彝文是云南、贵州、四川等地的彝族人使用的文字,而“古彝文”专指在民间流通使用的原生态彝文。古彝文传承至今已有数千年历史,是世界上最古老的文字之一。根据《滇川黔桂彝文字集》,目前记录在册的古彝文多达87046个。在中国西南多家高校的共同努力下,规范和通用彝文的数字化工作取得了重要突破。为了帮助建立起完善的古彝文数据库和翻译系统,极大提升研究效率,合合信息与上海大学社会学院正式签署校企合作协议,将智能文字识别技术引用到古彝文研究工作,并由此建立起精确的彝文古籍电子数据库,在古彝文研究领域属于首创。
毕节市彝文文献翻译研究中心展示汉译书稿
当前非母语研究者在翻译古彝文时,通常需要在母语者的帮助下记音,再用汉语逐字直译,最后采用汉语对整句话进行意译。由于古彝文尚未取得预留的Unicode编码区段,数字化工程还处于起步阶段,所以在印刷出版时,需由一位彝文缮写员先将彝文字和国际编码抄写在书页的左侧,再将已输入电脑的汉文译文打印、剪切后粘贴在相应彝文字的右侧,形成目前常见的“四行体”彝汉文对译,过程十分繁琐。
由于古彝文与汉字并非一 一对应关系,存在大量的异体字、变体字。在相对规范的汉译本彝文典籍中就有至少15%的变体字,原稿中只会更多;每个字的异体写法少则2-3个,多则几十种。若想要找到某个字在一本古籍里的全部样例,手动查阅需要耗费一整天。不仅如此,除了页面残损、字形复杂、字迹模糊等古籍识别中常遇到的问题外,彝文古籍还常出现加字、替字、整句倒置、文字方向不统一等现象,给文字定位造成挑战。再加上古彝文从未经过统一,异体字、变体字众多,给古彝文数字化团队带来非常大的挑战。
此次上海大学社会学院与合合信息合作,将通过合合信息基于“AI+OCR”融合下的智能文字识别技术,来解决解决古彝文识别的版式检测、图像处理和文字识别的难题,通过对大量的彝文古籍文字深度学习和训练,智能文字识别技术的效率及准确性也会越高,将更快推动古彝文研究进展。
本次合合信息与上海大学共同研究的《西南彝志》共计26卷,有“彝族历史文化的百科全书”之誉,对研究彝族历史、经济、文化十分重要。古彝文数字化项目发起人、上海大学人类学民俗学研究所讲师邵文苑表示,“传统也和人一样有生老病死的过程,并和人一样有通过后代延续‘生命’的能力,这种理论被称为‘传统的生命周期’。”他同时表示,智能文字识别技术“牵手”传统典籍研究,会是古彝文“传统的新生命周期”的开始。
(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )