1335 种语言中概念化的跨语言考察

语言在如何将世界划分为概念与词语方面存在差异；例如，与英语不同，斯瓦希里语中“肚子”和“子宫”为单一概念。我们通过对齐平行语料库中的概念，考察了 1335 种语言间概念化的这些差异。为此，我们提出 Conceptualizer 方法，该方法在源语言概念与目标语言字符串集合之间构建二分有向对齐图。通过对所有语言中一个概念（“鸟”）的详细语言学分析，以及在 32 个 Swadesh 概念金标准数据上的评估，我们表明 Conceptualizer 具有良好的对齐准确率。我们通过两个实验展示了自然语言处理（NLP）中概念化研究的潜力。（1）我们将概念的跨语言稳定性定义为其跨语言具有一一对应关系的程度，并表明具体性可预测稳定性。（2）我们用 83 个概念的概念化模式表示每种语言，并定义这些表示上的相似度度量。所得两种语言概念相似度的度量与标准的谱系、类型学和表层相似度度量互补。在六个语系中的四个里，我们可依据概念相似度将语言正确归类至其所属语系，准确率为 54% 至 87%。