一、標準數(shù)字化的概念
文字識別，又稱為光學字符識別(英文名：Optical Character Recognition，簡稱OCR) ， 其工作原理為通過電子設(shè)備(例如掃描儀或數(shù)碼相機等光學輸入設(shè)備)獲取紙張上的文字圖片信息，利用各種模式識別算法分析文字形態(tài)特征，判斷出漢字的標準編碼，并按通用格式存儲在文本文件中。由此可以看出， OCR是讓計算機認字，實現(xiàn)文字自動輸入。是一種快捷、省力、高效的文字輸入方法。針對標準文本加工的現(xiàn)狀與需求， 將OCR技術(shù)運用到標準文本加工領(lǐng)域，已經(jīng)成為標準加工與標準信息服務(wù)的趨勢。
標準數(shù)字化是從研究、挖掘標準全文的潛在價值出發(fā)，采用計算機技術(shù)，將常見的語言文字(或圖形符號)轉(zhuǎn)化為能被計算機識別的數(shù)字符號，從而制成標準題錄數(shù)據(jù)庫和標準全文數(shù)據(jù)庫，用以揭示標準文獻信息資源的一項系統(tǒng)工作。
二、標準起草應(yīng)注意的“線”（一）擴大標準檢索的范圍、豐富檢索內(nèi)容。傳統(tǒng)標準信息檢索的方法和手段具有很大的局限性，尚處于初級搜索檢索階段，主要表現(xiàn)在：標準全文檢索缺失，仍停留在標準題錄的檢索。標準題錄只是標準全文的目錄，其承載的信息有限，而標準全文才是標準的主體，才是標準信息的主要承載者。標準全文檢索的缺失使標準服務(wù)效率無法實質(zhì)提升。檢索方式上僅停留在簡單的分類檢索。如國家標準、國外標準、行業(yè)標準、地方標準和標準圖書等各大類的檢索，缺少二次擴展檢索。
依據(jù)對標準數(shù)字化轉(zhuǎn)化成果，配合開發(fā)標準相應(yīng)的標準檢索系統(tǒng)，將擴大標準檢索的范圍、豐富檢索內(nèi)容。
借助新的檢索手段，可以實現(xiàn)檢索智能化，可以對標準信息內(nèi)容直接抽取。例如可在標準的前言、引言、范圍、規(guī)范性引用文件、術(shù)語等限定范圍內(nèi)進行關(guān)鍵詞檢索和結(jié)果數(shù)據(jù)抽取，以及對標準文本中的圖形和表格進行檢索和結(jié)果數(shù)據(jù)抽取，實現(xiàn)了用戶對所需信息的智能提供，實現(xiàn)了傳統(tǒng)的信息檢索向高精度檢索、文本挖掘、知識發(fā)現(xiàn)等方向轉(zhuǎn)變。（二）提高標準加工的效率、保障標準數(shù)據(jù)的準確性目前，標準加工錄入的字段中，標準的英文名稱、適用范圍、起草單位、批準單位、出版單位、提出單位、歸口單位等字段均為手工錄入。由于傳統(tǒng)的數(shù)據(jù)加工模式是手工錄入，維護的字段又多，因此標準加工的效率較低：又因標準加工量大、人員少，未能實現(xiàn)數(shù)據(jù)校對后入庫，因此，數(shù)據(jù)錄入的準確性得不到保障。（三）為標準研究提供扎實的基礎(chǔ)運用PDF標準數(shù)字化轉(zhuǎn)化成果， 可以避免以上出現(xiàn)的準確性問題。原來這些英文名稱、適用范圍、起草單位、批準單位、出版單位、提出單位、歸口單位等需手工打字著錄的字段可以通過復(fù)制、粘貼完成，提高標準加工的效率，從而保障標準數(shù)據(jù)的及時性和準確性。
通過對標準文本數(shù)字化的轉(zhuǎn)化，可對標準信息資源的深層次加工，充分挖掘標準文獻資源內(nèi)在附加值。借助標準文本數(shù)字化轉(zhuǎn)化的成果，可以進行標準立項前的查新；借助標準文本數(shù)字化轉(zhuǎn)化的成果，可以輕松、高效的進行標準之間技術(shù)指標的比對；借助標準文本數(shù)字化轉(zhuǎn)化的成果，可以通過具體指標的查詢，快速精確的對標準進行定位；借助標準文本數(shù)字化轉(zhuǎn)化的成果，可以對標準中強制性條款、關(guān)鍵性指標進行分析與研究。標準數(shù)字化建設(shè)將為標準研究的開展提供堅實的基礎(chǔ)。（轉(zhuǎn)自論文《標準數(shù)字化的初探》，作者：胡甌靜，江蘇省標準化研究院，特此聲明致謝）
