古籍?dāng)?shù)字化技術(shù)(2)(已修改)
2025-01-30 17:27 本頁面
【正文】 第六章 古籍?dāng)?shù)字化技術(shù) 古籍?dāng)?shù)字化實踐 ? 合理目標定位 – 古籍?dāng)?shù)字化能否成功，合理的目標定位至關(guān)重要。 – 對于以文字為主的中國古籍來說，它的數(shù)字化絕不是紙張載體版本的翻版。掃描是必要的，但掃描在很多情況下只是數(shù)字化的預(yù)處理。 – 把古籍的內(nèi)容數(shù)字化并使之與多種有效的檢索、處理工具完美結(jié)合，奉獻給讀者知識寶庫和卓有成效的研究手段，使學(xué)者多出成果，快出成果，這才是古籍?dāng)?shù)字化的目標。 – 還有一點不可忽視的是，古籍?dāng)?shù)字化后的文字，差錯率應(yīng)達到出版界規(guī)定。 古籍?dāng)?shù)字化處理流程與體系結(jié)構(gòu) 古籍?dāng)?shù)字化處理流程與體系結(jié)構(gòu) 體系結(jié)構(gòu)： 一個基本的古籍?dāng)?shù)字化系統(tǒng)至少包括兩個子系統(tǒng)：數(shù)字化子系統(tǒng)和檢索瀏覽子系統(tǒng)。 數(shù)字化工具 ? （ 1）國際標準 ISO/IEC 10646（ GB 13000/Unicode）是古籍?dāng)?shù)字化的適用文字平臺 – 國際標準 ISO/IEC 10646的全稱是：信息技術(shù) 通用多八位編碼字符集（ Information technologyUniversal MultipleOctet Coded Character Set）。在 IT界另一通俗稱呼為 Unicode。 – 目前已商品化字符集： ISO/IEC 10646 1:2022/Unicode 。 – 其中 包括漢字 27484個 。用戶區(qū)（ EUDC）漢字 5000余個，共計32022余漢字，已成功用于 《 四庫全書 》 、 《 四部叢刊 》 等古籍?dāng)?shù)字化，但不包括小學(xué)類字書用字。 – 2022年 11月正式頒布： ISO/IEC 106462:2022（ E） /Unicode ，收入漢字七萬余個，除甲骨文、篆文外，可滿足世界各地漢字使用需要。 數(shù)字化工具 ? （ 2）采用 OCR技術(shù)，實現(xiàn)圖文數(shù)碼轉(zhuǎn)換 ? 所以選用 OCR技術(shù)實現(xiàn)古籍文字的數(shù)碼轉(zhuǎn)換，其原因是： – 對古籍漢字中簡繁、異體字的輸入， OCR較之人工錄入有優(yōu)勢（十選識別率可以達到 99%，其中的 90%可以正確識別，另外的 9%可以通過點擊而不是鍵盤輸入解決）。因此數(shù)據(jù)加工人員不需再做大量的古籍文字手工錄入工作，重點轉(zhuǎn)向文字校對工作。 – 通過 OCR可以建立圖 文之間形影不離的一一對應(yīng)關(guān)系，便于實現(xiàn)高效率高質(zhì)量的電腦輔助校對。 – 有成規(guī)模的加工批量。即使初期在 OCR前后處理的軟件研發(fā)中要有一定投入，但效率與質(zhì)量總的效果比人工錄入好。 數(shù)字化工具 ? （ 3） 用軟件工具輔助人工校對 ? 校對作業(yè)一般是在網(wǎng)絡(luò)環(huán)境下在屏幕上進行的。 – 提供的是將古籍原稿的電子圖像與數(shù)碼化的文字對照比較，使校對工作無紙化。其中有頁（原稿圖像）對頁（數(shù)碼）、列 /行（原稿圖像）對列/行（數(shù)碼）、字（取自不同頁的原稿圖像）對字（取自不同數(shù)碼頁）的形影不離的校對方式，并輔以聯(lián)機異體字字典，有效地減少了校對者的視覺轉(zhuǎn)移，便利于版面與文字查錯，提高工作效率，減少疏漏。同時還提供橫向的聚類校對，即把不同頁處的同一圖像文字取出，看其轉(zhuǎn)換的代碼文字是否正確。 ? 為了給總校人員提供有效校對工具，還用數(shù)理統(tǒng)計的方法，根據(jù)文字識別可信度的統(tǒng)計結(jié)果，將易產(chǎn)生差錯的字重點提示，將不易產(chǎn)生差錯的字隱蔽淡化，使總校工作突出了重點，不僅提高了工作效率，而且使差錯率達到低于國家出版行業(yè)萬分之一的指標。 數(shù)字化工具 ? （ 4）采用 XML作為文獻內(nèi)容的標識語言 ? XML（ Extensible Markup Language）即可擴展標記語言，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1