AthDGC: An Open Diachronic Greek Treebank with Indo-European Parallels
AthDGC एक एकीकृत PROIEL स्कीमा के तहत आठ कालक्रमिक अवधियों में फैले ग्रीक का पहला ओपन-लाइसेंस्ड, एंड-टू-एंड डिपेंडेंसी-पार्सड ट्रीबैंक है, जिसमें एक बहुभाषी एनोटेशन वर्कफ़्लो के माध्यम से लैटिन, गॉथिक, ओल्ड चर्च स्लावोनिक और क्लासिकल आर्मेनियाई के साथ छंद-स्तरीय क्रॉस-अलाइनमेंट शामिल है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि ग्रीक भाषा एक अविश्वसनीय रूप से लंबी फिल्म की तरह है जो 3,000 वर्षों से चल रही है। इसकी शुरुआत होमर के प्राचीन महाकाव्यों से हुई, फिर यह बाइबिल के माध्यम से आगे बढ़ी, बीजान्टिन सम्राटों के दौर से गुजरी और आज के आधुनिक समाचारों और उपन्यासों तक जारी है। लंबे समय तक, भाषाविदों के पास इस फिल्म को केवल छोटे, असंबद्ध क्लिप्स के रूप में देखने के अलावा कोई विकल्प नहीं था। उनके पास "कोइन" (बाइबिल ग्रीक) खंड का एक बेहतरीन विश्लेषण था, लेकिन वे आसानी से यह तुलना नहीं कर पाते थे कि होमर के समय से लेकर एक आधुनिक ग्रीक वक्ता के समय तक एक विशिष्ट वाक्य कैसे बदल गया।
AthDGC एक विशाल, एकीकृत सिनेमा स्क्रीन बनाने जैसा है जो इस 3,000 साल की फिल्म को एक साथ चलाती है, और हर एक शब्द के नीचे एक विशेष "डायरेक्टर कमेंट्री" ट्रैक भी चलाती है।
यहाँ इस परियोजना का विवरण दिया गया है, जिसे सरल उपमाओं का उपयोग करके समझाया गया है:
1. प्राचीन ग्रंथों के लिए "यूनिवर्सल ट्रांसलेटर"
PROIEL Treebank को वाक्यों के निर्माण का विश्लेषण करने के लिए एक बहुत ही सख्त, उच्च गुणवत्ता वाली नियम पुस्तिका के रूप में सोचें। पहले, यह नियम पुस्तिका केवल ग्रीक फिल्म के एक छोटे से हिस्से (मुख्य रूप से नए नियम/New Testament) और लैटिन तथा गोथिक जैसी कुछ अन्य प्राचीन भाषाओं के लिए उपयोग की जाती थी।
AthDGC उसी नियम पुस्तिका को लेकर उसे पूरे ग्रीक इतिहास पर लागू करता है। यह निम्नलिखित के लिए एक एकल, सुसंगत मानचित्र बनाता है:
- आर्किक और क्लासिकल ग्रीक (होमर, प्लेटो)
- कोइन ग्रीक (नया नियम/New Testament)
- बीजान्टिन और लेट बीजान्टिन (मध्यकालीन भिक्षु और विद्वान)
- अर्ली मॉडर्न और मॉडर्न ग्रीक (आज की भाषा)
यह एक ही जीपीएस सिस्टम का उपयोग करके प्राचीन रोम से लेकर आधुनिक एथेंस तक कार चलाने जैसा है, बिना कभी मैप का फॉर्मेट बदले।
2. भाषाओं का "फैमिली रीयूनियन"
ग्रीक इंडो-यूरोपीय भाषा परिवार का हिस्सा है, जो एक विशाल वंशावली वृक्ष की तरह है। ग्रीक के चचेरे भाई लैटिन, गोथिक, ओल्ड चर्च स्लावोनिक और अर्मेनियाई जैसे हैं।
AthDGC केवल ग्रीक को अलग से नहीं देखता। यह बाइबिल के विशिष्ट छंदों (जैसे नया नियम) को इन "चचेरे" भाषाओं के उनके अनुवादों के साथ अगल-बगल में रखता है।
- उपमा: कल्पना कीजिए कि एक पारिवारिक पुनर्मिलन (फैमिली रीय्यूनियन) में हर कोई एक ही कविता पढ़ रहा है। AthDGC एक ऐसा चार्ट बनाता है जो दिखाता है कि ग्रीक संस्करण का कौन सा शब्द लैटिन, गोथिक या अर्मेनियाई संस्करण के किस शब्द के अनुरूप है। यह शोधकर्ताओं को यह देखने की अनुमति देता है कि "परिवार" समय के साथ कैसे अलग तरह से बोलता था।
3. "टाइम-ट्रैवलिंग डिटेक्टिव" टूल
यह पेपर एक अवधारणा पेश करता है जिसे "रिटेलिंग एंड रिट्रांसलेशन चेन" कहा जाता है।
- परिदृश्य: इलियड की पहली पंक्ति लें ("हे देवी, अकिलीज़ के क्रोध का गान करो")।
- चेन: AthDGC इस सटीक पंक्ति को ट्रैक करता है जैसा कि वह इन रूपों में दिखाई देती है:
- मूल होमर (प्राचीन ग्रीक)।
- ज़ेटजेस नामक एक बीजान्टिन विद्वान द्वारा किया गया सारांश (मध्यकालीन ग्रीक)।
- कज़ान्त्ज़ाकिस द्वारा किया गया एक आधुनिक गद्य अनुवाद (आधुनिक ग्रीक)।
- सिस्टम एक जासूस की तरह काम करता है। यह तुरंत बता सकता है: "होमर में, देवी को सीधे पुकारा जा रहा था। बीजान्टिन सारांश में, वह पुकार रुक गई। आधुनिक संस्करण में, पुकार वापस आ गई है।" यह शोधकर्ताओं को यह देखने में मदद करता है कि वाक्य की संरचना के कौन से हिस्से 2,800 वर्षों तक समान रहे और कौन से हिस्से बदल गए।
4. इसे कैसे बनाया गया (असेंबली लाइन)
टीम ने केवल इन किताबों को हाथ से नहीं पढ़ा; उन्होंने एक डिजिटल असेंबली लाइन बनाई:
- खोज (Discovery): उन्होंने इंटरनेट और पुस्तकालयों को खोजा ताकि ओपन-सोर्स टेक्स्ट मिल सकें (जैसे डिजिटल अटारी में पुरानी पांडुलिपियों को खोजना)।
- सफाई (Cleaning): उन्होंने फुटनोट्स, पेज नंबर और विदेशी भाषाओं को हटाने के लिए फिल्टर का उपयोग किया, जिससे केवल शुद्ध ग्रीक टेक्स्ट ही बचा।
- एनोटेशन (Annotation): उन्होंने विशेष रूप से प्राचीन भाषाओं के लिए प्रशिक्षित स्मार्ट कंप्यूटर प्रोग्राम (AI) का उपयोग किया ताकि प्रत्येक शब्द को उसके कार्य (जैसे, "यह कर्ता है," "यह कर्म है," "यह क्रिया है") के साथ लेबल किया जा सके।
- अलाइनमेंट (Alignment): उन्होंने विभिन्न भाषाओं (ग्रीक से लैटिन, आदि) में शब्दों को मिलाने के लिए उन्नत गणित का उपयोग किया।
5. आप इसके साथ क्या कर सकते हैं (अभी)
यह परियोजना वर्तमान में एक "प्रीव्यू" चरण (v0.4) में है।
- शोधकर्ताओं के लिए: यह एक विशाल डेटाबेस है जहाँ आप प्रश्न पूछ सकते हैं जैसे, "ग्रीक लोगों द्वारा 'सुनने' को व्यक्त करने का तरीका 5वीं शताब्दी ईसा पूर्व से 19वीं शताब्दी तक कैसे बदला?"
- छात्रों के लिए: यह यह देखने का एक दृश्य तरीका प्रदान करता है कि भाषा कैसे विकसित होती है, जिससे शुष्क व्याकरण के नियमों को परिवर्तन की एक दृश्य कहानी में बदल दिया जाता है।
- डेवलपर्स के लिए: उन्होंने अपने "टूल्स" (सॉफ्टवेयर कोड) जारी किए हैं ताकि अन्य लोग इसी तरह के उच्च-गुणवत्ता वाले डेटा का उपयोग करके अपने स्वयं के भाषा विश्लेषण प्रोजेक्ट बना सकें।
निचोड़
AthDGC पहली बार है जब पूरे ग्रीक इतिहास को एक एकल, सुसंगत और ओपन फॉर्मेट में मैप किया गया है, जिससे हमें यह देखने की अनुमति मिलती है कि तीन सहस्राब्दियों के दौरान भाषा का "डीएनए" कैसे विकसित हुआ, और यह उसके प्राचीन भाषाई चचेरे भाइयों से कैसे संबंधित है। यह हजारों पुस्तकों के पुस्तकालय को एक एकल, खोजने योग्य, इंटरैक्टिव टाइमलाइन में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।