数字化印古什语：PaydaDosh 平台

印古什语的数字复兴：PaydaDosh 如何构建词典、语料库和 AI 模型

PaydaDosh 项目是一个开源语言平台，结合词典、平行语料库和 AI 工具，以支持印古什语。收集的数据库包括超过 66,000 个词典条目和数万个对齐句子，使其成为研究和保存该语言的最大资源。印古什语属于高加索语系的纳赫语族，由大约 40–50 万人使用，但直到最近其数字存在感微乎其微。

平台组件：从词典到 AI 助手

PaydaDosh 为开发者和语言学家提供全面资源集：

• 词典 — 66,524 个词典条目，包含翻译、语法标签、词形和音频示例。
• 平行语料库 — 来自真实文本的句子，与俄语翻译对齐。包括历史小说 Magas the Blessed（34,156 个句子）、民间故事（9,477 个句子）以及经典作品译本（普希金、屠格涅夫 等）。
• 主题收藏 — 2,156 条谚语分为 16 个类别（劳动、家庭、荣誉 等），以及 171 则寓言附平行翻译。
• 情景短语 — 按情境分组的现成短语，便于实际使用。
• 社区 — “问答”版块，母语者回答语法和翻译问题，权威回答有标记。
• AI 助手 — 利用词典和语法数据自动生成问题初步答案。
• 移动应用 — 两个 Android 应用（一个离线）和带数据同步的 Telegram 机器人。

所有资源均为开源且免费提供，这对于数字时代支持低资源语言至关重要。

数据来源：从经典词典到现代收藏

词典基于“Ingush Language Dictionary Compendium”项目（ghalghay.github.io），但 PaydaDosh 通过整合多样来源显著扩展了它。其中：

• M. G. Uzhaev _《印古什-俄语词典》_（1927）
• Z. K. Malsagov _《印古什术语集》_（1933）
• Johanna Nichols. _《印古什-英语和英语-印古什词典》_（2004），由 Ahmed Bekov 译成俄语
• A. S. Kurkiev _《印古什-俄语词典》_（2005）
• A.-M. M. Dudarov _《印古什农业》_（2015）
• N. D. Kodzoev _《计算机术语词典》_（2016）
• 儿童杂志“SelaIad”（294 期）

每个词典条目包含来源链接（以短代码形式），确保透明度并允许研究者验证原版。这种方法对学术工作尤为重要，因为数据准确性至上。

技术实现：形态学、语料库和 AI

印古什语具有作格结构、复杂格系统和动词类别，需要专用处理工具。PaydaDosh 通过以下方式应对：

带形态分析的模糊搜索。 算法识别词形并优先精确匹配。对于一个基础词可生成数十种形式的语言，这显著提升搜索相关性。例如，查询“kho”（我）会返回所有代词形式，但突出基础形式。

语料库与词典链接。 平行语料库中每个句子都关联词典条目。在文本中点击单词跳转到其条目，单词卡片显示语料库用法示例。搜索支持印古什语和俄语文本，简化平行数据操作。

Q&A 系统中的 AI 集成。 新查询到来时，系统基于现有数据生成初步响应，降低用户入门门槛。母语者响应单独标记，投票机制提升最准确答案。

跨平台同步。 搜索历史、收藏夹和用户贡献在网站、Telegram 机器人和移动应用间同步，打造统一语言工作生态。

用户贡献机制。 注册用户可添加新词、示例或音频。所有提交经编辑审核后发布，确保数据质量。

平行语料库对计算语言学的价值

平行语料库是开发 NLP 工具的关键资源。对于印古什语等大多数低资源高加索语言，此类材料几乎不存在。PaydaDosh 填补这一空白，提供：

• 来自 The Tale of Igor\'s Campaign 的 218 个对齐句子，用于句法分析。
• 来自普希金 The Captain\'s Daughter 的 2,918 个句子，便于研究翻译策略。
• 反映日常口语的民间故事和现代文学文本。

这些数据集对于训练语言模型不可或缺，尤其在机器翻译任务中。为主要语言开发的标准化方法往往无法应对作格系统和非标准脚本，因此自定义语料库对技术适应至关重要。

发展计划：从移动应用到教育工具

PaydaDosh 团队聚焦三个方向：

• 语料库扩展 — 添加原创印古什文本，包括现代散文和新闻。
• 深化 AI 功能 — 开发考虑印古什语法特性的模型，提高自动响应准确性。
• 教育工具 — 将移动端小测验和闪卡移植到 Web 平台，创建互动课程。

特别注重支持研究者：计划推出 API 用于程序化数据访问和语料分析工具。这将使平台从参考工具转变为计算语言学实验室。

关键要点

• 数据规模：66,524 个词典条目和 43,633 个平行语料库句子，奠定 NLP 发展基础。
• 技术适应：带形态学的模糊搜索应对印古什语的高屈折生产力。
• 开放性：所有资源免费使用，对数字生态有限的语言保存至关重要。
• 社区：AI 与审核母语贡献结合，构建可持续增长模式。

— Editorial Team