MITRA-lexicon – သက္ကတဘာသာ ဗုဒ္ဓဝေါဟာရများကို တိဗက်၊ တရုတ်နှင့် အင်္ဂလိပ်ဘာသာသို့ မည်သို့ပြန်ဆိုခဲ့ကြောင်း ကော်ပပ်အခြေပြု မှတ်တမ်း

ဘာကို ထုတ်ဝေခဲ့သနည်း

2026 ခုနှစ် အောက်တိုဘာ 19 ရက်တွင် Sebastian Nehrdich၊ Kengo Harimoto၊ Sven Sellmer နှင့် Oliver Hellwig တို့သည် သက္ကတဘာသာနှင့် အင်္ဂလိပ်၊ တိဗက်၊ တရုတ်ဘာသာများအကြား တစ်လမ်းသွား အဘိဓာန် ခြောက်ခုဖြစ်သော MITRA-lexicon ကို ဖော်ပြသည့် ကြိုတင်ပုံနှိပ်စာတမ်းကို arXiv တွင် တင်ခဲ့သည်။ စာရေးသူများက ခေါင်းစီးစကားလုံး 2.18 သန်းနှင့် သက်သေအထောက်အထား 10.4 သန်းရှိကြောင်း အစီရင်ခံသည်။ သက်သေတစ်ခုစီသည် ၎င်း၏ ဝါကျအတွဲနှင့် ချိတ်ဆက်ထားပြီး သက္ကတစကားလုံးနှင့် ၎င်း၏ ညီမျှစကားလုံး၏ အက္ခရာနေရာများကိုပါ ပေးထားသည်။ အဓိပ္ပာယ်များကို ပေါ်ပေါက်မှု အကြိမ်ရေအလိုက် စီထားသည်။ ^[1]

ဒေတာများကို တစ်နေ့တည်းတွင် GitHub ၌ ထုတ်ဝေမှု v1.1 အဖြစ် ကုဒ်၊ အကဲဖြတ်ဒေတာနှင့် beta အဆင့် ဝက်ဘ်မျက်နှာပြင်တို့နှင့်အတူ ထုတ်ဝေခဲ့သည်။ ဤထုတ်ဝေမှုတွင် စာတမ်း၌ မဖော်ပြထားသော တရုတ်–တိဗက် အဘိဓာန်ကို ထပ်ဖြည့်ထားသည်။ မျက်နှာပြင်က ၎င်းသည် လူကိုယ်တိုင် စိစစ်ပြုစုထားသော အဘိဓာန် မဟုတ်ကြောင်း ဖော်ပြသည်။ အတွဲများကို အလိုအလျောက် ထုတ်ယူထားသဖြင့် ကိုက်ညီမှုတစ်ခုသည် မှားနိုင်၊ မပြည့်စုံနိုင်၊ လွဲနိုင်ပြီး ဝါကျတစ်ခုလုံးကို ဖတ်သင့်သည်။ ^{[2] [3]}

မည်သို့ တည်ဆောက်ခဲ့သနည်း

သက္ကတ–အင်္ဂလိပ် အဘိဓာန်များသည် Mitrasaṃgraha ကော်ပပ် (ဝါကျအတွဲ 395,528 တွဲ) မှ လာပြီး သက္ကတ–တိဗက်နှင့် သက္ကတ–တရုတ် အဘိဓာန်များသည် MITRA-parallel v3 (566,068 တွဲနှင့် 340,691 တွဲ) မှ လာသည်။ သက္ကတစာသားသည် တိဗက် သို့မဟုတ် တရုတ်ဘာသာပြန်မှ ခေတ်သစ် ပြန်လည်တည်ဆောက်မှု အပြည့်အဝ သို့မဟုတ် တစ်စိတ်တစ်ပိုင်း ဖြစ်နေသော စာပေ 18 ခုကို ချန်လှပ်ထားသည်။ ^[1]

သက္ကတဘက်ကို ByT5-Sanskrit ခွဲခြမ်းစိတ်ဖြာကိရိယာဖြင့် စကားလုံးခွဲခြင်းနှင့် မူလပုံစံသို့ ပြန်ဆိုခြင်း ပြုလုပ်သည်။ စီးပွားဖြစ် ဘာသာစကားမော်ဒယ် (Gemini Flash) က လေ့ကျင့်ရေး နမူနာ 9,366 ခုကို အမှတ်အသား ပြုလုပ်ပြီး ထို့နောက် MITRA Qwen3.5-9B ကို အခြေခံသော ပိုသေးငယ်သည့် မော်ဒယ်ကို ဘာသာပြန်တစ်ခုစီကို ကူးယူကာ သက္ကတစကားလုံးတစ်လုံးစီကို ကိုယ်စားပြုသည့် အပိုင်းကို အမှတ်အသားပြုရန် ထပ်မံလေ့ကျင့်ခဲ့သည်။ ကော်ပပ်သုံးခုကို တူးဖော်ရာတွင် GPU နာရီ 36 ခန့် ကြာမြင့်ခဲ့သည်။ ချိန်ညှိမော်ဒယ်ကို သီးခြားထုတ်ဝေထားပြီး ၎င်း၏ မော်ဒယ်ကတ်တွင် ၎င်း၏ အမှတ်များသည် မှန်ကန်မှုကို မဟုတ်ဘဲ ဆရာမော်ဒယ်နှင့် သဘောတူညီမှုကိုသာ တိုင်းတာကြောင်း မှတ်ချက်ပြုထားသည်။ ^{[1] [4]}

မည်မျှ ယုံကြည်ရသနည်း

တင်းကျပ်သော ကိုက်ညီမှု စံနှုန်းဖြင့် ကိုးကားအဘိဓာန်များနှင့် နှိုင်းယှဉ်ရာတွင် ပထမအဆင့် အဓိပ္ပာယ်သည် သက္ကတ–တိဗက် ခေါင်းစီးစကားလုံးများ၏ 58.2% (Negi)၊ သက္ကတ–တရုတ် ခေါင်းစီးစကားလုံးများ၏ 53.0% (Hirakawa) နှင့် သက္ကတ–အင်္ဂလိပ် ခေါင်းစီးစကားလုံးများ၏ 36.6% (Monier-Williams နှင့် Apte ပေါင်းစပ်) တွင် အဘိဓာန်နှင့် ကိုက်ညီသည်။ အဘိဓာန်များသည် ပိုကျဉ်းသော စာပေအစုကိုသာ လွှမ်းခြုံပြီး ကိုယ်ပိုင်အမှားများလည်း ပါဝင်သောကြောင့် ဤကိန်းဂဏန်းများသည် အနိမ့်ဆုံး အကန့်အသတ်များ ဖြစ်သည်ဟု စာရေးသူများက ဆိုသည်။ သဘောတူညီမှုသည် အကြိမ်ရေနှင့်အတူ မြင့်တက်သည်။ သက်သေ အနည်းဆုံး 100 ရှိသော ခေါင်းစီးစကားလုံးများတွင် ထိပ်ဆုံး သက္ကတ–တိဗက် အဓိပ္ပာယ်ကို 84–90% တွင် အတည်ပြုနိုင်ခဲ့သည်။ ^[1]

ရွှေစံ ချိန်ညှိမှုများသည် သက္ကတ–အင်္ဂလိပ်အတွက်သာ ရှိသည်။ ဝါကျ 100 ကို သက္ကတပညာရှင် သုံးဦးက သီးခြားစီ ချိန်ညှိခဲ့ပြီး ၎င်းတို့အကြား Krippendorff ၏ alpha မှာ 0.77 ဖြစ်ကာ မော်ဒယ်သည် ၎င်းတို့၏ အများစု ဆုံးဖြတ်ချက်နှင့် နှိုင်းယှဉ်ပါက F1 88.4 ရရှိခဲ့သည်။ စာတမ်းတွင် နောက်ထပ် ကန့်သတ်ချက်များကိုလည်း ဖော်ပြသည်။ ခွဲခြမ်းစိတ်ဖြာကိရိယာနှင့် အီလက်ထရွန်နစ် စာသားအမှားများသည် မှားယွင်းသော မူလစကားလုံးများအဖြစ် ပျံ့နှံ့သည်၊ ပစ်မှတ်ဘာသာစကား၏ ပုံစံပြောင်းလဲမှုများက သက်သေများကို အဓိပ္ပာယ်အမျိုးမျိုးသို့ ကွဲစေသည်၊ အင်္ဂလိပ်အဘိဓာန်ကို ကြီးမားသော ရာဇဝင်ကဗျာနှင့် ပုရာဏ စာပေ အနည်းငယ်က လွှမ်းမိုးထားသည်၊ ရှားပါးသော ခေါင်းစီးစကားလုံးများတွင် အမှားပိုများသည်၊ အမှတ်အသားပြုခြင်း အဆင့်သည် စီးပွားဖြစ်မော်ဒယ်ပေါ် မူတည်သည်။ သိုလှောင်ရုံက စာတမ်းသည် ISCLS 2027 အတွက် သုံးသပ်ဆဲဖြစ်ကြောင်း ဖော်ပြသဖြင့် ၎င်းသည် ကြိုတင်ပုံနှိပ်စာတမ်း ဖြစ်ပြီး သက်တူရည်တူ သုံးသပ်ပြီး ရလဒ် မဟုတ်ပါ။ ^{[1] [2]}

လိုင်စင်များနှင့် ပြန်လည်အသုံးပြုမှု

သက်သေတစ်ခုစီသည် ၎င်း၏ ဝါကျအတွဲကို ပြန်လည်ဖော်ပြသောကြောင့် အဘိဓာန်များသည် မူရင်းစာသားများ၏ လိုင်စင်များကို ဆက်ခံသည်။ သက္ကတ–တိဗက်၊ သက္ကတ–တရုတ်နှင့် တရုတ်–တိဗက် အဘိဓာန်များကို CC BY-SA 4.0 ဖြင့် ထုတ်ဝေသည်။ သက္ကတ–အင်္ဂလိပ် အဘိဓာန်တွင် ဗားရှင်းနှစ်ခု ရှိသည်။ CC BY-SA စာသားများမှ သက်သေ 92.3% ပါဝင်သော CC BY-SA 4.0 ဗားရှင်းနှင့် CC BY-NC-ND စာသားများနှင့် လိုင်စင် မဖော်ပြထားသော ကော်ပပ်အပိုင်းများမှ သက်သေများကို ထပ်ဖြည့်ထားသည့် CC BY-NC-ND 4.0 အပြည့်အစုံ ဗားရှင်း ဖြစ်သည်။ ရွှေစံနှင့် ဆရာဒေတာများသည် CC BY-NC-ND 4.0၊ ကုဒ်သည် MIT၊ ချိန်ညှိမော်ဒယ်သည် Apache-2.0 ဖြစ်သည်။ ^{[2] [4]}

အဘိဓာန်တစ်ခု၏ လိုင်စင်သည် အခြား ကော်ပပ်၊ စကင်န်ဖိုင် သို့မဟုတ် ဘာသာပြန်တစ်ခုခု၏ အခွင့်အရေးများကို မဆုံးဖြတ်ပါ။ မျက်နှာပြင်တွင် ဝေါဟာရတစ်ခုကို ဖတ်ခြင်းသည် မူရင်းစာသားများကို ပြန်လည်ထုတ်ဝေရန် သို့မဟုတ် ၎င်းတို့၏ ကိုယ်ပိုင်လိုင်စင်များကို ကျော်လွန်၍ မော်ဒယ်ကို လေ့ကျင့်ရန် ခွင့်ပြုချက် မပေးပါ။ စာရေးသူများက အများပြည်သူသုံး အက်ပလီကေးရှင်းများတွင် Dharmamitra စီမံကိန်းကို အသိအမှတ်ပြုပေးရန် တောင်းဆိုသည်။ ^[2]

သတိထား အသုံးပြုနည်း

သက္ကတ၊ တိဗက် (Unicode သို့မဟုတ် Wylie) သို့မဟုတ် တရုတ်ဘာသာဖြင့် ဝေါဟာရတစ်ခုကို ရှာဖွေပြီး ပစ်မှတ်ဘာသာစကားကို ရွေးချယ်ကာ ခေါင်းစီးစကားလုံးတစ်ခုတည်းကို မဟုတ်ဘဲ ဝါကျအကြောင်းအရာထဲတွင် သက်သေများကို ဖတ်ပါ။ အကြိမ်ရေကို ဘာသာပြန်သူများ၏ အသုံးပြုမှု သက်သေအဖြစ် ယူဆပြီး မှန်ကန်သော ညီမျှစကားလုံးအပေါ် ဆုံးဖြတ်ချက်အဖြစ် မယူဆပါနှင့်။ သက်သေတစ်ခုတည်းသာရှိသော ရှားပါးအဓိပ္ပာယ်သည် ချိန်ညှိမှုအမှား ဖြစ်နိုင်သည်။ သက်သေအများအပြားရှိသော ခေါင်းစီးစကားလုံးများကို ဦးစားပေးပါ၊ သက်သေသည် မည်သည့် စုစည်းမှုမှ လာသည်ကို မှတ်သားပါ၊ ထည့်သွင်းချက်တစ်ခုကို ကိုးကားသောအခါ ထုတ်ဝေမှုဗားရှင်းနှင့် လိုင်စင်ကို မှတ်တမ်းတင်ပါ။ ^{[1] [3]}

Matreya အတွက် ဤသည်မှာ ကျွန်ုပ်တို့၏ ဘာသာစကားများတစ်လျှောက် ဝေါဟာရကို စစ်ဆေးရန် လက်တွေ့ကျသော နည်းလမ်းဖြစ်ပြီး ခွင့်ပြုချက်ကို လေးစားသော ကော်ပပ်အရင်းအမြစ်၏ မှတ်တမ်းတင်ထားသော နမူနာလည်း ဖြစ်သည်။ လိုင်စင်များကို ဖိုင်တစ်ခုစီအလိုက် ဖော်ပြထားပြီး တည်ဆောက်မှုကို ထုတ်ဝေထားသော ကုဒ်နှင့် ဒေတာမှ ပြန်လည်ထုတ်လုပ်နိုင်သည်။ ကျွန်ုပ်တို့သည် အစီရင်ခံထားသော ကိန်းဂဏန်းများကို ကိုယ်တိုင် ပြန်လည်စမ်းသပ်ထားခြင်း မရှိပါ၊ ဤအဘိဓာန်သည် ကျွမ်းကျင်သူက စာပိုဒ်တစ်ခုကို ဖတ်ရှုခြင်းကို အစားထိုးနိုင်ခြင်း မရှိပါ။ ^{[1] [2]}

အယ်ဒီတာ မှတ်ချက်

စာရေးသူများက ကွန်ပျူတာ အခြေခံအဆောက်အအုံအတွက် ရန်ပုံငွေထောက်ပံ့ပေးသည့် Tsadra Foundation ကို ကျေးဇူးတင်ကြောင်း ဖော်ပြပြီး ပရိုဂရမ်ရေးသားခြင်းနှင့် စာတမ်း၏ ဘာသာစကားအတွက် ဖန်တီးနိုင်သော AI ကို အသုံးပြုခဲ့ကြောင်း ထုတ်ဖော်သည်။ ဤဆောင်းပါးနှင့် ၎င်း၏ ဘာသာပြန်များကို AI အကူအညီဖြင့် ပြင်ဆင်ထားပြီး ကျွမ်းကျင်သူ ဘာသာစကား စိစစ်မှု မပြီးစီးသေးပါ။ ^[1]