字节跳动与北京大学合作研发数字化平台“识典古籍”测试版上线
据字节跳动宣布，字节跳动与北京大学合作研发古籍数字化平台“识典古籍”测试版上线，目前平台已上线390部经典古籍，共计3000多万字，向公众免费开放，未来三年“识典古籍”将陆续完成一万种古籍智能化整理工作，基本覆盖儒家、道家、佛家核心书目。
据不完全统计，中国现存古籍约20万种，已完成数字化影像扫描8万种，实现文本数字化3～4万种，为方便在古籍“图书馆”里检索、阅读，“识典古籍”平台主要采三项人工智能技术：
- 文字识别：用OCR(光学字符识别)技术将古籍影印版图像识别成文字，目前行业内OCR识别准确率平均93%～94%，“识典古籍”提高到96%～97%。
- 自动标点：通过算法，给原本缺少断句古籍自动打上标点符号，例：《论语》开篇“学而时习之不亦说乎”，自动标点后—“学而时习之，不亦说乎？”
- 命名实体识别：识别古籍中的“专有名词”，包括人名、地名、书籍、时间、官职五大类型。
字节跳动称，与同类型平台相比，“识典古籍”访问较稳定、速度快，繁简体转换、主题词检索功能便于高效获取内容，还提供权威来源影印版底本，与数字化文本内容互相对照，一年多来，字节跳动资助国家图书馆定向修复珍贵古籍104册件，现已完成50余册件，包括一批稀有样式雷图档。
“识典古籍”未来还将实现全自动整理校对，并免费开放，促进存量古籍数字化，还将向全社会开放古籍阅读检索研究能力，同时鼓励拥有文献学者自行上传文献，用户能参与再创作、再阐释。
