保魯昆，賈永剛，孫玉明

（1.中國鐵道科學研究院集團有限公司 運輸及經濟研究所，北京 100081；2.中國鐵路總公司 科技與信息化部，北京 100844)

經過多年的發(fā)展，中國鐵路總公司已經基本形成了層級清晰、專業(yè)覆蓋全面的技術規(guī)章體系，這些技術規(guī)章是鐵路運輸組織生產的基礎，在保證行車安全、提高運輸效率等方面發(fā)揮著重要作用。大量新技術、新設備投入運用，以及運營管理質量、效率和安全要求的提升，都對鐵路技術規(guī)章制修訂頻度和技術規(guī)章編制質量提出了更高的要求。但是，目前技術規(guī)章的會簽審查仍然依靠人工逐條審核，缺少有效的技術輔助手段，審查質量嚴重依賴審查人員的專業(yè)背景及知識水平。隨著計算機對自然語言處理技術在論文查重等領域的應用，需要加快開發(fā)鐵路技術規(guī)章輔助審查系統(tǒng)。

1 鐵路技術規(guī)章輔助審查系統(tǒng)需求分析

1.1 技術規(guī)章管理業(yè)務

經過多年的積累，中國鐵路總公司技術規(guī)章形成了歸口管理與專業(yè)負責相結合的技術規(guī)章管理體系，執(zhí)行制修補廢的動態(tài)管理制度，落實日常監(jiān)督檢查機制[1-3]。各專業(yè)根據上述管理機制，在運輸生產組織發(fā)生變化、運輸安全工作的需要，以及新設備的投入運用時，動態(tài)補廢相關技術規(guī)章，制修訂完成后，其他專業(yè)根據該規(guī)章是否涉及本專業(yè)內容進行會簽審查，歸口管理部門負責技術規(guī)章文件的形式審查，以及是否符合基本規(guī)章的要求審核，所有審查通過并且經主管領導批準后進行統(tǒng)一編號和歸口管理。由于技術規(guī)章數(shù)量眾多，完全依靠人工逐條核對審查，難免會造成專業(yè)技術規(guī)章間，以及同一規(guī)定不同文件之間不一致的問題。

1.2 技術規(guī)章會簽審查需求

技術規(guī)章發(fā)布前的會簽審查主要包括以下3個方面內容。

（1）是否符合《鐵路技術管理規(guī)程》(以下簡稱《技規(guī)》)的要求?！都家?guī)》是國家鐵路技術管理的基本規(guī)章，各部門、各專業(yè)制定的技術規(guī)章都必須符合本規(guī)程規(guī)定。在中國鐵路總公司明令修改以前，任何部門、任何單位、任何人員都不得違反?！都家?guī)》內容包含各個方面，需要找出新制修訂技術規(guī)章與《技規(guī)》相似的條款，輔助審查人員判斷技術規(guī)章是否符合《技規(guī)》的要求。

（2）比較分析主要變化情況。目前各專業(yè)基本形成了完善的技術規(guī)章體系，大多數(shù)新發(fā)布的技術規(guī)章都是在既有規(guī)章基礎上的修訂完善而成，快速定位新修訂技術規(guī)章的主要變化情況，能夠方便審查人員提高審查效率。

（3）與其他專業(yè)技術規(guī)章相同內容規(guī)定是否一致。同一規(guī)定經常會在不同專業(yè)的技術規(guī)章中出現(xiàn)，由于規(guī)章數(shù)量多再加上對其他專業(yè)規(guī)章不熟悉等原因，很容易造成相同內容在各專業(yè)內的規(guī)定不一致。盡快把新制修訂技術規(guī)章中與其他專業(yè)相似內容的技術規(guī)章條款提取出來，可以為人工審查提供方便，避免由于人工審查不到而造成的規(guī)章間不一致現(xiàn)象。

2 鐵路技術規(guī)章輔助審查系統(tǒng)設計

2.1 設計目標

在實現(xiàn)基礎規(guī)章管理的基礎上，應用自然語言處理技術，實現(xiàn)對規(guī)章相似條款的比對和提取，將傳統(tǒng)人工執(zhí)行相似條款的查找和比對工作用計算機代替，使規(guī)章審查人員從繁重的查找比對工作中解放出來，專注于相似條款的差異分析，提高審查質量和效率，從而提高技術規(guī)章制修訂質量。

2.2 功能設計

鐵路技術規(guī)章輔助審查系統(tǒng)功能模塊如圖1所示[4]，由基礎規(guī)章管理、規(guī)章查詢、規(guī)章比對和系統(tǒng)管理4個功能模塊組成，可以滿足不同類型的輔助審查需求。

圖 1 鐵路技術規(guī)章輔助審查系統(tǒng)功能模塊圖Fig.1 Diagram of system function module

（1）基礎規(guī)章管理。主要功能是對既有技術規(guī)章的上傳、查看和刪除進行操作，上傳基礎規(guī)章的過程中能自動對規(guī)章按照條款編號或者段落進行自動分割，對自動分割后的條款或段落可以進行編輯，然后分別存儲。

（2）規(guī)章查詢。主要功能是方便查詢規(guī)章內容，界定規(guī)章對比審查范圍。按照規(guī)章屬性(規(guī)章名稱、編號、文號、發(fā)文部門等)進行查詢，也可以按照關鍵字對規(guī)章全文進行檢索。

（3）規(guī)章比對。針對待審查規(guī)章，按照文件或者文本內容格式上傳，與該規(guī)章上一版本進行比較，顯示出2個版本間的主要變化；也可以與不同規(guī)章的比對，提取出相似條款內容，進行左右對比展示，輔助技術規(guī)章管理人員審查。

（4）系統(tǒng)管理。主要功能包括用戶管理、角色權限管理、數(shù)據字典維護和個人信息管理等。

3 鐵路技術規(guī)章輔助審查系統(tǒng)技術方案

3.1 技術方案選擇

鐵路技術規(guī)章輔助審查系統(tǒng)主要利用自然語言處理中的文本查重技術，通過文本查重功能快速定位出相似規(guī)章條款，再根據設定的閾值提取出相似條款，最后通過左右對比的形式展示給審查用戶。根據中文語言的特點，目前針對中文文本查重檢測算法主要包括語義知識、詞頻統(tǒng)計和數(shù)字指紋3種。其中，基于語義知識的檢測算法是使用某種方式表示出文本的語義特征，進行文本檢測；詞頻統(tǒng)計方法是將文本切分成一個一個的詞語，把詞語表示為詞頻向量，利用余弦公式或者內積公式進行文本的相似度計算；基于數(shù)字指紋技術的文本查重算法核心思想是根據某種文本塊劃分策略，從文本中選擇一部分字符串(又叫“指紋”)，將其映射為哈希表中的數(shù)值，通過計算哈希表中相同的數(shù)字指紋數(shù)量或者所占總的數(shù)字指紋比率來得出文本間的相似度[5-6]。

基于語義知識和詞頻統(tǒng)計這2種算法的檢測結果準確度較高，但速度相對較慢，不適用于大規(guī)模文本集的查重檢測。采用數(shù)字指紋技術，近似的文本將被映射為近似的指紋，數(shù)字指紋技術可以使原文本轉換為數(shù)字指紋序列，通過計算2個文本的數(shù)字指紋重疊度，從而實現(xiàn)文本查重檢測的目的，優(yōu)勢是數(shù)字指紋的存儲空間小，檢測速度較快，能夠適用技術規(guī)章大規(guī)模文本檢測需要[6-8]。因此，鐵路技術規(guī)章輔助審查系統(tǒng)采用數(shù)字指紋技術對各技術規(guī)章文本進行比對，最終實現(xiàn)輔助審查的目的。

3.2 比對流程

對任意一個待審查的技術規(guī)章，根據指紋比對算法的步驟，系統(tǒng)對其進行分層處理，按照篇章、段落、句子等層級分別創(chuàng)建指紋。比對資源庫中的比對規(guī)章也采取同樣技術創(chuàng)建指紋索引。這樣的分層多階指紋結構，可以滿足對超長規(guī)章的快速檢測。由于最小指紋粒度為句子，因而也滿足了系統(tǒng)對檢準率和檢全率的高要求。原則上，只要檢測規(guī)章與比對規(guī)章存在一個相同的句子，就能被檢測系統(tǒng)發(fā)現(xiàn)。鐵路技術規(guī)章輔助審查檢測流程如圖2所示。

3.3 總體技術架構

系統(tǒng)總體技術架構可以分為：展現(xiàn)層、業(yè)務功能層、應用支撐層、數(shù)據層和基礎設施層，各層通過相應的技術接口進行參數(shù)、數(shù)據與命令的傳遞。系統(tǒng)技術架構如圖3所示。

圖 2 鐵路技術規(guī)章輔助審查檢測流程圖Fig.2 Process diagram of regulations aided censoring system

圖 3 系統(tǒng)技術架構Fig.3 System technology architecture

應用支撐層與數(shù)據層之間的數(shù)據交互主要通過JDBC/Http/XML/Web Service技術鏈接數(shù)據層的數(shù)據庫系統(tǒng)，進行數(shù)據維護與更新；應用支撐層內通過Http/XML技術與全文檢索系統(tǒng)進行請求提交與數(shù)據交換；業(yè)務功能層主要通過XML/Json/Web Service與展現(xiàn)層的相關應用進行數(shù)據通信，通過XML獲得返回的結果數(shù)據并包裝成業(yè)務結果返回給用戶。

4 鐵路技術規(guī)章輔助審查系統(tǒng)應用測試

采用MySQL數(shù)據庫和Java開源平臺完成系統(tǒng)開發(fā)。為了平臺的穩(wěn)定性，各模塊相對獨立，分別實現(xiàn)。利用該系統(tǒng)對2017年中國鐵路總公司和國家管理部門制修訂的相關規(guī)章進行輔助審查工作，輔助審查效果達到系統(tǒng)設計的目標。

（1）相同規(guī)章不同版本間輔助審查。對于修訂規(guī)章與上一版本的主要變化，使用系統(tǒng)提供的相同規(guī)章不同版本間差異對比功能，對2017年修訂的《車站行車工作細則編制規(guī)則》進行了與上一版比較，輔助審查結果采用左右對比附加顏色標注的方式進行顯示，使審查人員能夠直觀地看出不同版本間主要變化。

（2）不同規(guī)章間輔助審查。對于新制修訂規(guī)章與其他規(guī)章間相同內容規(guī)定的審查，可以利用不同規(guī)章間的對比功能，根據設定的相似度閾值，快速定位到新制修訂技術規(guī)章與其他規(guī)章相似的條款。利用該系統(tǒng)，對國家鐵路局制定的《鐵路技術安全規(guī)程》(征求意見稿)與中國鐵路總公司的《技規(guī)》對比，不同規(guī)章間輔助審查結果采用左右對比附加顏色標注的方式顯示，其中紅色部分是相同內容，黑色部分是變化差異。與《技規(guī)》相比，《鐵路技術安全規(guī)程》新增和修訂了一些條款，部分條文存在差異，部分內容與中國鐵路總公司實際情況不同。

（3）審查效率分析。使用LoadRunner對以上2個場景分別進行了20次測試，鐵路技術規(guī)章輔助審查系統(tǒng)審查效率測試結果如表1所示。從測試結果可以看出，不同規(guī)章間的輔助審查時間比相同規(guī)章不同版本間審查要大，系統(tǒng)響應時間在可接受范圍內。

表 1 鐵路技術規(guī)章輔助審查系統(tǒng)審查效率測試Tab.1 Ef fi ciency of computer aided censoring system

5 結束語

截至 2017年底，利用鐵路技術規(guī)章輔助審查系統(tǒng)輔助審查鐵總多項專業(yè)技術規(guī)章，發(fā)現(xiàn)了部分新制修訂規(guī)章存在的個別問題，提前避免了規(guī)章內容不一致的現(xiàn)象。鐵路技術規(guī)章輔助審查系統(tǒng)的設計與實現(xiàn)，為技術規(guī)章審查人員提供了有效的技術手段，改變了傳統(tǒng)人工逐條閱讀審查的方式，審查質量、效率都有了明顯的改變和提升，為技術規(guī)章的規(guī)范性和制修訂質量起到了把關作用[9]。同時，利用鐵路技術規(guī)章輔助審查系統(tǒng)的規(guī)章全文搜索功能，也能為技術規(guī)章的制修訂過程提供支持，經濟效益和社會效益明顯增加。