中国文字有着悠久的历史,而对语言文字学和历史文献学的研究也有了长期深入的研究,也经历了相当长的时代。随着计算机人工智能技术的高速发展,文字识别技术已融入我们生活中的各个领域,将信息处理技术用于古文字研究也越来越多的引起了广大学者的关注。目前,对于甲骨文智能识别的研究已取得了初步的进展,但对于战国简文字研究与计算机文字识别的交叉研究还较为少见。因此,本文将基于深度度量学习的小样本学习算法用于对战国简文字的识别。主要工作如下:(1)目前未发现有适合战国简文字识别所用的数据集,本文提出并整理了战国简数据集Bambooslips。对于安徽大学初步整理的战国简文档,将每条竹简在保持高分辨率的前提下单独取出,并与汉字文档对应保存。对于目前未有字体通过“造字”实现。运用标注软件将每条竹简中的单个文字裁剪保存,并将同一字体的图片保存在一个文件夹中,构成Bambooslips数据集。用于后续战国简文字的识别。(2)考虑到战国简文字数据集Bambooslips属于小样本范畴,本文提出了基于孪生网络的小样本战国简文字识别算法。将算法对Bambooslips数据集整体识别准确率与单个类别的识别准确率依次输出。并在原始小数据中引入数据增强变换,增大数据集的容量。在此基础上对原数据与增强数据分别进行训练识别,对比识别准确率。在Bambooslips数据集上,基于孪生网络的小样本战国简文字识别算法的识别效果优于基于其他深度度量学习算法的战国简文字识别。(3)为了让算法有实际的应用,本文基于pycharm+Py Qt5+python Py Qt设计了战国简文字识别软件平台。包括图片的导入、对图片的放大、缩小、文字标注、裁剪保存单个字体、识别单个字体并输出竹简对应词义等功能。该软件可以将待识别的竹简图片输入,获取单个文字图片,进行算法识别后,再将对应的汉字依次输出。