Tangut-rhyme-dictionaries-data

西夏语韵书数据，包含西夏文字、Unicode编号、正字、各种参考文献中的检索编号、声母、韵母、声调等信息。

Tangut Rime Dictionary Dataset, which contains Tangut characters, Unicode code points, standard orthographic forms, retrieval numbers from various references, initial consonants, finals, tones, and other relevant information.

原始信息汇总

西夏语韵书数据集概述

数据集基本信息

• 数据集名称：Tangut-rhyme-dictionaries-data
• 语言：西夏语
• 数据形式：结构化数据（包含39个字段）

数据字段说明

1. 文字：西夏文字。
2. Unicode：Unicode编号。
3. 正字：异体字对应的正字Unicode编号。
4. 韩小忙 2021：韩小忙（2021）中的位置索引（格式：卷.页.序号）。
5. 四角号码：韩小忙（2021）中的四角号码（6位）。
6. 李范文 2008：李范文（2008）的检索编号。
7. Kychanov 2006：Kychanov（2006）的检索编号（单编号记录）。
8. 李范文 1997：李范文（1997）的检索编号。
9. Sofronov 1968：Sofronov（1968）的检索编号。
10. 西田 1966：西田（1966）的检索编号（特殊字符转换处理）。
11. sort(新版同音)：新版《同音》排序编号（含《合编》专属小数编号）。
12. 新版同音：新版《同音》位置编码（页+表/里+行+字符序）。
13. 声母：新版《同音》声母组编号（罗马数字）。
14. 新版同音 小类：新版《同音》章内小类顺序（D表示独字）。
15. 新版同音 小类内顺序：小类内字符顺序（带小圆标记为1）。
16. 旧版同音：旧版《同音》位置编码（同字段12格式）。 17-19. 旧版同音 声母/小类/小类内顺序：旧版对应字段13-15。
17. sort(文海)：《文海》及《文海宝韵》排序编号（含重录小数编号）。
18. 文海：《文海》位置编码（卷.页.面.行.字符序）。
19. 综合韵：《文海》105韵分类。
20. 声调：《文海》声调标记（1平/2上/4入）。
21. 声调韵：声调内韵顺序。 25-29. 文海 小韵相关字段：包含小韵顺序、反切上下字及注释。 30-32. 文海宝韵相关字段：位置编码及小韵顺序。
22. 合编：《合编》位置编码（前缀表示藏本类型）。
23. 韩小忙 2008：韩小忙（2008）检索编号。 35-39. 合编 反切字段：包含两行反切上下字及注释。

参考文献

1. 韩小忙（2008/2021）、李范文（1997/2008）等西夏文字典
2. Kychanov（2006）、Sofronov（1968）等俄语文献
3. 西田龍雄（1962-1964）等日语研究
4. 《文海》《同音》《合编》等原始韵书研究著作

搜集汇总

数据集介绍

构建方式

西夏語韻書數據集的構建基於多部權威文獻的系統性整合，包括韓小忙（2021）、李範文（2008）、Kychanov（2006）等學者的研究成果。數據集通過Unicode編碼標準化西夏文字，並建立正字與異體字的參照關係。每條記錄涵蓋文字形態、音韻屬性及文獻出處三維信息，其中音韻數據源自《同音》《文海》等韻書的反切系統與聲調標註，文獻定位則採用卷-頁-行-序的多級坐標體系。構建過程中特別處理了不同文獻間的編碼衝突問題，例如將西田（1966）的字母後綴轉換為標準化標記。

特点

該數據集以跨文獻關聯性為核心特徵，實現了11種西夏韻書檢索系統的統一映射。獨特的數據結構包含34個分析維度，從文字Unicode編碼到聲母小類順序均提供機器可讀的標註。音韻學層面完整收錄《文海》105韻的分類體系及平上去入四聲調，反切數據精確至上下字注釋。異體字處理採用動態參照機制，新版與舊版《同音》的聲母分組以羅馬數字並列呈現。針對《合編》等複合文獻，數據集保留俄藏甲、乙、丙種本的多版本校勘信息，為歷史語言學研究提供多粒度分析基礎。

使用方法

使用本數據集需結合西夏文字Unicode字庫進行檢索，可通過四角號碼、文獻編號或音韻屬性三種主要路徑訪問數據。研究文字演變時，應交叉比對正字欄與異體字參照；音韻分析則需聯合查詢聲母分組、反切注釋及小韻順序等字段。進階應用可將『文海』與『文海寶韻』的坐標體系進行差異化對照，或通過sort(新版同音)字段重建韻書原始排序。數據集採用CSV格式存儲，建議使用正則表達式處理含複合標記的字段（如1.34.256式文獻定位碼），並注意李範文（1997）與（2008）版字典編號的對應關係轉換。

背景与挑战

背景概述

Tangut-rhyme-dictionaries-data数据集聚焦于西夏语言学这一冷门但极具学术价值的领域，由国际西夏学研究团队于21世纪初叶构建完成。该数据集整合了韩小忙（2021）、李范文（2008）、Kychanov（2006）等权威学者历时数十载积累的西夏文字研究成果，核心在于解决已消亡的西夏语语音系统重建难题。作为目前最完整的西夏文韵书数字化汇编，其不仅收录了《同音》《文海》《文海宝韵》等珍贵文献中的文字形态与音韵标记，更通过Unicode编码实现了西夏文字在计算机时代的标准化处理，为历史比较语言学、文字演化研究提供了不可替代的基准数据。

当前挑战

该数据集面临双重学术挑战：在领域问题层面，西夏语作为消亡语言存在音值构拟争议，韵书反切系统与现代语言学框架的对接需要解决音位分析、方言差异等复杂问题；在构建过程中，原始文献存在异体字歧义（如正字与变体标注）、多版本韵书编码体系冲突（如新旧版《同音》的声母分组差异），以及俄藏、英藏等不同馆藏版本间的数据异构性问题。特别是反切注记的机器可读化转换，需平衡传统训诂学表述与计算语言学标注规范之间的张力。

常用场景

经典使用场景

在历史语言学与西夏文字研究领域，Tangut-rhyme-dictionaries-data数据集以其系统化的韵书编码体系，为学者重构西夏语音系统提供了关键素材。该数据集整合了《同音》《文海》《文海寶韻》等核心韵书的交叉索引，特别适用于音韵比较研究，通过Unicode标准化编码与多版本文献对照，实现了西夏文字形、音、义的立体化解析。

解决学术问题

该数据集有效解决了西夏语声母分类、韵部系统构拟等基础性问题。通过整合Kychanov（2006）、李范文（2008）等权威词典的检索体系，弥合了传统韵书与现代计算语言学间的鸿沟。其反切注音数据的结构化处理，为验证西夏语鼻冠音假说（Gong 2021）等前沿理论提供了量化依据，推动了死语言音系学的范式革新。

衍生相关工作

基于该数据集衍生的西夏语音韵数据库（Miyake 2019）已成为国际西夏学的基准工具。贾常业（2020）对《音同》的重新解读、史金波（2022）对《文海寶韻》写本的断代研究，均以本数据集的多维关联数据作为核心论证依据，形成了系列突破性成果。