缅文依词释的数字化及语料初步分析 （三）:缅文依词释简介
文摘
文化
2024-09-10 20:00
云南
点击上方巴利文献研究，关注我们。巴利文献研究主要发布与巴利语文献相关的研究成果，欢迎研究者和学习者共同交流
缅文依词释(Nissaya)是古代及现代的高僧大德撰写的对于巴利语文献的逐词解释的著作。依词释涉及的巴利语文献涵盖了全部的根本，大部分义注和少量复注。这些参考资料为巴利文献的教学，翻译，研究提供了很有价值的指导作用。依词释的成书时间跨度很长。以前是记录在棕榈叶上，近代出现了铅字排版的纸质依词释，现代又有了少量电脑排版的纸质书。一方面棕榈叶和纸质书保存及再版非常不便，同时也无法适应当前信息时代电脑检索、网络传播、电子出版等研究和出版手段。因此将这些文献数字化，有助于保存和进一步研究、利用这些珍贵的古代文献。为了能够方便的检索和解决非缅语人群使用上的不便。我们在2022年2月策划并实施了“数字依词释项目”。在项目的初期我们制定了如下项目目标：• 通过人工录入现有的纸质依词释，实现资料的 Unicode 编码的文本化。为检索、复制、分析统计提供数据格式基础。• 通过在录入时逐句对照第六次圣典结集的巴利语文本，实现依词释以句为单位的碎片化。与巴利原文无缝对接。无需额外检索操作。• 通过在线录入流程，实现资料的实时共享。方便使用和项目管理。• 以特定格式录入，进一步碎片化，颗粒度达到单词级别。实现巴利脚本的自动转码，支持罗马巴利、泰文、新哈拉文等，并方便后期的语料统计研究。• 通过缅文语尾识别功能，方便不熟悉缅文的使用者也能获取依词释包涵的重要语法信息。在上述资料中，某些巴利原文有多个不同的依词释版本，我们优先选择当代西亚多的著作。因为当代作品会使用较现代的缅文解释，更容易理解。而且书籍的印刷质量较好，便于录入。其次，我们会选择现代出版的较新的依词释。特别一提的是缪提版（缅语：မိုးထိ 罗马转写 miuthi）。虽然该版本印刷较早，个别页字迹不清，但行文严谨，基本上是以单词为单位解释，很少出现以词组为单位的解释，公认在教学上有较高的参考价值。一期工程我们最终选定了174本书共计80807页。具体类别和页数如下表所示：面对超过八万页的文本需要数字化，必然要考虑以下问题：随着项目的开展，一期工程最多的时候有四十多人同时在线录入。为了实现项目有序的开展，避免任务的重复安排，优先安排重要任务，以及方便的查看目前进度，经过比较筛选，我们引入了GitHub Project作为项目管理工具。GitHub Project，也称为项目板（Project Boards），是GitHub平台上的一项功能，旨在帮助用户更好地组织、管理和跟踪项目中的任务、问题和拉取请求（Pull Requests，简称PRs）。它类似于一个可定制的电子表格或看板，允许用户通过拖放、排序和分组来管理项目中的各项事务。GitHub Project 包含如下功能对依词释项目很有帮助：• 用户可以根据自己的需求自定义项目板的工作流，通过添加不同的列来表示任务的不同状态，如“待办事项”、“进行中”、“已完成”等。• 可以轻松地通过拖放操作来重新排序卡片，或者将卡片从一个列移动到另一个列，以反映任务的当前状态或优先级。GitHub Project的看板(Boards)和带有状态筛选的列表合适作为本项目的管理工具。相比电子表格，GitHub Project允许将筛选条件制作成视图（View）方便查看。比如：我们想要查看与义注有关的书。不需要每次都筛选义注。只需将筛选条件设置为“label:"aṭṭhakathā"”并创建视图。以后选择“义注视图”就能查看相关信息。项目管理页面：https://github.com/orgs/iapt-platform/projects/6/views/1为了使录入工作更加有序，我们使用了Github Project的状态列功能管理书籍的录入状态。状态列允许用户设置自定义状态，通过表格修改状态，也可以通过看板拖放改变状态。拖放方式操作更加方便直观。我们设置了五大类状态（冻结、需要录入、进行中、已完成和校对中），其中需要录入的书籍被细分为从困难到容易的四个子状态。总共8中状态。1. Blocking(冻结) 暂时不录入的文本。不录入的原因是该书有多个版本，我们通常选择专业人士推荐的最佳版本或者印刷比较清晰的版本。在这方面，拥有法师（dhammācariya）头衔的U Tejañāṇālankara给予了我们很大的帮助，指导我们选择适当的版本。1. Difficulty(困难) 书的印刷质量(或PDF)较差；部分文字缺失笔画到无法辨识的程度。2. Medium(中等)印刷(或PDF)质量一般。能够辨识，但是有些字母容易辨识错误。3. Paperbook-Clear(纸版书清楚)纸版书印刷清楚；容易录入。4. PDF Clear(PDF文件清晰)PDF文件清晰，优先录入。3. In Progress(进行中)正在录入，可以通过详情页面查看录入进度和已经录入的文本。下图可以清晰的看出，设置状态后，可以通过看板了解和管理每本书的状态。值得一提的是，因为有很多书有多个版本，所以为了进行区分，我们使用了开头为"ver:"的标签进行区分。使用Github Project的标签筛选，而已方便的选择需要的查看的内容。比如pārājikakaṇḍapāḷi nissaya这本书有mūla、vinaya、pdf、ver:bhurākrī-ဘုရားကြီး 这几个标签。其中ver:bhurākrī-ဘုရားကြီး 是版本名称标签。当我们选择此标签时，凡是ဘုရားကြီး 版本的书都会列出来。如下图所示：由于项目涉及到的书籍较多，且有些书名较长。为了项目组内部沟通和项目管理方便，有必要将每本书进行编号。我们参考了Masoyin e-Libaray 的收藏的编号方式。使用字母+数字的编号方式。字母采用巴利文缩写。其中包括巴利、义注、复注三个分类。分别用 p,a,t 表示：如 [a-002]代表义注的第二本 pārājikakaṇḍa aṭṭhakathā nissaya(2)为了了解项目的进展情况，特别是某本书的目前录入进度。我们找出每本书对应的巴利原文的起止位置。使用程序扫描数据库。根据每句巴利原文的字符数和已经录入的句子，可以计算出每日的录入量。用录入的字符数和每页大约的字符数，就可以计算出每日的录入页数。下图是《中部·根本五十》依词释的录入进度。其中Book Id 是我们对于录入书籍的编号。Title是罗马巴利和缅文巴利的书名。PDF Page number 是本书的页数。点击PDF Link 后面的链接，可以在线阅读该书的电子版。方便校对的人找到该书。Link是wikipali平台链接，点击后可以打开网页查看录入结果。Progress是目前已经录入的页数，是用上述算法计算的大致页数。下面折线图表示了最近十天的录入进度。横轴是日期，纵轴是每天的录入页数。从该表可以直观的了解书籍目前的录入情况。专门开发的后台程序，可以通过扫描数据库生成每个月的录入量，已经录入总量，可以及时了解项目的进展情况。下图中，横轴是时间轴，从2022年2月项目开始到现在。蓝色的柱状图是每个月录入的量。可以看出最高录入速度是一千四百万字符/月，五万句/月。橙色的线则是总进度。截至2024年8月13日，共计录入1.45亿字符，55万个句子下表展示了已录入的依词释在每个分类的语料覆盖度。(截至2024年8月13日)我们使用自主研发的巴利语翻译与研究平台Wikipali作为本项目的工作平台。该平台包含逐句的缅甸第六次结集巴利原文。可以方便的录入与巴利原文逐句对照的文本。便于以后研究人员查找和使用。如上文所述，依词释的格式是一个巴利原文单词后面加上缅文解释。为了能够实现巴利原文电脑自动转码、缅文解释语尾识别和语法信息的自动提取和展示，我们对原有的程序进行了修改，以便支持依词释的特别格式。虽然录入的时候都是缅文。修改后的程序可以自动将缅文字母拼写的巴利文显示为罗马体，并且可以将缅文表示格位的语尾高亮。增加语尾所代表的格位提示。မေ= တပည့်တော် အာနန္ဒာသည်။(ဣဒံ သုတ္တံ= ဤကန္ဒရကသုတ်ကို။)သုတံ= (နာခံမှတ်သား) ဆောင်ထားအပ်ပါပြီဤ၌ ဧဝံ-နိဒဿန၊ မေ-တတိယာကတ္တား၊ သုတံ-ဥပဓာရဏတ္ထ၊ ကမ္မရုပ်ပြန်ဆိုသည်။ ဧဝံ၊ ဤသို့သော အခြင်းအရာအားဖြင့် အာကာရတ္ထ။ ဧဝံ၊ ဤသို့သာ-ဟု အဝဓာရဏတ္ထလည်း ပြန်ဆိုနိုင်သည်။ မေ-ကို ဆဋ္ဌျန္တသမ္ဗန်အနက် ယောဇနာသော် သုတံ- ကို ဥပဓာရဏတ္ထ ဘာဝရုပ်ကြံ၍ ယောဇနာလေ။Majjhimapaṇṇāsapāḷi/1. Gahapativaggo/1. Kandarakasuttaṃ 该范例的链接: https://www.wikipali.cc/pcd/article/para/165-6?mode=edit&book=165&par=6&channel=&focus=165-6-2-25如图所示，录入的缅文巴利被程序自动转换为罗马巴利。根据用户设置，也可以转换为泰文、新哈拉文、傣文等不同的脚本。“语法关系”被用来描述巴利语句子中两个单词之间的修饰关系。如：时间状语是某个变格词修饰动词，代表动作的发生时间，我们称之为DEF，相当于汉语的“当……时”。准确判断语法关系，对于理解经文意思是至关重要的。语法关系通常需要在学习后，通过大量的练习和翻译实践才能熟练掌握和准确判断。缅文依词释中的缅文单词语尾就包涵了语法关系的信息。我们将关系语法手册和缅文语尾录入数据库。基于这些数据，程序可以自动识别缅文解释中的语尾，并显示语法信息。这使得不精通缅文的使用者，也能从依词释中受益。在上表中，每行是一条语法规则。“名称”列是某个语法关系的名称缩写。来源是修饰词的特征，如主格（nom），宾格（acc）等。连接到是被修饰词，多数情况下是动词。分类是将不同的匹配规则分组。如：SV是某词连接到动词做施动者，被连接词可能是主动动词或者被动动词。应该分为两组，即SV active verb 和 SV passive verb 。分组后，同组语法规则会在给用户展示的缅文语尾提示表中被折叠，必要时展开，方便查阅。使用缅文语尾表，使得程序能够知道某个缅文语尾拼写与哪些语法关系相关，然后从上表中筛选相关的语法规则，并在软件界面中弹窗展示可能的语法列表。比如：语尾က 代表这个词和动词构成ASV关系，也就是说这个词在句子中是施动者，即主语。下表为缅文语尾表的节选：自动识别显示效果 ![]()
如图所示，被识别出的缅文语尾被标记为蓝色。当鼠标移动到语尾上，显示气泡弹窗，展示该语尾可能的语法信息。通过这些语法信息可以帮助读者准确的判断某个格位的实际用法。如：单数工具格有多种用法，有时代表动作的方式，有时表达伴随，而在被动句中工具格是施动者。此处缅文依词释明确地指出了工具格单词的用法。• 便于复制和传播：可以方便复制到电子邮件，博客甚至是即时通讯软件中。• 修订容易：发现错误不必等待下一次印刷。容易进行迭代升级。即使是原来的纸质书也会有些许错误，而以纸质版本流通，更正这些错误成本很高。• 计算机搜索：全部的依词释文本将超过10万页。计算机查找将使得研究工作变得更容易。• 大数据统计：通过计算机处理后，诸如某个单词的不同解释在三藏中的分布等信息将将更容易获得。• 提升公众及佛教研究者对这些缅文资料的了解和重视程度。作者：清净喜 善巧
公众号排版：谢叶婷
翻译平台：wikipali
