| 方法 | 古音小鏡用計算機求取民族語同源語素的方法 |
|---|---|
| 目的 | 語音對應和滿足語音對應的同源詞，是歷史語言學的精華，設計電腦程序，找到它們，節省人腦開銷，讓研究者專注更重要的工作。 |
| 基本原理 |
① 音標是否相似（編輯距離） ✘不採用 ② 語音是否對應 ✔採用 不以音標相似判斷同源語素，以語音對應判斷同源語素；先求取語音對應，再求取同源語素；把音標換成任何值都不影響結果。 優點：無需給定任何已知的語言學知識，零負擔起跑。 |
| 求語音對應 | 求取語音對應的2個條件（需同時滿足）：
① 音類實際接觸須大於隨機概率。 ② 音類實際接觸較隨機概率的富餘須大於後者的不確定程度。 解釋：實際上條件②可覆蓋條件①。不確定程度主要來自樣本數量規模，如詞表規模小、音類規模小會影響到可信程度，給您一張百詞表，您顯然不敢用，因為數量太少，不能良好反映該語言真實的音素比例。樣本越小，不確定程度越大，樣本越大，不確定程度越小。通過統計理論知，該不確定程度呈高斯分佈，我們可量化它的標準差，即知道它的擺動範圍，得到可信區間。 這好比我們不但知道某考生的考試平均分，還知道他的發揮穩定性，可判斷他考多少分是可信的。為了形象理解，網頁中把不確定性叫噪聲，這樣，以上的①是信量評價，②是噪聲評價，①和②形成信噪比，它如同一道門檻，可控制同源詞的質量。僅通過信量求取語音對應是粗糙的、不嚴謹的，古音小鏡用信噪比求取語音對應，這樣可以熨平材料差異，得到可信度一致性較好的同源詞。它使詞數多寡懸殊的詞表可公平比較，使音節數量差異很大的語言可公平比較，可以從理論上預知錯率，實現誤差量化。 |
| 音節對齊 | 實際的詞有多個音節，我們並不知道語素的次序，哪個音節應該對哪個呢？比如甲語言2個音節，乙語言3個音節，那麼可存在6種音節組合，但只有一種是對的。
採取以下辦法： ① 取全部詞的全部組合（比如上面例子6組全取），讓所有音碰撞，統計語音對應（這時無用信息量是很大的，結果是很糟糕的，但不要緊，裡頭已取到對應信息，它們是有序的，而不對應信息是無序的，它們的疊加仍然是有序的）。 ② 以求取的語音對應（它們是量化的數值），代入所有音節組合，取總值最大的那個組合（比如上面例子6組裡只取1組），所有詞的音節組合確定後，再統計語音對應（這時的結果會變好一點）。 ③ 不斷重複②的操作： 求取 → 代入 ↑ ↓ 代入 → 求取 循環轉圈，隨著次數增多，語音對應逐漸精確，音節對齊逐漸準確，噪聲逐漸減小，結論的質量逐漸提高。這樣得到的結果並不100%正確，但可能性最大。 |
| 逼近和穩定 | 由於參與比較的多個音節部位（比如聲、韻、調）是相互咬合的，以上「音節對齊」是個收斂的過程，且結果導向趨勢是積極的、而不是錯誤的放大。重複循環運行到結果不再改變，停止它，這時得到可能性最大的音節對齊結果和噪聲最小的語音對應結果。該方法避免了通過IPA音值相似來對齊音節。 |
| 求同源語素 | 以上操作，得到聲母對應、韻母對應、聲調對應（它們都是數值），用這3對數值篩取同源語素，網有了魚就有了。如此得到的同源語素，它們的聲母、韻母、聲調，大多擁有較多對應例子，這是同源詞最直接的證據，但少數仍然可能只有自己一個對應例子，原因是該音詞少、語言遙遠、詞表較小等，這也是正常的。 |
| 錯誤率和局限 | 錯誤率：平均約3%，平均每30根對應線中有一根錯誤（不同詞裡有多有少不均勻）。 局限：「同源語素」包含同源詞和借詞，只要能產生語音對應規律，都視為「同源語素」。 |
| 算力可行性 | 循環逼近會消耗很多算力，在目前中高性能電腦上，一對語言可控制在5s左右，100個語言兩兩組合的時間開銷是：5*(100*100/2) ≈ 7小時，在可接受範圍內。目前電腦算力已跨過該方法的忍受門檻。 |
| 素材 | 內部縱深 | 包含語言/素材出處 | 同源詞求取設置 | 備註 |
|---|---|---|---|---|
| 苗瑤語素 2021-06-20 推出 | 約2500年 | 苗瑤語系(46種) 語保工程 | 比對部位：聲、韻、調 信噪比閾值：1.5 刪除孤例數：2 | 川黔滇苗語分為黔中苗語、西部苗語兩類 |
| 侗台語素 2021-10-05 推出 | 約4500年 | 侗台語系（74種） 語保工程 | 比對部位：聲、韻、調 信噪比閾值：1.5 刪除孤例數：2 | 仱語：侗水語 依語：北部壯語 儂語：南部壯語 貝話：臨高話 僚語：仡佬語 |
| 羌語素 2024-03-02 推出 | 約6000年 | 羌語群語言42種 語保工程 | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | |
| 藏語素A 2025-01-12 推出 | 約2000年 | 藏語43種 孫凱博士和阿錯教授製作數據庫（來自專著和論文材料） | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | |
| 藏語素B 2024-03-22 推出 | 約2000年 | 藏語29種 語保工程 | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | |
| 尼語素 2024-05-25 推出 | 約4000年 | 緬彝語88種 怒蘇語：孫宏開《怒族語言簡志》 感謝葛佳琦製作和分享材料 緬甸語：汪大年、蔡向陽《緬甸語方言研究》 感謝潘悟雲分享材料 其他：語保工程 | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | 即緬彝語、「尼」是該民族團體的代表性自稱 |
| 僰語素 2024-05-30 推出 | 約6000年 | 漢藏語的中國西南遠古分化語30種 白語/土家語/納西語/景頗語/獨龍語 語保工程 | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | 該地區上古稱「僰」 |
| 康語素 2024-10-08 推出 | 約1500年 | 東方藏區康巴藏語52種 鈴木博之《川西民族走廊・チベット語方言研究》 鈴木博之/長野泰彦《川西民族走廊・チベット語方言分類語彙集》 | 比對部位：聲、韻 信噪比閾值：2 刪除孤例數：2 | |
| 南亞語素 2025-2-12 推出 | 約9000年 | 南亞語系（全部14分支） Sealang數據471筆+中國語保工程21筆 | 比對部位：聲、元、尾 信噪比閾值：1.5 刪除孤例數：2 | |
| 同源語素求取由於設置不同、不同功能間的結果不具有可比性 較多素材取材於語保工程公開材料、感謝近幾年工作在一線的民族語言調查工作者！ | ||||
| 舉例 | 在「苗瑤語」的「豬圈」一詞中大約可分析為5個語素 |
|---|---|
| |
