中新社西寧5月25日電 (記者 孫睿)記者25日從青海師范大學省部共建藏語智能信息處理及應用國家重點實驗室獲悉，該實驗室已初步建成600TF算力的智算平臺和面向多領域多用途的大規(guī)模藏語數(shù)據(jù)資源庫。
青海師范大學省部共建藏語智能信息處理及應用國家重點實驗室2021年2月經(jīng)中國科技部批準建設，是中國唯一的藏語信息處理領域國家重點實驗室。實驗室擁有5000平方米的科研用房和1.5億元人民幣的專業(yè)研發(fā)設備。
該實驗室主任趙海興介紹，近年來，實驗室構(gòu)建了藏文百科知識、新聞、經(jīng)濟、文化藝術(shù)等多領域文本語料40G以上，藏語語音數(shù)據(jù)15000小時、各類文化資源近2萬件，規(guī)模達到1600GB，是目前國內(nèi)外最大的基于國標的大型標注語料庫，對中國涉藏地區(qū)教育、語言研究以及社會文化發(fā)展起到積極推動作用。
同時，該實驗室還構(gòu)建了大規(guī)模藏漢平行語料庫，并通過迭代式回譯策略等進行數(shù)據(jù)增強及質(zhì)量評價，訓練了融合單語語言模型和注入雙語詞典信息的深度神經(jīng)網(wǎng)絡翻譯模型，在新聞、法律等領域準確率達90%以上。
此外，該實驗室還搭建藏文文獻資源數(shù)字化協(xié)同工作平臺，構(gòu)建文獻圖文對照數(shù)據(jù)150余萬文本行，復雜場景圖文資源220萬個，開展藏文印刷字體、復雜場景藏文區(qū)域檢測研究，自動檢測視頻幀中的文字區(qū)域，并將其分割成單個字符或行文本。利用深度學習對分割處理后的文本進行識別，實現(xiàn)了藏文文獻標準體和手寫體掃描識別系統(tǒng)、藏語視頻流復雜場景中的藏文識別。(完)