这20万页古籍的识别准确率达到97.5%。

阿里巴巴达摩院院长张建锋表示，阿里计划将这套技术工具连同古籍数字化平台一并捐赠，交由权威公共机构长期运营，同时，阿里仍将在古籍数字化工作上持续投入人力物力。

@古籍OCR #23848

补充说明：
97.5%识别率。数据来源：

www.xinhuanet.com/book/...955418.htm

新华网：“汉典重光”首批实现海外20万页中文古籍“数字化回归”

之前摘录的时候，没有把出处引用过来。现在把出处引用过来。

本来，如果我本人没有转发，我没有义务去解释，为什么新华网报道的时候，说97.5%的准确率。因为那是新华网记者和项目方的事情。

我既不是写这篇报道的记者，也不是项目方。

但因为我摘录引用了97.5%的这个数据。而又有朋友测试后，发现远没有这么高的识别准确率。

所以我只能说个人解读，97.5%这个数据是怎么得出的。

个人解读仅供参考。

首先，既然权威媒体，在报道的时候，说了97.5%的准确率。我相信他们当时的测试，确实是达到了这个准确率。

但是，后面的人拿自己的本子去测试的时候，却不一定能够达到这个准确率。97.5应该是目前的最高得分。

要注意前面几个字：这 20 万页古籍

97.5%这个识别率，识别的是这20万页古籍。而这套系统，本身数据训练的，也是这20万页古籍。

打比喻就是，一个学生，备考的时候反复练的是这套试卷，结果考试的时候，原封不动还是考这张试卷。那能不拿97.5分嘛。

但如果你给这个学生，一张全新试卷，上面的考题他从来没有学习过，那他当然不可能拿97.5%的高分了。

所以，具体去试的时候，如果你的扫描质量是OK的，扫描清楚，横平竖直的。而你的本子，又恰好和这20万页有很高相似度，那么 理论上应该是会得到高识别率的结果的。

但如果，你的本子，和这20万页相关度差很大，那估计成绩高不了。这题人家都没学过，你不能要求他就会了。

所以这就需要后面大量的调教员。就是去训练这个机器人的。

经过不断训练，以后遇到全新的本子，识别率不说97.5%，达到90%乃至95%问题应该还是不大的。

所以，97.5%要客观看待，他只是报道了一个最高得分。

当然，这97.5%的数据，也绝不是虚假报道。只是他报道的时候，可以是这个角度，也可以那个角度。但选择了这个角度而已。

因为这97.5%建立在一个前提上：这20万页古籍的识别准确率。

他没说，你手上的这个本子，也能达到97.5%的识别率。这是有可能达到的，但必须还要经过大量数据的调教下。

我也只不过是在了解的时候，顺便随手引用资讯而已。

如果论坛可以自己删除自己发的贴子的话，还不如删了算了。

现在这个项目才刚刚开始，也没必要非要捧上天。让项目方踏实练好内功。

等到将来，任何新的本子，一识别都95%以上准确率。硬实力比什么报道都强。

过早报道，也可能成为一种捧杀。所以97.5%和这个贴子，如果没啥必要，不如删除算了。

让项目方有更多时间练好内功。

今天看到字节跳动张一鸣卸任的新闻，其中也提到该公司也在开展古籍电子化的公益项目。

哈哈哈哈哈哈咯。。笑死 。。。

大紧知不知道古籍这种大多是雕版或者手抄的，本来就错字多多，更加不用说那些通假假借了。

更加上，好多字现在可以说是都废弃了的不用的或者是用不到的了。这本来就让人们读起来困难重重了。

然后大紧告诉我说，那个AI识别率百分之九十七？那这岂不是在源文件的基础上又多出了百分之二三的错字率了吗？

这种书还有法看？！

哎吆。。。。老子笑出猪叫了都。。。