(相關(guān)資料圖)
無論是石刻拓片、民國期刊，還是版刻古籍，只需要5分鐘就可以對數(shù)百頁的文獻圖像進行批量的OCR（文字識別），并可以在線開啟校對工作。11月初，中華書局古聯(lián)公司發(fā)布了“古聯(lián)OCR系統(tǒng)”，這是智能技術(shù)運用在古籍整理方面的一項重要成果。
“識別率很高，基本沒有錯誤。”O(jiān)CR系統(tǒng)剛一發(fā)布，就有用戶進行了試用體驗。事實上，從紙面文字到數(shù)字化數(shù)據(jù)，看似簡單的一步，卻是古籍整理研究的重要環(huán)節(jié)，需要運用多項智能技術(shù)。
“智能技術(shù)進入古籍整理領(lǐng)域，是古籍整理長久以來工作方法的顯著創(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、操作的簡易性如何，對后續(xù)工作展開有很大影響。”中華書局古聯(lián)公司總經(jīng)理洪濤介紹，若識別效果太差，會給后續(xù)的校對和整理工作增加不少工作量。古聯(lián)智能OCR系統(tǒng)基于機器學(xué)習(xí)技術(shù)和豐富的字庫支持，輔以便捷的在線校對和編輯環(huán)境，可以大幅減輕人工校對工作量，協(xié)助編輯和作者更高效、更便捷地處理文本。
黨的二十大報告提出，推進教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會、學(xué)習(xí)型大國。據(jù)了解，OCR系統(tǒng)與古聯(lián)公司推出的古籍自動標(biāo)點、繁簡轉(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”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)早期文獻時，人們常常會有“猜人名”的困惑。這是因為早期外國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常，長期以來，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》應(yīng)運而生。這是黨的二十大以來，古聯(lián)公司推出的又一重要數(shù)據(jù)庫產(chǎn)品。據(jù)了解，該數(shù)據(jù)庫由中國人民大學(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，中華書局古聯(lián)公司開發(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、知識庫及目錄索引庫。
洪濤介紹，數(shù)據(jù)庫集納了226種近現(xiàn)代期刊，其漢譯的外國文學(xué)涉及51個國家、1580位外國作家和2130位譯介者，總條目數(shù)近9000個，而且，還有大量重要期刊的內(nèi)容尚在考錄中，不久將增補上線。項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介及其筆名錄。數(shù)據(jù)庫集專題文獻數(shù)據(jù)庫、知識庫、目錄索引庫為一體，是綜合性的新型研究工具，適用于中國近現(xiàn)代文學(xué)、比較文學(xué)與世界文學(xué)、外國語言文學(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)庫中對相關(guān)條目信息進行了詳細考錄。如1903年《浙江潮》上發(fā)表的小說《哀塵》，是法國“囂俄著，庚辰譯”，頁面中用數(shù)百字進行了考錄：囂俄，今譯雨果，譯者庚辰是魯迅的筆名。據(jù)了解，數(shù)據(jù)庫成功實現(xiàn)了外國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“同實異稱”關(guān)聯(lián)。如檢索“魯迅”，凡魯迅曾使用過的索子、風(fēng)聲、張祿如等其他筆名的相關(guān)文獻均可同時呈現(xiàn)，解決了過往檢索中“同實異稱”無法檢索的問題，從而盤活了期刊漢譯文學(xué)史料。
黨的二十大提出要“實施國家文化數(shù)字化戰(zhàn)略”，洪濤說，這為古聯(lián)公司的發(fā)展提供了動力也指明了方向。古聯(lián)公司作為中華書局的數(shù)字化企業(yè)，要用好技術(shù)手段，從文獻中提取中華優(yōu)秀傳統(tǒng)文化的要素，做好轉(zhuǎn)化與傳播，增強文化自信，讓文化產(chǎn)品更具有時代性與生命力。
（本報記者 陳雪）
