人工智能辅助下的古文字识别准确率提升与疑难字形考释研究 .docxVIP

人工智能辅助下的古文字识别准确率提升与疑难字形考释研究 .docx

PAGE2

人工智能辅助下的古文字识别准确率提升与疑难字形考释研究

摘要

本研究聚焦人工智能技术对古文字识别准确率的提升效应及其在疑难字形考释中的辅助价值，旨在系统阐释数字史学方法论介入古文字学研究的理论逻辑与实践路径。

古文字识别长期面临字形残缺、异体繁多、隶定歧义等结构性难题，传统考释依赖于学者个体经验积累，存在效率瓶颈与主观偏差。本文以深度学习、迁移学习与知识图谱为核心理论支撑，构建了“识别—考释—知识整合”三级分析框架，从技术辅助到理论生成的渐进逻辑出发，系统解析了人工智能介入古文字考释的内在机制。

研究揭示，人工智能技术通过特征自动提取与模式识别重构了古文字识别的认知路径，将疑难字形考释从“经验直觉”转向“数据驱动”，形成了人机协同的考释新范式。在此基础上，本文提出了“智能考释互补论”的理论命题，论证了技术辅助与专家判断在语义贯通、语境还原层面的分工与融合机制。

本研究不仅拓展了数字史学的方法论边界，也为古文字学提供了可操作的技术路线与理论参照，对文化遗产数字化保护与学术研究范式的转型具有双重启示价值。

第一章绪论

1.1研究背景

古文字学作为探索古代文明的核心学科，长期面临着字形识读效率低下与疑难字形考释精准度不足的双重困境。甲骨文、金文、简帛文字等出土文献数量庞大，仅殷墟甲骨便有约十五万片存世，其文字总量超过百万个，但完全识读的占比不足一半。