扫一扫识别甲骨文字，不识甲骨文也能查字海！历代千万文字智能识别，冷门绝学20年建汉字数字长城

扫一扫识别甲骨文字

每一个汉字，每一个古文字，都书写着中华灿烂文明史。在计算机上打开新建立的“殷商甲骨文数据库”，就涵盖了7万余片甲骨，共计110万字。28日，华东师范大学中国文字研究与应用中心副主任刘志基告诉解放日报·上观新闻记者，甲骨文里常见“卜问”的字样，仅仅“卜”这个字，以及表示“问”的“贞”字，就各出现过几万次之多。

而今，每一次在古文字中出现的“卜”、“贞”等字，以及来自铜器、竹简、石刻等材料上超过1000万个历代出土实物文字，都以文字和图像全数字化的形式，收入了智能型中国文字数字平台。这项横跨中国文字学与计算机科学等学科的新文科建设新成果，其背后是“冷门绝学”百余人团队20年磨一剑，营造出3000年汉字数字长城。

【无专业门槛，手机上“按图索骥”自动关联】

对于常人来说，不认识甲骨文，怎么查这部电子版的“字海”呢？其实，不论商周金文、战国楚简还是石刻疑难字，有了此次研发成功的“智能型中国文字数字平台”，就可以靠强大的后台数据库“按图索骥”。

刘志基向解放日报·上观新闻记者打比方，比如普通民众用手机拍下某一个古文字的影像，打开手机端的各种古文字智能识别工具“智能镜”，只要这个字未经艺术化加工和处理，而是以临摹真实的古文字为主，“那么，即使是现世仿古的古文字，也能通过检索数据库查出这是什么字，并且可以查到该字的原始‘出处’。”

这样一来，对出土古文字数据库而言，以往的两个盲点就被消除了。一方面，不识之字也可检索查询，去除了数据库使用者的专业知识门槛，大大提升了数据库的社会服务功能；另一方面，初步实现“图文”一一对应和“一对多”对应，也就是图片载体材料与传统字符集载体材料的自动数字关联，形成了古文字资料的大数据生成和机器学习环境。

值得注意的是，目前一些海内外研究机构尽管也有此类网络数据库，但材料覆盖都限于个别断代或材料类型。而智能型中国文字数字平台所包含的文字材料，覆盖了自殷商甲骨到明清文字整个汉字发展史的各种时段各种类型。其中，先秦部分基本囊括目前已公布的资料；先秦以后汇集了各时段主要代表性材料，提供全覆盖的相关文字信息定量定性检索查询。

专家认为，这个海量库也是目前唯一一种可全字符检索的出土文字数据库，涵盖了GBK国际标准字符集的集内与集外字、楷字与原形字，甚至整字与偏旁。

【颜正卿写错字？智能助学“强基计划”】

“刺史”的“刺”，颜正卿为什么写成“刾”

近日，一位书法家认为“颜正卿写错了字”，事件在网上发酵，也引起华东师大“古文字学（强基计划）”同学探讨。

经该数据库搜索早至秦简帛中，部分“刺”已写成“刾”

“刺史”的“刺”，颜正卿为什么写成“刾”？老师抓住这个契机，运用“智能检索中国文字数据库”上了一课：首先，让同学进入“石刻智能检索数据库”，运用数据库嵌入的“石刻疑难字形智能识别器”识别唐代文字中貌似“刾”的那个字，识别出了结果。原来，当时的“刺”大概率被写成“刾”，而这个“刾”中的“夹”，就是“朿”自秦汉文字以来的变形。

经战国楚简帛文字数据库等多个数据库识别，这个“刾”中的“夹”，就是“朿”自秦汉文字以来的变形。

接着，老师又引导同学接连进入“甲骨文/商周金文/战国楚简文字智能检索数据库”，运用其嵌入“甲骨文/商周金文/战国楚简文字智能镜”识别“朿”字。于是，同学们了解到：“朿”字之形，取象于“树木的刺芒”，就是先秦时代的“刺”。

金文中的“朿”。“朿”字之形，取象于“树木的刺芒”就是先秦时代的“刺”。

这次冷门绝学专业教学中发挥大作用的各个数据库，就是文字中心数据库系列中的几个种类。去年“强基计划”落地，“古文字学”前所未有地作为中文系本科的一个专业方向出现。而入选“强基计划（古文字学）”的考生，要在短短4年里完成古文字学学业，无疑是一种前所未有的挑战。于是，“强基计划智能助学系统”应运而生。其中的“古文字智能图像识别”，打通古文字学习者与古文字数据库之间的人机障碍；又如“虚拟仿真：走进商周古文字”，帮助“强基”学生成功“穿越”到殷商时代的社会文化环境中，将文化、历史、思想等多方面知识点融入商周古文字三维场景的讲解过程。