Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 산스크리트어를 중심으로 영어, 티베트어, 중국어로 번역 등가물을 제공하는 어휘집인 MITRA-lexicon을 제안합니다. 이 리소스는 218만 개의 핵심 단어 항목과 1040만 개의 증명 사례를 포함하며, 다단계 파이프라인을 통해 정렬(alignments)을 생성했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기표준 산스크리트어 어휘집은 기념비적이며 필수적이지만, 출처를 현재 널리 이용 가능한 디지털화된 텍스트에 대한 링크 없이 편집본을 간략하게 참조하는 방식으로 인용하며, 해당 구절의 번역도 제공하지 않습니다. 또한 당연히 그 이후에 이루어진 번역을 반영하지 못합니다. 이러한 격차를 해소하기 위해, 우리는 산스크리트어를 중심(pivot)으로 하는 번역 등가물(translation equivalents)의 구간 주석(span annotations)에 기반한 어휘집인 MITRA-lexicon을 제시합니다: Mitrasamgraha 코퍼스에서 파생된 산스크리트어-영어, 그리고 불교 문헌의 MITRA-병렬 코퍼스에서 파생된 산스크리트어-티베트어 및 산스크리트어-중국어입니다. 총적으로 이 리소스는 6가지 방향의 어휘집에 걸쳐 218만 개의 핵심 단어 항목을 포함합니다. 핵심 단어(Headwords)는 Digital Corpus of Sanskrit (DCS)를 따르는 실버 주석(silver annotations)에서 가져온 표제어 및 합성어입니다. 의미(Senses)는 빈도순으로 순위가 매겨지며, 1040만 개의 증명 사례 각각은 단어와 그 등가물의 문장 쌍과 문자 오프셋을 포함합니다. 우리는 통렬 주석 모델(grammatical annotation models), 미세 조정된 대규모 언어 모델(fine-tuned large language models), 그리고 교사-학생 설정(teacher-student setup)에 기반한 다단계 파이프라인을 제안하여 정렬(alignments)을 생성합니다. 우리는 이 어휘집들을 참고 사전을 이용하고 수동으로 수정된 골드 정렬(gold alignments)과 비교 평가했습니다. 우리는 이 어휘집들과 미세 조정된 구간 주석 모델, 그리고 핵심 단어와 그 증명된 의미를 조회할 수 있는 웹 인터페이스를 함께 공개합니다.