北大攜字節跳動推出古籍數字化平臺

10月11日，由“北京大學—字節跳動數字人文開放實驗室”研發的古籍數字化平臺“識典古籍”測試版正式上線。目前，該平臺涵蓋390部經典古籍，主要來自《四部叢刊》，共計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能化整理工作，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。

“識典古籍”項目負責人現場講解

據了解，上述實驗室系今年3月北京大學與字節跳動合作成立，將人工智能技術應用于古籍資源的智能化整理。“識典古籍”平臺上線，即是雙方合作的最新進展。

當前，中國的古籍數字化還處于初級階段，面臨技術難度高、資金缺口大、人才緊張等難點。相關資料顯示，現存的20多萬種古籍中，只有8萬種完成影像數字化掃描，近4萬種完成文本數字化。據專家統計，從1949年到2019年，國內共修復整理出版古籍近3.8萬種，要將現存古籍全部修復整理出來，可能需要300年時間；若利用人工智能技術輔助修復整理，大概二三十年就能完成。

活動相關海報

據“識典古籍”項目負責人介紹，該平臺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，是通過序列標注的方式對古籍自動進行標點劃分。命名實體識別技術，則是通過序列標注識別文本中的人名、地名、書籍、時間、官職等信息。據悉，目前行業內OCR識別準確率平均為93%至94%，“識典古籍”的準確率為96%至97%。

與其他古籍數字化平臺相比，“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，便于專業研究人員、廣大古籍愛好者使用。同時，“識典古籍”書目將持續更新，后續將上線手機移動版。

“識典古籍”網頁截圖

未來，“識典古籍”將向全社會開放古籍閱讀檢索研究能力，還將實現全自動整理校對，更高效地實現存量古籍全部數字化。同時，平臺也鼓勵擁有文獻的學者自行上傳文獻，用戶甚至可參與再創作和再闡釋，助力古籍文化傳承和研究。

一年多來，字節跳動在古籍修復和活化上也有所進展。此前，字節跳動資助國家圖書館定向修復的珍貴古籍104冊件，現已完成50多冊件，包括一批稀有的樣式雷圖檔。在活化方面，抖音平臺推出“尋找古籍守護人”計劃，旨在激勵創作者通過音樂、說書、繪畫、復原美食等形式，普及古籍知識、演繹古籍內容，讓古籍鮮活起來。