近日，廈門(mén)大學(xué)信息學(xué)院自然語(yǔ)言處理實(shí)驗室史曉東教授團隊申報的“基于甲骨文多模態(tài)大模型的多元信息甲骨文輔助考釋模型”入選“探元計劃2024”“創(chuàng )新探索型項目”TOP10榜單。
甲骨文也被稱(chēng)作“殷墟文字”，距今已有三千多年歷史，是世界四大古文字之一，是現代漢字的根脈。傳統的甲骨文字考釋工作極其耗時(shí)費力，依托于專(zhuān)家進(jìn)行人工釋讀，多采用字形分析、辭例研究等方法，需要考古專(zhuān)家以深厚的知識積累和大量的文獻閱讀為基礎，結合多方面的知識去破譯甲骨字，已經(jīng)難以為繼。近年來(lái)AI技術(shù)迅猛發(fā)展，利用深度學(xué)習模型超強語(yǔ)義表示能力來(lái)實(shí)現甲骨文的輔助考釋?zhuān)瑑?yōu)勢已經(jīng)嶄露頭角。
團隊研究人員針對甲骨文數據稀缺、圖像質(zhì)量參差不齊的現狀，系統整理相關(guān)古文字數據，構建更大規模、更高質(zhì)量的甲骨文多模態(tài)數據集，提出了“基于甲骨文多模態(tài)大模型的多元信息輔助考釋模型”的技術(shù)方案。
項目將設計一系列與實(shí)際考釋過(guò)程密切相關(guān)的任務(wù)和評估方法，如跨字體圖像映射、跨字體IDS（表達結構的部首偏旁序列）解碼和甲骨字現代字對譯關(guān)系等，以有效訓練多模態(tài)大模型。利用其強大的跨模態(tài)理解能力，輔助甲骨文考釋。在大模型提供的語(yǔ)義嵌入基礎上，本項目還將設計融合音、形、義、用多元信息的端到端甲骨文綜合考釋模型，綜合利用字形結構、語(yǔ)義關(guān)聯(lián)、同音通假和用法聚類(lèi)分析，開(kāi)發(fā)一種更加輕量的考釋系統，以適應資源有限的實(shí)際考釋場(chǎng)景。
據悉，“探元計劃2024”是由國家文物局科技教育司指導，中國文物信息咨詢(xún)中心（國家文物局數據中心）、騰訊SSV數字文化實(shí)驗室、騰訊研究院、社會(huì )價(jià)值投資聯(lián)盟（深圳）與中國文物報、紫荊雜志社聯(lián)合發(fā)起。廈門(mén)大學(xué)信息學(xué)院史曉東教授為“基于甲骨文多模態(tài)大模型的多元信息甲骨文輔助考釋模型”項目的團隊負責人，團隊成員包括陳毅東副教授以及吳智聰、周子涵、付彪、黃崇軒等研究人員。項目團隊在甲骨文考釋方面深耕多年，在研究中積累了大規模的甲骨文相關(guān)語(yǔ)料，為項目的順利開(kāi)展奠定了堅實(shí)基礎。
來(lái)源：廈門(mén)大學(xué)
