10月11日,由“北京大學(xué)—字節(jié)跳動(dòng)數(shù)字人文開(kāi)放實(shí)驗(yàn)室”研發(fā)的古籍?dāng)?shù)字化平臺(tái)“識(shí)典古籍”測(cè)試版正式上線。目前,該平臺(tái)涵蓋390部經(jīng)典古籍,主要來(lái)自《四部叢刊》,共計(jì)3000多萬(wàn)字,即日起向公眾免費(fèi)開(kāi)放。未來(lái)三年,“識(shí)典古籍”將陸續(xù)完成一萬(wàn)種古籍的智能化整理工作,基本覆蓋儒家、道家和佛學(xué)的核心典籍目錄,屆時(shí)將全部免費(fèi)開(kāi)放。
“識(shí)典古籍”項(xiàng)目負(fù)責(zé)人現(xiàn)場(chǎng)講解
據(jù)了解,上述實(shí)驗(yàn)室系今年3月北京大學(xué)與字節(jié)跳動(dòng)合作成立,將人工智能技術(shù)應(yīng)用于古籍資源的智能化整理。“識(shí)典古籍”平臺(tái)上線,即是雙方合作的最新進(jìn)展。
當(dāng)前,中國(guó)的古籍?dāng)?shù)字化還處于初級(jí)階段,面臨技術(shù)難度高、資金缺口大、人才緊張等難點(diǎn)。相關(guān)資料顯示,現(xiàn)存的20多萬(wàn)種古籍中,只有8萬(wàn)種完成影像數(shù)字化掃描,近4萬(wàn)種完成文本數(shù)字化。據(jù)專家統(tǒng)計(jì),從1949年到2019年,國(guó)內(nèi)共修復(fù)整理出版古籍近3.8萬(wàn)種,要將現(xiàn)存古籍全部修復(fù)整理出來(lái),可能需要300年時(shí)間;若利用人工智能技術(shù)輔助修復(fù)整理,大概二三十年就能完成。
活動(dòng)相關(guān)海報(bào)
據(jù)“識(shí)典古籍”項(xiàng)目負(fù)責(zé)人介紹,該平臺(tái)當(dāng)前主要使用了三種技術(shù),包括文字識(shí)別、自動(dòng)標(biāo)點(diǎn)和命名實(shí)體識(shí)別。文字識(shí)別技術(shù),是對(duì)古籍的影印版文字進(jìn)行單個(gè)切分,再進(jìn)行文字識(shí)別和順序識(shí)別。自動(dòng)標(biāo)點(diǎn)技術(shù),是通過(guò)序列標(biāo)注的方式對(duì)古籍自動(dòng)進(jìn)行標(biāo)點(diǎn)劃分。命名實(shí)體識(shí)別技術(shù),則是通過(guò)序列標(biāo)注識(shí)別文本中的人名、地名、書籍、時(shí)間、官職等信息。據(jù)悉,目前行業(yè)內(nèi)OCR識(shí)別準(zhǔn)確率平均為93%至94%,“識(shí)典古籍”的準(zhǔn)確率為96%至97%。
與其他古籍?dāng)?shù)字化平臺(tái)相比,“識(shí)典古籍”具有自身的特點(diǎn),頁(yè)面簡(jiǎn)潔,瀏覽流暢,提供影印底本作為參照,還具備主題詞檢索和繁簡(jiǎn)體轉(zhuǎn)換功能,便于專業(yè)研究人員、廣大古籍愛(ài)好者使用。同時(shí),“識(shí)典古籍”書目持續(xù)更新,后續(xù)還將上線手機(jī)移動(dòng)版。
“識(shí)典古籍”網(wǎng)頁(yè)截圖
未來(lái),“識(shí)典古籍”將向全社會(huì)開(kāi)放古籍閱讀檢索研究能力,還將實(shí)現(xiàn)全自動(dòng)整理校對(duì),更高效地實(shí)現(xiàn)存量古籍全部數(shù)字化。同時(shí),平臺(tái)也鼓勵(lì)擁有文獻(xiàn)的學(xué)者自行上傳文獻(xiàn),用戶甚至可參與再創(chuàng)作和再闡釋,助力古籍文化傳承和研究。
一年多來(lái),字節(jié)跳動(dòng)在古籍修復(fù)和活化上也有所進(jìn)展。此前,字節(jié)跳動(dòng)資助國(guó)家圖書館定向修復(fù)的珍貴古籍104冊(cè)件,現(xiàn)已完成50多冊(cè)件,包括一批稀有的樣式雷圖檔。在活化方面,抖音平臺(tái)推出“尋找古籍守護(hù)人”計(jì)劃,旨在激勵(lì)創(chuàng)作者通過(guò)音樂(lè)、說(shuō)書、繪畫、復(fù)原美食等形式,普及古籍知識(shí)、演繹古籍內(nèi)容,讓古籍鮮活起來(lái)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
