一本古籍，如何从纸页“搬”到网页？
进入“识典古籍”平台，平台设计者、北京大学人工智能研究院副研究员杨浩开始演示：“古籍的数字化分为两步。一是图像化，我们与海内外古籍收藏单位合作，广泛收集古籍数字化图像资料。二是文本化，利用人工智能技术对古籍文字进行识别、排序、校对、结构整理、标点、实体识别等，对内容作精细化处理。”
杨浩上传了一页古籍图像，不一会儿，文字自动识别处理完成。古籍图像上显现出不同颜色的小方框，“每个方框对应一个文字，先切分再调整顺序。红色方框是提醒此处需要人工介入，来进一步判断和处理。”
与此同时，古籍图像旁已自动识别出一段文字，并可比照原图像进行修改调整。杨浩继续解释：“这个过程中，主要使用了文字识别、自动标点和命名实体识别等人工智能技术。文字识别技术，是对古籍数字图像中的文字进行单个切分，再进行文字识别和顺序读出；自动标点技术，是通过序列标注的方式对古籍自动进行现代标点；命名实体识别技术，则是通过序列标注方法识别出文本中的人名、地名、书名、时间、官职等信息。”同时，在机器自动识别后，会有专人复查结果，进一步提升准确率。
据悉，“识典古籍”平台文字识别的准确率达到96%以上，自动句读的准确率达到94%，命名实体识别在中古史料上的准确率接近98%。
“大部分古籍阅读平台或只提供扫描文稿，或只提供文本内容，有些商业数据库收费高昂，获取资源十分不便。”北京大学历史学系学生刘沐含说，“识典古籍”平台有着丰富的检索功能以及分类与年代筛选功能，可以辅助开展学术研究。
一个全流程的智能化整理平台
集纳展示古籍数字版本，不是“识典古籍”平台的全部。团队有着更大的设想——在一个平台实现古籍智能整理的全部环节。
“‘识典古籍’平台由两部分组成，前端是阅读平台，后端是古籍整理平台。”王军作了一个比喻，“就像是餐厅的前厅和后厨。” |
