数字化，让古籍触手可及（护文化遗产彰时代新义）

2024-01-10 09:02 作者：吴丹人民日报责任编辑：陈玮

摘要：“识典古籍”平台项目负责人、北京大学数字人文研究中心主任王军希望，“识典古籍”平台能推动散落海外的中华古籍回流，促成古籍的开放共享。据悉，“识典古籍”平台文字识别的准确率达到96%以上，自动句读的准确率达到94%，命名实体识别在中古史料上的准确率接近98%。

核心阅读

我国现存古籍约有20万种，修复整理现存的全部古籍，可能需要300余年。古籍数字化迫在眉睫。一本古籍，如何从纸页“搬”到网页？广泛收集图像资料、利用现代技术精细化处理……自2022年10月上线以来，“识典古籍”平台已陆续汇集经、史、子、集等2200余部古籍，免费面向公众开放，为解决古籍保护和利用矛盾进行了有益尝试。

“青蒿一握，以水二升渍，绞取汁，尽服之”，屠呦呦从古籍中获得灵感，由此发现青蒿素；在浩瀚古籍中寻幽入微，竺可桢绘制出一条物候变迁的曲线——“竺可桢曲线”，浓缩出五千年中华大地的冷暖变化图景。

卷帙浩繁的中华古籍，凝结着先人的智慧，记载着璀璨的文化，诉说着绵延不绝的中华文明。岁月不居，书阙有间，部分古籍正慢慢“老去”，褪色、脆化、腐蚀，甚至稍一翻阅就会损毁。

当古老典籍遇到现代技术，会产生什么奇妙反应？

一种“打开”古籍的全新方式

“初见”“流光”“惊鸿”“珠联”“缀玉”……点击网页上的标签，《永乐大典》的前世今生、编纂方法、历史价值等信息，伴随着动画音效，呈现于眼前。

点击页面右上角“阅读大典”，进入文本阅读平台。《永乐大典》原本影像与数字化文本相互对照，繁简体文字随时切换。遇生僻词句，可选中文本，点击“查看引用”，出处清晰可考。

《永乐大典》是我国古代规模最大的类书，汇集先秦至明初各类典籍，被誉为“世界有史以来最大的百科全书”。但几经散佚，副本存世不及原书的4%。对学者而言，《永乐大典》是进行学术研究的重要资料；对普通读者来说，古籍文本往往艰涩难懂，且接触机会不多。

如今，《永乐大典》高清影像数据库（第一辑）在古籍数字化平台“识典古籍”正式上线，免费面向公众开放。借助现代数字技术，厚重典籍浓缩在方寸之间，尘封已久的历史画卷徐徐展开，成为触手可及的文化资源。

“互动化、可视化的呈现方式更加符合当代人的阅读习惯，沉浸式阅读体验拉近了古籍与普通读者之间的距离。”“识典古籍”平台项目负责人之一、北京大学信息管理系助理教授位通说。

自2022年10月上线以来，“识典古籍”平台已陆续汇集经、史、子、集等2200余部古籍，面向海内外读者免费开放。该平台由北京大学与抖音合作共建，致力于为用户提供免费、公开、稳定、快速、方便的检索和阅读古籍服务。

“识典古籍”平台项目负责人、北京大学数字人文研究中心主任王军希望，“识典古籍”平台能推动散落海外的中华古籍回流，促成古籍的开放共享。

一次解决保护和利用矛盾的尝试

古籍数字化为何迫切？

王军算过一笔账：我国现存古籍约有20万种，从1949年到2019年，共修复整理出版了近3.8万种，修复整理现存的全部古籍，可能需要300余年。可以说，古籍修复速度赶不上老化速度。

修复整理，只是数字化的第一步。古籍具有文物和文献的双重属性，修复好的古籍若只被束之高阁，后续研究就无法开展，更无法发挥其文化传承的价值。

因此，数字化是一场生产效率的变革，也是一次解决古籍保护和利用矛盾的尝试。

一本古籍，如何从纸页“搬”到网页？

进入“识典古籍”平台，平台设计者、北京大学人工智能研究院副研究员杨浩开始演示：“古籍的数字化分为两步。一是图像化，我们与海内外古籍收藏单位合作，广泛收集古籍数字化图像资料。二是文本化，利用人工智能技术对古籍文字进行识别、排序、校对、结构整理、标点、实体识别等，对内容作精细化处理。”

杨浩上传了一页古籍图像，不一会儿，文字自动识别处理完成。古籍图像上显现出不同颜色的小方框，“每个方框对应一个文字，先切分再调整顺序。红色方框是提醒此处需要人工介入，来进一步判断和处理。”

与此同时，古籍图像旁已自动识别出一段文字，并可比照原图像进行修改调整。杨浩继续解释：“这个过程中，主要使用了文字识别、自动标点和命名实体识别等人工智能技术。文字识别技术，是对古籍数字图像中的文字进行单个切分，再进行文字识别和顺序读出；自动标点技术，是通过序列标注的方式对古籍自动进行现代标点；命名实体识别技术，则是通过序列标注方法识别出文本中的人名、地名、书名、时间、官职等信息。”同时，在机器自动识别后，会有专人复查结果，进一步提升准确率。

据悉，“识典古籍”平台文字识别的准确率达到96%以上，自动句读的准确率达到94%，命名实体识别在中古史料上的准确率接近98%。

“大部分古籍阅读平台或只提供扫描文稿，或只提供文本内容，有些商业数据库收费高昂，获取资源十分不便。”北京大学历史学系学生刘沐含说，“识典古籍”平台有着丰富的检索功能以及分类与年代筛选功能，可以辅助开展学术研究。

一个全流程的智能化整理平台

集纳展示古籍数字版本，不是“识典古籍”平台的全部。团队有着更大的设想——在一个平台实现古籍智能整理的全部环节。

“‘识典古籍’平台由两部分组成，前端是阅读平台，后端是古籍整理平台。”王军作了一个比喻，“就像是餐厅的前厅和后厨。”

目前，作为“后厨”的古籍整理平台，已经设定了团队管理员、书目管理员、审订员、整理员等各种用户角色。下一步，将吸引各行各业的古籍爱好者、研究者，以众包校对、协同审核等形式，推进古籍整理项目和数据库建设，打造“古籍图像上传—文本校对整理—高质量标记—文本输出”的全流程系统。

哈尔滨师范大学历史文化学院学生刘钰昕，提前体验了一回“整理员”角色。

“希望能为损毁严重的古籍做点力所能及的事情。”2022年4月，看到北大数字人文研究中心的招募信息，刘钰昕第一时间报名，成为“识典古籍”平台的一名志愿者。

“我参与了《春秋左传注》《史记》《汉书》等古籍的校对工作。”谈及志愿工作，刘钰昕的热爱之情溢于言表，“印象最深的就是，为了制定魏晋南北朝官职标注规则，我查阅了大量的文献，还详细翻阅了《文献通考》的‘职官考’二十一考。”

“新时代古籍事业发展，需要一批对古典文献学、古籍保护、信息技术以及数字化流程都比较熟悉，又能将各方面有机融合的复合型人才。”北京大学中文系教授杨海峥建议，应加强古籍学科理论构建和课程体系建设，编写适合新时代古籍工作需要的专业教材，并多为学生提供实践机会，以推进新时代古籍人才队伍建设。

“古籍是中华文明延续数千年未曾中断的有力证明，希望通过‘识典古籍’平台以及暑期工作坊、学术研讨等活动，推动中华文明传承发展，向世界展示和传播我们的文化之美。”王军说。

新年伊始，杨浩写下了新的展望：