Từ Middle Chinese đến Pinyin và Hán Việt: Vì sao Quizzman Fanqie Engine có thể sinh nhiều hệ thống đọc từ cùng một dữ liệu?

Chuỗi Quizzman Fanqie Engine — Phần 12

• ← Phần 1: Quizzman Fanqie Engine là gì?
• ← Phần 2: Lịch sử phản thiết
• ← Phần 3: Âm Hán Việt hình thành
• ← Phần 4: Tái dựng Middle Chinese
• ← Phần 5: Thuật toán suy diễn Hán Việt
• ← Phần 6: Eight Tone Slot
• ← Phần 7: Hệ thống vận mẫu · 16 nhiếp
• ← Phần 8: Lexical Normalization
• ← Phần 9: Độ chính xác · Benchmark
• ← Phần 10: Không phải từ điển Hán Việt
• ← Phần 11: Hành trình phát triển · V6
• Chuyên mục: Phiên thiết

Phần lớn các công cụ hiện nay được xây dựng cho một mục đích duy nhất. Công cụ Hán Việt chỉ sinh Hán Việt. Công cụ Pinyin chỉ sinh Pinyin. Điều này khiến mỗi hệ thống phải duy trì một bộ quy tắc riêng, một cơ sở dữ liệu riêng và rất khó mở rộng sang các ngôn ngữ khác. Quizzman Fanqie Engine lựa chọn một kiến trúc hoàn toàn khác. Thay vì xem Hán Việt hay Pinyin là điểm xuất phát, engine coi Middle Chinese (tiếng Hán Trung Cổ) mới là tầng trung gian quan trọng nhất. Từ cùng một hồ sơ Middle Chinese, hệ thống có thể suy diễn nhiều hệ thống đọc khác nhau. Đây là lý do Quizzman Fanqie Engine không chỉ là một engine Hán Việt mà còn là một nền tảng tính toán ngữ âm lịch sử.

Một chữ Hán không chỉ có một cách đọc

Đối với phần lớn người học tiếng Trung hoặc Hán Việt, một chữ Hán thường chỉ gắn với một cách đọc.

Ví dụ:

Điều này khiến nhiều người nghĩ rằng:

Hán Việt và Pinyin là hai hệ thống hoàn toàn độc lập.

Thực tế không phải như vậy.

Cả hai đều bắt nguồn từ cùng một tổ tiên.

Đó là tiếng Hán Trung Cổ.

Middle Chinese mới là trung tâm

Trong kiến trúc của Quizzman Fanqie Engine, không có đường đi trực tiếp:

Chữ Hán

↓

Hán Việt

hay

Chữ Hán

↓

Pinyin

Thay vào đó, mọi con đường đều đi qua một tầng trung gian.

Chữ Hán

↓

Phản thiết

↓

Middle Chinese

↓

Hệ đọc hiện đại

Điều này có nghĩa:

Hán Việt và Pinyin không được tạo ra độc lập.

Chúng cùng được sinh ra từ một hồ sơ Middle Chinese duy nhất.

Hồ sơ Middle Chinese gồm những gì?

Sau khi phân tích phản thiết, engine tạo ra một hồ sơ ngữ âm hoàn chỉnh.

Ví dụ:

Thanh mẫu

幫

Vận

東

Nhiếp

通

Đẳng

I

Khai khẩu

開

Thanh

平

Đây chính là "DNA" của âm tiết.

Toàn bộ thông tin cần thiết để sinh các hệ đọc khác nhau đều đã nằm trong hồ sơ này.

Tại sao phải làm như vậy?

Hãy tưởng tượng nếu không có tầng Middle Chinese.

Engine sẽ phải viết riêng:

Quy luật Hán Việt

và

Quy luật Pinyin

Hai hệ thống gần như không chia sẻ được gì.

Nếu muốn bổ sung:

• Hán Nhật;
• Hán Hàn;
• hoặc một phương ngữ tiếng Hán;

toàn bộ công việc sẽ phải làm lại gần như từ đầu.

Đó là kiến trúc rất khó mở rộng.

Một tầng trung gian cho nhiều đầu ra

Quizzman Fanqie Engine giải quyết vấn đề này bằng cách đưa Middle Chinese trở thành tầng trung tâm.

               Middle Chinese
              /       |        \
             /        |         \
            ▼         ▼          ▼

      Hán Việt     Pinyin     Hệ đọc khác

Nhờ đó, mọi hệ thống đọc đều chia sẻ cùng một dữ liệu lịch sử.

Nếu hồ sơ Middle Chinese được cải thiện, tất cả các hệ đọc đều được hưởng lợi.

Sinh Hán Việt

Đối với Hán Việt, engine áp dụng:

• quy luật thanh mẫu;
• quy luật vận mẫu;
• quy luật 16 nhiếp;
• khai khẩu;
• hợp khẩu;
• Eight Tone Slot;
• Lexical Normalization.

Kết quả cuối cùng là âm Hán Việt.

Ví dụ:

Middle Chinese

↓

Quốc

Sinh Pinyin

Đối với Putonghua hiện đại, engine không sử dụng các quy luật Hán Việt.

Thay vào đó, hệ thống áp dụng các quy luật phát triển của tiếng Quan thoại.

Ví dụ:

• phụ âm đầu thay đổi theo lịch sử;
• nhập thanh biến mất;
• nhiều vận hợp nhất;
• thanh điệu phát triển theo hướng khác.

Kết quả là:

Middle Chinese

↓

guó

Mặc dù khác nhau về kết quả, cả Hán Việt và Pinyin đều xuất phát từ cùng một hồ sơ Middle Chinese.

Hai ngôn ngữ, hai con đường phát triển

Một điểm rất thú vị là:

Hán Việt và Pinyin không phải bản dịch của nhau.

Chúng là hai "nhánh tiến hóa" khác nhau.

Ví dụ:

Middle Chinese

↓

───────────────┐
               │
               ▼

      Hán Việt

───────────────┘

↓

quốc

và

Middle Chinese

↓

───────────────┐
               │
               ▼

      Putonghua

───────────────┘

↓

guó

Không có bước nào:

quốc

↓

guó

Hay ngược lại.

Cả hai đều phát triển độc lập từ tiếng Hán Trung Cổ.

Vì sao Hán Việt bảo tồn nhiều đặc điểm hơn?

Một điều thú vị là trong nhiều trường hợp, âm Hán Việt còn giữ lại những đặc điểm mà tiếng Quan thoại hiện đại đã mất.

Ví dụ:

法

↓

pháp

vẫn còn:

-p

Trong khi Putonghua:

fǎ

đã mất hoàn toàn phụ âm cuối.

Điều này cũng xảy ra với:

• 德 → đức
• 國 → quốc
• 學 → học

Đây là lý do âm Hán Việt có giá trị rất lớn trong nghiên cứu lịch sử ngôn ngữ.

Không chỉ Hán Việt và Pinyin

Khi đã có tầng Middle Chinese, việc mở rộng sang các hệ đọc khác trở nên đơn giản hơn nhiều.

Về mặt lý thuyết, cùng một hồ sơ có thể tiếp tục sinh:

Middle Chinese

↓

Kan-on

Middle Chinese

↓

Go-on

Middle Chinese

↓

Âm Hán Hàn

Middle Chinese

↓

Các phương ngữ

Mỗi hệ đọc chỉ cần một tập quy luật riêng.

Không cần xây dựng lại toàn bộ engine.

Kiến trúc hướng nền tảng

Đây cũng là lý do Quizzman Fanqie Engine không được thiết kế như một ứng dụng đơn lẻ.

Engine được xây dựng như một phonological platform.

Tầng Middle Chinese đóng vai trò như một "ngôn ngữ trung gian".

Các hệ đọc khác nhau chỉ là những bộ chuyển đổi (projection) từ tầng trung gian này.

Cách tiếp cận đó giúp:

• giảm trùng lặp quy luật;
• dễ kiểm thử;
• dễ mở rộng;
• dễ bảo trì;
• và dễ nghiên cứu.

Không chỉ phục vụ tra cứu

Khi Middle Chinese trở thành dữ liệu trung tâm, giá trị của engine vượt xa phạm vi của một công cụ tra cứu.

Cùng một hồ sơ có thể được sử dụng cho:

• nghiên cứu âm vận học;
• phân tích phản thiết;
• xây dựng từ điển lịch sử;
• xử lý văn bản Hán cổ;
• NLP;
• AI;
• OCR;
• phục dựng phát âm.

Đây là lý do Quizzman Fanqie Engine được xem là một nền tảng tính toán, chứ không chỉ là một ứng dụng đọc Hán Việt.

Một kiến trúc cho tương lai

Điểm mạnh lớn nhất của kiến trúc này không nằm ở số lượng hệ đọc đang hỗ trợ.

Điểm mạnh nằm ở khả năng mở rộng.

Khi cần bổ sung một hệ đọc mới, nhóm phát triển không phải viết lại toàn bộ engine.

Chỉ cần xây dựng thêm một tầng projection mới từ Middle Chinese.

Điều đó giúp Quizzman Fanqie Engine luôn giữ được nguyên tắc cốt lõi:

Một hồ sơ Middle Chinese, nhiều hệ thống đọc.

Đây cũng là triết lý thiết kế giúp engine có thể tiếp tục phát triển trong tương lai, trở thành nền tảng phục vụ nghiên cứu lịch sử ngôn ngữ Đông Á thay vì chỉ dừng lại ở việc sinh âm Hán Việt hay Pinyin.

→ Phần 13: Kiểm thử một Engine âm vận học khó như thế nào? Bên trong quy trình QA của Quizzman Fanqie Engine