免费开放390部经典，未来3年整理上万本古籍，这座图书馆上线了测试版
从2021年6月开始，字节跳动联合国家图书馆等机构、中国文物保护基金会等，在古籍修复、活化和数字化等领域开展了一系列合作，包括捐资1000万元，联合成立古籍保护专项基金等，定向修复百余册件珍贵古籍。
字节跳动古籍保护专项基金启动现场
2022年3月17日，北京大学与字节跳动合作成立“北京大学-字节跳动数字人文开放实验室”，致力于研发开放的“古籍数字化平台”，将人工智能和大数据应用在海量的古籍文献上，实现对古籍内容的智能化整理和古文本知识图谱的自动生成。
近期上线的“识典古籍”平台测试版，便是这一合作的最新进展。据项目负责人介绍，该平台主要使用了三种技术，即文字识别、自动标点、命名实体识别。
文字识别技术，是对古籍的影印版文字进行单个切分、文字识别、顺序识别。自动标点技术，是通过序列标注的方式对古籍自动进行标点划分。命名实体识别，则是通过序列标注识别古籍文本中的命名实体，支持识别人名、地名、书籍、时间、官职等信息。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%。
同时，这些先进技术也离不开人的支持。北京大学数字人文研究中心主任王军表示，北大在这次合作中联合各大高校学者和文献专家，负责人工审核与校对，弥补人工智能有识别错误率的短板，并利用自有学术平台，连接更多专业研究者和学生群体。
该平台测试版已免费向所有用户开放，在数字化文本内容之外，提供足够权威的影印底本作为参照，同时提供主题词检索和繁简体转换功能，方便专业研究人员、古籍爱好者以更加高效便利的方式获取古籍内容。同时，“识典古籍”测试版也存在一些不足，比如典籍数量相对较少，标点错误率还需进一步降低。
“识典古籍”测试版页面
接下来，“北京大学-字节跳动数字人文开放实验室”计划通过人工智能技术，实现全自动整理校对，借助全社会的力量，更高效地实现存量古籍全部数字化。同时，“识典古籍”还将向全社会开放古籍阅读检索研究能力，助力古籍文化传承和传统文化研究。
编辑：段雅露
