敦煌汉文文献字符级标注方法研究与实践

周颜林; 俞天秀; 金沛然; 闫升; 雪岚

doi:10.13543/j.bhxbzr.2025.05.007

北京化工大学学报（自然科学版） ›› 2025, Vol. 52 ›› Issue (05) : 68 -75. DOI: 10.13543/j.bhxbzr.2025.05.007

敦煌汉文文献字符级标注方法研究与实践

周颜林, 俞天秀, 金沛然, 闫升, 雪岚

作者信息 +

Author information +

文章历史 +

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。