В данной статье представлены автоматизированные методы и инструменты для лексикографических исследований и разработки словарей бенгальского жестового языка (БЖЯ). Исследование посвящено решению проблемы документирования БЖЯ, жестового языка с ограниченными ресурсами, используемого преимущественно в Бангладеш и бенгалоязычных регионах Индии. Существующие лексикографические методы требуют значительных ручных усилий для фиксации многомерных характеристик жестов, включая форму кисти, местоположение, движение, ориентацию и невербальные маркеры. Предложенная система объединяет извлечение признаков на основе компьютерного зрения, аннотирование с помощью машинного обучения и структурированную базу данных лексических записей. Веб-платформа позволяет лексикографам эффективно собирать, аннотировать и проверять записи жестового языка. Оценка с участием 35 человек, включая экспертов по лексикографии, лингвистов, изучающих БЖЯ, и членов сообщества глухих, показала сокращение времени аннотирования на 67 % при сохранении высокого уровня согласованности между аннотаторами (κ = 0,82). В течение шести месяцев участники задокументировали 1847 жестов бенгальского жестового языка, выявили 127 региональных вариантов и создали 456 словарных записей на разных этапах завершения. Эти записи включали как основные фонологические аннотации, так и записи, прошедшие дополнительную лингвистическую и экспертную проверку, что заложило основу для разработки будущего словаря для изучающих бенгальский язык студентов с нарушениями слуха. Научная новизна заключается в применении автоматизированных методов специально к лексикографии бенгальского жестового языка и создании базовых инструментов для систематической разработки словаря.
This article presents automated methods and tools for lexicographic research and dictionary development for Bengali Sign Language (BdSL). The research addresses the challenge of documenting BdSL, an under-resourced sign language primarily used in Bangladesh and Indian Bengali-speaking regions. Established lexicographic methods require extensive manual effort to capture the multidimensional features of signs, including handshape, location, movement, orientation, and non-manual markers. The proposed system integrates computer vision-based feature extraction, machine learning-assisted annotation, and a structured database for lexical entries. The web-based platform enables lexicographers to collect, annotate, and validate sign language entries efficiently. Evaluation with 35 participants, including lexicography experts, BdSL linguists, and deaf community members, showed a 67 % reduction in annotation time while maintaining high inter-annotator agreement (κ = 0.82). During a six-month period, participants documented 1,847 BdSL signs, identified 127 regional variants, and created 456 dictionary records at different stages of completion. These records included entries containing core phonological annotations as well as entries that had undergone additional linguistic and expert validation, providing a foundation for the development of a future learner-facing dictionary for Bengali students with hearing impairments. The scientific novelty lies in applying automated methods specifically to BdSL lexicography and establishing foundational tools for systematic dictionary development.
The authors declare that there are no conflicts of interest present.