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(xué)省部共建藏語智能信息處理及應(yīng)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(lǐng)域多用途的大規(guī)模藏語數(shù)據(jù)資源庫。
青海師范大學(xué)省部共建藏語智能信息處理及應(yīng)用國家重點實驗室2021年2月經(jīng)中國科技部批準(zhǔn)建設(shè)，是中國唯一的藏語信息處理領(lǐng)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(shè)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(lǐng)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(biāo)的大型標(biāo)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(xùn)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(luò)翻譯模型，在新聞、法律等領(lǐng)域準(zhǔn)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(fù)雜場景圖文資源220萬個，開展藏文印刷字體、復(fù)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(xué)習(xí)對分割處理后的文本進行識別，實現(xiàn)了藏文文獻標(biāo)準(zhǔn)體和手寫體掃描識別系統(tǒng)、藏語視頻流復(fù)雜場景中的藏文識別。(完)