敦煌汉文文献字符级标注方法研究与实践

摘要

敦煌汉文文献在中华文明研究中占据重要地位，其字符级标注对于文献数字化、知识挖掘与文物保护具有重要意义。围绕敦煌经卷图像的自动化识别与标注任务，系统性地开展了数据集构建、模型训练与系统开发3个层面的研究工作。构建了一个涵盖多卷经文图像、包含字符级框注与标签信息的高质量标注数据集，为后续识别与分析任务提供基础资源。开发了一个集图像预处理、版面分析、字符识别与人工校对为一体的字符级标注系统，基于文本识别算法显著提升了标注效率与准确率。研究成果可应用于敦煌文献的整理与保护项目，为古文献录文智能处理提供了可推广的技术框架与实践经验。

关键词

敦煌文献 / 字符级标注 / 汉字识别 / 文献数字化 / 深度学习