達摩院技術助力海外古籍數(shù)字化回歸 20萬頁古籍AI識別準確率97.5%

5月19日消息，在“漢典重光”海外古籍數(shù)字化回歸發(fā)布會上，一批珍藏于加州大學伯克利分校的中文古籍善本，以數(shù)字化方式回歸故土，落地漢典重光古籍平臺。

借助阿里達摩院的技術，首批20萬頁古籍已完成數(shù)字化，并沉淀為覆蓋3萬多字的古籍字典，公眾可通過漢典重光平臺翻閱、檢索古籍。據(jù)悉，達摩院AI對20萬頁古籍的識別準確率達到97.5%。

面對海量無標注的數(shù)據(jù)，如何讓AI快速批量識別古籍，始終是古籍數(shù)字化領域的技術瓶頸。

達摩院技術團隊與四川大學專家聯(lián)手研發(fā)了一套全新的古籍識別系統(tǒng)。利用單字檢測、無監(jiān)督單字聚類、小樣本學習、主動學習等機器學習方法，構造了一套邊識別古籍、邊訓練模型的系統(tǒng)，以97.5%的準確率完成對20萬頁古籍的整體識別。

該系統(tǒng)已能批量識別百本古籍，并沉淀覆蓋3萬多字的古籍字典。比起專家錄入，這套人機交互的識別系統(tǒng)將效率提升了近30倍。隨著古籍識別規(guī)模的擴增，機器還會自我進化，不斷提升準確率和效率。

阿里巴巴達摩院院長張建鋒表示，守護中華傳世典籍，是科技工作者和文化工作者共同的使命。阿里計劃將這套技術工具連同古籍數(shù)字化平臺一并捐贈，交由權威公共機構長期運營，同時，阿里仍將在古籍數(shù)字化工作上持續(xù)投入人力物力。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。