[论文解读] Dynamics of core of language vocabulary

Valery Solovyev, V. V. Bochkarev+1 more|arXiv (Cornell University)|May 29, 2017

Language and cultural evolution参考文献 7被引用 5

一句话总结

本研究利用过去三个世纪的谷歌图书语料库Ngram数据，分析了六种欧洲语言核心词汇的动态变化。研究发现，核心词汇的更替速率极为稳定，类似于斯瓦迪士词表（Swadesh list）所体现的模式，表明尽管语言和文化背景各异，各语言仍表现出一致的词汇衰变规律。

ABSTRACT

Studies of the overall structure of vocabulary and its dynamics became possible due to creation of diachronic text corpora, especially Google Books Ngram. This article discusses the question of core change rate and the degree to which the core words cover the texts. Different periods of the last three centuries and six main European languages presented in Google Books Ngram are compared. The main result is high stability of core change rate, which is analogous to stability of the Swadesh list.

研究动机与目标

• 探究多语言在长时间跨度内核心词汇的稳定性和动态变化。
• 评估核心词汇更替速率在不同历史时期和语言间是否保持一致。
• 评估核心词汇在多大程度上覆盖了各类文本语料中的主要内容。
• 将核心词汇的动态变化与既有的语言学模型（如斯瓦迪士词表）进行比较。
• 基于大规模历时文本语料库，提供词汇稳定性的实证证据。

提出的方法

• 利用18世纪至20世纪期间涵盖六种主要欧洲语言的谷歌图书Ngram Viewer数据。
• 通过选取高频且在语言间具有功能必要性的词汇，识别核心词汇。
• 通过追踪随时间的频率变化，测量核心词汇中词汇更替的速率。
• 应用统计分析，比较不同时间段和语言之间的核心词汇更替速率。
• 采用比较框架，评估不同语系间核心词汇动态的相似性。
• 以斯瓦迪士词表作为词汇稳定性的基准，验证研究发现。

实验结果

研究问题

• RQ1 在过去三个世纪中，核心词汇更替速率在不同欧洲语言间是否保持一致？
• RQ2 同一语言在不同历史时期中，核心词汇的稳定性如何比较？
• RQ3 核心词汇在一般语料库中覆盖了多大比例的文本内容？
• RQ4 核心词汇更替速率是否与斯瓦迪士词表中观察到的模式相似？
• RQ5 日耳曼语、 Romance 语和斯拉夫语语族之间的核心词汇动态是否存在可检测的差异？

主要发现

• 在所研究的六种欧洲语言中，核心词汇更替速率保持高度稳定，表明词汇衰变过程具有一致性。
• 核心词汇更替速率的量级与斯瓦迪士词表中观察到的速率相当，表明词汇演化存在普遍模式。
• 核心词汇在所有时期和语言中均占文本内容的显著且稳定的比例。
• 18世纪、19世纪和20世纪之间未观察到核心词汇动态的显著偏离，支持其长期稳定性。
• 核心更替速率的稳定性在语系层面具有鲁棒性，涵盖日耳曼语、拉丁语和斯拉夫语等语系。
• 研究结果支持核心词汇以可预测的、近乎恒定的速率演化的假设，且该速率独立于语言特异性因素。