该研究论文探讨了文化遗产的保存与恢复问题，并提出了一种基于多模态深度学习的古代文字恢复模型（MMRM），通过结合上下文理解和损坏古代文物的残留视觉信息，实现同时预测损坏字符并生成恢复图像的功能。实验结果表明该方法在模拟实验和实际古代铭文中给出了有价值的恢复建议，为古代社会和文化的理解提供了贡献。

Mar, 2024

我们的研究通过合成数据的方法，为古代亚述文字符号生成了大规模的数据集，以此训练人工神经网络以提高掌握这些古代碑文的能力。通过验证实验，我们验证了该模型在处理多样的真实场景中的能力，并证明了我们合成数据方法的可行性，避免了对稀缺的训练数据的依赖，从而提高了对受损碑文的解读准确性和对历史资源的知识提取。

Oct, 2023

利用机器学习方法，我们在希腊文献学领域解决了诸多问题。在使用最大的古希腊数据集训练 BERT 模型后，我们成功鉴别并纠正了文本传承过程中刻写员以往未能发现的错误，同时证明了该模型填补古代手稿材料损伤造成空缺的能力，并与领域专家的表现进行了比较。我们发现，在启发领域专家的模型建议的支持下，最佳表现可得。在考虑到人机协作的同时，我们还探索了模型的可解释性，并发现一些注意力头似乎对古代希腊语的某些语法特征进行了编码。

May, 2023

本文提出了四种古希腊语言模型，包括单语和多语版本，使用 RoBERTa 和 T5 作为模型类型，基于模型对形态和句法任务进行评估，探讨模型类型对古典语言模型设计的影响。实验结果表明本文设计的模型显著提高了古希腊语言任务的性能，并为未来的研究提供了有用的信息。

May, 2023

本研究介绍了一种适用于古典语言学的三语句子 RoBERTa 模型 SPhilBERTa，通过跨古希腊、拉丁和英语的语义理解和相同句子识别，它能够有效地检测文本之间的内部互文参照。

Aug, 2023

通过对主要来源于古代美索不达米亚历史文化的粘土楔形文字进行网络模型建模，研究自动补全阿奇美尼德时期巴比伦的古代阿卡德语文本中的断裂的可能性。

Mar, 2020

通过图像处理技术识别被超级重印覆盖的历史手稿中的已擦除用墨，并借助人工智能技术解开重叠字母的复杂状况，本研究提出了基于深度学习的语义分割方法。以普里斯克里亚努斯的《语法艺术》为案例研究，本文探讨了该方法结合多光谱成像的预期与限制。

Nov, 2023

计算古文字学是指借助计算方法从石碑铭文中提取文字、音译、解释和归属的过程。传统的古文字学方法耗时且易损伤石碑铭文，在提取文字时。此外，解释和归属是主观的，可能因不同古文字学家而异。然而，使用现代计算方法不仅可以用于提取文字，还能以稳健的方式进行解释和归属。我们调查和记录了在古文字学上协助上述任务的现有计算方法。

Jun, 2024

通过使用多语言知识蒸馏方法训练 BERT 模型，本研究为古希腊文本生成句子嵌入，借鉴了高资源语言的模型性质，同时使用了相对较少的翻译句子数据。通过创建一个平行语料库，将古希腊文档与英文译文进行对齐，并使用这个数据集训练模型。研究还通过翻译搜索、语义相似性和语义检索任务以及翻译偏差调查的评估方法对模型进行了测试。

Aug, 2023

我们的研究通过使用 YOLOv8 模型集合进行字符检测和分类，结合基于 transformer 的 DeiT 方法和使用 SimCLR 进行自监督学习的 ResNet-50 模型，获得了 ICDAR 2023 比赛的好成绩，并在 Oxyrhynchus Papyri 上展示了我们的方法的实用性。

Jan, 2024