全球最大！甲骨文单字数据库

点击蓝字 关注我们

阅读本文前，请先点击上方的蓝色字体“简牍学”，再点击关注，这样就能天天免费收到精彩文章了。每天都有更新，完全是免费订阅，请放心关注！ 

建立全球最大的甲古文单字数据库

AI又双叒立大功！

2023世界人工智能大会上，我们公布了在AI for Science（"人工智能驱动科学研究"）领域的一点“遥远”的成果

你有没有想过

几千年前的国人是怎么看待宇宙的？

甲骨文能给我们答案，如果能看懂的话。

目前，已经出土的甲骨约有16万片，已经发现约4500个甲骨字，其中约3000字尚未释读。

而甲骨自然损坏速度很快，甲骨文专家学者数量又少，急需数字化保存和智能工具的帮助、加快破译速度。

去年，腾讯优图实验室、SSV数字文化实验室与安阳市文物局、安阳甲骨文信息处理实验室等多个部门合作，宣布共建甲骨文开放创新平台，让AI和专家们一起投入甲骨文考释工作。

截至目前，我们已经建立起覆盖143万字的全球最大甲骨文单字数据库！

甲骨文的考释，一般会从两个维度去考虑：字形，和辞例（即实际的语义）。

优图实验室的同学们发现，甲骨文的不同字形、不同写法之间的匹配关系在破译中尤为关键——这跟图像识别一样的嘛！老本行！

而为了达成字形匹配的目标，首先得有用来匹配的字库，操作就开始了：

第一步，拓片文字检测。

每块甲骨拓片上一般有很多个字，得先“抠下来”。

AI检测算法能够精确识别拓片上不同区域、不同形态的甲骨文，智能扩充识别边界，避免漏识笔画，进一步加速字库“收集”过程。

第二步，单字摹本生成。

“黑底白字”的甲骨拓片上划痕之类的“噪声”很多，字形不够清晰。

AI摹本生成算法，能够有效识别和去除“噪声”，生成“白底黑字”的具有清晰字形的甲骨文单字摹本，为学者后续的识别和匹配工作扫清障碍。

（ppt演示下拓片-单字-摹本的变化过程）

第三步，构建字库。

到这里，已经处理好的单字摹本就可以进库啦。

目前我们已经收纳了143万个甲骨文单字拓片及其电子摹本，并且每个单字均可对应到其在拓片中的位置。

有了数据库，专家们就可以来进行甲骨文单字的查询了。

基于优图实验室的目标检索和图像匹配算法，专家可以快速实现“以字搜图”，“以图搜图”。

想找一个字，就输入字形，AI会自动比对它和字库中所有单字摹本的相似度（这比肉眼看遍143w个字快多了），给出字形最近似的摹本以及关联拓片。

等等，143万？不是只发现4500个单字吗？

原来，这个字库特意收集了每个单字多次出现、或出现在不同拓片上的重复情况。

因为对于专家来说，在研究某一个字的时候，看到这个字出现在所有语境下、或者所有拓片上面的情况，是很有必要的。

甚至有时候，一个字出现的频次高，本身就是一种有意义的重复。

这也是我们首次将文字检测、摹本生成、字形匹配等AI算法，综合应用于甲骨文研究。

未来，我们还会进一步将这个数据库工具化，提升甲骨文识别与考释、甲骨论著内容提取等的效率。

用最新的技术，追寻最古的源头，不失为一种浪漫。

目前我们共有“语言学”“简牍学”和“讲座与学术”三个公众号，三者有所分工而又互相补充：

“语言学”专门发布最新的语言研究资讯、社会热点话题的语言学解析等内容；

“简牍学”专门发表简牍学及出土文献相关研究成果、学术信息；

“讲座与学术”专门发布语言、文学、历史、教育、哲学、社会、出土文献 等人文社科讲座预告和学术会议。

敬请新老朋友关注“语言学”“简牍学”和“讲座与学术”公众号，以便及时获取最新资讯！

推荐阅读


温馨提示

推广内容如有侵权请您告知，我们会在第一时间处理或撤销；互联网是一个资源共享的生态圈，我们崇尚分享。其他平台转载请注明(来源：简牍学）。

转载仅供思考，不代表【简牍学】立场。

今日文章就到这~近期，微信公众号信息流改版。每个用户可以设置常读订阅号，这些订阅号将以大卡片的形式展示。因此，如果不想错过“简牍学”的文章，你一定要进行以下操作：进入“简牍学”公众号 → 点击右上角的 「菜单」→ 选择「设为星标」

END

编辑：李佳遥

审核：潘宇琪

来源：腾讯数字文化

扫描关注
三连一下，了解更多精彩内容