中新網(wǎng)蘭州3月28日電 (丁思 劉玉桃)為破解智能化簡(jiǎn)牘文字識(shí)別與內(nèi)容理解這一重大難題，近日，西北師范大學(xué)聯(lián)合甘肅簡(jiǎn)牘博物館推出了DeepJiandu數(shù)據(jù)集，全球與眾共享。

　　DeepJiandu數(shù)據(jù)集，是在該校簡(jiǎn)牘學(xué)術(shù)資源數(shù)據(jù)共享平臺(tái)的基礎(chǔ)之上，研究發(fā)布的全球首個(gè)專門用于復(fù)雜場(chǎng)景下簡(jiǎn)牘字符檢測(cè)與識(shí)別的大規(guī)模數(shù)據(jù)集。該數(shù)據(jù)集的發(fā)布，極大促進(jìn)人工智能技術(shù)對(duì)簡(jiǎn)牘文獻(xiàn)信息的理解，為簡(jiǎn)牘學(xué)搭上AI技術(shù)快車提供有力支撐。

　　該工作由西北師范大學(xué)簡(jiǎn)牘研究院、甘肅省簡(jiǎn)牘智能計(jì)算與數(shù)字人文工程研究中心張強(qiáng)教授團(tuán)隊(duì)負(fù)責(zé)開展，甘肅簡(jiǎn)牘博物館、上海中西書局、甘肅文化出版社、西南大學(xué)等單位參與了該項(xiàng)工作。

　　據(jù)張強(qiáng)介紹，在紙張普及前的千余年中，簡(jiǎn)牘是中國(guó)古代記錄歷史信息的重要媒介，承載了戰(zhàn)國(guó)、秦、漢、魏晉等時(shí)期的典籍、律令、契約等，形成了完整的文明記憶鏈條，簡(jiǎn)牘是文字傳播的核心媒介。

　　然而，簡(jiǎn)牘因竹木材質(zhì)易受腐蝕，尤其在出土后易出現(xiàn)氧化、變色或粘連問題；同時(shí)由于簡(jiǎn)牘材料的脆弱性，長(zhǎng)期埋藏環(huán)境導(dǎo)致字符模糊、字跡缺損、產(chǎn)生畸變等問題，使得人工識(shí)別與整理這些珍貴文獻(xiàn)極為困難?，F(xiàn)有的數(shù)字化技術(shù)雖在甲骨文、東巴文、古彝文、古希臘銘文、古埃及象形文字、瑪雅文字等相關(guān)文獻(xiàn)資料等領(lǐng)域取得突破，但在簡(jiǎn)牘文獻(xiàn)資料的智能化處理與分析程度不高，特別缺乏高質(zhì)量的數(shù)據(jù)集，制約了人工智能技術(shù)在該領(lǐng)域的應(yīng)用。

　　“DeepJiandu數(shù)據(jù)集的構(gòu)建正是為了解決這一問題?！睆垙?qiáng)介紹說，研究團(tuán)隊(duì)通過高光譜成像、圖像增強(qiáng)、多光譜融合等技術(shù)，確保了高質(zhì)量的數(shù)據(jù)構(gòu)建。數(shù)據(jù)集涵蓋2242種字符類別，并由簡(jiǎn)牘學(xué)專家與計(jì)算機(jī)專家合作標(biāo)注，確保數(shù)據(jù)的專業(yè)性與準(zhǔn)確性。此外，數(shù)據(jù)集的設(shè)計(jì)考慮到簡(jiǎn)牘中字符的殘損、異形字、多種布局等復(fù)雜場(chǎng)景，有效提升了模型對(duì)歷史文獻(xiàn)的適應(yīng)能力。

　　DeepJiandu數(shù)據(jù)集的發(fā)布，填補(bǔ)了歷史文獻(xiàn)數(shù)字化與人工智能結(jié)合的空白，為簡(jiǎn)牘整理與自動(dòng)識(shí)別提供了重要支持，提升考古學(xué)者對(duì)簡(jiǎn)牘文獻(xiàn)的解讀效率。此外，結(jié)合計(jì)算機(jī)視覺與歷史語言學(xué)，該數(shù)據(jù)集還將推動(dòng)文博機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型，為多模態(tài)文化遺產(chǎn)保護(hù)提供新的技術(shù)路徑。

　　張強(qiáng)表示，隨著DeepJiandu數(shù)據(jù)集的推廣，研究團(tuán)隊(duì)預(yù)計(jì)將有更多深度學(xué)習(xí)、計(jì)算機(jī)視覺領(lǐng)域的研究者加入簡(jiǎn)牘文獻(xiàn)的數(shù)字化處理研究，并推動(dòng)人工智能在歷史文獻(xiàn)解析、文化遺產(chǎn)保護(hù)等多學(xué)科交叉領(lǐng)域的應(yīng)用。未來，團(tuán)隊(duì)將繼續(xù)優(yōu)化數(shù)據(jù)集，并探索多模態(tài)融合等前沿技術(shù)，為數(shù)字人文研究提供更強(qiáng)大的技術(shù)支持。

　　目前，DeepJiandu數(shù)據(jù)集已載入西北師范大學(xué)簡(jiǎn)牘學(xué)術(shù)資源數(shù)據(jù)共享平臺(tái)。該平臺(tái)已開發(fā)了實(shí)物庫(kù)、釋文庫(kù)、字形庫(kù)、著錄庫(kù)、文獻(xiàn)庫(kù)和專家?guī)炝鶄€(gè)庫(kù)，利用人工智能、大數(shù)據(jù)分析、虛擬現(xiàn)實(shí)等先進(jìn)技術(shù)，完成了對(duì)4萬枚西北漢簡(jiǎn)的數(shù)字化收錄，不僅為專家學(xué)者提供了便捷的研究工具，也向公眾展示了簡(jiǎn)牘文化的獨(dú)特魅力。該平臺(tái)現(xiàn)擁有千余名國(guó)內(nèi)外在線用戶，覆蓋了國(guó)內(nèi)外384個(gè)科研、文化機(jī)構(gòu)和高等院校。(完)