MITRA-lexicon: บันทึกจากคลังข้อความว่าศัพท์พุทธศาสนาภาษาสันสกฤตถูกแปลเป็นภาษาทิเบต จีน และอังกฤษอย่างไร

สิ่งที่เผยแพร่

เมื่อวันที่ 19 ตุลาคม 2026 Sebastian Nehrdich, Kengo Harimoto, Sven Sellmer และ Oliver Hellwig ได้เผยแพร่บทความก่อนตีพิมพ์บน arXiv ซึ่งบรรยายถึง MITRA-lexicon พจนานุกรมทิศทางเดียวหกชุดระหว่างภาษาสันสกฤตกับภาษาอังกฤษ ทิเบต และจีน ผู้เขียนรายงานรายการคำตั้ง 2.18 ล้านรายการและหลักฐานการใช้ 10.4 ล้านรายการ โดยหลักฐานแต่ละรายการเชื่อมโยงกับคู่ประโยคของมัน พร้อมตำแหน่งอักขระของคำสันสกฤตและคำเทียบเท่า ความหมายต่าง ๆ เรียงตามความถี่ที่ปรากฏ ^[1]

ข้อมูลเผยแพร่ในวันเดียวกันบน GitHub ในชื่อรุ่น v1.1 พร้อมโค้ด ข้อมูลประเมินผล และส่วนติดต่อผู้ใช้บนเว็บในรุ่นเบตา รุ่นนี้เพิ่มพจนานุกรมจีน–ทิเบตซึ่งไม่ได้บรรยายไว้ในบทความ ส่วนติดต่อผู้ใช้ระบุว่านี่ไม่ใช่พจนานุกรมที่เรียบเรียงด้วยมือ คู่คำถูกสกัดโดยอัตโนมัติ ดังนั้นการจับคู่อาจผิด ไม่ครบ หรือคลาดเคลื่อน และควรอ่านประโยคเต็ม ^{[2] [3]}

สร้างขึ้นอย่างไร

พจนานุกรมสันสกฤต–อังกฤษมาจากคลังข้อความ Mitrasaṃgraha (คู่ประโยค 395,528 คู่) ส่วนพจนานุกรมสันสกฤต–ทิเบตและสันสกฤต–จีนมาจาก MITRA-parallel v3 (566,068 และ 340,691 คู่) ข้อความสิบแปดชิ้นที่ภาษาสันสกฤตทั้งหมดหรือบางส่วนเป็นการบูรณะสมัยใหม่จากคำแปลภาษาทิเบตหรือจีนถูกคัดออก ^[1]

ฝั่งสันสกฤตถูกตัดคำและแปลงเป็นรูปศัพท์ตั้งต้นด้วยตัววิเคราะห์ ByT5-Sanskrit แบบจำลองภาษาเชิงพาณิชย์ (Gemini Flash) ติดป้ายตัวอย่างฝึก 9,366 ตัวอย่าง จากนั้นแบบจำลองขนาดเล็กกว่าที่ใช้ MITRA Qwen3.5-9B เป็นฐานถูกปรับจูนให้คัดลอกคำแปลแต่ละประโยคและทำเครื่องหมายช่วงข้อความที่ถ่ายทอดคำสันสกฤตแต่ละคำ การขุดค้นคลังข้อความทั้งสามใช้เวลาประมาณ 36 ชั่วโมง GPU แบบจำลองจัดแนวเผยแพร่แยกต่างหาก และบัตรแบบจำลองระบุว่าคะแนนของมันวัดความสอดคล้องกับแบบจำลองครู ไม่ใช่ความถูกต้อง ^{[1] [4]}

เชื่อถือได้เพียงใด

เมื่อเทียบกับพจนานุกรมอ้างอิงภายใต้เกณฑ์จับคู่อย่างเข้มงวด ความหมายอันดับแรกตรงกับพจนานุกรมใน 58.2% ของคำตั้งสันสกฤต–ทิเบต (Negi), 53.0% ของคำตั้งสันสกฤต–จีน (Hirakawa) และ 36.6% ของคำตั้งสันสกฤต–อังกฤษ (Monier-Williams ร่วมกับ Apte) ผู้เขียนเรียกตัวเลขเหล่านี้ว่าขอบเขตล่าง เพราะพจนานุกรมครอบคลุมชุดข้อความที่แคบกว่าและมีข้อผิดพลาดของตนเอง ความสอดคล้องเพิ่มขึ้นตามความถี่: สำหรับคำตั้งที่มีหลักฐานอย่างน้อย 100 รายการ ความหมายสันสกฤต–ทิเบตอันดับแรกได้รับการยืนยันใน 84–90% ของกรณี ^[1]

การจัดแนวมาตรฐานทองมีเฉพาะคู่สันสกฤต–อังกฤษ: ประโยค 100 ประโยคจัดแนวโดยนักสันสกฤตสามคนอย่างเป็นอิสระ โดยมีค่าแอลฟาของ Krippendorff ระหว่างพวกเขา 0.77 และแบบจำลองได้ค่า F1 88.4 เมื่อเทียบกับการตัดสินด้วยเสียงข้างมาก บทความยังระบุข้อจำกัดอื่น: ข้อผิดพลาดของตัววิเคราะห์และข้อความอิเล็กทรอนิกส์ส่งต่อไปเป็นรูปศัพท์ที่ผิด รูปผันในภาษาปลายทางทำให้หลักฐานกระจายไปตามความหมายต่าง ๆ พจนานุกรมภาษาอังกฤษถูกครอบงำโดยข้อความมหากาพย์และปุราณะขนาดใหญ่ไม่กี่ชิ้น คำตั้งที่พบน้อยมีข้อผิดพลาดมากกว่า และขั้นตอนติดป้ายขึ้นอยู่กับแบบจำลองเชิงพาณิชย์ คลังโค้ดระบุว่าบทความอยู่ระหว่างการพิจารณาสำหรับ ISCLS 2027 ดังนั้นจึงเป็นบทความก่อนตีพิมพ์ ไม่ใช่ผลที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ ^{[1] [2]}

สัญญาอนุญาตและการนำไปใช้ซ้ำ

เนื่องจากหลักฐานแต่ละรายการทำซ้ำคู่ประโยคของมัน พจนานุกรมจึงสืบทอดสัญญาอนุญาตของข้อความต้นทาง พจนานุกรมสันสกฤต–ทิเบต สันสกฤต–จีน และจีน–ทิเบต เผยแพร่ภายใต้ CC BY-SA 4.0 พจนานุกรมสันสกฤต–อังกฤษมีสองรุ่น: รุ่น CC BY-SA 4.0 ที่มีหลักฐาน 92.3% จากข้อความภายใต้ CC BY-SA และรุ่นสมบูรณ์ภายใต้ CC BY-NC-ND 4.0 ซึ่งเพิ่มหลักฐานจากข้อความภายใต้ CC BY-NC-ND และจากส่วนของคลังข้อความที่ไม่ได้ระบุสัญญาอนุญาต ข้อมูลมาตรฐานทองและข้อมูลครูเป็น CC BY-NC-ND 4.0 โค้ดเป็น MIT และแบบจำลองจัดแนวเป็น Apache-2.0 ^{[2] [4]}

สัญญาอนุญาตของพจนานุกรมไม่ได้ตัดสินสิทธิ์ในคลังข้อความ ภาพสแกน หรือคำแปลอื่นใด การอ่านศัพท์ในส่วนติดต่อผู้ใช้ไม่ได้ให้สิทธิ์เผยแพร่ข้อความต้นทางซ้ำหรือฝึกแบบจำลองด้วยข้อความเหล่านั้นเกินกว่าสัญญาอนุญาตของตัวข้อความเอง ผู้เขียนขอให้แอปพลิเคชันที่เผยแพร่ต่อสาธารณะระบุชื่อโครงการ Dharmamitra ^[2]

วิธีใช้อย่างระมัดระวัง

ค้นหาศัพท์ในภาษาสันสกฤต ทิเบต (Unicode หรือ Wylie) หรือจีน เลือกภาษาปลายทาง และอ่านหลักฐานในบริบทประโยคแทนที่จะดูเพียงคำตั้ง ถือว่าความถี่เป็นหลักฐานของการใช้โดยผู้แปล ไม่ใช่คำตัดสินว่าคำเทียบเท่าใดถูกต้อง ความหมายที่พบน้อยและมีหลักฐานเพียงรายการเดียวอาจเป็นข้อผิดพลาดของการจัดแนว ให้ความสำคัญกับคำตั้งที่มีหลักฐานหลายรายการ สังเกตว่าหลักฐานมาจากชุดรวบรวมใด และเมื่ออ้างอิงรายการใด ให้บันทึกรุ่นที่เผยแพร่และสัญญาอนุญาต ^{[1] [3]}

สำหรับ Matreya นี่คือเครื่องมือตรวจสอบศัพท์เฉพาะทางที่ใช้ได้จริงข้ามภาษาต่าง ๆ ของเรา และเป็นตัวอย่างที่มีเอกสารของทรัพยากรคลังข้อความที่คำนึงถึงการอนุญาต: สัญญาอนุญาตระบุไว้ต่อไฟล์ และการสร้างสามารถทำซ้ำได้จากโค้ดและข้อมูลที่เผยแพร่ เรายังไม่ได้ทำซ้ำตัวเลขที่รายงานด้วยตนเอง และพจนานุกรมนี้ไม่ได้มาแทนการอ่านข้อความโดยผู้เชี่ยวชาญ ^{[1] [2]}

หมายเหตุบรรณาธิการ

ผู้เขียนขอบคุณ Tsadra Foundation ที่สนับสนุนทุนโครงสร้างพื้นฐานการคำนวณ และเปิดเผยการใช้ AI เชิงสร้างสรรค์ในการเขียนโปรแกรมและในภาษาของบทความ บทความนี้และคำแปลจัดทำโดยมี AI ช่วยเหลือ การตรวจทานภาษาโดยผู้เชี่ยวชาญยังไม่เสร็จสมบูรณ์ ^[1]