(相關(guān)資料圖)
無(wú)論是石刻拓片、民國(guó)期刊，還是版刻古籍，只需要5分鐘就可以對(duì)數(shù)百頁(yè)的文獻(xiàn)圖像進(jìn)行批量的OCR（文字識(shí)別），并可以在線開(kāi)啟校對(duì)工作。11月初，中華書(shū)局古聯(lián)公司發(fā)布了“古聯(lián)OCR系統(tǒng)”，這是智能技術(shù)運(yùn)用在古籍整理方面的一項(xiàng)重要成果。
“識(shí)別率很高，基本沒(méi)有錯(cuò)誤。”O(jiān)CR系統(tǒng)剛一發(fā)布，就有用戶進(jìn)行了試用體驗(yàn)。事實(shí)上，從紙面文字到數(shù)字化數(shù)據(jù)，看似簡(jiǎn)單的一步，卻是古籍整理研究的重要環(huán)節(jié)，需要運(yùn)用多項(xiàng)智能技術(shù)。
“智能技術(shù)進(jìn)入古籍整理領(lǐng)域，是古籍整理長(zhǎng)久以來(lái)工作方法的顯著創(chuàng)新。古籍原典從紙本到數(shù)據(jù)的關(guān)鍵一環(huán)，即為文本的獲取，而文本獲取的正確率如何、操作的簡(jiǎn)易性如何，對(duì)后續(xù)工作展開(kāi)有很大影響。”中華書(shū)局古聯(lián)公司總經(jīng)理洪濤介紹，若識(shí)別效果太差，會(huì)給后續(xù)的校對(duì)和整理工作增加不少工作量。古聯(lián)智能OCR系統(tǒng)基于機(jī)器學(xué)習(xí)技術(shù)和豐富的字庫(kù)支持，輔以便捷的在線校對(duì)和編輯環(huán)境，可以大幅減輕人工校對(duì)工作量，協(xié)助編輯和作者更高效、更便捷地處理文本。
黨的二十大報(bào)告提出，推進(jìn)教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會(huì)、學(xué)習(xí)型大國(guó)。據(jù)了解，OCR系統(tǒng)與古聯(lián)公司推出的古籍自動(dòng)標(biāo)點(diǎn)、繁簡(jiǎn)轉(zhuǎn)換工具相結(jié)合，將古籍整理研究界使用的技術(shù)工具擴(kuò)大為普通用戶觸手可及的智能產(chǎn)品，為廣大普通讀者服務(wù)。除此之外，該系統(tǒng)也可配合高等學(xué)校的古典文獻(xiàn)等傳統(tǒng)學(xué)科轉(zhuǎn)向新文科建設(shè)，讓學(xué)生在學(xué)習(xí)階段就能了解到業(yè)內(nèi)前端的新興技術(shù)和發(fā)展方向。
“戈厲機(jī)”是高爾基；“師梨”是雪萊；戛劍生、公汗、隋洛文，都是魯迅的筆名……在閱讀漢譯文學(xué)早期文獻(xiàn)時(shí)，人們常常會(huì)有“猜人名”的困惑。這是因?yàn)樵缙谕鈬?guó)作家及其作品的漢譯名稱極不統(tǒng)一，而譯介者又多使用筆名且變化無(wú)常，長(zhǎng)期以來(lái)，此領(lǐng)域一直缺乏相關(guān)的基礎(chǔ)性、系統(tǒng)性的整理工作。11月12日，《現(xiàn)代漢譯文學(xué)編年考錄數(shù)據(jù)庫(kù)》應(yīng)運(yùn)而生。這是黨的二十大以來(lái)，古聯(lián)公司推出的又一重要數(shù)據(jù)庫(kù)產(chǎn)品。據(jù)了解，該數(shù)據(jù)庫(kù)由中國(guó)人民大學(xué)李今教授主持，北京大學(xué)夏曉虹教授、方錫德教授，中國(guó)人民大學(xué)孫郁教授，清華大學(xué)解志熙教授等審定，多位青年學(xué)者著錄，中華書(shū)局古聯(lián)公司開(kāi)發(fā)建設(shè)，致力于為學(xué)界提供現(xiàn)代漢譯文學(xué)研究的便利工具，建立起該專題的史料庫(kù)、知識(shí)庫(kù)及目錄索引庫(kù)。
洪濤介紹，數(shù)據(jù)庫(kù)集納了226種近現(xiàn)代期刊，其漢譯的外國(guó)文學(xué)涉及51個(gè)國(guó)家、1580位外國(guó)作家和2130位譯介者，總條目數(shù)近9000個(gè)，而且，還有大量重要期刊的內(nèi)容尚在考錄中，不久將增補(bǔ)上線。項(xiàng)目組以前所未有的規(guī)模為1896-1949年間期刊上的漢譯文學(xué)及其相關(guān)現(xiàn)象做了編目、整理和考釋，并為譯介者做了生平簡(jiǎn)介及其筆名錄。數(shù)據(jù)庫(kù)集專題文獻(xiàn)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、目錄索引庫(kù)為一體，是綜合性的新型研究工具，適用于中國(guó)近現(xiàn)代文學(xué)、比較文學(xué)與世界文學(xué)、外國(guó)語(yǔ)言文學(xué)等學(xué)科，以及相關(guān)歷史與文化等人文領(lǐng)域的教學(xué)與研究。
辨章學(xué)術(shù)、考鏡源流。記者看到，數(shù)據(jù)庫(kù)中對(duì)相關(guān)條目信息進(jìn)行了詳細(xì)考錄。如1903年《浙江潮》上發(fā)表的小說(shuō)《哀塵》，是法國(guó)“囂俄著，庚辰譯”，頁(yè)面中用數(shù)百字進(jìn)行了考錄：囂俄，今譯雨果，譯者庚辰是魯迅的筆名。據(jù)了解，數(shù)據(jù)庫(kù)成功實(shí)現(xiàn)了外國(guó)作家之不同漢譯名與今譯名、譯介者之署名與常用名之間的“同實(shí)異稱”關(guān)聯(lián)。如檢索“魯迅”，凡魯迅曾使用過(guò)的索子、風(fēng)聲、張祿如等其他筆名的相關(guān)文獻(xiàn)均可同時(shí)呈現(xiàn)，解決了過(guò)往檢索中“同實(shí)異稱”無(wú)法檢索的問(wèn)題，從而盤(pán)活了期刊漢譯文學(xué)史料。
黨的二十大提出要“實(shí)施國(guó)家文化數(shù)字化戰(zhàn)略”，洪濤說(shuō)，這為古聯(lián)公司的發(fā)展提供了動(dòng)力也指明了方向。古聯(lián)公司作為中華書(shū)局的數(shù)字化企業(yè)，要用好技術(shù)手段，從文獻(xiàn)中提取中華優(yōu)秀傳統(tǒng)文化的要素，做好轉(zhuǎn)化與傳播，增強(qiáng)文化自信，讓文化產(chǎn)品更具有時(shí)代性與生命力。
（本報(bào)記者 陳雪）
