IT之家 10 月 12 日消息，據(jù)字節(jié)跳動宣布，字節(jié)跳動與北京大學(xué)合作研發(fā)的古籍?dāng)?shù)字化平臺“識典古籍”測試版上線。目前，平臺已上線 390 部經(jīng)典古籍，共計(jì) 3000 多萬字，向公眾免費(fèi)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、道家和佛家的核心書目。
“識典古籍”測試版網(wǎng)站首頁，https://www.shidianguji.com/
據(jù)不完全統(tǒng)計(jì)，中國現(xiàn)存古籍約 20 萬種，其中已經(jīng)完成數(shù)字化影像掃描的有 8 萬種，而實(shí)現(xiàn)文本數(shù)字化的僅 3-4 萬種。
為了方便大家在古籍“圖書館”里檢索、閱讀，“識典古籍”平臺主要采用三項(xiàng)人工智能技術(shù)：
一、文字識別，也就是用 OCR（光學(xué)字符識別）技術(shù)將古籍影印版圖像識別成文字。目前行業(yè)內(nèi) OCR 的識別準(zhǔn)確率平均為 93% 至 94%，而“識典古籍”將這個數(shù)字提高到 96% 至 97%。
二、自動標(biāo)點(diǎn)，指通過算法，給原本缺少斷句的古籍自動打上標(biāo)點(diǎn)符號。舉個例子，《論語》開篇“學(xué)而時習(xí)之不亦說乎”，自動標(biāo)點(diǎn)后的結(jié)果是“學(xué)而時習(xí)之，不亦說乎？”
三、命名實(shí)體識別，即識別古籍中的“專有名詞”，包括人名、地名、書籍、時間、官職五大類型。
字節(jié)跳動稱，與同類型平臺相比，“識典古籍”訪問比較穩(wěn)定，速度快。繁簡體轉(zhuǎn)換和主題詞檢索功能，便于高效獲取內(nèi)容。平臺還提供了權(quán)威來源的影印版底本，與數(shù)字化文本內(nèi)容互相對照。另外，一年多來，字節(jié)跳動資助國家圖書館定向修復(fù)珍貴古籍 104 冊件，現(xiàn)已完成 50 余冊件，包括一批稀有的樣式雷圖檔。
IT之家獲悉，未來，“識典古籍”還將實(shí)現(xiàn)全自動整理校對，并免費(fèi)開放這項(xiàng)能力，促進(jìn)存量古籍?dāng)?shù)字化。平臺還將向全社會開放古籍閱讀檢索研究能力，同時鼓勵擁有文獻(xiàn)的學(xué)者自行上傳文獻(xiàn)，用戶還能參與再創(chuàng)作和再闡釋。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。