[论文解读] A complexity measure for diachronic Chinese phonology

Anand Raman, John Newman+1 more|ArXiv.org|Aug 14, 1997

semigroups and automata theory参考文献 13被引用 7

一句话总结

本文提出一种基于概率有限状态自动机（PFSA）的历时汉语音系复杂度度量方法，用于建模母语与子语言之间的音变过程。通过应用最小消息长度（MML）原则，将语言差异性量化为结构复杂度，为汉语方言的历史音系关系提供一种形式化、信息论意义上的距离度量。

ABSTRACT

This paper addresses the problem of deriving distance measures between parent and daughter languages with specific relevance to historical Chinese phonology. The diachronic relationship between the languages is modelled as a Probabilistic Finite State Automaton. The Minimum Message Length principle is then employed to find the complexity of this structure. The idea is that this measure is representative of the amount of dissimilarity between the two languages.

研究动机与目标

• 开发一种形式化、可量化的历史汉语方言之间音系距离度量方法。
• 将历时音变建模为概率有限状态自动机（PFSA），以表示音变规则。
• 应用最小消息长度（MML）原则，评估PFSA结构的复杂度，作为语言差异性的代理指标。
• 为评估母语与子语言在汉语历史音系中的演化距离，提供一种信息论框架。

提出的方法

• 将语言之间的历时关系建模为概率有限状态自动机（PFSA），将音变规则编码为带有概率的状态转移。
• 应用最小消息长度（MML）原则来编码PFSA结构，其中总消息长度代表模型的复杂度。
• 通过最小化消息长度，寻找音变过程最简洁且统计最优的表示形式。
• 所得MML得分作为复杂度度量，解释为母语与子语言之间音系分歧的程度。
• 该方法将语言变化视为随机过程，支持概率推理与模型选择。
• 通过基于信息论与数据压缩原理的方法，避免了任意的距离度量。

实验结果

研究问题

• RQ1 如何形式化地量化历史汉语方言之间的音系分歧程度？
• RQ2 概率有限状态自动机在多大程度上能准确表示汉语历史音系中的音变模式？
• RQ3 最小消息长度原则能否提供一种有原则且客观的语言复杂度度量，用于历时语言变化？
• RQ4 基于MML的复杂度度量与已知的汉语方言历史关系之间是否存在相关性？
• RQ5 该方法能否作为通用工具，用于其他语系的音系距离度量？

主要发现

• 最小消息长度（MML）原则成功生成了反映汉语历史音系中音变模式结构复杂性的复杂度得分。
• 基于MML的复杂度度量为母语与子语言之间提供了形式化、信息论意义上的距离指标，避免了任意假设。
• 该方法表明，更复杂的音变模式会导致更高的MML得分，反映出更大的音系分歧。
• 该模型在表示概率性音变方面具有鲁棒性，能够处理历史音变中的不确定性与变异。
• 该方法为传统音系距离度量提供了一种有原则的替代方案，其基础为计算学习理论。
• 该框架具有可推广性，可应用于汉语以外的其他语系。