近日，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。据介绍，该平台涵盖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。未来三年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。
据了解，上述实验室系今年3月北京大学与字节跳动合作成立，将人工智能技术应用于古籍资源的智能化整理。“识典古籍”平台上线是双方合作的最新进展。与其他古籍数字化平台相比，“识典古籍”页面简洁、浏览流畅，提供影印底本作为参照，还具备主题词检索和繁简体转换功能，后续将上线手机移动版平台。
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。据专家统计，从1949年到2019年，国内共修复整理出版古籍近3.8万种，要将现存古籍全部修复整理出来，可能需要300年时间；若利用人工智能技术辅助修复整理，大概二三十年就能完成。
据“识典古籍”项目负责人介绍，该平台当前主要使用了三种技术，包括文字识别、自动标点和命名实体识别。据悉，目前行业内OCR识别准确率平均为93%至94%，“识典古籍”的准确率为96%至97%。
本文转载自新浪科技，本文观点不代表吉开立场。
