甲骨文字形演化开放数据集：EVOBC

现存最早的中国文字源于甲骨文，它们与其他东亚语言密切相关。这些铭文对人类学和考古学具有巨大价值。然而，破译甲骨文仍然是一项艰巨的挑战，在迄今已发现的 4500 多个文字中，仅有约 1600 个被释读。要全面理解这一古老的书写体系，还需要进一步的学术研究。人工智能技术是破译甲骨文，特别是研究其字形演化的一条有前景的途径。然而，挑战之一在于缺乏能够映射这些文字随时间演变的数据集。在本研究中，我们系统地从权威文献和网站中收集了跨越六个历史阶段的古文字：甲骨文（公元前 15 世纪）、金文（公元前 13 世纪至公元前 221 年）、篆书（公元前 11 世纪至公元前 8 世纪）、春秋时期文字（公元前 770 年至公元前 476 年）、战国时期文字（公元前 475 年至公元前 221 年）和隶书（公元前 221 年至公元 220 年）。随后，我们构建了一个大规模数据集，即甲骨文演化数据集（EVOBC），包含 229,170 张图像，代表 13,714 个不同的字符类别。我们在构建的数据集上进行了验证和模拟破译，结果表明该数据集在辅助甲骨文研究方面具有高效性。这个公开可访问的数据集旨在将多个时代的中国古代文字数字化，通过研究字形形态的演变来促进甲骨文的破译。