殷墟甲骨文

摘要： 楚国文字风格——“诡”“瑰”王祖龙先生在其著作《楚书法史》中谈到,楚国文字具有强烈的“断代性”“区域性”,其一定程度上吸收并消化了北方中原、东南淮水流域、长江中下游地区的一些文字的艺术特色。在秦实现大一统前,也就是中国形成统一的文字风格之前,楚,作为少数能与秦抗衡之国,其创造的文字对后期历代小篆、隶书的文字风格都产生了深远影响。楚国在承袭殷墟甲骨文、周金文的基础上,创造了形体独特的楚系文字。

摘要： 河南地处中原腹地,在古代为九州中的豫州所在,是华夏文明的重要发源地。这里有中国最早的二里头夏都遗址,这里发现了最早的汉字殷墟甲骨文,这里有奏响华夏文明先声的贾湖骨笛,这里出土了中华重器的后母戊鼎。

摘要： 本文在研究"殷墟甲骨文"文创产品的创作范式的基础上,梳理新媒体技术与甲骨文文创产品的作用机理和载体呈现方式,从文创产品开发生产以及消费管理等流程,提出具有价值的对策建议,促进以新媒体技术为发展的"甲骨文"文创产品的品牌建设。

摘要： 商人喜欢以干支命名近代以来,通过对古文献和殷墟甲骨文的研究发现,商代帝王,包括一部分臣民多用干支命名,如天乙、太丁、外丙、中壬……这种以甲、乙、丙、丁等为名号的商王有31人之多。有研究者指出,这种天干地支数可能是他们的生日,也可能是他们的去世日。学者们推测,商人以干支取名,反映了当时一种文雅的文化心理。

摘要： 中国堪称文章大国,文章被誉为“经国之大业,不朽之盛事”,可谓源远流长。殷墟甲骨文的发现距今也已有了三千多年的历史,而作文便是和文字共同诞生的。进人隋朝以来,作文更有了无与伦比的地位。这是因为以科举考试选拔官吏逐步成为了固定的制度,而写作是科举考试的主要内容,后期则变为“八股取士”。

摘要： 以殷墟出土的10万余片刻辞甲骨为代表的商代文字符号,是迄今所见最早的大宗古汉字书写真迹。从审美的角度来看,古汉字结体本身就是艺术的,加之不同书家个性风格的情趣释放,极具视觉上的美感享受。殷墟甲骨文所表现出来的线条造型及其早期汉字的构形特征,处处体现着华夏先民的智慧.

摘要： 四千多年前的一块刻字陶片,“把我国文字出现的时间往前推了八九百年”一二十多年前的一个号外,在海内外学界和公众中引起巨大反响。众所周知,殷墟甲骨文的出现让人感觉突兀,中国文字起源问题扑朔迷离。这也就难怪丁公陶文的出土,为何一石激起千层浪。“远古真品”抑或“造假”“伪刻”?一时间风口浪尖。

摘要： 语文高考具体是如何考的呢?有哪些常见的、有代表性的试题呢?下面,笔者就以2020年高考语文卷中语段综合题常见的两种考查方式为例,简要分析一下。一、词语选用题2020年高考语文试卷中的语段综合题形式多样、材料丰富,分别涉及篆刻艺术、殷墟甲骨文和中华文化,三个文段的内容虽然各不相同,却都指向了博大精深的中华文化,在考查学生能力的同时帮助他们增强文化自信。

摘要： 结合类型学与年代学方法对殷墟甲骨文进行分类整理,是进行甲骨文研究的基础.依据甲骨卜辞的字体特点和组合关系对其进行类型学整理,与依据地层关系和出土遗物等方面对其进行年代学分析,是对殷墟甲骨进行整理与研究的两个性质不同、目标各异的阶段.

摘要： 人体上肢包括手与手臂两部分,手臂上有腕、肘、肩关节可以转动.甲骨文()字源于上肢伸展形体,字义为有、右(左)、佑等.()字上的指事符号——()位于手臂内侧,指称字义为臂字.手臂也可呈屈曲形体——()(),()()字上的指事符号,位于前臂内侧,字义应为臂字;()()字是手臂作屈曲形,是臂字的象形体.前人释读以上形体文字为肱、腕或肘字.后世文献典籍中,臂、肱有特指与泛指两种情况:臂特指前臂,即自手腕至肘之间部位;肱特指自肘至肩之间部位;臂、肱均泛指整个手臂.甲骨文臂字的指事符号位于前臂或手臂中部内侧,跟文献记载臂字的特指与泛指字义古今一致.甲骨文中臂字还指动物前腿;后世典籍中,与人体手臂对应的动物前腿也称臂,从而印证该字为臂而非肱字.与臂相混的()()字为肘的指事字,其指事符号斜线或两段折线表示肘部可屈曲与伸展之义.

摘要： 殷墟甲骨文是目前发现最早的成系统的汉语言材料.百余年来,经过学者们坚持不懈地努力,如今殷虚甲骨文中的大多数辞例都已经能够正确释读.对于一些迄今理解尚有分歧的疑难辞例,应尽可能地通过同版或同文关系,甚至其它卜同事的关系,来思考这些疑难辞例的辞意.若卜辞辞意难以推知,可以暂从从语法学等角度对卜辞中的某些疑难字作词性上的定位.

摘要： 本发明公开了一种基于深度学习的甲骨文偏旁的检测与识别方法，主要涉及甲骨文识别技术领域。按照以下步骤进行：S1：对甲骨文拓片进行扫描或拍照，获得甲骨文图像；S2：采用最大极值稳定区域算法来筛选甲骨文图像中的甲骨文单偏旁区域；S3：对选定的甲骨文单偏旁区域进行椭圆拟合；S4：采用非极大值抑制算法去除对同一个甲骨文单偏旁多余重复或错误的检测结果，完成甲骨文单偏旁的检测，获得甲骨文单偏旁数据；S5：利用BN‑Lenet网络模型识别甲骨文单偏旁数据。本发明的有益效果在于：能够获得较高的识别精度，同时将甲骨文视为偏旁组合而非整字识别，能够识别未考释的甲骨文新字，即零样本学习，对甲骨文研究有着重要的应用意义。

摘要： 本发明公开了一种基于机器视觉的甲骨文识别方法及系统，通过将拓片图像灰度化得到拓片灰度图；通过提取拓片灰度图的边缘点；对各个边缘点进行高斯滤波，计算得到各个边缘点处的梯度方向，分别按各个边缘点处正反两个方向的灰度极小值点之间的切比雪夫距离作为字边沿距；筛选出所有字边沿距小于上沿阈值并且大于下沿阈值的边缘点作为文字边缘点；提取出文字边缘点构成的连通区域作为文字区域。对于因甲骨文出土的历史原因导致甲骨划痕、风化、裂纹、坑洞等原因，能够较高准确率的对文字区域进行增强，保证了甲骨文文字区域的完整性和甲骨文提取可靠性，降低了甲骨文拓片的误检识别概率。

摘要： 本发明公开了一种基于ObiBert的甲骨文自动缀合校验方法，包括以下步骤：S1、收集大量甲骨文的释文文本，在甲骨文专家的直接参与下，形成甲骨文Bert语料；S2、将甲骨文Bert语料中的甲骨文释文文本形成加和向量，具体包括Token嵌入、文本嵌入和位置嵌入的加和，得到ObiBert神经网络模型；S3、然后将缀合后的甲骨片上的甲骨文释文通过ObiBert的NSP模型来判断甲骨文碎片自动缀合的结果是否正确。本发明通过ObiBert判断甲骨文碎片自动缀合的结果是否正确，以期结合甲骨文释文文本从计算机自动缀合的候选结果中筛选出概率最大的可选项，即提出一种判断甲骨文碎片自动缀合结果是否正确的方法，进一步提高甲骨文的应用。

摘要： 本发明属于甲骨文考释技术领域，具体公开了一种甲骨文计算机辅助考释方法及系统，方法包括以下步骤：S1，利用深度学习模型对甲骨文图像进行特征提取得到图像向量；S2，将释文文本转换成甲骨文的字向量；S3，构建多模态知识图谱，将甲骨文的图像向量与甲骨文的字向量映射到统一的语义空间；S4，构建甲骨文考释事件数据库，动态抽取考释过程的事件日志，自主挖掘发现可用于甲骨文考释的关键点；S5，以统一语义空间的向量相似度计算及关键点为甲骨文考释线索来辅助甲骨文考释。该方案将数据驱动、知识驱动及过程驱动进行融合以辅助甲骨文考释，实现了甲骨文研究的静态思维到动态思维转变，提出了一种全新的甲骨文考释方法。

摘要： 本发明提供了一种用于小样本甲骨文识别的数据增广方法、应用及装置，其特征在于，包括如下步骤：对大样本数据、小样本数据序列化得到序列化大样本数据、序列化小样本数据；对序列化大样本数据抹除得到抹除大样本数据、完整大样本数据，对抹除大样本数据编码得到编码后抹除大样本数据；将编码后抹除大样本数据输入特征提取网络得到深度特征；利用预测网络对抹除大样本数据预测得到预测大样本数据；训练更新深度学习网络得到增广器；对序列化小样本数据随机抹除得到抹除小样本数据，并对抹除小样本数据编码得到编码后抹除小样本数据；将编码后抹除小样本数据输入增广器预测得到预测小样本数据，将该预测小样本数据作为增广样本。

摘要： 本发明提供一种面向目标检测的甲骨文拓片数据增强方法，涉及数字图像处理及计算机视觉技术领域，包括：将多个含噪声的真实甲骨文拓片单字图像进行网格化随机摆放，记录对应的包围盒；根据包围盒计算包围凸多边形，并进行多级向心三角网格化，得到多级边缘和三角网格重心坐标集；利用随机椭圆在多级边缘和三角网格重心坐标给出的随机贝塞尔曲线上侵蚀，生成不含噪声的模拟拓片底；根据各真实甲骨文拓片单字图像的摆放位置与模拟拓片底得到素材图和语义图；将素材图和语义图输入含噪声虚拟拓片图像生成模型，得到含噪声的甲骨文目标检测拓片。本发明为含噪声甲骨文目标检测模型所需的拓片数据提供了增强方法，生成的增强拓片数据多样与自然。

摘要： 本发明公开了一种含有甲骨文变型图案的丝绸印染工艺，包括S1)精练：将蚕丝面料进行脱胶处理；S2)印花：在脱胶后的蚕丝面料上印制甲骨文变形图案；S3)染色：在蚕丝面料上印制有甲骨文变形图案区域进行封蜡，并对蚕丝面料进行染色；S4)退蜡：将染色后的蚕丝面料用清水煮沸去蜡，清洗后制得含有甲骨文变型图案的丝绸。本发明将蜡染工艺与蚕丝面料加工相结合，同时配合印制或绘制甲骨文变形图案，产生了全新的视觉效果，产生了不同的艺术感受，符合当代人的审美观念。

摘要： 本发明公开了一种甲骨文识别方法及系统，涉及甲骨文信息处理技术领域，其中甲骨文识别方法包括以下步骤：获取不同甲骨文字的原始书写图片并进行扩充，得到扩充后的图片；对不同甲骨文字的原始书写图片及扩充后的图片分别进行标注，得到训练集；基于EasyDL平台，及PaddlePaddle深度学习框架，结合Auto Model Search选择与甲骨文字的训练集的训练样本数据处理最为匹配的算法，创建手写甲骨文识别模型；利用训练完毕的手写甲骨文识别模型对用户输入的待识别甲骨文字进行识别。本发明可应用在各类甲骨文数据库检索系统中，供不同人群进行甲骨文识别，提高了甲骨文检索的准确率及效率。

摘要： 本发明提供一种基于少次学习的甲骨文单字识别方法和装置，其中方法包括：获取甲骨文单字图片；将所述甲骨文单字图片输入至甲骨文单字识别模型，输出与所述甲骨文单字图片相对应的甲骨文单字类别识别结果；其中，所述甲骨文单字识别模型是基于甲骨文单字样本数据以及预先确定的甲骨文单字样本类别标签进行训练后得到。由于甲骨文的文字样本数量很少，本发明对甲骨文单字识别模型的训练方式是采用少次学习的方式进行，能够针对甲骨文单字的数据长尾分布特点，做到同时强化模型的单字表示与特征提取能力，克服过拟合，最终提高模型在真实大规模情境中的识别和移植效果。

摘要： 本发明公开了一种甲骨文字识别方法，涉及图像文本超分辨和图像文字识别领域，包括以下步骤，S0：输入待测的甲骨文拓片图像；S1：采用HR图像和LR图像对SRGAN网络进行训练；S2：使用SRGAN技术对图像进行超分辨预处理，以提高甲骨文字图像分辨率，降低噪声；S3：对预处理之后的甲骨文图像集合输入到训练好的端到端CRNN识别模型中。本发明结合文本图像SR算法与CRNN文本识别算法，对甲骨文字拓片图像进行识别，不需要手工特征及二值化分割等预处理，降低了低分辨率导致的识别困难，提高了识别的准确率。