LuxBorrow：从 Pompier 到 Pompjee，追踪卢森堡语中借词

我们提出了 LuxBorrow，这是一套针对卢森堡语（LU）新闻（1999-2025 年，涵盖 27 年）的借词优先分析，涉及 259,305 篇 RTL 文章和 43.7M 标记。我们的管道将句子级语言识别（LU/DE/FR/EN）与受限于 LU 句子的标记级借词解析器结合起来，利用词形还原、收集的借词注册表以及编译的形态学和拼写规则。经验上，LU 始终是所有文档中的矩阵语言，而多语言实践则十分普遍：77.1% 的文章包含至少一个捐赠语言，65.4% 的文章使用三到四种语言。广度并不等于强度：中位数代码混合指数（CMI）从 3.90（LU+1）上升至仅 7.00（LU+3），表明为局部插入而非均衡的双语文本。领域和时期概述显示，混合现象呈中等但持续的趋势，CMI 从 6.1（1999-2007 年）上升至 2020 年的峰值 8.4。标记级适应总计 25,444 实例，呈现混合特征：形态学 63.8%，拼写 35.9%，词汇 0.3%。最常见的单个规则是拼写规则，如 on->oun 和 eur->er，而形态学在整体上占主导地位。历时性地，代码切换趋于加剧，形态学适应的借词从小基数开始增长。法语几乎所有提供适应项目，德语增长适度，英语则可忽略不计。我们主张采用以借词为中心的评估，包括借词标记和类型率、捐赠方��（针对借词项目）以及同化比率，而非仅依赖文档级混合指数。