數字人文與 RAG
古籍 OCR 與異體字：AI 讀易經的第一道難關
古籍影像要進入檢索系統，通常先經過 OCR。但版式、漫漶、夾注、異體字和罕見字會使機器把原字替換成更常見的字，錯誤一旦進入資料庫，後續模型就可能反覆引用。
本站內容原則高校與項目事實依公開資料呈現；學者觀點以可核實材料為準；跨領域應用與工程方案由本站負責分析。
Research Basis
研究依據
山東大學項目提出大規模古籍圖文處理，谷繼明的校勘與版本研究則顯示，細小文字差異可能牽動整段解釋。資料工程與文獻學在這裡直接相遇。
Core Argument
核心分析
可靠流程應保留原始圖像、OCR 結果、人工校訂和字形映射四個層次。低置信字符進入人工隊列；模型可以提出候選，但不能悄悄覆寫原始識別結果。
Implementation
如何落到研究與產品
網站文章引用古文時，以可公開查閱的文本為基礎，並避免使用無法回查的長段生成古文。涉及字形和異文時，明確告訴讀者使用的版本。
Reader Value
這對讀者有什麼價值
這讓讀者看到，AI 讀古籍並非掃描後即可理解，而是一項需要技術與專業共同完成的細緻工作。