達(dá)摩院技術(shù)助力海外古籍?dāng)?shù)字化回歸 20萬(wàn)頁(yè)古籍AI識(shí)別準(zhǔn)確率97.5%

5月19日消息，在“漢典重光”海外古籍?dāng)?shù)字化回歸發(fā)布會(huì)上，一批珍藏于加州大學(xué)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(tái)。

借助阿里達(dá)摩院的技術(shù)，首批20萬(wàn)頁(yè)古籍已完成數(shù)字化，并沉淀為覆蓋3萬(wàn)多字的古籍字典，公眾可通過(guò)漢典重光平臺(tái)翻閱、檢索古籍。據(jù)悉，達(dá)摩院AI對(duì)20萬(wàn)頁(yè)古籍的識(shí)別準(zhǔn)確率達(dá)到97.5%。

面對(duì)海量無(wú)標(biāo)注的數(shù)據(jù)，如何讓AI快速批量識(shí)別古籍，始終是古籍?dāng)?shù)字化領(lǐng)域的技術(shù)瓶頸。

達(dá)摩院技術(shù)團(tuán)隊(duì)與四川大學(xué)專(zhuān)家聯(lián)手研發(fā)了一套全新的古籍識(shí)別系統(tǒng)。利用單字檢測(cè)、無(wú)監(jiān)督單字聚類(lèi)、小樣本學(xué)習(xí)、主動(dòng)學(xué)習(xí)等機(jī)器學(xué)習(xí)方法，構(gòu)造了一套邊識(shí)別古籍、邊訓(xùn)練模型的系統(tǒng)，以97.5%的準(zhǔn)確率完成對(duì)20萬(wàn)頁(yè)古籍的整體識(shí)別。

該系統(tǒng)已能批量識(shí)別百本古籍，并沉淀覆蓋3萬(wàn)多字的古籍字典。比起專(zhuān)家錄入，這套人機(jī)交互的識(shí)別系統(tǒng)將效率提升了近30倍。隨著古籍識(shí)別規(guī)模的擴(kuò)增，機(jī)器還會(huì)自我進(jìn)化，不斷提升準(zhǔn)確率和效率。

阿里巴巴達(dá)摩院院長(zhǎng)張建鋒表示，守護(hù)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(jì)劃將這套技術(shù)工具連同古籍?dāng)?shù)字化平臺(tái)一并捐贈(zèng)，交由權(quán)威公共機(jī)構(gòu)長(zhǎng)期運(yùn)營(yíng)，同時(shí)，阿里仍將在古籍?dāng)?shù)字化工作上持續(xù)投入人力物力。

生成海報(bào)

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(shū)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。