合合信息与上海大学联合开启贵州原生态古彝文典籍数字化项目

*【环球网科技综合报道】*12月21日，合合信息与上海大学社会学院正式签署校企合作协议，双方将合力完成以国家珍贵古籍《西南彝志》为中心的贵州古彝文图像识别及数字化校对项目（简称“古彝文数字化项目”）。

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。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。

此前，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，而上海大学携手合合信息推进的古彝文数字化项目，更侧重于对原生态彝文识别的攻坚克难。

项目将根据上海大学古彝文研究员设计的四字节编码系统，引入合合信息智能文字识别技术，对异体字、变体字、误用字和混用字等进行标注、识别、比对，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。

“汉文古籍识别所面对的页面残损、字形复杂、字迹模糊等问题，在彝文古籍识别中全部存在，还有一些任务是更加特殊的。”合合信息智能技术平台事业部副总经理郭丰俊表示，彝文古籍时常出现加字、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。基于此，合合信息将基于“AI+OCR”融合下的智能文字识别技术，解决古彝文识别的版式检测、图像处理和文字识别的难题。