字節(jié)跳動和北大推出古籍數(shù)字化平臺 測試版已上線

10月11日消息，由“北京大學—字節(jié)跳動數(shù)字人文開放實驗室”研發(fā)的古籍數(shù)字化平臺“識典古籍”測試版正式上線。

目前，該平臺涵蓋390部經(jīng)典古籍，主要來自《四部叢刊》，共計3000多萬字，即日起向公眾免費開放。未來三年，“識典古籍”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、道家和佛學的核心典籍目錄，屆時將全部免費開放。

今年3月，北京大學與字節(jié)跳動合作成立了“北京大學—字節(jié)跳動數(shù)字人文開放實驗室”，致力于將人工智能技術應用于古籍資源的智能化整理。

“識典古籍”項目負責人介紹，該平臺當前主要使用了三種技術，包括文字識別、自動標點和命名實體識別。文字識別技術，是對古籍的影印版文字進行單個切分，再進行文字識別和順序識別。

自動標點技術，是通過序列標注的方式對古籍自動進行標點劃分。命名實體識別技術，則是通過序列標注識別文本中的人名、地名、書籍、時間、官職等信息。

據(jù)悉，目前行業(yè)內(nèi)OCR識別準確率平均為93%至94%，“識典古籍”的準確率為96%至97%。

與其他古籍數(shù)字化平臺相比，“識典古籍”具有自身的特點，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換功能，便于專業(yè)研究人員、廣大古籍愛好者使用。同時，“識典古籍”書目將持續(xù)更新，后續(xù)將上線手機移動版。

未來，“識典古籍”將向全社會開放古籍閱讀檢索研究能力，還將實現(xiàn)全自動整理校對，實現(xiàn)存量古籍全部數(shù)字化。同時，平臺也鼓勵擁有文獻的學者自行上傳文獻，用戶甚至可參與再創(chuàng)作和再闡釋。