語彙統計

語彙統計学は比較言語学の一手法で、言語間の語彙同源語の割合を比較して関係性を判定する。語彙統計学は比較法と関連があるが、祖語を再構築するものではない。語彙統計学は、語彙統計学的手法を用いて、2 つ以上の言語が共通の祖語から分岐してからの時間を推定しようとする言語年代学とは区別される。ただし、これは語彙統計学の単なる 1 つの応用例に過ぎず、他の応用例では、基本語彙項目の変化率が一定であるという仮定が当てはまらない場合がある。

「語彙統計」という用語は、数式は使用されているが統計は使用されていないという点で誤解を招きます。言語の語彙以外の特徴が使用される場合もありますが、これは珍しいことです。比較法では、共通して特定されたイノベーションを使用してサブグループを決定しましたが、語彙統計ではこれらを特定しません。語彙統計は距離に基づく方法であるのに対し、比較法では言語の文字を直接考慮します。語彙統計法は、比較法に比べて単純で高速な手法ですが、制限があります (以下で説明します)。両方の方法で生成されたツリーをクロスチェックすることで検証できます。

語彙統計学は、1950年代にモリス・スワデッシュが一連の論文で、以前のアイデアに基づいて開発しました。 ^{[1] [2] [3]}この概念の最初の使用は、 1834年にデュモン・デュルヴィルがさまざまな「海洋」言語を比較し、関係係数を計算する方法を提案したことでした。ハイムズ（1960）とエンブルトン（1986）はどちらも語彙統計学の歴史をレビューしています。^{[4] [5]}

目的は、普遍的に使用されている意味（手、口、空、私）のリストを作成することです。次に、検討対象の各言語について、これらの意味スロットの単語が収集されます。スワデッシュは、当初、意味のセットを200にまで削減しました。後に、さらに削減する必要があることがわかりましたが、元のリストにはなかった意味をいくつか含めることができ、後に100項目のリストになりました。ウィクショナリーのスワデッシュリストには、いくつかの言語で合計207の意味が記載されています。より厳密な基準を適用する代替リスト、たとえばドルゴポルスキーリストやライプツィヒ–ジャカルタリスト、およびより具体的な範囲のリストも作成されています。たとえば、 Dyen、Kruskal、Blackには、デジタル形式で84のインドヨーロッパ言語に対する200の意味があります。 ^[6]

同語源の決定には、訓練を受けた経験豊富な言語学者が必要です。しかし、知識が増すにつれて、決定を洗練させる必要があるかもしれません。しかし、語彙統計学は、すべての決定が正しいことに依存しているわけではありません。このリストにある単語のペア（異なる言語）ごとに、形式の同語源は、肯定的、否定的、または不確定である可能性があります。言語には、1 つの意味に対して複数の単語がある場合があります。 たとえば、 not bigに対してsmallとlittleです。

このパーセンテージは、特定の言語ペアの意味が同源である割合、つまり不確定性のない全体に対する割合に関係します。この値は、N × Nの距離表に入力されます。ここで、N は比較する言語の数です。入力が完了すると、この表は三角形の形で半分埋められます。同源の割合が高いほど、言語の関連性が高くなります。

言語ツリーの作成は、上記の表のみに基づいています。さまざまなサブグループ化方法を使用できますが、Dyen、Kruskal、Black が採用した方法は次のとおりです。

• すべてのリストはプールに配置される
• 最も近い2つのメンバーが除去され、プールに配置される核を形成します。
• このステップは繰り返される
• 特定の条件下では核は集団になる
• プールにグループが 1 つだけ含まれるまで、これが繰り返されます。

計算は核とグループの語彙のパーセンテージで行う必要があります。

語彙統計学の応用の第一人者はイシドール・ディーンである。^{[7] [8] [9] [10]}彼は語彙統計学を用いてオーストロネシア語族^[11]やインド・ヨーロッパ語族^[6]を分類した。後者の主要な研究は、Dyen、Kruskal、Black (1992) によって報告された。^[6]アメリカインディアン言語やアフリカ言語に関する研究も行われている。

パマ・ニュンガン語族の内部分岐の問題は、オーストラリア言語学の長年の課題であり、パマ・ニュンガン語族の25以上の異なるサブグループ間の内部接続は再構築不可能であるか、サブグループが実際には遺伝的にまったく関連していないというのが一般的なコンセンサスでした。^[12] 2012年に、クレア・ボーワーンとクエンティン・アトキンソンは、パマ・ニュンガン語族のすべての主要なサブグループと孤立語を代表する194の文書に計算系統学的手法を適用した結果を発表しました。 ^[13]彼らのモデルは、かつて他の多くのオーストラリア学者によって提案され受け入れられていた多くの分岐と区分を「回復」し、同時に、パマン語族（データ不足で複雑）やングムピン・ヤパ語族（言語間の借用率が非常に高いため遺伝的図が不明瞭）などのより問題のある分岐についてもいくらかの洞察を提供しました。彼らのデータセットは、狩猟採集民言語族としては同種のものとしては最大規模であり、全体ではオーストロネシア語族に次いで2番目に大きいものです(Greenhill et al. 2008 Archived 2018-12-19 at the Wayback Machine )。彼らは、パマ・ニュンガン語族は、世界の他の言語族にうまく適用されてきた語彙統計的手法にとって実際には例外ではないと結論付けています。

Hoijer (1956)などの人々は、意味項目に相当するものを見つけることが困難であることを示しており、一方で多くの人々は Swadesh のリストを修正する必要があると感じています。^[14] Gudschinsky (1956) は、普遍的なリストを作成できるかどうか疑問視しています。^[15]

他の方法と同様に、借用、伝統、タブーなどの要因によって結果が歪む可能性があります。類似点を見つけるために、同語源ではなく語彙の類似性を使用して語彙統計が使用されることもあります。これは、大量比較と同等です。

意味スロットの選択は、同義語の選択と同様に主観的です。

現代の計算統計仮説検定法のいくつかは、類似の単語リストと距離尺度を使用する点で、語彙統計学の改良と見なすことができます。

• ドブソン、アネット（1969）。「語彙統計的グループ化」人類言語学7、216-221。
• Dobson, Annette および Black, Paul (1979)。「いくつかの語彙統計データの多次元尺度法」Mathematical Scientist 1979/4、55-61 ページ。
• マクマホン、エイプリル、マクマホン、ロバート（2005）。数字による言語分類。オックスフォード大学出版局。
• サンコフ、デイビッド（1970）。「語と意味の関係の置き換え率について」言語46.564-569。
• ヴィットマン、アンリ (1969)。 「ヒッタイトの通時性に関する辞書統計的調査」インドゲルマニッシュ・フォルシュンゲン74.1-10.[1]
• ヴィットマン、アンリ（1973）。「フランス語系クレオール語の語彙統計分類。」遺伝言語学における語彙統計：エール大学会議議事録、1971年4月3日～4日、イシドール・ディエン監督、89～99ページ。ラ・ヘイ：ムートン[2]

無料辞書のウィクショナリーで「lexicostatistics」を調べてください。

• 人類言語の進化プロジェクトの一部であるグローバル語彙統計データベース
• IE データベース
• 言語年代学と語彙統計学の違いを簡単に説明します。