档案数字化加工形成的文书档案全文、电子档案文本乃至声像档案转写稿，都是可挖掘的资源。文本挖掘让利用从人工逐篇阅读走向计算机辅助分析。

有哪些主要任务

命名实体识别从文本中自动识别人名、机构名、地名、时间，为自动标引与辅助著录提供原料；事件抽取在实体识别基础上识别事件要素，包括时间、地点、参与主体、类型与结果；关联分析通过统计共现发现人物共同出现、机构往来密切等隐性联系；趋势分析按时间维度观察主题、人物在历史进程中的消长。

为什么要结合档案语料

档案文本常出现历史称谓、简称、异体字，通用识别模型需要结合档案语料训练优化才能实用。文本挖掘在处理大规模文本、发现统计规律方面效率高，但档案的历史语境、隐含含义、特殊表述仍需人来理解判断。它更适合作为辅助手段，承担初步识别抽取统计，把人从繁重浏览中解放出来集中解读。

为什么说它是进阶应用

开展智能分析要注意数据质量的前提作用：如果全文识别错误率高、著录不规范，分析结果就建立在错误原料之上。文本挖掘是数据治理到一定水平后的进阶应用，不能脱离基础数据质量单独推进。趋势分析还能把静态史料转化为动态历史脉络，服务历史研究与形势研判。

山东通科信息技术有限公司为全文资源提供命名实体识别与辅助编研服务，是成立于2018年的国家高新技术企业。公司拥有加工人员100余名，日扫描50000页以上，自主研发系统结合档案语料优化识别。团队把人从繁重浏览中解放出来，集中精力进行解读、判断与编研，服务档案馆与科研院所。