Polyglot Matrix

一份多年累积的个人多语词汇语料（英 / 西 / 法 / 粤为主），经 DeepSeek 重新校正语言标签后整理而成。

在线：https://beltran12138.github.io/POLYGLOT-MATRIX/

---

这是什么

14116 条手记词汇，每条含原文、词性与中文释义。原始数据的语言标签曾用字符集启发式判定，错误率约 50%（拉丁字母诸语互相误判）。本仓库用 DeepSeek 逐条重判语言，四语（英西法粤）准确率约 98%。

真实语言分布（vocabulary_v4.json）

语言	数量	校正前
English	12262	12396
Français	863	10
Español	677	1295
粵語（带 jyutping）	299	0
其余（荷/希腊/印尼，残值）	14	0

法语从 10 → 863（原误标进西语桶），粤语从 0 → 299（原混在中文桶），西语去除英法污染。

仓库结构

vocabulary.json       原始数据（语言标签不可信，留作 raw 源）
vocabulary_v4.json    主数据：每条带 lang_new（校正语言）+ conf（信心）
index.html            可视化网页（语言分布 / 词性 / 跨语言同源词），Pages 入口

ep_relang.py          DeepSeek 语言重判脚本（生成 v4）
build_viz.py          生成 index.html
build_obsidian.py     导出 Obsidian 双链库（每词一 note，同源词互链）
build_anki.py         导出 Anki .apkg（按语言分子 deck，可选 TTS）

DIAGNOSIS.md          完整诊断与方法记录（含失败教训）

复现

# 语言重判需 DeepSeek key（写入 .env: DEEPSEEK_API_KEY=...）
python ep_relang.py --all          # vocabulary.json → vocabulary_v4.json

python build_viz.py                 # → index.html
python build_obsidian.py            # → obsidian_vault/
pip install genanki && python build_anki.py   # → polyglot_deck.apkg

License

MIT