胁 钿：d e m e m n a m 萨 终止时间。，t y 即宣。秘：m r i n g m i t t o o 脬 o 锄：e l e m e n t 钿：e l e m e n m a m e = 。紧急程度。，t y p e = w x s = s t r i n g m i u o e c t n 萨。o 恰 翎le l e m e a m a m e = 。发文机关标识。，锄p 萨。秘：s l r i n g m i u c k c t a 铲。矿胁 铂：c o m p l e x t y p e 勺噶：i u o c c u r s = ”o ” 铂：e l e m c n t n n m e = 。发文机关名称。，t y p c n x s ： s l f i n g m i n o c c u r s = ”o m a x o c m 铲 n b o u n d e d ( - x s = e l 锄曲：岫a m f 。标识后缀。，哆妒。黜：始 i n g m i n o c c u r s = 0 铂：s l u c a c e 铂；d 啪锄舾锄萨”发文字号。，m i n o c c u r s = 。o 勺碍：s e q u c e m i u o c c u r s = ”o ” 啕强：d 鲫抽锄f ”签发人。，t y p o f f i 、m z s t r i n g 懈。伊蛔0 c a 硪产 出啊m d 。d l 钿：d m e = w 扩展要素。，t y l 酽。私l s t d n g m j n o 阳砸产。o - m 聒o 聃= n b 咖删| 。d ? 胁 咖ss o q u e a 眇 魄0 ：唧l 翻雹甩p 】舭d e m c n l 电子公文主体元素的m d 椭描述【l 哪 铂ld 锄细锄萨。主体哆 啕埠：m p l a 【1 缈 铂：也删斌n 锄炉。标题。，t ，i l 萨、。：s t r i n g 铂：c o m p l e x t y p e 锄：q i 瑚豫瓢妯( ，c c l l f 萨叼哆 铂：e l e m c n t 衄