BCV 开放圣经词元对齐数据
数据集简介
在线预览与查看
数据集托管在 HuggingFace 上,可在数据集页面直接浏览,也可通过 Data Studio 查看内容。下载方面支持 API 与 Parquet 两种方式,便于把对齐数据接入本地分析流程。
解析 srcOrd 所需的原文版本
对齐记录中的 srcOrd 表示原文语言版本序号,使用时需要配合对应的原语种版本才能解析。也就是说,仅凭对齐文件本身无法确定 srcOrd 指向哪一版希伯来文或希腊文原文,需结合 BCV — Open Bible Data 中的原文版本数据一同使用。
与 lexeme-alignments 的分工
本数据集不是 lexeme-alignments 的重复版本。lexeme-alignments 是聚合、类型级的数据,回答的是词元层面的整体情况,无法说明某一节中具体发生了什么;compact-alignments 则按节、按书、按内容寻址,把原文词元与译文词元在位置上的对应关系还原出来。两者用途不同,互为补充。
三个仓库共用一套路径方案
自 2026-10-02 起,相关文件分布在三个仓库中,并共用同一套路径方案。这种安排让不同仓库中的文件保持一致的定位方式,便于按路径直接查找对应卷书的数据。
两类文件
数据由两类文件组成。一类是共享的内容词元序列,路径为 _index/<BOOK>_lexemes.json,每卷书只发布一次;另一类是每节对齐文件,记录译文词元序号与原文词元序号或范围的对应关系,例如 0:18 1:12 2:10-12 这样的形式。
数据组织与字段
数据按圣经卷书组织,包含 default 子集与 validation 划分。字段 text 为字符串类型,承载对齐记录。共享索引文件 _index/<BOOK>_lexemes.json 保存每卷书的原文词元序列,对齐文件则逐节给出词元位置的映射。
许可与引用
数据集采用 CC0-1.0 许可,公开免费使用。项目名称为 BCV — Open Bible Data,数据集标识为 bcv-commons/compact-alignments,发布于 2026-10-15。