Лексикостатистика и славянские языки

[pashka_1604]

Ссылка: http://xn--c1acc6aafa1c.xn--p1ai/?page_id=36164

Лексикостатистика и славянские языки. Автор Алексей Касьян.

В статье дается обзор основных экспериментов по применению лексикостатистических методов к классификации славянских языков, а также кратко разбираются теоретические и практические проблемы, с которыми сталкивается лексикостатистика. Русский перевод статьи «Lexicostatistics and Slavic languages» для энциклопедии: Marc L. Greenberg et al. (eds.), Encyclopedia of Slavic Languages and Linguistics Online. Brill.

Лексикостатистика (Swadesh 1952; Swadesh 1955; Tischler 1973; Embleton 2000; Starostin 2000; McMahon & McMahon 2005; Starostin 2010) в широком понимании – это формализованная математическая процедура, которая оценивает по лексическим данным степень близости между языками. Можно сказать, что лексикостатистика измеряет лексические дистанции между языками. Оцениваемая близость может отражать как генеалогическое родство, так и контакты в зависимости от того, как мы составляем лексические списки, предназначенные для компьютерного анализа (выкидываем ли мы заимствования или нет), и какой метод обсчета используется. Дополнительная процедура, которая датирует узлы дерева, иногда называется глоттохронологией. В настоящее время иногда предлагается (конечно же, в рекламных целях) оставить термин лексикостатистика для лексикостатистического анализа традиционными дистантными методами (NeighborJoining или UPGMA, см. ниже), а для недавно введенных в лингвистический оборот признаковых методов (прежде всего байесовский вывод) использовать другие ярлыки.

Графический результат лексикостатистического анализа – это или дерево (граф, в котором любая пара вершин соединена одним и только одним путем), или филогенетическая сеть (граф, в котором пара вершин может иметь и в нормальном случае имеет более одного пути между собой). Конечные узлы (листья) такого дерева или сети представляют собой анализируемые языки.

Деревья (Jacques & List 2019) в идеальном случае должны отражать непосредственную историю человеческих популяций, где узлы с разделением языков соответствуют расселению и миграциям. Корень дерева представляет собой праязык всех языков, включенных в анализ, а промежуточные узлы – это праязыки отдельных языковых групп и подгрупп. Иными словами, деревья несут генеалогическую информацию.

Сети (Heggarty, Maguire & McMahon 2010; Huson & Scornavacca 2011) представляют информацию двух видов: генеалогическую и контактную. Это значит, что сети отображают как общие черты, унаследованные от общего предка (праязыка), так и общие черты, заимствованные из одного языка в другой (или же параллельно независимо развившиеся). Надо подчеркнуть, что сети графически не разделяют эти два типа сигнала близости языков.

Подавляющее большинство вычислительных методов и компьютерных программ, сегодня используемых для лексикостатистики, были импортированы из биологии, прежде всего из генетики, а не разработаны для нужд лингвистов. Открытым остается вопрос, какие из многочисленных имеющихся математических алгоритмов реконструкции филогении лучше удовлетворяет естественной языковой эволюции, и, к сожалению, лингвисты редко задаются этим вопросом. Представляется, что пока не разработан такой алгоритм, который в достаточной степени отражал бы основные особенности эволюции лексики.

Славянские языки – это очень хорошо изученная языковая группа, ее трехчастная структура – западная подгруппа, восточная и южная – в целом не вызывает вопросов, даже если позиция отдельных идиомов, например, древненовгородского языка, и вызывает споры. Таким образом славянская группа – это хороший полигон для проверки лексикостатистических методов и подходов. В статье перечислены основные лексикостатистические эксперименты со славянскими языками.

References

Bezlaj, France. 2003. Položaj slovenščine v okviru slovanskih jezikov. Zbrani jezikoslovni spisi, vol. 1, 268–277. Ljubljana: Založba ZRC.

Blažek, Václav. 2020. Classification of Slavic languages: evolution of developmental models. Slavia Occidentalis 77(1). 33–64. doi:10.14746/so.2020.77.3.

Bouckaert, R., P. Lemey, M. Dunn, S. J. Greenhill, A. V. Alekseyenko, A. J. Drummond, R. D. Gray, M. A. Suchard & Q. D. Atkinson. 2012. Mapping the origins and expansion of the Indo-European language family. Science 337. 957–960. doi:10.1126/science.1219669.

Chang, Will, Chundra Cathcart, David Hall & Andrew Garrett. 2015. Ancestry-constrained phylogenetic analysis supports the Indo-European steppe hypothesis. Language 91(1). 194–244. doi:10.1353/lan.2015.0005.

Dyen, Isidore, Joseph B. Kruskal & Paul Black. 1992. An Indoeuropean classification: a lexicostatistical experiment (Transactions of the American Philosophical Society, New Series 82(5)). Independence Square, Philadelphia: The American Philosophical Society.

Embleton, Sheila. 2000. Lexicostatistics/Glottochronology: from Swadesh to Sankoff to Starostin to future horizons. In Colin Renfrew, April McMahon & Larry Trask (eds.), Time depth in historical linguistics, vol. 2, 143–166. Cambridge, England: McDonald Institute for Archaeological Research.

Gray, Russell D. & Quentin D. Atkinson. 2003. Language-tree divergence times support the Anatolian theory of Indo-European origin. Nature 426. 435–439. doi:10.1038/nature02029.

Greenberg, Marc L. 2000. A historical phonology of the Slovene language (Historical Phonology of the Slavic Languages 13). Heidelberg: Universitätsverlag C. Winter.

Heggarty, Paul, Warren Maguire & April McMahon. 2010. Splits or waves? Trees or webs? How divergence measures and network analysis can unravel language histories. Philosophical Transactions of the Royal Society B: Biological Sciences 365(1559). 3829–3843. doi:10.1098/rstb.2010.0099.

Huson, Daniel H. & Celine Scornavacca. 2011. A survey of combinatorial methods for phylogenetic networks. Genome Biology and Evolution 3. 23–35. doi:10.1093/gbe/evq077.

Jacques, Guillaume & Johann-Mattis List. 2019. Save the trees: Why we need tree models in linguistic reconstruction (and when we should apply them). Journal of Historical Linguistics 9(1). 128–167. doi:10.1075/jhl.17008.mat.

Kassian, Alexei S. 2015. Towards a formal genealogical classification of the Lezgian languages (North Caucasus): testing various phylogenetic methods on lexical data. PLOS ONE 10(2). e0116950. doi:10.1371/journal.pone.0116950.

Kassian, Alexei S., George Starostin, Anna Dybo & Vasily Chernov. 2010. The Swadesh wordlist. An attempt at semantic specification. Journal of Language Relationship 4. 46–89.

Kurkina, Lyubov V. 1985. Praslavjanskie dialektnye istoki južnoslavjanskoj jazykovoj gruppy [Proto-Slavic dialect origin of the South Slavic language group]. Voprosy yazykoznaniya 4. 61–71.

Kushniarevich, Alena, Olga Utevska, Marina Chuhryaeva, Anastasia Agdzhoyan, Khadizhat Dibirova, Ingrida Uktveryte, Märt Möls, et al. 2015. Genetic heritage of the Balto-Slavic speaking populations: a synthesis of autosomal, mitochondrial and Y-chromosomal data. PLOS ONE 10(9). 1–19. doi:10.1371/journal.pone.0135820.

List, Johann Mattis, Annika Tjuka, Mathilda Van Zantwijk, Frederic Blum, Carlos Barrientos Ugarte, Christoph Rzymski, Simon Greenhill & Robert Forkel. 2023. CLLD Concepticon 3.1.0. Zenodo. doi:10.5281/ZENODO.7777629. https://concepticon.clld.org/ (23 April, 2023).

McMahon, April M. S. & Robert McMahon. 2005. Language classification by numbers (Oxford Linguistics). Oxford NY: Oxford University Press.

Müller, André, Viveka Velupillai, Søren Wichmann, Cecil H. Brown, Eric W. Holman, Sebastian Sauppe, Pamela Brown, et al. 2021. ASJP world language trees of lexical similarity: Version 5 (October 2021). https://asjp.clld.org/download.

Novotná, Petra & Václav Blažek. 2007a. Glottochronology and its application to the Balto-Slavic languages. Baltistica 42(2). 185–210.

Novotná, Petra & Václav Blažek. 2007b. Glottochronology and its application to the Balto-Slavic languages. Baltistica 42(3). 323–346.

Starostin, George S. 2010. Preliminary lexicostatistics as a basis for language classification: A new approach. Journal of Language Relationship (3). 79–116.

Starostin, Sergei A. 2000. Comparative-historical linguistics and lexicostatistics. In Colin Renfrew, April McMahon & Larry Trask (eds.), Time depth in historical linguistics, vol. 2, 223–265. Cambridge, England: The McDonald Institute for Archaeological Research.

Swadesh, Morris. 1952. Lexicostatistic dating of prehistoric ethnic contacts. Proceedings of the American Philosophical Society 96. 452–463.

Swadesh, Morris. 1955. Towards greater accuracy in lexicostatistic dating. International Journal of American Linguistics (21). 121–137.

Tischler, Johann. 1973. Glottochronologie und Lexikostatistik (Innsbrucker Beiträge Zur Sprachwissenschaft). Innsbruck: Inst. f. Sprachwiss. d. Univ. Innsbruck.

Vasilyev, Mikhail & Mikhail Saenko. 2020. Analiz topologii i ocenka točnosti leksikostatističeskix klassifikacij (na primere slavjanskix jazykov) [An analysis of the topology and estimation of accuracy for lexicostatistical classifications (on the data of Slavic languages)]. Journal of Language Relationship 18(4). 320–347.

Wichmann, Søren, Eric W. Holman & Cecil H. Brown. 2022. The ASJP Database (version 20). https://asjp.clld.org/ (23 February, 2023).

Yanovich, Igor. 2020. Phylogenetic linguistic evidence and the Dene-Yeniseian homeland. Diachronica 37(3). 410–446. doi:10.1075/dia.17038.yan.

[Yaroslav]

Ссылка: http://xn--c1acc6aafa1c.xn--p1ai/?page_id=478

Ссылка ведёт немного не туда: на профиль Алексея Сергеевича, а не на его статью.

Вот ссылка на саму статью: http://генофонд.рф/?page_id=36164

Кириллица в "генофонд.рф" видимо не позволяет сделать ссылку кликабельной, поэтому нужно скопировать и вставить в адресное окно.

[Yaroslav]

Славянская часть дерева ASJP (дерево v.5 от 2021 г., Müller et al. 2021), рис. 8, неудовлетворительна. Сложно установить без дополнительных тестов, что именно вызывает такие сильные искажения: лексикографические и транскрипционные ошибки во входных списках или особенности алгоритма, или же что-либо еще. Действительно, хотя ошибки в русском списке, отмеченные в Kushniarevich et al. 2015 (S2 File, p. 33-34) для базы данных ASJP v.16, были исправлены в нынешней v.20, но остальная часть славянского раздела базы ASJP вряд ли подверглась сплошной проверке. С другой стороны, не исключено, что специфический алгоритм ASJP сам по себе недостаточно чувствителен для реконструкции филогении таких близкородственных и контактирующих друг с другом языков, как славянские (ср. схожие проблемы, например, с германскими языками на дереве ASJP).

Да, особенно с украинским языком по-моему как-то интересно получилось:

[Asmat headhunter]

Да, особенно с украинским языком по-моему как-то интересно получилось:

Такие абсурдные закидоны вполне в духе ASJP, по крайней мере когда я несколько лет назад глядел их "деревья", не знаю насколько они исправились.

[Tibaren]

закидоны вполне в духе ASJP

Там у них на входе, похоже, сплошной шум. Внимательно ознакомился со списками лексики и вижу, скажем, несуществующие лексемы в пракартвельском (даже близко не стоящие к реалиям) и уйму поздних романизмов в баскском...
Что же можно ожидать на выходе?

[Виктор Меркатор]

Славянская часть дерева ASJP (дерево v.5 от 2021 г., Müller et al. 2021), рис. 8, неудовлетворительна. Сложно установить без дополнительных тестов, что именно вызывает такие сильные искажения: лексикографические и транскрипционные ошибки во входных списках или особенности алгоритма, или же что-либо еще. Действительно, хотя ошибки в русском списке, отмеченные в Kushniarevich et al. 2015 (S2 File, p. 33-34) для базы данных ASJP v.16, были исправлены в нынешней v.20, но остальная часть славянского раздела базы ASJP вряд ли подверглась сплошной проверке. С другой стороны, не исключено, что специфический алгоритм ASJP сам по себе недостаточно чувствителен для реконструкции филогении таких близкородственных и контактирующих друг с другом языков, как славянские (ср. схожие проблемы, например, с германскими языками на дереве ASJP).

Да, особенно с украинским языком по-моему как-то интересно получилось:

Дендрограмма никакая. Правдоподобная дендрограмма славянских языков в составе индоевропейских по ссылке
https://www.researchgate.net/publication/381608086_Dvuhmernaa_dendrogramma_84_indoevropejskih_azykov_2D_dendrogram_of_84_Indo-European_languages
О предке славянских можно говорить после отделения от балтославянского предка балтийских языков Далее первым отделяется словенский, затем русский, далее словацкий. Словацкий дает начало т.н западным, в составе группы подгруппа восточных в составе всего 2 языков - украинского и белорусского. Отделились от словацкого раньше польского и чешского, т.ч. некоторая претензия на древность имеется. Русский как следует не восточно-славянский, тяготеет к южным. Праславянский (древнеболгарский) ведет к македонскому, он же восходит к праиндоевропейскому. Что объясняется тем, что когда с началом эпохи бронзы кельты германцы иранцы индоарии греки снялись с насиженного места и побежали по 5 сторонам света, балтославяне остались на месте (или переселились в пустынные места, либо вырезали на новом месте всех аборигенов) , что и привело к отсутствию конвергенции в языке.
Самыми благоразумными оказались италики - они за 500 лет до этого катаклизма отъехали в более благодатные места, где их язык также не конвергировал. Итак - истинные наследники ИЕ предков - в равной степени италики и македонцы (т.е. носители современных итальянского и македонского языков)
Современный болгарский - молодой язык и сильно засорен конвергенцией.
Вот как-то так.

[zastrug]

Далее первым отделяется словенский, затем русский, далее словацкий. Словацкий дает начало т.н западным, в составе группы подгруппа восточных в составе всего 2 языков - украинского и белорусского. Отделились от словацкого раньше польского и чешского, т.ч. некоторая претензия на древность имеется. Русский как следует не восточно-славянский, тяготеет к южным. ......

Я дико извиняюсь - вот это вот выше типа "правильная дендрограмма"  А историю лингвисты принципиально не изучают? Вера не позволяет?

[Penny]

Далее первым отделяется словенский, затем русский, далее словацкий. Словацкий дает начало т.н западным, в составе группы подгруппа восточных в составе всего 2 языков - украинского и белорусского. Отделились от словацкого раньше польского и чешского, т.ч. некоторая претензия на древность имеется. Русский как следует не восточно-славянский, тяготеет к южным. ......

Я дико извиняюсь - вот это вот выше типа "правильная дендрограмма"  А историю лингвисты принципиально не изучают? Вера не позволяет?

Русский язык сильно видоизменился под влиянием его окультуривания, в том числе церковнославянским (условно староболгарским). Отсюда близость к южным. В принципе, если бы его отнесли к южным, я бы не удивилась. Это просто вопрос консенсуса между лингвистами и политиками. Например, многие лингвисты считают, что словенский относится к западным, а не южным. Считают, что он перенял черты южных при миграции носителей. Явно русский сильно отличен от украинского с беларусским, а они между собой похожи. Русский вообще отличен от всех других славянских. И в этом его сила, надо сказать. Его сила в том, что он подвергся искуственному окультуриванию (улучшению и облагораживанию) в отличие от других славянских языков, оставшихся во многом "дикими", что придает им свое очарование, на самом деле.
Болгарский письменный язык - очень понятный для русских и плохо понятный для западных славян (частично конечно из-за кириллицы). Вот на слух болгарский трудно понимаем всеми, кроме болгар и македонцев.
Македонский болгары считают диалектом болгарского.

[zastrug]

Русский язык сильно видоизменился под влиянием его окультуривания, в том числе церковнославянским (условно староболгарским). Отсюда близость к южным. В принципе, если бы его отнесли к южным, я бы не удивилась. Это просто вопрос консенсуса между лингвистами и политиками. Например, многие лингвисты считают, что словенский относится к западным, а не южным. Считают, что он перенял черты южных при миграции носителей. Явно русский сильно отличен от украинского с беларусским, а они между собой похожи. Русский вообще отличен от всех других славянских. И в этом его сила, надо сказать. Его сила в том, что он подвергся искуственному окультуриванию (улучшению и облагораживанию) в отличие от других славянских языков, оставшихся во многом "дикими", что придает им свое очарование, на самом деле.

Я не об этом. А о таком вот "лингвистическом подходе" когда языки эдакий сферический конь в вакууме. "Русский язык отделился от славянских вторым после словенского.....украинский и белорусский отделились от словацкого раньше польского и чешского".....у вас кровь из глаз не идет, такое читать?
Когда там идиш отсоединился от франкского, раньше чем скандинавские от общегерманских? До того как славные германско-ашкеназские  Зигфриды(позже ставшие Зямами) с топором в одной руке и Торой в другой, игриво выпустив пейсы из-под рогатых шлемов сокрушали римские легионы или позже? Вот такой забористый бред нарисуется, если расссматривать языки как нечто, существующее в некоем пространстве, не подверженном внешним влияниям.

[Penny]

Я не об этом. А о таком вот "лингвистическом подходе" когда языки эдакий сферический конь в вакууме. "Русский язык отделился от славянских вторым после словенского.....украинский и белорусский отделились от словацкого раньше польского и чешского".....у вас кровь из глаз не идет, такое читать?
Когда там идиш отсоединился от франкского, раньше чем скандинавские от общегерманских? До того как славные германско-ашкеназские  Зигфриды(позже ставшие Зямами) с топором в одной руке и Торой в другой, игриво выпустив пейсы из-под рогатых шлемов сокрушали римские легионы или позже? Вот такой забористый бред нарисуется, если расссматривать языки как нечто, существующее в некоем пространстве, не подверженном внешним влияниям.

Зато без влияния политоты, предвзятости, национализма, передергивания ист. фактов и т.д. Как раз отражает существующую картину, как оно выглядит на уровне лексики. Лексика - конечно не все. Тоже передергивания получаются из-за плохости моделей или плохо отобранного словаря, но хотя бы не по причине предвзятости.

В славянских еще все более-менее и так понятно и есть консенсус у лингвистов по основным вопросам, кроме словенского, а есть языковые семьи, где разброд-шатания и кто во что горазд. И такие модели вполне могут быть подспорьем.

И даже для славянских есть над чем задуматься. Видела много комментов под видео, где славяне разных народов разгадывают, что загадано на другом славянском языке, что польские слова русским легче отгадать, чем украинские, то есть, все более понятно. Ну вот из одной схемы по ссылке в заглавном посте можно сделать вывод, что выучив польский вполне можно начать хорошо понимать украинский. И это так и есть. Польский - своеобразный мостик между русским и украинским   .

Интересно посмотреть на такое же для английского.

[sergnasin]

 Ну вот из одной схемы по ссылке в заглавном посте можно сделать вывод, что выучив польский вполне можно начать хорошо понимать украинский. И это так и есть. Польский - своеобразный мостик между русским и украинским   .

Украинский (литературный во всяком случае).- это креолизированный польский: польский словарь (всякие там жодные, дякую, дахи, рахунки, цвинтары, шпарувания, рятувальники, керивники и пр.) + русское (восточнославянское) произношение и грамматика. Сам польский замусорен немецкими и польскими словами до не возможности. А вообще польский из всех славянских (невосточнославянских) больше всего близок к русскому.

[Daemon2017]

Украинский (литературный во всяком случае).- это креолизированный польский: польский словарь (всякие там жодные, дякую, дахи, рахунки, цвинтары, шпарувания, рятувальники, керивники и пр.) + русское (восточнославянское) произношение и грамматика. Сам польский замусорен немецкими и польскими словами до не возможности. А вообще польский из всех славянских (невосточнославянских) больше всего близок к русскому.

Т.е. в украинском языке польские (западнославянские) черты первичны (субстрат), а русские (восточнославянские) - вторичны (суперстрат)?

[Penny]

Украинский (литературный во всяком случае).- это креолизированный польский: польский словарь (всякие там жодные, дякую, дахи, рахунки, цвинтары, шпарувания, рятувальники, керивники и пр.) + русское (восточнославянское) произношение и грамматика. Сам польский замусорен немецкими и польскими словами до не возможности. А вообще польский из всех славянских (невосточнославянских) больше всего близок к русскому.

Т.е. в украинском языке польские (западнославянские) черты первичны (субстрат), а русские (восточнославянские) - вторичны (суперстрат)?

Если бы это было так, его бы и относило лингвистическое сообщество к западным славянским. В английском около 60 % слов из франц. или латыни. Никто его из-за этого к романским не относит. Грамматика первична.

[Georg]

Украинский (литературный во всяком случае).- это креолизированный польский: польский словарь (всякие там жодные, дякую, дахи, рахунки, цвинтары, шпарувания, рятувальники, керивники и пр.) + русское (восточнославянское) произношение и грамматика. Сам польский замусорен немецкими и польскими словами до не возможности. А вообще польский из всех славянских (невосточнославянских) больше всего близок к русскому.

Т.е. в украинском языке польские (западнославянские) черты первичны (субстрат), а русские (восточнославянские) - вторичны (суперстрат)?

Нет. С момента распада древнерусского В-русский (В=восточный, великорусский) эволюционировал лексически в русле церковнославянского и греческого, беря оттуда высокую и абстрактную лексику,
Западнорусский же, а конкретно Галицкое наречие сперва фонетически эволюционировало с икавизмом и некоторыми другими особенностями, прежде всего под влиянием польского как политически престижного, а звтем, после полной политической интеграции земель высшие классы и новое духовенство переключило поток лексических заимствований из польского (и опосредованно латинского).
Затем началось движение Галицкого, а точнее подольского населения на восток, что распространяло и это наречие. Впрочем, континуум получался очень гладкий.
Насчёт истории употребления лексики смотрите в качестве примера
Письмо казаков турецкому султану - от новоукраинской мовы оно дальше, чем от в-русской.
Пересопницьке Євангеліє и прочие также вполне понятны великоросу, и далековаты от украинского.

Первый переклад Библии Пантелеймона Куліша, Івана Пулюя, Івана Нечуй-Левицького (1903, Лондон) не просто критикуется самими украинцами (посмотрите за что), но и на первой же странице определяет язык как русско-украинский) .

ЗЫ - украинский, если что, я учил, в крымской школе во времена УССР. При этом ползучая полонизация продолжалась с 1991 до сегодняшнего дня, меняя язык до малопонимаемости.
Зыы для сравнения ещё гляньте язык закарпатских русинов - тоже под политическии и нормативным господством други языков, однако не так креолизирован, как галицийско-польский суржик (мова)

[sommer]

Я понимаю, что тут собрались сплошь доктора филологических наук. А вот тов. Назину стыдно не знать, что восточнославянские языки бесповоротно и радикально отличаются от южно и западнославянских из-за своего полногласия. Гипотетически могла существовать древняя "северославянская" группа праободриты и лютичи, которая тоже была полногласной, на что косвенно указывают топонимы на территории современной Германии, которая распалась на западную и восточную. Украинский язык в форме любых диалектов - это восточнославянская классика. Самый близкий язык к современным восточнославянским - это польский, самые дальние естественно южнославянские.