近日，廈門大學(xué)信息學(xué)院自然語言處理實驗室史曉東教授團(tuán)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(xiàn)代漢字的根脈。傳統(tǒng)的甲骨文字考釋工作極其耗時費力，依托于專家進(jìn)行人工釋讀，多采用字形分析、辭例研究等方法，需要考古專家以深厚的知識積累和大量的文獻(xiàn)閱讀為基礎(chǔ)，結(jié)合多方面的知識去破譯甲骨字，已經(jīng)難以為繼。近年來AI技術(shù)迅猛發(fā)展，利用深度學(xué)習(xí)模型超強語義表示能力來實現(xiàn)甲骨文的輔助考釋，優(yōu)勢已經(jīng)嶄露頭角。

團(tuán)隊研究人員針對甲骨文數(shù)據(jù)稀缺、圖像質(zhì)量參差不齊的現(xiàn)狀，系統(tǒng)整理相關(guān)古文字?jǐn)?shù)據(jù)，構(gòu)建更大規(guī)模、更高質(zhì)量的甲骨文多模態(tài)數(shù)據(jù)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(shè)計一系列與實際考釋過程密切相關(guān)的任務(wù)和評估方法，如跨字體圖像映射、跨字體IDS（表達(dá)結(jié)構(gòu)的部首偏旁序列）解碼和甲骨字現(xiàn)代字對譯關(guān)系等，以有效訓(xùn)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。在大模型提供的語義嵌入基礎(chǔ)上，本項目還將設(shè)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(jié)構(gòu)、語義關(guān)聯(lián)、同音通假和用法聚類分析，開發(fā)一種更加輕量的考釋系統(tǒng)，以適應(yīng)資源有限的實際考釋場景。

據(jù)悉，“探元計劃2024”是由國家文物局科技教育司指導(dǎo)，中國文物信息咨詢中心（國家文物局?jǐn)?shù)據(jù)中心）、騰訊SSV數(shù)字文化實驗室、騰訊研究院、社會價值投資聯(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(tuán)隊負(fù)責(zé)人，團(tuán)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(tuán)隊在甲骨文考釋方面深耕多年，在研究中積累了大規(guī)模的甲骨文相關(guān)語料，為項目的順利開展奠定了堅實基礎(chǔ)。

來源：廈門大學(xué)