介绍
传统的古籍整理通过选定某一代表性版本作为底本，通过与其他版本的对勘校订底本文字，同时施以现代标点，标示书名、人名、地名、朝代名，旨在提供一个文字准确，标点可靠，方便阅读的排印文本。古籍自动整理平台项目按照传统古籍整理的流程，利用最先进的图像识别技术和自然语言处理技术，开发了一个从古籍图片OCR文字识别，到自动断句、命名实体识别、文本校勘的全流程的古籍整理平台原型系统。本系统的OCR识别模块集成多种图像识别技术，文字识别准确率达到92%，可进行单图片处理，也可进行批量图片处理，同时可对识别结果进行人工修改；断句模块基于最新预训练语言模型BERT，断句准确率可达93%，可同时处理简体和繁体文本；命名实体模块采用深度学习与规则的结合方式，提供了多粒度的命名实体抽取方案，同时结合主动学习对海量未标注数据进行“重要性句子”排序与甄别，从而在保证模型性能的条件下，尽可能减少人力标注成本。 古籍整理平台提供三项古籍整理基本功能：
1）OCR：可处理单张图片、也可批量处理。支持png、jpg、jpeg格式。同时提供校对功能，用户可对识别结果进行修改。
2）句读：可处理前一步OCR识别得到的文本，也可处理用户粘贴的文本。
3）命名实体识别：可对上一步句读的文本做命名实体识别，目前可识别人名、地名、官职名。也可处理用户粘贴的文本。
团队成员
句读功能：唐雪梅 严承希 陈雨航NER功能：严承希 唐雪梅 陈雨航