马克思恩格斯三语核心文献与1862-1868年通信专题语料库 V1.0

项目时间轴

1. 2026.04
   数据

   整理中德语料

   德文以能够反映原文、版本演变与编校信息的 MEGA 版本为优先依据；中文采用《马克思恩格斯全集》中文第一版。

   责任人：王鹭

2. 2026.05.18
   平台

   第一版双语定位马恩知识库建设

   可使用自然语言检索得到相关双语原文并附注定位。

   责任人：王鹭

   

3. 2026.07.03
   平台

   第一版三语对齐马恩知识库建设

   刘方喜老师提供英语版全集，建议建立三语对齐知识库。

   责任人：刘方喜

   

4. 2026.07.04
   方法

   抽检三语对齐效果不佳，重新确定方案

   识别并修正三个基础风险：不能假设三语句子一一对应；必须区分作品、文本版本、承载版本和语言谱系；证据优先需要可复算的证据信封与独立验证。确立 Work → Fassung → Manifestation → Structural Node → Sentence 的版本学数据层，并以独立对齐组表达 1:1、n:m 和缺席关系。

   责任人：王鹭

5. 2026.07.05
   方法

   真实语料 MVP 端到端跑通

   以《资本论》第一卷第一章的德、英、中真实 PDF 为种子，完成 PDF 抽取、清洗、建库、对齐、定位、引证验证、反幻觉评测和演示脚本；接入 LaBSE 多语向量，建立人工对齐 Gold ；对脚注、编者增补、恩格斯署名注和正文引用锚点进行分层处理，确立“覆盖率不等于正确率”；98%/100% Gold 门槛延续至当前。

   责任人：王鹭

6. 2026.07.30
   数据

   《大纲》三语主体完成

   完成《1857—1858年经济学手稿（大纲）》导言、货币章与资本章主体的三语接入，语料由 123,940 增至 132,790 句。

   责任人：王鹭

7. 2026.08.13
   数据

   正式命名为“马克思恩格斯三语核心文献与1862—1868年通信专题语料库 V1.0”

   确立法文为见证语层，三语核心固定指德文、英文、中文；明确通信专题和三语核心著作两大构成；在 321 个作品记录、208,997 句的内容基线上连续完善按需渲染、Windows 启停、统一门禁、演示脚本、允许名单打包、内部 manifest、PostgreSQL dump、异库恢复、UAT、总交付审计和最终冻结编排；在真实浏览器中验收通过。

   责任人：王鹭