2022年10月11日,由“北京大學—位元組跳動數字人文開放實驗室”研發的古籍數位化平台“識典古籍”測試版正式上線。平台涵蓋390部經典古籍,主要來自《四部叢刊》,總計3000多萬字,即日起向公眾免費開放。未來三年,“識典古籍”將陸續完成一萬種古籍的智慧型化整理工作,基本覆蓋儒家、道家和佛學的核心典籍目錄,屆時將全部免費開放。
基本介紹
- 網站名稱：識典古籍
- 上線時間：2022年10月11日
技術特點,
技術特點
據“識典古籍”項目負責人介紹，該平台當前主要使用了三種技術，包括文字識別、自動標點和命名實體識別。文字識別技術，是對古籍的影印版文字進行單個切分，再進行文字識別和順序識別。自動標點技術，是通過序列標註的方式對古籍自動進行標點劃分。命名實體識別技術，則是通過序列標註識別文本中的人名、地名、書籍、時間、官職等信息。據悉，當前行業內OCR識別準確率平均為93%至94%，“識典古籍”的準確率為96%至97%。與其他古籍數位化平台相比，“識典古籍”具有自身的特點，頁面簡潔，瀏覽流暢，提供影印底本作為參照，還具備主題詞檢索和繁簡體轉換功能，便於專業研究人員、廣大古籍愛好者使用。同時，“識典古籍”書目將持續更新，後續將上線手機移動版。
