字节跳动与北京大学合作研发的数字化平台“识典古籍”免费开放

2024-06-20 阅读18 评论0 喜欢0

旗龙网网 10 月 12 日消息，据字节跳动公布，字节跳动与北京大学合作开发的古籍数字平台古籍识别测试版已上线。目前，该平台已上线 390 部经典古籍，共计 3000 多万字，免费向公众开放。未来三年，读古籍将陆续完成1万种古籍的智能整理，基本涵盖儒家、道家、佛教的核心书目。

“识典古籍”测试版网站首页，https://www.shidianguji.com/

据不完全统计，中国现存古籍约 20 万种，其中已经完成数字化影像扫描的有 8 万种，而实现文本数字化的仅 3-4 万种。

为了方便大家在古籍“图书馆”里检索、阅读，“识典古籍”平台主要采用三项人工智能技术：

一、文字识别，也就是用 OCR（光学字符识别）技术将古籍影印版图像识别成文字。目前行业内 OCR 的识别准确率平均为 93% 至 94%，而“识典古籍”将这个数字提高到 96% 至 97%。

二、自动标点，指通过算法，给原本缺少断句的古籍自动打上标点符号。举个例子，《论语》开篇“学而时习之不亦说乎”，自动标点后的结果是“学而时习之，不亦说乎？”

三、命名实体识别，即识别古籍中的“专有名词”，包括人名、地名、书籍、时间、官职五大类型。

字节跳动称，与同类型平台相比，“识典古籍”访问比较稳定，速度快。繁简体转换和主题词检索功能，便于高效获取内容。平台还提供了权威来源的影印版底本，与数字化文本内容互相对照。另外，一年多来，字节跳动资助国家图书馆定向修复珍贵古籍 104 册件，现已完成 50 余册件，包括一批稀有的样式雷图档。

旗龙网网获悉，未来，“识典古籍”还将实现全自动整理校对，并免费开放这项能力，促进存量古籍数字化。平台还将向全社会开放古籍阅读检索研究能力，同时鼓励拥有文献的学者自行上传文献，用户还能参与再创作和再阐释。

关注

不只是科技数码，还有一些有趣的生活分享给大家

赞一个、收藏了!

分享给朋友看看这篇文章

相关标签