王帥 李鵬 蘇倩文

甲骨文是迄今為止我國發(fā)現(xiàn)的最早的文字系統(tǒng)，因其刻于龜甲和獸骨而得名。自1899年王懿榮首先識別出殷墟甲骨文始，通過持續(xù)的考古發(fā)掘，甲骨文目前存世數(shù)量約為16萬片[1]。甲骨文的發(fā)現(xiàn)極大地推進了先秦史和古漢字研究，并直接促成現(xiàn)代考古學(xué)在中國的創(chuàng)立。時至今日，甲骨學(xué)早已是一門分支眾多、影響深遠的顯學(xué)。習(xí)近平總書記在《致甲骨文發(fā)現(xiàn)和研究120周年的賀信》中指出：“殷墟甲骨文的重大發(fā)現(xiàn)在中華文明乃至人類文明發(fā)展史上具有劃時代的意義。甲骨文是迄今為止中國發(fā)現(xiàn)的年代最早的成熟文字系統(tǒng)，是漢字的源頭和中華優(yōu)秀傳統(tǒng)文化的根脈，值得倍加珍視、更好傳承發(fā)展?！盵2]甲骨文研究專業(yè)性強，迄今被學(xué)者識讀的只有2000字左右，限制其得到進一步學(xué)術(shù)應(yīng)用的障礙還有不少，計算機信息技術(shù)的引入則可能帶來改變。

我國學(xué)者利用計算機研究甲骨文并不算晚。以甲骨綴合為例，早在20世紀(jì)70年代，童恩正等就嘗試使用計算機技術(shù)綴合甲骨碎片。他們從安陽殷墟坑中選擇了263片甲骨進行綴合實驗，綴合成功率40%。[3]實驗雖然是在已經(jīng)綴合的樣本中進行，當(dāng)時計算機技術(shù)也不夠成熟，但是他們的創(chuàng)新工作還是為計算機應(yīng)用于甲骨學(xué)做了有益探索。近些年來，隨著數(shù)據(jù)處理與人工智能相關(guān)技術(shù)瓶頸的突破，一批甲骨文信息化項目更是取得進展。安陽師范學(xué)院王愛民團隊[4]發(fā)表多篇文章論述甲骨碎片綴合的關(guān)鍵技術(shù)，他們利用甲骨碎片的邊界特征進行了新的甲骨綴合實驗，在有比較準(zhǔn)確的甲骨碎片邊界信息時可以利用人機交互快速實現(xiàn)有關(guān)碎片的綴合。莫伯峰等[5]則通過對比專家學(xué)者和人工智能在甲骨綴合方面各自的優(yōu)劣，提出兩者可以互相配合以取得不同條件下的最優(yōu)綴合成果。

此前也有學(xué)者從不同角度對甲骨文信息化不斷取得的成果進行評述。2008年，門藝對當(dāng)時國內(nèi)外甲骨文數(shù)據(jù)庫進行了綜合介紹[6]。2010年，顧紹通對甲骨文數(shù)字化過程中的一些問題如甲骨圖像去噪處理、甲骨文字?jǐn)M合、甲骨碎片拼接、甲骨文字庫建設(shè)等進行過討論[7]。盧芯怡則對近年來計算機在甲骨文識別、編碼、輸入法、語義分析等方面的應(yīng)用進行了簡要評論[8]。劉永革等也對近年來的甲骨文輸入法做了評述，并介紹了該團隊新開發(fā)的可視化輸入法[9]。盡管已經(jīng)有學(xué)者對甲骨文信息化成果做過梳理，但計算機技術(shù)更新很快，如近年來深度學(xué)習(xí)對甲骨文信息化有很大促進，此前學(xué)者在這一領(lǐng)域的介紹和涉及不多。有鑒于此，在回顧研究歷史的基礎(chǔ)上結(jié)合最新成果進行綜合評述仍是必要的。目前利用計算機信息化技術(shù)及人工智能深度學(xué)習(xí)對甲骨文的研究主要集中在數(shù)據(jù)庫、檢識、編碼、輸入法及甲骨文考釋等方面。

一、甲骨文數(shù)據(jù)庫的建立與維護

甲骨文信息化應(yīng)用的前提是將甲骨文的材料、工具書、研究文獻數(shù)字化，相應(yīng)的工作即數(shù)據(jù)庫的建設(shè)。數(shù)據(jù)庫并非簡單地將已有材料制作成電子資料，還應(yīng)對甲骨文拓片或圖片進行去噪處理并使相應(yīng)材料可檢索。甲骨文的數(shù)據(jù)庫包括甲骨文原始資料庫、甲骨文文字庫、甲骨文著錄庫、甲骨文文獻庫等多種類型。

國內(nèi)外已建成多個數(shù)據(jù)庫，如香港中文大學(xué)開發(fā)的香港漢達古籍?dāng)?shù)據(jù)庫檢索系統(tǒng)，不僅包括甲骨文，還有金文、竹簡帛書以及一些傳統(tǒng)文獻數(shù)據(jù)庫。其甲骨文數(shù)據(jù)庫收錄《甲骨文合集釋文》及《英國所藏甲骨集》等海內(nèi)外7種主要大型甲骨圖書，共計卜辭53834片，約100萬字[10]。中國國家圖書館·中國國家數(shù)字圖書館中“古籍資源庫：甲骨世界”數(shù)據(jù)庫收集了“甲骨實物：元數(shù)據(jù)2964條，影像5932幅。甲骨拓片：元數(shù)據(jù)2975條，影像3177幅”[11]。此數(shù)據(jù)庫還具有工具庫鏈接功能，如《甲骨文合集》來源表及釋文部分、《甲骨文字典》《金文字典》等，以便讀者參考。此外，中國臺灣“中研院”、日本東京大學(xué)東洋文化研究所、中國華東師范大學(xué)等機構(gòu)也相繼研制出幾種甲骨文數(shù)據(jù)庫，國學(xué)大師網(wǎng)站等個人開發(fā)的數(shù)據(jù)庫也有部分可公開使用。依托安陽師范學(xué)院的甲骨文信息處理實驗室研發(fā)的甲骨文數(shù)據(jù)平臺“殷契文淵”是近年來甲骨文數(shù)據(jù)庫建設(shè)方面的重要成果，該平臺包括甲骨字形庫、甲骨著錄庫和甲骨文獻庫三個數(shù)據(jù)庫。甲骨字形庫收錄172個部首和4049個甲骨文單字；甲骨著錄庫（含甲骨綴合庫）收錄46部著錄，共112517片甲骨的信息，綴合庫存儲了已綴合的甲骨片信息；甲骨文獻庫完成29426篇文獻和282部專書的數(shù)字化[12]。

目前甲骨文數(shù)據(jù)庫在甲骨文資源的數(shù)字化方面做出了不少成績，很大程度上方便了學(xué)者進行研究工作，但仍有不足之處。由于各單位在相對獨立的情況下進行數(shù)據(jù)庫的開發(fā)建設(shè)，因而已建成的數(shù)據(jù)庫不可避免地存在重復(fù)收錄的情況，造成了一定的資源浪費。數(shù)據(jù)庫建成后數(shù)據(jù)更新不及時、系統(tǒng)維護缺位的問題也影響了數(shù)據(jù)平臺的使用。因此，后續(xù)的數(shù)據(jù)庫研發(fā)有必要重視互通性，數(shù)據(jù)的時效性和平臺的實用性也有待改進[13]。

二、甲骨文的檢測與識別

作為刻于龜甲獸骨上的早期文字，甲骨文的書寫和排列并不如后世漢字那么規(guī)范，從一塊甲骨上將文字和非文字區(qū)分開就成為進行甲骨文研究的前提。采用傳統(tǒng)方法選取文字部分需要投入的人力和時間成本相當(dāng)大，而利用計算機技術(shù)進行甲骨文的自動檢測則會事半功倍。

首先，甲骨文字檢測的實現(xiàn)依賴于目標(biāo)檢測技術(shù)的發(fā)展，學(xué)界一般將檢測分為傳統(tǒng)目標(biāo)檢測和基于深度學(xué)習(xí)的場景檢測。姜維等在論文中詳細論證了傳統(tǒng)場景檢測理論和深度學(xué)習(xí)理論下的目標(biāo)檢測的優(yōu)劣[14]。史小松等則分別利用兩種方法進行過甲骨文字符定位實驗，他們通過基于閾值分割方法和基于形態(tài)學(xué)方法實現(xiàn)了部分甲骨拓片的文字提取，但是在噪聲嚴(yán)重的條件下檢測結(jié)果不盡如人意[15]。此外，史小松等還針對當(dāng)前圖像目標(biāo)定位算法對解決圖像目標(biāo)發(fā)生形變的條件下進行目標(biāo)定位存在的問題，提出基于稀疏活動輪廓模型的甲骨拓片圖像目標(biāo)自動定位算法并縮短了檢測定位時間[16]。

近年來深度學(xué)習(xí)理論推動了目標(biāo)檢測方法的革新。深度學(xué)習(xí)又稱深層神經(jīng)網(wǎng)絡(luò)（DeepNeuralNet Work，DNN），它是一類通過多層非線性變換對高復(fù)雜性數(shù)據(jù)進行建模的算法合集[17]。這類算法通過模擬人腦神經(jīng)決策過程，擁有強大的特征表達能力和函數(shù)擬合能力。目前逐漸形成了以卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、棧式自編碼網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)為核心的深度學(xué)習(xí)模型體系[18]。

研究人員也適時地探索新技術(shù)應(yīng)用于甲骨文字符檢測的工作。王浩彬、黃雙萍構(gòu)建了甲骨文檢測數(shù)據(jù)集OBCD（OracleBoneCharacter Detection），為深度學(xué)習(xí)技術(shù)應(yīng)用于甲骨文字符檢測工作提供基準(zhǔn)數(shù)據(jù)庫，同時引入動態(tài)增廣算法和甲骨文字符特征輔助識別算法，有效提高了甲骨文字符檢測精度[19]。安陽師范學(xué)院劉國英團隊也在這方面做出了不少有益的工作[20-21]。劉芳等在詳細分析甲骨文特征的基礎(chǔ)上，提出基于MaskR-CNN改進的深度學(xué)習(xí)模型，通過對訓(xùn)練樣本集的特征學(xué)習(xí)，實現(xiàn)了對甲骨文拓片上文字的自動定位、檢測與識別，檢測準(zhǔn)確率有所提高[22]。

其次，甲骨文字符檢測僅是深度學(xué)習(xí)的基礎(chǔ)，利用技術(shù)實現(xiàn)高效的甲骨文識別將對甲骨文釋讀有重大意義。1996年，周新倫等就將甲骨文字符抽象為點和線組成的無向圖并提取其拓撲特征進行兩級分類識別，實驗結(jié)果識別準(zhǔn)確率較高[23]。李鋒等又同樣基于圖論理論和技術(shù)設(shè)計了甲骨文字符的三級識別，三級累計識別率為92.27%[24]。呂肖慶等利用曲率特征分析的方法對甲骨文圖像進行分類，分類準(zhǔn)確率為90%[25]。栗青生等通過將甲骨文抽象為無向圖，利用圖的同構(gòu)判定算法來識別甲骨文[26]。高峰等提出基于語境的統(tǒng)計分析和Hopfield網(wǎng)絡(luò)相結(jié)合的模糊匹配識別方法[27]。顧紹通通過分析甲骨文字形拓撲頂點之間的拓撲關(guān)系實現(xiàn)甲骨文字形的拓撲描述，利用拓撲配準(zhǔn)的方法，計算基準(zhǔn)拓撲與待配準(zhǔn)拓撲之間的歐氏距離，從而實現(xiàn)基于拓撲結(jié)構(gòu)的甲骨文字形的配準(zhǔn)，從而識別甲骨文字形[28]。他還利用分形幾何的原理實現(xiàn)甲骨文字形描述的形式化，再將甲骨文字形的分形描述碼與分形特征庫進行配準(zhǔn)，從而識別甲骨文字形[29]。劉永革等采用支撐向量機分類技術(shù)研究甲骨文字圖片的識別技術(shù)，通過實驗證明達到88%的準(zhǔn)確率，但是由于異體字出現(xiàn)頻率較高，準(zhǔn)確率仍有待提高[30]。

深度學(xué)習(xí)理論革新也推動了甲骨文字符自動識別的研究工作。2015年，郭俊等提出了多層次甲骨文字符表示方法，對圖像中的中層特征，利用稀疏自編碼進行表示，對底層特征，利用Gabor進行表示，再將二者結(jié)合對甲骨字符進行描述，并將這種草圖識別技術(shù)與基于卷積神經(jīng)網(wǎng)絡(luò)的模型相結(jié)合進行甲骨文的識別，在甲骨文字?jǐn)?shù)據(jù)集上取得了較好的識別水平[31]。魯旭正設(shè)計了一種基于Capsule和遷移學(xué)習(xí)的模型RadicalNet，用于識別和提取甲骨文的構(gòu)件。通過對甲骨文構(gòu)建的多目標(biāo)識別實現(xiàn)甲骨文字形識別功能[32-33]。王琦琦基于卷積神經(jīng)網(wǎng)絡(luò)對甲骨文字提取Gabor特征、梯度特征和Hog特征作為先驗知識映射到網(wǎng)絡(luò)輸入層，提升模型識別正確率[34]。劉夢婷構(gòu)建了甲骨文字圖像數(shù)據(jù)集OBIS163，并對數(shù)據(jù)集進行了擴增和去噪的預(yù)處理[35]。高旭同樣對原始甲骨文數(shù)據(jù)集進行了數(shù)據(jù)擴充、圖像去噪和圖片歸一化的預(yù)處理，并在改進的ResNet網(wǎng)絡(luò)模型基礎(chǔ)上設(shè)計了甲骨文識別系統(tǒng)[36]。趙一文嘗試?yán)肅apsule網(wǎng)絡(luò)解決甲骨文識別準(zhǔn)確率問題，實驗證明Capsule網(wǎng)絡(luò)比其他CNN網(wǎng)絡(luò)模型準(zhǔn)確率更高[37]。門藝等也基于深度學(xué)習(xí)的人工智能手段實現(xiàn)甲骨文的定位、識別及釋讀工作[38]。張頤康等提出了一種基于深度度量學(xué)習(xí)和最近鄰分類的跨模態(tài)甲骨文字識別框架，相對于傳統(tǒng)的CNN分類框架和單模態(tài)識別方法都具有明顯的優(yōu)勢[39]。林小渝團隊構(gòu)建了甲骨文偏旁和甲骨文合體字?jǐn)?shù)據(jù)集，提出了兩種以甲骨文偏旁為構(gòu)件的卷積神經(jīng)網(wǎng)絡(luò)檢測識別方法，為甲骨文識別考釋提供了新的思路[40]。

甲骨文檢測和識別已經(jīng)取得了一定的成績，但甲骨文字殘缺較多、異體字出現(xiàn)頻率高、甲骨樣本類別少等問題仍將阻礙著其自動檢測和識別的質(zhì)量提升[41]。

三、甲骨文編碼與甲骨文輸入法

甲骨文雖已是一個相對成熟的文字系統(tǒng)，但古文字畢竟與現(xiàn)代漢字有諸多不同。其沒有規(guī)范的筆畫，不少字的讀音也無從知曉，這種情況下想要實現(xiàn)甲骨文的計算機輸入，編制簡明易用的編碼表就是一條必經(jīng)之路。

1994年，李季民就嘗試編制甲骨文編碼電腦字典，這套碼以四位為限，碼元全部取用標(biāo)準(zhǔn)輸入鍵盤主盤字符。這套碼規(guī)則簡明，字根易記，界面清晰[42]。華中師范大學(xué)的肖明、胡金柱等對甲骨文編碼做了較為深入的研究。1999年，肖明等在論文中介紹了面向?qū)ο蟮腜etri網(wǎng)(OOPN)方法，并將它應(yīng)用于甲骨文象形碼編碼的設(shè)計過程中，給出了基于面向?qū)ο蟮腜etri網(wǎng)的甲骨文編碼的類層次結(jié)構(gòu)圖[43]。2002年，肖明等建立了甲骨文信息處理的模糊信息模型，利用模型分析甲骨文的部件（字根）和碼元的確定規(guī)則，使用32個字符（25個英文字母和7個阿拉伯?dāng)?shù)字）作為碼元，與甲骨文中的500多個字根相對應(yīng)，首次實現(xiàn)了一字一碼的編碼方案。并且通過分析得出甲骨文最佳碼長接近3，從而為對5000多個甲骨文字的編碼提供了理論基礎(chǔ)[44-46]。郝文勉則通過分析最小的構(gòu)形單位“線”以及線與線之間的關(guān)系去解析甲骨文結(jié)構(gòu)，歸納出獨立性、相觸性、交叉性和對稱性四個甲骨文線性結(jié)構(gòu)特征，作為提取碼元之基礎(chǔ)，進而形成甲骨文編碼方案[47]。李東琦等結(jié)合甲骨文字的構(gòu)件特點，分析并設(shè)計了基于NET平臺的甲骨文字編碼器[48]。以上編碼方式多從甲骨文字形特點出發(fā)，可稱為“形碼”，由于甲骨文多數(shù)難以拼讀，所以基于讀音的音碼研究者較少。

實現(xiàn)計算機輸入是甲骨文走向信息化應(yīng)用的重要一環(huán)。1995年，徐松等基于甲骨文象形碼吸取甲骨文的傳統(tǒng)部件的優(yōu)點，從字形上找到突破口，為多個甲骨文進行科學(xué)編碼時使用了26個英文字母和9個阿拉伯?dāng)?shù)字，從而實現(xiàn)了一字一碼的編碼方案。他們開發(fā)的“甲骨文象形輸入法”兼具了甲骨文的查找與輸入兩種功能[49]。2010年，聶艷召等研發(fā)了甲骨文自由筆畫輸入法。通過對甲骨文的筆畫特征進行分析，將構(gòu)成甲骨文的筆畫歸納為點、橫、豎、撇、捺、彎、曲、框、圓9種筆畫，在此基礎(chǔ)上設(shè)計了甲骨文筆畫輸入法，該工具可以為甲骨文工作者提供方便快捷的輸入途徑，以提高效率[50]。栗青生等提出了基于有向筆段的甲骨文輸入系統(tǒng)，利用有向筆段的描述方法去描述甲骨文字元，再由字元拼接為字形，較好地解決了甲骨文中弧線筆元的描述方法[51]。該團隊還提出甲骨文字形動態(tài)描述方法，為甲骨文異體字和未識別甲骨文的輸入找到了解決思路[52]。2004年，劉永革等開發(fā)了可視化輸入法。這種方法采用“所見即所得”的方式，將所有的甲骨文字按照部首劃分類，難檢字單獨成一類，通過鼠標(biāo)點擊圖片輸入甲骨文字[53]。手寫輸入法是使用者在終端界面手寫輸入，軟件進行識別后再將匹配的甲骨文輸入系統(tǒng)。據(jù)上文所引劉永革等《甲骨文輸入法綜述》介紹，廈門大學(xué)開發(fā)了一款甲骨文手寫輸入法，該輸入法可通過鼠標(biāo)在提供的虛擬手寫板上通過直接書寫甲骨字再選擇識別結(jié)果完成甲骨文字輸入。安陽師范學(xué)院甲骨文信息處理實驗室研發(fā)基于深度學(xué)習(xí)的甲骨文識別系統(tǒng)，并基于此開發(fā)了新的手寫甲骨文輸入系統(tǒng)，并在“殷契文淵”網(wǎng)站中推出了手寫檢索甲骨字的功能。

四、基于大數(shù)據(jù)的甲骨文考釋與語義分析

甲骨文作為記錄商代晚期語言的符號，其語義與辭例失傳已久，現(xiàn)代人必須依靠專業(yè)知識才能對其考證研究并加以利用。對甲骨文句進行深入學(xué)習(xí)，大數(shù)據(jù)的語義和辭類檢索是一個可行路徑。韓姣紅提供了一種基于本體的甲骨文文獻查詢技術(shù)，通過本體構(gòu)建、語義標(biāo)注等技術(shù)提高了甲骨文領(lǐng)域文獻檢索的查準(zhǔn)率和查全率，并研制了甲骨文文獻綜合檢索系統(tǒng)[54]。安陽師范學(xué)院吳琴霞等針對傳統(tǒng)語義標(biāo)注的不足之處，基于甲骨文卜辭信息的特殊性，提出了一種基于本體的甲骨文專業(yè)文檔標(biāo)注方法[55]。

對未識字進行考釋是計算機在甲骨文研究中的另一重要工作。聶艷召等將甲骨文字形演變知識數(shù)字化，建立基礎(chǔ)數(shù)據(jù)表，構(gòu)建演變規(guī)律知識庫，開發(fā)出了輔助考釋的原型系統(tǒng)[56]。葛彥強等根據(jù)甲骨文字、文、圖合一的特點提出了從結(jié)構(gòu)、上下文、與金文的演變相結(jié)合的輔助考釋方法，構(gòu)造甲骨文的貝葉斯網(wǎng)絡(luò)，構(gòu)建了甲骨文的特征屬性語料庫和案例庫，開發(fā)了供甲骨文專家使用的輔助考釋系統(tǒng)[57]。為提高甲骨文考釋效率，熊晶等提出利用計算機輔助甲骨文考釋，結(jié)合上下文語義環(huán)境來輔助甲骨文考釋[58]。2018年，焦清局等使用大規(guī)模的拓片信息創(chuàng)新性地構(gòu)建了甲骨字網(wǎng)絡(luò)，在其構(gòu)建的甲骨字網(wǎng)絡(luò)中充分捕捉了甲骨文語義單元信息，保留了甲骨文中單音字多的特性，同時該網(wǎng)絡(luò)的中邊權(quán)重反映了甲骨字之間的同現(xiàn)關(guān)系[59]。2020年，該團隊利用甲骨文拓片數(shù)據(jù)構(gòu)建了甲骨字網(wǎng)絡(luò)，對未識甲骨字在網(wǎng)絡(luò)上的重要性、信息豐富度及閉合性進行研究，結(jié)合網(wǎng)絡(luò)特性和拓片的上下文語境對未識甲骨字的場景語義進行了預(yù)測[60]。

甲骨文知識圖譜的構(gòu)建也有利于其文字考釋和語義分析。熊晶等還針對甲骨文的特點及其與現(xiàn)代漢語的內(nèi)在聯(lián)系，提出雙向活動鉸接法的甲骨文本體構(gòu)建模型[61]。2015年，他們又提出了構(gòu)建甲骨文知識圖譜的方案，以解決甲骨文專家知識應(yīng)用率低的問題，其關(guān)鍵技術(shù)是發(fā)現(xiàn)知識圖譜中實體的關(guān)聯(lián)關(guān)系[62]。2020年，熊晶等進一步基于甲骨學(xué)MKD和甲骨學(xué)KG的構(gòu)建方法，通過實體對齊、關(guān)系融合和知識推理得到最終的甲骨學(xué)知識圖譜[63]。2020年，該團隊論證了構(gòu)建大規(guī)?？缒B(tài)的甲骨學(xué)知識圖譜在甲骨文知識管理與共享、考釋和綴合方面的重要性[64]。卜辭文本聚類也是建立卜辭語義主題和未釋甲骨字之間關(guān)聯(lián)的重要任務(wù)之一，是甲骨文考釋、綴合等工作的有效手段。馬園園等針對甲骨卜辭數(shù)據(jù)，提出一種基于對稱非負矩陣分解的無監(jiān)督文本聚類方法[65]。

利用計算機對甲骨文語句進行翻譯也是未來甲骨文信息化應(yīng)用的一個方向。袁冬等提出基于實例的甲骨文釋文機器翻譯技術(shù)研究方案[66]。熊晶等為解決基于實例的甲骨文機器翻譯缺乏深層次語義分析的問題，引入了本體技術(shù)，采用實例和本體相結(jié)合的辦法，分階段實現(xiàn)甲骨文語句的機器翻譯[67]。熊晶等還研究了基于翻譯記憶的計算機輔助翻譯技術(shù)[68]。這種方案優(yōu)勢在于準(zhǔn)確度較高，但翻譯的準(zhǔn)確度受記憶庫規(guī)模大小和語句復(fù)雜程度限制比較明顯。

五、結(jié)語

自20世紀(jì)70年代至今，甲骨學(xué)和計算機技術(shù)的研究者孜孜不倦地聯(lián)合推動了甲骨文數(shù)字化的進步。特別是21世紀(jì)以來，伴隨人工智能新科技的發(fā)展浪潮，甲骨文信息化取得了豐碩的成果。數(shù)字處理和深度學(xué)習(xí)在甲骨文檢測與識別中的應(yīng)用，知識圖譜在甲骨文語義分析和未識字考釋方面的引入，都極大地開拓了甲骨文資料進一步數(shù)字化、信息化、智能化的應(yīng)用范圍和場景。幾十年間，各種甲骨文的數(shù)據(jù)庫、資源平臺逐漸開放，甲骨文輸入法的部分投入使用，計算機輔助甲骨文考釋、翻譯的技術(shù)實驗，均預(yù)示著甲骨文數(shù)字技術(shù)應(yīng)用研究的光明前景。然而，我們也必須看到，這里仍存在著一些深層次的問題。數(shù)據(jù)庫建設(shè)方面的互通性、兼容性不足，已建成的數(shù)據(jù)平臺維護質(zhì)量不夠穩(wěn)定及其更新速度緩慢，古文字專家參與度不夠?qū)е碌挠嬎銠C技術(shù)人員對甲骨文自身特征把握不足，甲骨學(xué)術(shù)界有關(guān)分類、分期、考釋等重大問題本身存在的爭議等，都是影響甲骨文信息化成果創(chuàng)新和應(yīng)用范圍的諸多不利因素?？傊坠俏男畔⒒啡沃氐肋h。

﹝本文是2018年度國家社科基金西部項目“深度學(xué)習(xí)技術(shù)支持下的甲骨文自動識別系統(tǒng)研究（項目編號：18XKG003）”階段成果。﹞