在2021年的春季新品發(fā)布會(huì)上， 漢王發(fā)布了其手稿識(shí)別技術(shù)?；谏疃葘W(xué)習(xí)技術(shù)，在海量數(shù)據(jù)訓(xùn)練基礎(chǔ)上，經(jīng)多年研發(fā)，漢王科技突破性解決了自由書寫文稿識(shí)別這一OCR領(lǐng)域難題，這是文字識(shí)別領(lǐng)域的一項(xiàng)重大技術(shù)突破。面對(duì)自由書寫的文稿內(nèi)容，利用此技術(shù)只要隨手一拍，就可以秒級(jí)轉(zhuǎn)換為文本。無(wú)論是背景干擾嚴(yán)重的復(fù)印紙、還是形狀彎曲的紙稿，都可以輕松應(yīng)對(duì)，真正做到了人眼可辨即可識(shí)。
作為業(yè)界最早致力于OCR識(shí)別技術(shù)研發(fā)和應(yīng)用的公司之一，自2013年，漢王科技就將文檔電子化的觸角延伸至圖書館、檔案館，銀行、醫(yī)院、法院等多個(gè)國(guó)家級(jí)項(xiàng)目。在圖書館領(lǐng)域，漢王已與國(guó)家圖書館持續(xù)合作了十三個(gè)年頭。從最初的圖書掃描加工，到元數(shù)據(jù)加工，再到高精度全文加工；從簡(jiǎn)體中文識(shí)別，到繁體中文識(shí)別，再到高難度的古籍識(shí)別；從紙質(zhì)文獻(xiàn)到電子文獻(xiàn)；從內(nèi)容加工服務(wù)到管理平臺(tái)建設(shè)，漢王深度與國(guó)家圖書館合作，不斷挑戰(zhàn)新的業(yè)務(wù)高度。
但在此過(guò)程中，利用OCR技術(shù)僅僅是將紙質(zhì)文檔變成數(shù)字化文本，這樣的電子文檔沒(méi)有對(duì)文本進(jìn)行挖掘、知識(shí)之間缺乏關(guān)聯(lián)，被電腦檢索也只是對(duì)比相同字符搜集信息。要將海量的電子文檔智慧化，就必須將文字信息形成結(jié)構(gòu)化數(shù)據(jù)，只有形成結(jié)構(gòu)化數(shù)據(jù)，信息和知識(shí)之間形成關(guān)聯(lián)，才能為大數(shù)據(jù)應(yīng)用服務(wù)，這涉及到人工智能技術(shù)中的自然語(yǔ)言處理技術(shù)（NLP）,業(yè)界普遍認(rèn)為，NLP是人工智能中最難的部分，也是決定AI是否智能的關(guān)鍵因素。
2015年，得益于深度學(xué)習(xí)算法的快速進(jìn)展，大規(guī)模社交文本數(shù)據(jù)以及語(yǔ)料數(shù)據(jù)的不斷積累，NLP技術(shù)有了飛躍式的發(fā)展。漢王也順勢(shì)開始了其在NLP技術(shù)方面的布局。漢王科技與武漢大學(xué)的自然語(yǔ)言處理團(tuán)隊(duì)聯(lián)合進(jìn)行文檔大數(shù)據(jù)化研發(fā)工作，力圖突破NLP技術(shù)，建立起自己的文檔大數(shù)據(jù)庫(kù)體系，開發(fā)各種新的應(yīng)用，主攻包括文本分類、聚類、結(jié)構(gòu)化數(shù)據(jù)抽取、知識(shí)抽取、知識(shí)圖譜、機(jī)器閱讀等在內(nèi)的NLP技術(shù)。
在對(duì)文史出版社叢書文獻(xiàn)進(jìn)行知識(shí)加工過(guò)程中，通過(guò)從文獻(xiàn)中碎片化抽取、清洗、歸集、融合得到基礎(chǔ)數(shù)據(jù)，深度加工挖掘得到人物、地點(diǎn)、機(jī)構(gòu)、事件類的知識(shí)條目，再基于知識(shí)條目構(gòu)建人物庫(kù)、地點(diǎn)庫(kù)、機(jī)構(gòu)庫(kù)、事件庫(kù)等知識(shí)資源庫(kù)，并通過(guò)關(guān)系定義實(shí)現(xiàn)跨類別的知識(shí)關(guān)聯(lián)，提供了超越圖書內(nèi)容信息的深度知識(shí)服務(wù)。
近日，在承接的國(guó)家圖書館"智慧圖書館體系建設(shè)項(xiàng)目"中，漢王針對(duì)民國(guó)文獻(xiàn)數(shù)字資源開展知識(shí)化加工，完成數(shù)字資源精細(xì)化標(biāo)引和知識(shí)內(nèi)容抽取，細(xì)化文獻(xiàn)顆粒度，多維度揭示文獻(xiàn)的知識(shí)內(nèi)容，并開展多維度、多層次知識(shí)組織，提供基于知識(shí)圖譜的可視化展示。該項(xiàng)目實(shí)施過(guò)程中就應(yīng)用到了包括基于深度學(xué)習(xí)的新一代文字識(shí)別、自然語(yǔ)言理解、智能抽取、知識(shí)圖譜構(gòu)建、數(shù)據(jù)可視化等多項(xiàng)人工智能創(chuàng)新型技術(shù)。這將是雙方在人工智能新時(shí)代，針對(duì)文化領(lǐng)域的一個(gè)重點(diǎn)創(chuàng)新與嘗試，其成果將作為全國(guó)智慧圖書館體系建設(shè)的重要參考之一。
上圖是漢王基于對(duì)民國(guó)史料海量數(shù)據(jù)的識(shí)別，利用NLP技術(shù)形成的知識(shí)圖譜，，形成更為有效的智能化方式，提供智能搜索、深度問(wèn)答等，讓知識(shí)“活起來(lái)”，更好的服務(wù)人民大眾。據(jù)悉，漢王還為中華字庫(kù)完成了8億字的數(shù)字化工作。
在技術(shù)迭代升級(jí)中，漢王還推出了中英文雙核心，英文手稿也做到了高精度識(shí)別。自由手寫體95%以上的識(shí)別率、0.3秒/頁(yè)的轉(zhuǎn)換速度，至少是人工錄入的500倍。一個(gè)資料室的手稿錄入，需要50個(gè)人做10年，而利用漢王的技術(shù)只需要1臺(tái)機(jī)器跑3個(gè)月。
漢王一直在手寫OCR領(lǐng)域不斷加速新算法開發(fā)，當(dāng)前不僅可高精度識(shí)別滿文，在藏文、日文、英文手寫體識(shí)別方向均有突破，其中，日文手寫識(shí)別支持7389字符集，并支持水平和豎直書寫識(shí)別，識(shí)別率可達(dá)97%。
為進(jìn)一步加強(qiáng)公共數(shù)字文化建設(shè)，提升全民閱讀、全民藝術(shù)普及數(shù)字化服務(wù)水平，“十四五”時(shí)期，文化和旅游部面向公共圖書館系統(tǒng)組織實(shí)施全國(guó)智慧圖書館體系建設(shè)項(xiàng)目、面向文化館系統(tǒng)組織實(shí)施公共文化云建設(shè)項(xiàng)目。近日，中央財(cái)政下達(dá)了2021年中央支持地方公共文化服務(wù)體系建設(shè)補(bǔ)助資金，為全國(guó)智慧圖書館體系建設(shè)項(xiàng)目、公共文化云建設(shè)項(xiàng)目安排了相關(guān)資金。相關(guān)資料顯示，中國(guó)圖書館數(shù)字化市場(chǎng)達(dá)5000億元，近幾年來(lái)，漢王科技在其OCR與大數(shù)據(jù)業(yè)務(wù)板塊上的可以說(shuō)是大比例投入，面對(duì)當(dāng)前方興未艾的數(shù)字化浪潮，漢王科技的布局也是“小荷才露尖尖角”。隨著國(guó)家數(shù)字化建設(shè)和市場(chǎng)的打開，大規(guī)模技術(shù)與行業(yè)紅利將不斷顯現(xiàn)，漢王也將在這一賽道上或?qū)⒂瓉?lái)新一輪的增長(zhǎng)。
