10月11日消息，由“北京大學(xué)—字節(jié)跳動(dòng)數(shù)字人文開放實(shí)驗(yàn)室”研發(fā)的古籍?dāng)?shù)字化平臺(tái)“識(shí)典古籍”測試版正式上線。

目前，該平臺(tái)涵蓋390部經(jīng)典古籍，主要來自《四部叢刊》，共計(jì)3000多萬字，即日起向公眾免費(fèi)開放。未來三年，“識(shí)典古籍”將陸續(xù)完成一萬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)開放。

今年3月，北京大學(xué)與字節(jié)跳動(dòng)合作成立了“北京大學(xué)—字節(jié)跳動(dòng)數(shù)字人文開放實(shí)驗(yàn)室”，致力于將人工智能技術(shù)應(yīng)用于古籍資源的智能化整理。

“識(shí)典古籍”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)，頁面簡潔，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體轉(zhuǎn)換功能，便于專業(yè)研究人員、廣大古籍愛好者使用。同時(shí)，“識(shí)典古籍”書目將持續(xù)更新，后續(xù)將上線手機(jī)移動(dòng)版。

未來，“識(shí)典古籍”將向全社會(huì)開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)，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。