2021SC@SDUSC
(突然发现自己等级可以自定义标签结果带特殊字符的标签打不上Orz)
组内分工
小组选题为SDUDOC,与导师、学长交流后,通过组内协商,分工如下:戈同学负责逻辑引擎实现与基础UI绘制、刘同学负责图像渲染引擎与文档格式 杜同学负责后端服务器分布式架构、张同学负责后端数据库和数据分析。
前期调研与整体分析
项目背景
中华上下泱泱五千年,先辈的智慧存于书中传承至今。然而,存放数百年乃至数千年的古籍十分脆弱,经不起翻阅等直接接触,需要极其苛刻的环境存放与保护。专业研究者、普通爱好者们使用需求量与古籍的保护要求形成了极为尖锐的矛盾。
正如几千年前筹代替绳结、纸代替竹简,将繁重的资料数字化已然成为时代的潮流。古籍领域亦是如此。对古籍的整理、保护和利用,就是最大限度地保护与传承中华文脉和传统文化。但是目前,如国家图书馆http://www.nlc.gov.cn/、中国哲学书电子化计划https://ctext.org/zhs、阿里达摩院汉典重光等项目所做的基本只基于查询需求,不提供书籍影印原貌、或是不提供繁简转换、或者不能把搜索的内容定位到相关古籍页面。
SDUDOC项目目标是户输入简体汉字就可以自动匹配到相关古籍,并可以查找到相关的古籍原文,看到古籍的原貌。同时通过图像识别自主区分注释与正文内容、实现基于语义的内容整理。
目前已完成功能
- 上传扫描古籍,并对古籍段落进行框选,生成SVG文档并通过上传模块发送到后端
- 输入古文字对应的现代汉语字形字意和相关字词标注
- 将编辑器中编辑和修改的古文字及其相关资料上传至服务器的工作
- 查阅模块完成输入现代汉字字音字形检索相关古文字和古文的工作
待完成需求(预计会随代码分析与项目的理解深入不定时增加)
-
繁简体输入法切换
-
针对生僻字的造字系统
-
制定规范,实现XMLtoHTML,XMLtoPDF、XMLtoFLASH、XMLtoHTML5等,能够多种形式进行文档展示
-
古籍(竖排)和现代文(横排)的兼容展示与处理,细化用户体验
-
需要一定的古文标注数据实现AI语义裁切并增加其准确度
…
项目整体架构
安装过程
常规项目导入。
存在问题:git clone时遇到ssl reset和timed out.
但是可以ping通GitHub,故怀疑网络问题。
解决:睡觉。第二天起床clone。成功。
(指路Git遇到问题解决合集by ChiZ:
https://chizz.blog.csdn.net/article/details/114941246)
所用maven版本:
IDEA引入maven路径:
导入依赖即可。具体代码架构与分析下一篇咯。