摘要
人工智能助力古籍数字化。
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，「识典古籍」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。上线的「识典古籍」平台，提供古籍影印底本作为参照，还具备主题词检索和繁简体转换功能。
「识典古籍」使用了文字识别、自动标点、命名实体识别技术，对古籍的影印版文字进行单个切分后，再进行文字识别和顺序识别，通过序列标注的方式对古籍自动进行标点划分，也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，「识典古籍」的准确率达到了 96% 至 97%。
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。有了人工智能技术的辅助，能加快古籍修复整理的进程。
据介绍，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。
