登録コーポラを用いた中国・英語陶芸文化観光語彙構築のための再現可能なプロトコル

サマリー

このプロトコルは、登録されたバイリンガルコーパス、標準化された清掃、候補用語抽出、類似度ランキングのアラインメント、専門家による検証と裁定を用いて、中国・英語の陶磁文化観光語彙を構築します。このワークフローを用いて、60件の検証済みエントリーが定義、使用例、出所記録、TBX互換出力とともにエクスポートされました。

要約

陶芸文化観光のためのバイリンガル用語リソースを構築することは、関連するテキストが断片的であることが多く、翻訳の選択が一貫性がなく、再利用可能な建設ワークフローがほとんど文書化されていないため、困難です。本プロトコルは、コーパス登録とクレンジング、候補語抽出、バイリンガルアラインメント、専門家による検証と裁定を通じて、中国語・英語陶磁文化観光語彙を構築するための再現可能で段階的なワークフローを提供します。登録済みのバイリンガルコーパスに適用し、ワークフローは中国語と英語の候補用語を選び、ランク付けされたバイリンガル用語ペアを作成し、独立した専門家レビューの後も検証済みのアラインメントを維持しました。最終的な辞書は、バイリンガル用語フォーム、ドメインタグ、翻訳タイプ、バイリンガル定義、使用例、出所記録、ExcelやTBXファイルなどの相互運用可能な出力を含む60の検証済みエントリーをエクスポートしました。透明性と再実行性をサポートするため、プロトコルはワークフロー全体で閾値、パッケージバージョン、凍結リソース、検証決定も記録します。これにより、手続きは監査可能になり、他のヘリテージツーリズム分野への適応が容易になります。新しいドメインに移行すると、ユーザーはドメインキーワードリストを拡張し、バイリンガルマッピングリソースを更新し、コーパスサイズや用語密度に応じてショートリストや類似度の閾値を少数調整できます。

概要

文化観光は、旅行者が単なるレクリエーションだけでなく意味のある遺産に基づく体験を求めるようになる中、目的地開発の重要な原動力となっています^。政策および産業レベルでは、国際機関は観光と文化を結びつけ、多様な遺産資産間の解釈、記録、コミュニケーションを改善する価値を繰り返し強調しています。この広い文脈の中で、陶芸文化観光は特に用語が濃密です。なぜなら、訪問者は材料、釉薬や焼成工程、窯技術、様式モチーフ、工芸品の種類、工芸過程の物語に関する専門的な概念に頻繁に出会うからです。これらの用語はしばしば、カジュアルな言い換えでは伝えにくい技術的な意味を持ち、翻訳の選択によってラベルやガイド付き通訳、教育資料から訪問者が理解する内容が直接的に影響します^。同時に、遺産枠組みは、無形文化遺産の保護は持続的な知識伝達と公共の意識向上に依存し、これらは正確でアクセスしやすく、解釈^や教育に文脈に応じた文言を必要としていることを強調しています。

この需要にもかかわらず、陶芸文化観光のためのバイリンガル用語資源は断片的で一貫性に欠けています。博物館のラベル、展示テキスト、観光ガイドページ、遺産説明などを通じて、同じ概念が機関や地域、コミュニケーション^{の場によって}異なる表現がされることがあります。このような変化は単なる様式的なものではありません。訪問者の理解に影響を及ぼし、場所間での説明の比較可能性を低下させ、^{遺産コミュニケーションの}信頼性を弱める可能性があります。用語研究は長らく、高品質な用語資源は概念志向であり、明示的な定義に支えられ、出典、文脈、品質^{管理記録などの}追跡可能な証拠に根ざすべきだと主張されてきました。しかし、多くのドメインチームは、分散したテキストを体系的にキュレーションされたバイリンガル語彙に変換しつつ、透明な意思決定ルール、再現可能な手順、再利用可能な出力を維持できるワークフローをまだ持っていません^。アドホックマニュアル作成と比べて、標準化されたプロトコルはより明確な文書化、一貫した検証、そして更新、監査、機関間再利用のより良い条件を提供します。

これらの課題に対処するために、実用的なバイリンガル語彙構築のプロトコルは、候補語発見とバイリンガルアラインメントという2つの関連したタスクを整理する必要があります。用語発見においては、コーパスベースの自動抽出により、言語パターンと統計的証拠を組み合わせることで、完全な手動収集への依存を減らし、スケール⁸でドメイン関連用語の特定が容易になります。しかし、文化遺産の場では、コーパスの構築はめったに単純ではありません。ソース資料はスタイル、レジスター、コミュニケーション目的が異なり、ドメイン固有の名称や混合的な記述慣習を含むこと^{もあります。}これらの特徴により、透明なパラメータ記録や安定した処理ルールが特に重要になります。バイリンガルアライメントのために、計算手法は用語形式とその周囲の使用文脈を比較することでランク付けされた言語間候補ペアを生成することができ、その後、ドメイン専門家が提案されたペアが概念^的に適切かどうかを検証できます。このプロトコルでは、まず妥当な候補者を生成・ランク付けするために自動化を用い、その後専門家による確認または拒否を行います。この組み合わせは、最終決定から解釈判断を奪うことなく効率を向上させます。遺産用語はしばしば文化的・教育的な意味合いを伴うため、レビュアーは不透明な結果に頼らず、各提案されたペアの背後にある証拠を検証できる必要があります¹¹。

ここでは、登録されたテキストソースから中国・英語の陶芸文化観光語彙を構築するための段階的かつ監査可能なプロトコルを提示します。ワークフローは、コーパス登録とクレンジング、バイリンガル候補抽出、ランク付けペア生成、2アノテーターレビューと裁定、最終エントリーの完了を固定スキーマの下で標準化しています。バージョンログ、閾値管理、凍結リソース、専門家による検証を統合することで、このプロトコルは、より構造化されていない用語構築ワークフローに比べて再現性、監査可能性、標準化を向上させます。用語管理や翻訳の長期的な再利用を支援するために、最終化されたレキシコンは構造化^{用語交換のための}ISOに準拠した標準であるTermBase eXchange(TBX)形式でエクスポートすることも可能です。

プロトコル

この研究は公開されているか機関が認可したテキストデータのみを使用し、人間や動物の被験者は含まれていません。機関の倫理的承認は必要ありませんでした。

1. プロジェクトワークスペースを作成する

1. プロジェクトフォルダを作成し、以下のサブフォルダを作成します:corpus_raw、corpus_clean、候補、アラインメント、検証、出力、ログ、リソース。
2. ランログを作成し、環境設定を記録します。
   1. ログやrun_notes.txtを作成しましょう。
   2. 稼働日・時間、OSのバージョン、プロジェクト範囲を「中国・英語陶芸文化観光用語」として記録してください。
   3. PythonインタプリタをPython 3.11に設定し、この情報をログやrun_notes.txtに記録してください。
3. Python -m pip freeze > logs/pip_freeze.txtを実行し、logs/pip_freeze.txtが生成されて空っていないことを確認します¹³。
4. 依存関係ファイルを作成し、ソフトウェア環境をインストールします。
   1. リソースやrequirements.txtを作りましょう。
   2. このプロトコルで使用されるコアパッケージのバージョンは以下の通りです:jieba==0.42.1、spacy==3.7.2、scikit-learn==1.4.2、RapidFuzz==3.6.1。
   3. インストールコマンドをログやrun_notes.txtに記録してください。
   4. インストール en_core_web_sm==3.7.1。1.4.5 Python -m spacy を実行し、検証済みのモデルバージョンをlogs/run_notes.txtに記録します。
      注: ログ/pip_freeze.txtとログ/run_notes.txtの両方が存在し、空でないことを確認してから進めてください。

2. バランスの取れたバイリンガルコーパスとレジスタ資料をまとめる

1. 表1に示されたバイリンガルおよびジャンル構成に合致するソースを選択し、各文書にS001やS002¹⁴のような固有のsource_idを割り当てます。
2. 各文書、source_id、タイトル、所有者/出版社、言語、ジャンル、書access_date、license_noteごとにSourceRegister.xlsxを作成し、記録してください。
3. 各ドキュメントをUTF-8プレーンテキストに変換し、ファイル名をsource_id_lang.txt(例:S001_zh.txtまたはS001_en.txt)として付け、ファイルをcorpus_rawに保存します。
4. レジスタの凍結コピーを出力/SourceRegister_v1.xlsxとして保存し、凍結日と文書の合計(n_docs_zhとn_docs_en文書の合計)をログやrun_notes.txtに記録してください。
   注: ここでプロトコルは一時停止できます。後で再開する場合は、source_id割り当てを変更しないでください。
   注意: 公開されている、または機関が認可したテキストのみを使用してください。明確な許可なしに著作権で保護された全文を再配布しないでください。

3. コーパスファイルのクリーンアップと正規化

1. ナビゲーション専用行、URLのみ行、少なくとも3つの文書で繰り返される重複ヘッダーやフッターを削除してください。残りのラインはすべて元の¹⁵行の順番で保ちます。
2. 清掃時には、ハイフン(-)、スラッシュ(/)、括弧(((と))、中点(·)など、複数語や複合語の一部となる句読点を保持してください。
3. 中国語テキストを正規化するには、全幅の英数字文字を半幅文字に変換し、括弧の形を( と)に標準化します。
4. 英語テキストを正規化するには、繰り返しの空白を1つのスペースに折りたたみ、すべてのハイフンバリエーションをASCIIハイフン(-)に標準化しつつ、ハイフン付き化合物は保持します。
5. クリーニング済みのファイルをcorpus_cleanに保存し、corpus_rawと同じsource_id_lang.txtファイル名で保存します。
6. source_id、長、n_chars_before、n_chars_after、タイムスタンプ、cleaning_rulesetを出力/CorpusStats.xlsx¹⁶でv1.0に設定してください。
   注: 各言語ごとに、corpus_raw内のすべてのファイルに同じsource_idと言語の接尾辞を持つ対応するクリーンアップ済みファイルがcorpus_cleanにあるか確認してください。
   注意: 名前、電話番号、メールアドレスなどの個人情報が生文に含まれている場合は、事前処理時に削除してください。

4. 中国語と英語の候補用語を抽出する

1. jieba バージョン0.42.1を用いて、固定ユーザー辞書リソース/リソース/userdict_zh.txtで中国語テキストを分割し、2〜8文字連続する中国語文字、または2〜6文字の中国文字に¹⁷の区切りを1つ残して保持します。
2. spaCy バージョン 3.7.2 en_core_web_sm バージョン 3.7.1 で英語テキストを処理し、名詞句と1〜5トークンを含むハイフン付き複合語のみを保持します¹⁸。
3. freqをクリーンアップしたコーパス全体での各候補の出現総数として計算し、doc_freqをその候補を含む異なるsource_idファイル数として計算します。
4. ショートリストの閾値を適用し、doc_freq ≥2、周波数≥3の候補者のみを保持し、残りの¹⁹人を破棄します。
   注: これらのショートリストの基準は、比較的小規模でジャンルバランスの取れたコーパスから選ばれました。より大きく、またはより異質なコーパスでは、パイロット検査後に閾値を調整することがあります。
5. 候補/Candidates_ZH.xlsxおよび候補/Candidates_EN.xlsxを、用語、周波数、doc_freq、example_source_id、example_snippetの列でエクスポートします。
6. エクスポート候補/Shortlist_ZH.xlsxおよび候補/Shortlist_EN.xlsxは同じ列を使用し、中国語のスニペットは±20文字、英語のスニペットは1つの確認された出現の周りに±10トークンとして表示されます。
7. トークナイザーやタグ付け者の名前やバージョン、候補パターン、ショートリストの閾値をログやthresholds.txtに記録します。
8. リソース/userdict_zh.txtのチェックサムを計算し、それをログやthresholds.txtに記録し、凍結したコピーを出力として保存します/^{userdict_zh_v1.txt 20}。
   注: Shortlist_ZH.xlsxとShortlist_EN.xlsxを開き、両方のファイルにゼロでない行とexample_snippetフィールドが入っていることを確認します。

5. バイリンガルのアラインメント候補を生成し、用語ペアをランク付けする

1. 各候補の中国語用語ごとに、各出現箇所の周囲に±20文字の文脈ウィンドウを集め、最大5つのウィンドウを連結して「ctx_zh」という1つの文脈文字列を形成します。
2. 各候補の英語用語ごとに、各出現箇所の周囲に±10トークンのコンテキストウィンドウを集め、最大5つのウィンドウを連結して「ctx_en」という1つのコンテキスト文字列を形成します。
3. バイリンガルマッピングリソースを作成して凍結します。
   1. term_zhとterm_zh_enの列でリソースやterm_map_zh2en.xlsxを作成します。
   2. 既存の機関用語集、以前に認められたバイリンガル用語リスト、ルールベースの正規化などの認可されたプロセスを用いてファイルを入力します。
   3. フリーズしたマッピングは出力やterm_map_zh2en_v1.xlsxとして保存してください。
   4. 凍結日、マッピングカバレッジ、ファイルチェックサムをログ/alignment_log.txtに記録してください。注意:このワークフローを新しいドメインに適応させる際は、マッピングリソースを高頻度領域項のシードリストから始め、スコアリング中ではなく完全な再実行間でテーブルを展開してください。
4. 各term_zhを英語に相当する形式にマッピングし、フリーズされたマッピングterm_zh_en使い、同じマッピングリソースを²¹ラン全体に使います。
5. フリーズされたマッピングをctx_zhに適用してctx_zh_enを生成し、マッチしたterm_zhをterm_zh_enに置き換え、他のテキストは変更せずにします。
6. マッピングと正規化手順を記録します。
   1. マッピング手順をログやalignment_log.txtで記録してください。
   2. ロウケーシングやハイフン正規化を含むすべての正規化ルールをログ/alignment_log.txtで記録してください。
7. RapidFuzzバージョン3.6.1 token_sort_ratioを用いて、term_zh_enとterm_enの正規化された英語用語の文字列を比較し、結果を100で割ってスコアを範囲[0, 1]²²にスケールさせることで文字列類似度S_strスコアを計算します。
8. コンテキスト類似度スコアを計算しますS_ctx。
   1. scikit-learnバージョン1.4.2とTfidfVectorizerを使用し、固定パラメータの小文字=True、ngram_range=(1, 2)、min_df=1、max_df=0.95、stop_words="english"²³。
   2. 現在の実行から得たctx_enとctx_zh_enの文字列の集合にベクトルライザーを適用します。
   3. S_ctxを各ctx_zh_en弦と各弦の余弦類似度ctx_en計算します。
      注: TF-IDFは各文脈ウィンドウにおける単語や短いフレーズの相対的重要性を表し、コサイン類似性を用いて得られる文脈表現を比較します。
9. 最終的な類似度スコアを計算し、候補ペアをランク付けします。
   1. 最終スコアはS = 0.60 × S_str + 0.40 × S_ctxと計算します。
   2. 各中国語学期において、上位k=Sで順位付けした3名の英語候補者を保持します。
   3. 重複を除去するには、各ユニーク(term_zh、term_en)ペアごとに最高得点のインスタンスを保持します。
   4. レコードk、スコアの重み、およびエクスポートされたペアの総数(log/^{alignment_log.txt 24})を含みます。
      注: 重み付けスキームとkの値は、管理しやすいレビューセットを維持しつつ、妥当な代替案を保持するために選ばれました。より大きなコーパスやより変動の多い用語では、パイロットテスト後にこれらの設定が調整されることがあります。
10. 固定キーワードマップのリソース/domain_keywords.csvと以下の優先順位を使ってdomain_tag値を割り当てます:kiln_technology > craft_process > heritage_museum > tourism_experience > product_commerce²⁵。
    注: ワークフローを別のドメインに移す際は、キーワードマップを置き換え、優先順位を修正してからパイプライン全体を再実行してください。
11. キーワードマップの凍結コピーを出力/domain_keywords_v1.csvとして保存し、そのチェックサムをログ/alignment_log.txtに記録します。
12. pair_id、term_zh、term_en、term_zh_en、S、rank_within_zh、domain_tag、evidence_snippet_zh、evidence_snippet_en、evidence_snippet_zh_enの列でアラインメント/AlignmentPairs.xlsxをエクスポートします。
13. 各ペアをauto_accept、レビュー、またはauto_rejectにラベル付けし、以下のカットオフ≥ S 0.90、0.75 ≤ S ≤ 0.89、S < 0.75 を使い、各ラベルグループのカットオフとカウントをログ/alignment_log.txtで記録します。
    注: 本研究で使用された標準的なデスクトップ環境では、この規模のコーパスに対して文脈生成、TF-IDFフィッティング、類似度スコアリングが数分以内に完了しました。
    注: AlignmentPairs.xlsxの少なくとも10行をランダムに確認し、evidence_snippet_zh_enが存在すること、そしてマッピングされたケースでterm_zh_enが空でないことを確認します。
    注意: すべてのマッピング資源は1回のプレイ内で固定しておきましょう。スコアリング開始後はバイリンガルマッピング表やキーワードマップを更新しないでください。

6. 専門的な注釈と裁定によって用語ペアの検証

1. pair_id、term_zh、term_en、term_zh_en、S、domain_tag、A1_decision、A2_decision、裁定、理由の列で検証/Annotation.xlsxを作成します。
2. 陶芸文化観光における概念的同等性、許容される説明訳、部分的な重複、過度に一般的なレンダリング、不一致の遺^{物タイプなどの}除外ケースを定義した1ページの注釈ガイドラインを作成します。
3. 2人の注釈者に、提供された証拠の断片を使って各ペアを独立して含めるか除外するかラベル付けし、互いの決定を閲覧できないように指示してください。
4. すべての意見の相違は独立した注釈の後に確認し、最終決定と一文の理由付けを裁定および理由欄に記録してください。
5. 含除ラベルを用いて生合意とコーエンκを計算し、合意指標および含除合計を出力/^{Evaluation.xlsx 27}に記録します。
6. 除外されたペアを確認し、体系的な偽陽性パターンを特定し、最も頻繁に却下されたパターンをログやrule_update_v1.txtに保存します。
7. 完了した注釈ファイルの凍結コピーを出力/Annotation_v1.xlsxとして保存し、この時点で裁定されたラベルは変更しないでください。
   注: ここでプロトコルは一時停止できます。後で再開する場合は、凍結された検証決定を修正しないでください。

7. 語彙の最終化とエクスポート

1. 最終的な語彙は 表2にまとめられたエントリーフィールドを用いて埋め込みます。これにはバイリンガル用語形式、品詞、ドメインタグ、翻訳タイプ、バイリンガル定義、使用例、出所情報、品質フラグが含まれます。
2. すべてのエクスポートで同じentry_id値を使い、ファイル生成前に識別子の整合性を確認してください。
3. 最終スプレッドシートを出力/FinalLexicon.xlsxとしてエクスポートし、必要な欄がすべて入力されているか確認してから保存してください。
4. TBXのエクスポートを生成し、検証します。
   1. トレーサビリティを保つために、同じentry_id値を使ってTBXファイルを生成します。
   2. TBXファイルを意図したTBXスキーマと照らして検証します。
   3. 検証結果をログ/run_notes.txt²⁸に記録してください。
5. すべてのログ、パラメータファイル、凍結されたリソース、出力をバージョン管理フォルダoutputs/Lexicon_v1/にアーカイブし、アーカイブ日時とファイル数をlogs/run_notes.txtに記録します。
6. スクリプト、凍結リソース、パラメータログを補助ファイルとして提供してください。出力/userdict_zh_v1.txt、出力/domain_keywords_v1.csv、出力/term_map_zh2en_v1.xlsx、ログ/thresholds.txt、ログ/alignment_log.txtなどが含まれます。
7. 同じファイル構造と出力スキーマを用いて権限クリアの検証サブセットを提供し、読者が解放されたサブセット²⁹でワークフローを再現できるようにします。
   注意: 補足資料を共有する前に、リリースパッケージに著作権で保護された全文、機密識別子、または無許可の機関リソースが含まれていないことを必ず確認してください。

結果

コーパス組み立てと洗浄収率
表1に示されたコーパス設計に従い、博物館や展示のテキスト、遺産説明、訪問者向けの観光資料から登録されたバイリンガルコーパスが作成されました。整理後、コーパスは中国文書12点と英語文書8点で構成され、合計47,843漢字と32,193漢字³⁰。コーパスは技術的、解説的、観光志向の資料を意図した組み合わせを維持しました。最終的なコーパス構成は表1で定義された目標範囲に従っていました。

この段階での肯定的な結果は、安定したソース識別子、登録済みファイルとクリーンファイル間の完全な対応、そしてすべての文書で使用可能なクリーンテキストが特徴でした。否定的または最適でない結果は、クリーン化されたファイルの欠如、識別子の不一致、またはクリーニング後の過度なテキスト損失を伴う可能性が高いです。このようなケースは下流の期間のカバー範囲を減少させるため、...

ディスカッション

このプロトコルの主な価値は、しばしば非公式に扱われる用語のタスクを再現可能でレビュー可能なワークフローに変換できる点にあります。陶芸文化観光において、多くの用語は技術的かつ解釈的でもあります。これらは材料、窯の種類、焼成段階、装飾様式だけでなく、ラベルや物語、^{教育資料で}訪問者にどのように伝えられるかにも関わっています。そのため、この分野でのバイリンガルの多様性は小さな文体問題ではありません。訪問者の理解や、プラットフォームや機関を通じて文化的意味がどのように伝達されるかを変え^{る可能性があります。}このプロトコルは、固定された前処理ルール、凍結パラメータ、ランク付けされたバイリンガルアライメント、専門家による検証を単一の追跡可能なワークフローに組み合わせることで、この問題に対処しています。

この手法が確実に機能するためには、特にいくつかのステップが重要です。まず、コーパス登録、クリーニング、パラメータ凍結は、日常的な準備では...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
コンピューターワークステーション	ハードウェア	Python 3.11を実行し、テキストコーパスを処理できる現代のコンピューター（8 GB RAM以上推奨）	カタログ番号は不要 ソース：汎用（任意のサプライヤー）
オペレーティングシステム	ソフトウェア	Windows 10/11、macOS、またはLinux（正確なOSバージョンをログ/run_notes.txtに記録）	バージョンはrun_notes.txtに記録 ソース：システムにインストール済み
Python	ソフトウェア	Python 3.11	バージョンはlogs/pip_freeze.txtに記録 ソース：Python Software Foundationの配布
jieba	ソフトウェアライブラリ	0.42.1	jieba==0.42.1 ソース：PyPIパッケージリポジトリ
spaCy	ソフトウェアライブラリ	3.7.2	spacy==3.7.2 ソース：PyPIパッケージリポジトリ
英語パイプラインモデル	NLPモデル	en_core_web_sm 3.7.1（spaCyモデルパッケージ）	en_core_web_sm==3.7.1; インストールはrun_notes.txtに記録 ソース：spaCyモデルリポジトリ
scikit-learn	ソフトウェアライブラリ	1.4.2	scikit-learn==1.4.2 ソース：PyPIパッケージリポジトリ
RapidFuzz	ソフトウェアライブラリ	3.6.1	RapidFuzz==3.6.1 ソース：PyPIパッケージリポジトリ
スプレッドシートエディター	ソフトウェア	.xlsxファイルを編集できる任意のソフトウェア	SourceRegister.xlsx、CorpusStats.xlsx、Candidates/Shortlistファイルを見る/編集するために使用 ソース：汎用（任意のサプライヤー）
プレーンテキストエディター	ソフトウェア	.txtと.csvファイルを編集できる任意のソフトウェア	logs/.txtとresources/.csvを見る/編集するために使用 ソース：汎用（任意のサプライヤー）
UTF-8テキスト変換ツール	ソフトウェア	文書をUTF-8プレーンテキストにエクスポートできる任意のツール	ステップ2.3で使用; 正確な方法はrun_notes.txtに記録 ソース：汎用（任意のサプライヤー）
SourceRegisterテンプレート	ファイルテンプレート	SourceRegister.xlsx（フィールド：source_id、title、owner/publisher、language、genre、access_date、license_note）	outputs/SourceRegister_v1.xlsxとして固定 ソース：この研究で作成
コーパス統計テンプレート	ファイルテンプレート	CorpusStats.xlsx（フィールド：source_id、lang、n_chars_before、n_chars_after、timestamp、cleaning_ruleset）	ステップ3.6で生成 ソース：この研究で作成
中国語ユーザー辞書	リソースファイル	resources/userdict_zh.txt（セグメンテーションサポートのためのドメイン固有の用語リスト）	固定コピーが保存; checksumはthresholds.txtに記録 ソース：この研究で作成/キュレーション
ドメインキーワードマップ	リソースファイル	resources/domain_keywords.csv（domain_tag優先ルール付き）	outputs/domain_keywords_v1.csvとして固定; checksumはalignment_log.txtに記録 ソース：この研究で作成/キュレーション
中国語から英語への用語マッピングテーブル	リソースファイル	resources/term_map_zh2en.xlsx（term_zhとterm_zh_enの列付き）	outputs/term_map_zh2en_v1.xlsxとして固定; カバレッジはalignment_log.txtに記録 ソース：この研究で作成/キュレーション
しきい値ログ	ログファイル	logs/thresholds.txt（パターン、しきい値、ライブラリバージョン、リソースチェックサム）	決定論的な再実行に必要 ソース：この研究で生成
アラインメントログ	ログファイル	logs/alignment_log.txt（重み、k、カットオフ、ベクトライザー設定、マッピングカバレッジ、マップチェックサム）	決定論的な再実行に必要 ソース：この研究で生成
アノテーションシート	ファイルテンプレート	validation/Annotation.xlsx（pair_id、term_zh、term_en、S、decisions、adjudication、rationale）	Step 6.6の後にoutputs/Annotation_v1.xlsxとして固定 ソース：この研究で作成
評価出力	出力ファイル	outputs/Evaluation.xlsx（生の合意、Cohen’s κ、合計）	Step 6.4で生成 ソース：この研究で生成
最終レキシコンエクスポート	出力ファイル	outputs/FinalLexicon.xlsx（Table 2のスキーマに従う）	Step 7.2で生成 ソース：この研究で生成
TBXエクスポート	出力ファイル	FinalLexicon.xlsxから生成されたTBXファイル（安定したentry_idマッピング付き）	検証結果はrun_notes.txtに記録 ソース：この研究で生成