北京2022年9月26日 /美通社/ -- 日前，由上海世紀出版集團統(tǒng)一規(guī)劃、上海古籍出版社論證實施的"尚古匯典·古籍數(shù)字服務平臺"一期項目正式上線。該平臺是一個基于光學文字識別（OCR）、自然語言處理、大規(guī)模語料庫等智能算法技術(shù)，聚合上海世紀出版集團內(nèi)部古籍資源，所形成的一個鏈接并服務古籍整理出版者、古籍專業(yè)研究者、傳統(tǒng)文化愛好者的古籍內(nèi)容生產(chǎn)與知識服務的數(shù)字化開放平臺。浪潮信息與元腦伙伴上海華胄為上海古籍出版社提供技術(shù)支持，平臺現(xiàn)已涵蓋古籍整理1168種，總字數(shù)超過3億字，并且即將開放古籍OCR、自動標點、自動標引等工具。
AI加速推動古籍整理利用轉(zhuǎn)型升級
一直以來，古籍保護主要采用原生性保護方式，即把古籍當作"文物"保護起來，后來出現(xiàn)再生性保護方式，對古籍進行影印再造和影像保存，此種方式呈現(xiàn)的圖像整體質(zhì)量較低，翻閱難度大，難以滿足讀者和研究人員的需要。近十幾年來，各種古籍數(shù)據(jù)庫服務開始興起，但是市面上的產(chǎn)品大多良莠不齊，缺少精品。
為增補完善國家古籍數(shù)字化基礎(chǔ)資源、全面盤活古籍核心文獻、完善古籍知識生產(chǎn)和服務模式，由上海古籍出版社打造的"尚古匯典·古籍數(shù)字服務平臺"于去年9月啟動，一期項目于近期正式上線，用戶可以實現(xiàn)古籍全文檢索、在線閱讀，同時提供聯(lián)機字典、紀年換算等實用工具。
在技術(shù)上，"尚古匯典·古籍數(shù)字服務平臺"將分別籌劃打造以知識生產(chǎn)及知識服務為目標的兩個技術(shù)平臺，即以古籍全文識別系統(tǒng)（OCR）、古籍智能整理系統(tǒng)、古籍智能算法平臺為基礎(chǔ)的知識生產(chǎn)平臺，和實現(xiàn)海量古籍文獻在資源層、內(nèi)容層、語義層的關(guān)聯(lián)，以此構(gòu)建的古籍知識服務平臺。
元腦伙伴上海華胄助力打造先進算力底座
古籍的提取并不是一件容易的事情，由于年代久遠、水解、氧化、微生物降解等原因，很多古籍都難完整保留下來，科研人員需要對其進行更大規(guī)模的提取，以獲得更多的有效數(shù)據(jù)。
無論是古籍的分析還是提取，或是針對研究數(shù)據(jù)的處理，背后都對算力提出了極高的要求。過去科研人員通常使用臺式機和普通的服務器進行一系列數(shù)據(jù)分析，單次處理的古籍數(shù)量非常有限。隨著古籍技術(shù)平臺的升級，科研人員的捕獲能力得到增強，實驗所得的古籍文字量大幅提升，繼而帶來了巨大的數(shù)據(jù)處理任務，當前算力已經(jīng)遠遠無法滿足需求。
作為元腦合作伙伴，上海華胄為上海古籍出版社提供最新一代AI旗艦服務器靈活布置次級業(yè)務系統(tǒng)，保障業(yè)務系統(tǒng)的高可用，為古籍研究帶來源源不斷的優(yōu)質(zhì)算力，為其搭建高效應用平臺。
該平臺的OCR系統(tǒng)、自動標點與自動標引技術(shù)開發(fā)都已趨于成熟，其中OCR技術(shù)可以在一分鐘以內(nèi)完成200頁古籍圖像的識別，準確率超過93%。OCR輸出的文本在經(jīng)過自動標點和標引之后，可以快速達到可檢索、便于閱讀的目的，極大方便了學術(shù)研究。未來，這一平臺還通過解析上海古籍出版社海量古籍資源內(nèi)容，對其進行知識結(jié)構(gòu)化揭示，重構(gòu)原有的古籍內(nèi)容組織形式，并創(chuàng)建全新的知識模塊，實現(xiàn)古籍資源的知識化、專業(yè)化服務。
上海古籍出版社副社長吳長青表示，通過采用OCR的文本生成技術(shù)、自然語言處理的文本整理與標引等先進技術(shù)，大量優(yōu)秀古籍可以在準確權(quán)威的平臺上與公眾、專業(yè)研究人員面對面，使用效率大幅提高，有力促進海量優(yōu)秀傳統(tǒng)文化信息便利快捷有效利用。
古籍文化不止是義理、訓詁與考證，古代文學的研究也不應該只停留在古籍館與古文工作者的論文中，其價值更在于以古人的感受、思考去慰藉、照亮現(xiàn)代人。浪潮信息、上海華胄未來將基于元腦AIStore，積極探索大數(shù)據(jù)、語義網(wǎng)絡(luò)關(guān)聯(lián)及知識圖譜等技術(shù)在古籍行業(yè)的應用，推進中華優(yōu)秀傳統(tǒng)文化的創(chuàng)造性轉(zhuǎn)化和創(chuàng)新性發(fā)展，并以此賦能古籍整理出版和學術(shù)研究、國學傳習。
