AthDGC：一个开放的历时希腊语树库，具有印欧语平行语料

# AthDGC：一部开放的历时希腊语树库及其印欧语平行语料
来源：https://arxiv.org/abs/2606.15510
作者：Nikolaos Lavidas (https://arxiv.org/search/cs?searchtype=author&query=Lavidas,+N), Kiki Nikiforidou (https://arxiv.org/search/cs?searchtype=author&query=Nikiforidou,+K), Dag Haug (https://arxiv.org/search/cs?searchtype=author&query=Haug,+D), Leonid Kulikov (https://arxiv.org/search/cs?searchtype=author&query=Kulikov,+L), Vassiliki Geka (https://arxiv.org/search/cs?searchtype=author&query=Geka,+V), Vassileios Symeonidis (https://arxiv.org/search/cs?searchtype=author&query=Symeonidis,+V), Theodoros Michalareas (https://arxiv.org/search/cs?searchtype=author&query=Michalareas,+T), Sofia Chionidi (https://arxiv.org/search/cs?searchtype=author&query=Chionidi,+S), Anastasia Tsiropina (https://arxiv.org/search/cs?searchtype=author&query=Tsiropina,+A), Eleni Plakoutsi (https://arxiv.org/search/cs?searchtype=author&query=Plakoutsi,+E), Evangelos Argyropoulos (https://arxiv.org/search/cs?searchtype=author&query=Argyropoulos,+E)

查看 PDF (https://arxiv.org/pdf/2606.15510)

> 摘要：AthDGC（“Athens-PROIEL”）是一个开放的端到端工作流及数据集。据我们所知，这是首个在单一 PROIEL XML 2.0 架构下覆盖希腊语八个历时时期（即古风希腊语、古典希腊语、通用希腊语、晚期古代希腊语、拜占庭希腊语、晚期拜占庭希腊语、早期现代希腊语和现代希腊语）的开放许可依存句法分析树库，并实现了《新约》与拉丁语《武加大译本》、哥特语《乌尔菲拉译本》、古教会斯拉夫语《马利亚努斯抄本》和古典亚美尼亚语的诗句级交叉对齐。AthDGC 构建于 PROIEL 树库家族（Haug and Johndal 2008；Eckhoff et al. 2018）之上，该家族为本项目确立了架构和通用希腊语参考集。标注采用 Stanford Stanza 经 PROIEL 训练的工作流；句子级对齐使用多语言句子嵌入模型 LaBSE；词级对齐通过 AwesomeAlign 流程利用多语言 BERT 注意力机制。v0.4 版本提供精选样本及开源工具包；完整标注语料库分区仍在希腊国家级高性能计算系统上进行 v0.5 审计。定量规模、每个文本见证的诗句计数以及每个时期的标注行计数会在审计通过后于 v0.5 发布说明中报告。概念 DOI：https://doi.org/10.5281/zenodo.20439182。

## 提交历史

来自：Nikolaos Lavidas [查看电子邮件 (https://arxiv.org/show-email/218ff916/2606.15510)] **[v1]** 2026年6月13日 星期六 23:38:39 UTC (120 KB)