論文の概要: Three Buddhist Vocabularies: Computational Stylometry of the English Pali Canon across Sutta, Vinaya, and Abhidhamma
- arxiv url: http://arxiv.org/abs/2606.25372v1
- Date: Wed, 24 Jun 2026 04:06:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.214537
- Title: Three Buddhist Vocabularies: Computational Stylometry of the English Pali Canon across Sutta, Vinaya, and Abhidhamma
- Title（参考訳）: 仏教の3つの語彙:スッタ、ヴィニャーヤ、アビダンマにまたがるイングランド・パリ・カノンの計算的スティロメトリー
- Abstract要約: 本稿では,英語翻訳における3つのピタカすべてにまたがるティピタカの計算的テクスチャ分析について述べる。
コーパスは、ビクフ・スジャト(英語版)のスッタ・ピタカ(英語版)からI.B.ホーナー(英語版)の1938年のヴィナヤ訳までの134,831節に及ぶ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a computational stylometric analysis of the Tipitaka across all three Pitakas in English translation, extending earlier work on the Sutta Pitaka alone. The corpus spans 134,831 segments from Bhikkhu Sujato's Sutta Pitaka (114,591 segments, CC0), Bhikkhu Brahmali's Vinaya Pitaka (7,923 segments, CC0 2026), I.B. Horner's 1938 Vinaya translation (2,826 segments), three English translations of the Abhidhammattha Sangaha compendium (2,077 segments), and cross-tradition Vinaya texts from the Dharmaguptaka and Mulasarvastivada schools. We compute Zipf rank-frequency distributions with OLS-fitted exponents, Moving Average TTR (MATTR-500), numeral-word density, and vocabulary overlap (Jaccard and Szymkiewicz-Simpson coefficients). Main findings: (1) all corpora show Zipf-consistent distributions (R2 > 0.989); the Vinaya is closest to ideal Zipf slope -1 and the Sangaha corpus deviates most, with 'consciousness' displacing grammatical particles at rank 8; (2) MATTR-500 shows the Sutta and Vinaya Theravada are nearly identical in lexical diversity (0.399 and 0.400), while the Sangaha corpus is genuinely more diverse (0.560), confirmed by size-controlled subsampling; (3) the Sangaha corpus has the highest numeral-word density (3.26%), consistent with its systematic enumeration of mental and material categories; (4) the Mulasarvastivada Vinaya shares 20.0% vocabulary (Jaccard) and 49.1% (overlap coefficient) with the Theravada Vinaya, reflecting shared legal heritage across two millennia; (5) two English translations of the same Vinaya source text share only 24.2% of their vocabulary across 88 years, with 'musing' versus 'absorption' for jhana and 'defeat' versus 'expulsion' for parajika as the most diagnostic shifts. All results are point estimates; no significance testing is conducted. Code and data are released as open-source extensions to the Darshana Graph corpus (arXiv:2606.18222).
- Abstract（参考訳）: 英訳では3つのピタカすべてにまたがるティピタカの計算的スタイメメトリックス解析を行い、スッタ・ピタカのみに関する先行研究を拡張した。
コーパスは、Bhikkhu Sujato's Sutta Pitaka (114,591 セグメント、CC0)、Bhikkhu Brahmali's Vinaya Pitaka (7,923 セグメント、CC0 2026)、I.B. Horner's 1938 Vinaya translation (2,826 セグメント)、Abhidhammattha Sangaha compendium (2,077 セグメント)、およびDharmaguptaka and Mulasarvastivada School (英語版)のVinayaテキストの3つの英訳からなる。
OLSに適合した指数、移動平均TTR(MATTR-500)、数字密度、語彙重なり(JaccardとSzymkiewicz-Simpson係数)でZipfのランク周波数分布を計算する。
主な発見:(1)すべてのコーパスはZipf-consistent distributions (R2 > 0.989), ビナヤは理想のZipfスロープ-1に最も近づき,(2)MATTR-500はスッタとビナヤのテラバダは語彙的多様性 (0.399, 0.400), サンガハのコーパスは真の多様性 (0.560), サイズ制御されたサブサンプリングによって確認されたサンガハのコーパスは, 最大数の単語密度 (3.26%) と, 組織的な心的エンメレーションと, (4) ムアラバサヤのシェア (0.0%) とヴァラバヤの比率 (0.01%) とバラバヤの比率 (%) は, 2年で比較して, 2年で比較すると, 2年で比較した。
すべての結果はポイント推定であり、重要なテストは行われない。
コードとデータは、Darshana Graph corpus(arXiv:2606.18222)のオープンソース拡張としてリリースされている。
関連論文リスト
- BHARATI: Morphology-Aware Tokenizers for Classical Indian Languages with Subword Fertility Analysis [0.0]
本稿では、7つの言語にまたがるバランスのとれた741MBコーパスでトレーニングされたSentencePiece BPEトークンの集合であるBharaTIについて述べる。
v1(英語とサンスクリット語のみ)、v2(タミル語でバイトフォールバックをサポートする4言語サポート)、v3(フル7言語ネイティブサブワードカバレッジ)の3つの連続したトークン化バージョンについて説明する。
サブワードの肥大分析によると、v3はインド知識システム(IKS)の技術用語当たり平均2.6トークンであり、GPT-2のトークン化器では年間5.25トークン、多言語SentencePieceベースラインでは3.75トークンである。
論文 参考訳（メタデータ） (2026-07-25T18:23:06Z) - From Vajrayana Tara to Bengali Baul: A Computational Study of Lexical Transmission Across Buddhist, Shakta, and Vaishnava Traditions in Bengal [0.0]
我々は8世紀から19世紀にかけてのベンガル語とサンスクリット語の教義文学の8つの伝統層にまたがる語彙関係を研究した。
仏教・釈迦の語彙重複は、サンスクリット教義文学の一般的な性質ではなく、仏教・釈迦の伝達連鎖に特有のものであることが判明した。
これらの結果は、ベンガルにおける歴史的に主張された仏教=シャクタのシンクロレティズムの、最初の量的多段階のコロンボレーションをもたらす。
論文 参考訳（メタデータ） (2026-06-25T09:40:13Z) - Neural Machine Translation for Low-Resource Tangkhul--English [0.0]
タングル語(Tangkhul)は、主にインドのマニプールで話されているチベット・ビルマン語族の言語である。
本報告では,(1)ByT5-largeファインチューニングに基づく基本システムと,(2)同一コーパス上のmT5-smallファインチューニングに基づくコントラストシステム,の2つのシステムについて述べる。
我々の主要なBYT5大規模システムは、コーパスBLEUスコア39.97、chrF++58.07、BERTScore F1、COMET0.7302をホールドアウトテストセットで達成する。
論文 参考訳（メタデータ） (2026-06-24T03:54:46Z) - Darshana Graph: A Parallel Commentary Corpus for Comparative Indian Philosophy, with Stylometric and Exploratory Graph Analyses [0.0]
ダルシャナグラフ (Darshana Graph) は、ヒンドゥー教、仏教、ジャイナ教の哲学的伝統にまたがる125,000以上のテキスト記録のコーパスである。
その独特な貢献は、約8,500のヒンドゥー教とジャイナ教の記録の、構造的に独特な部分であり、同じ根本詩や経典が18の歴史的コメンテーターの間で並んだものである。
論文 参考訳（メタデータ） (2026-06-16T17:49:15Z) - The GaoYao Benchmark: A Comprehensive Framework for Evaluating Multilingual and Multicultural Abilities of Large Language Models [51.61416200800499]
GaoYaoは182.3kサンプル、26言語、51か国/地域からなる総合ベンチマークである。
まず、GaoYao氏は評価タスクを3つの文化階層に分類する統一的なフレームワークを提案する。
第二に、専門家を活用して、主観的なベンチマークを19言語に厳格にローカライズすることで、ネイティブ品質の拡大を実現しています。
第3に,20以上のフラッグシップおよびコンパクトLCMの詳細な診断を行う。
論文 参考訳（メタデータ） (2026-04-22T06:19:46Z) - Targum -- A Multilingual New Testament Translation Corpus [46.390064640459]
657の新約聖書の多言語コーパスを導入し、そのうち352語は独特で、英語(合計396語から208語)、フランス語(78語から41語)、イタリア語(33語から18語)、ポーランド語(48語から30語)、スペイン語(102語から55語)の5言語で前例のない深さである。
各翻訳にはメタデータが手動でアノテートされ、そのテキストを作業の標準化された識別子、その特定のエディション、その修正年をマップする。
この標準化により、研究者は自身のニーズに対して「普遍性」を定義することができる。
論文 参考訳（メタデータ） (2026-02-10T12:27:57Z) - Open Korean Historical Corpus: A Millennia-Scale Diachronic Collection of Public Domain Texts [52.754009498236684]
我々は1,300年と6つの言語からなるデータセットであるOpen Korean Historical Corpusを紹介した。
このコーパスには7世紀から2025年までの19の資料から1800万の文書と50億のトークンが含まれている。
この研究は、韓国語の歴史を捉えることで、量的二時間分析の基盤となる資源を提供する。
論文 参考訳（メタデータ） (2025-10-28T15:43:26Z) - SemEval-2024 Task 1: Semantic Textual Relatedness for African and Asian Languages [39.770050337720676]
意味的テクスト関連性(STR)に関する最初の共有課題を提示する。
14言語にまたがる意味的関連性の広範な現象について検討する。
これらの言語は5つの異なる言語族の出身であり、主にアフリカとアジアで話されている。
論文 参考訳（メタデータ） (2024-03-27T18:30:26Z) - SemRel2024: A Collection of Semantic Textual Relatedness Datasets for 13 Languages [44.017657230247934]
textitSemRelは13言語にまたがるネイティブスピーカーによって注釈付けされた新しいセマンティック関連データセットである。
これらの言語は5つの異なる言語族の出身であり、主にアフリカとアジアで話されている。
SemRelデータセットの各インスタンスは、2つの文間の意味的テキスト関連性の度合いを表すスコアに関連付けられた文対である。
論文 参考訳（メタデータ） (2024-02-13T18:04:53Z) - Comprehensive Benchmark Datasets for Amharic Scene Text Detection and
Recognition [56.048783994698425]
Ethiopic/Amharicスクリプトはアフリカ最古の書記システムの一つで、東アフリカで少なくとも23の言語に対応している。
アムハラ語の表記体系である Abugida は282音節、15句の句読点、20の数字を持つ。
HUST-ART, HUST-AST, ABE, Tana という,自然界におけるアムハラ文字の検出と認識のための総合的な公開データセットを提示した。
論文 参考訳（メタデータ） (2022-03-23T03:19:35Z) - Linguistic Resources for Bhojpuri, Magahi and Maithili: Statistics about
them, their Similarity Estimates, and Baselines for Three Applications [0.6649753747542209]
Bhojpuri、Magahi、Maithiliはインドのプルヴァンチャル地方の低資源言語である。
我々は,これらのコーパスについて,文字,単語,音節,形態素レベルでの基本的な統計的尺度を算出した。
結果は標準ヒンディー語コーパスと比較された。
論文 参考訳（メタデータ） (2020-04-29T03:58:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。