识典古籍

10月11日，由“北京大学—字节跳动数字人文开放实验室”研发的古籍数字化平台“识典古籍”测试版正式上线。目前，该平台涵盖390部经典古籍，主要来自《四部丛刊》，共计3000多万字，即日起向公众免费开放。未来三年，“识典古籍”将陆续完成一万种古籍的智能化整理工作，基本覆盖儒家、道家和佛学的核心典籍目录，届时将全部免费开放。 识典古籍 “识典古籍”项目负责人现场讲解 据了解，上述实验室系今年3月北京大学与字节跳动合作成立，将人工智能技术应用于古籍资源的智能化整理。“识典古籍”平台上线，即是双方合作的最新进展。 当前，中国的古籍数字化还处于初级阶段，面临技术难度高、资金缺口大、人才紧张等难点。相关资料显示，现存的20多万种古籍中，只有8万种完成影像数字化扫描，近4万种完成文本数字化。据专家统计，从1949年到2019年，国内共修复整理出版古籍近3.8万种，要将现存古籍全部修复整理出来，可能需要300年时间；若利用人工智能技术辅助修复整理，大概二三十年就能完成。 识典古籍 活动相关海报 据“识典古籍”项目负责人介绍，该平台当前主要使用了三种技术，包括文字识别、自动标点和命名实体识别。文字识别技术，是对古籍的影印版文字进行单个切分，再进行文字识别和顺序识别。自动标点技术，是通过序列标注的方式对古籍自动进行标点划分。命名实体识别技术，则是通过序列标注识别文本中的人名、地名、书籍、时间、官职等信息。据悉，目前行业内OCR识别准确率平均为93%至94%，“识典古籍”的准确率为96%至97%。 与其他古籍数字化平台相比，“识典古籍”具有自身的特点，页面简洁，浏览流畅，提供影印底本作为参照，还具备主题词检索和繁简体转换功能，便于专业研究人员、广大古籍爱好者使用。同时，“识典古籍”书目将持续更新，后续将上线手机移动版。