К формальной генеалогической классификации лезгинских языков

Рис. 7. Карта современного распределения лезгинских языков (по кн.: [Коряков 2006: карта № 13]).В статье предлагается лексикостатистическая классификация 20 языков и диалектов лезгинской группы северокавказской семьи, выполненная на основе высококачествен­ных 110-словных списков проекта «Глобальная лексикостатистическая база данных / The Global Lexicostatistical Database». К лексическому материалу последовательно при­меняются основные филогенетические методы, как дистантные, так и дискретные: ме­тод ближайших соседей, реализованный в программе Starling (Starling neighbor join­ing), стандартный метод ближайших соседей (Neighbor joining), метод попарного внут­ригруппового невзвешенного среднего (Unweighted pair group method with arithmetic mean), метод Монте-Карло с цепями Маркова (Markov chain Monte Carlo), метод не­взвешенной максимальной бережливости (Unweighted maximum parsimony). Все мето­ды, кроме последнего, породили деревья, достаточно совместимые между собой, чтобы на их основе можно было составить сводное филогенетическое дерево лезгинских язы­ков. Полученное сводное дерево согласуется с традиционной и некоторыми предшест­вующими формальными классификациями этой языковой группы. Вопреки теорети­ческим ожиданиям, метод максимальной бережливости предложил наименее правдо­подобное дерево из всех.

Данные

В рамках международного научного проекта «Глобальная лексикостатистическая база данных / The Global Lexicostatistical Database»1 были составлены 110-словные списки ба­зисной лексики для 20 языков и диалектов лезгинской группы (северокавказская языко­вая семья): удинский (2 диалекта), арчинский, крызский (2 диалекта), будухский, цахурский (3 диалекта), рутульский (3 диалекта), агульский (5 диалектов), табасаранский (2 диалекта), лезгинский, см. [Kassian 2011—2012]. Это максимальное количество лезгин­ских идиомов, для которых можно составить сводешевский список без полевой работы. Двадцать рассматриваемых списков полностью соответствуют лексикографическим стандартам проекта «Глобальная лексикостатистическая база данных».

1)   Отбор слов производился в соответствии с семантическими спецификациями сводешевского списка, предложенными в [Kassian et al. 2010].

2)    Были использованы фактически все релевантные источники по соответствующим языкам — словари, грамматики, собрания текстов, — причем не только современные публикации, но и материалы П. К. Услара, А. Дирра, А. Старчевского и других кавказо­ведов кон. XIX — нач. XX в.

3)   Все языковые формы были единообразно транскрибированы фонетическим ал­фавитом, базирующимся на системе IPA; формы в традиционных кириллических орфо­графиях приводятся в скобках.

4)   Лексические списки аннотированы. При языковых формах дается ссылка на ис­точник, а в примечаниях эксплицитно обсуждаются существенные фонетические, мор­фологические и семантические особенности используемых форм и их синонимов. Также в примечаниях цитируются лексические данные из языков и диалектов, опубликован­ные материалы по которым недостаточны для составления полноценных 110-словных сводешевских списков (например, удинский список сопровожден формами из кавказ­ско-албанских палимпсестов).

В полученных таким образом синхронных списках когнации размечались по этимо­логическому принципу. Я основывался на пралезгинской реконструкции С. А. Старос­тина [Starostin & Nikolayev 1994: 122 ff.; S. Starostin 1994; С. Старостин б. д.], по необходи­мости внося в нее определенные уточнения и изменения, см. [Kassian 2011—2012]. Пуб­ликации С. А. Старостина — это единственная на сегодняшний день обнародованная полноценная фонетическая и лексическая реконструкция лезгинского праязыка. Не так давно немецкий кавказовед В. Шульце [Schulze 1988; 2001; Gippert et al. 2008] объявил о разработке своей версии пралезгинской реконструкции. Совокупность лексических этимологий, уже опубликованных в работах В. Шульце, пока недостаточна для оконча­тельных выводов, но я вынужден отметить, что многие диахронические идеи и решения  В.         Шульце не кажутся мне удачными или приемлемыми.

Для укоренения деревьев в сравнение был введен 110-словный список чеченского ли­тературного языка [G. Starostin 2011]. Чеченский язык был выбран, с одной стороны, как родственный лезгинским в рамках северокавказской семьи, а с другой — как заведомо не входящий в лезгинскую группу. Этимологическое сопоставление чеченского списка с лез­гинскими проводилось по [Starostin & Nikolayev 1994] с уточнениями из [G. Starostin 2011].

Метод

Генеалогические деревья строились несколькими методами.

  1. Модифицированный метод ближайших соседей, разработанный С. А. Старости­ным для лексикостатистического анализа и реализованный в программе Starling (метод Starling neighbor joining, далее — StarlingNJ). См. описание StarlingNJ в [Бурлак & Ста­ростин 2005: 163 сл.] (в настоящей статье используется порог, после которого начинается усреднение значений, не в 70%, а в 75%, что является значением по умолчанию в послед­них версиях Starling). Дерево строилось в программе Starling (v. 2.5.3; см. [С. Старостин 1993/2007; Бурлак & Старостин 2005: 270 ff.]) из лексикостатистической базы данных, представляющей собой многозначную матрицу с возможностью синонимии (узлы да­тировались так называемым «экспериментальный методом», при котором сводешевским словам присваиваются индивидуальные индексы стабильности, [С. Старостин 2007a; G. Starostin 2010]). Дерево укоренялось методом иерархической кластеризации, что стандартно для алгоритма StarlingNJ. Для данных, обработанных в программе Starling, приводятся деревья двух типов: дерево, допускающее только бифуркацию (как того тре­бует метод ближайших соседей), и это же дерево, но в котором соседние узлы сведены в один, если временной промежуток между ними составляет 300 или менее лет2 (300 лет соответствуют замене приблизительно в полтора слова в каждом из двух идиомов). Да­тировки узлов определялись по принципу строгих молекулярных часов, подробнее об этом и о калибровке шкалы см. [С. Старостин 1989/2007; S. Starostin 1999/2000]. Деревья визуализировались в программе Starling.
  2. Стандартный метод ближайших соседей (Neighbor joining, далее NJ), см. [Saitou & Nei 1987; Makarenkov et al. 2006: 65 — 66]. Дерево строилось в программе SplitsTree4 (v. 4.13.1, см. [Huson & Bryant 2006]) из лексикостатистической бинарной матрицы фор­мата NEXUS, которая была получена из многозначной путем кодирования каждого за­действованного в списке пракорня (всего 481 пракорень) как присутствующего («1») или отсутствующего («0») в данном сводешевском значении в соответствующем языке; «?» зна­чит, что в данном языке данное сводешевское значение выражается через иноязычное заимствование или же выражение для него не известно (не найдено в источниках или от­сутствует в языке). Для оценки устойчивости топологии дерева использовался непара­метрический бутстреп-тест: 10 000 реплик. Дерево укоренялось через внешнюю группу, т. е. через чеченский список. Дерево не датированное. Дерево визуализировалось в про­грамме FigTree (v. 1.4.0). Также в SplitsTree было построено дополнительное дерево ме­тодом BioNJ [Gascuel 1997], которое оказалось идентичным дереву NJ.
  3. Метод попарного внутригруппового невзвешенного среднего (Unweighted pair group method with arithmetic mean, далее — UPGMA), см. [Sneath & Sokal 1973: 230—234; Makarenkov et al. 2006: 65 — 66]. Дерево строилось в программе SplitsTree4 (v. 4.13.1) из бинарной матрицы, описанной выше. Для оценки устойчивости топологии дерева ис­пользовался непараметрический бутстреп-тест: 10 000 реплик. Дерево укоренялось через внешнюю группу, т. е. через чеченский список. Дерево не датированное. Дерево визуа­лизировалось в программе FigTree (v. 1.4.0).
  4. Метод Монте-Карло с цепями Маркова (Markov chain Monte Carlo, далее — MCMC; см. [Makarenkov et al. 2006: 68 — 69]), впервые примененный в рамках байесовского под­хода к лингвистическим данным в [Gray & Atkinson 2003]. Дерево строилось в программе MrBayes (v. 3.2.1, см. [Huelsenbeck & Ronquist 2001]) из бинарной матрицы, описанной выше. Программа запускалась 4 раза, каждый раз с 4 цепочками; чеченский список был указан как внешняя группа. При каждом запуске порождались 5 000 000 случайных кон­фигураций дерева (поколений), из них каждое 500-е дерево сэмплировалось; при каж­дом запуске первые 25% деревьев использовались для отжига и исключались из даль­нейшего анализа. Дерево укоренялось через внешнюю группу, т. е. через чеченский спи­сок. Дерево не датированное. Дерево визуализировалось в программе FigTree (v. 1.4.0).
  5. Метод невзвешенной максимальной бережливости (Unweighted maximum parsi­mony, далее — UMP), см. [Makarenkov et al. 2006: 66 — 67]. Деревья строились в програм­ме TNT (Willi Hennig Society edition of TNT, v.1.1, 08 May 2013, см. [Goloboff et al. 2008]) из бинарной матрицы, описанной выше, по строгому принципу ветвей и границ (Branch & bound / Implicit enumeration). Принудительная бинаризация узлов была запрещена (Col­lapse trees after the search); чеченский список был указан как внешняя группа. Было по­лучено 4 оптимальных дерева одинаковой стоимости, на их основе было построено стро­гое консенсусное дерево. Для оценки устойчивости топологии консенсусного дерева ис­пользовался непараметрический бутстреп-тест: 1000 реплик. Деревья укоренялись через внешнюю группу, т. е. через чеченский список. Деревья не датированные. Деревья ви­зуализировались в программе FigTree (v. 1.4.0).

Результаты

Были получены следующие деревья:

  • рис. 1a, метод StarlingNJ без объединения узлов;
  • рис. 1b, метод StarlingNJ с объединением близких узлов;
  • рис. 2, метод NJ;
  • рис. 3, метод UPGMA;
  • рис. 4, метод MCMC;
  • рис. 5, метод UMP;
  • рис. 6, сводное дерево, составленное вручную.

Если исключить дерево UMP (о чем см. ниже), разница между деревьями по боль­шей части не представляется принципиальной. Прокомментируем расхождения.

1) Все дистантные методы, т. е. StarlingNJ, NJ, UPGMA (рис. 1a, 2, 3), предполагают последовательные бифуркации с отделением сначала удинской ветви, затем арчинской и соответствующим обособлением узколезгинского (самурского) праязыка. Дистанция между двумя узлами (отделение удинского и отделение арчинского), однако, минималь­на на всех деревьях, что хорошо видно из графического представления деревьев и веро­ятностной оценки узлов, и при введении временной погрешности в 300 лет в методе StarlingNJ (рис. 1b) первичное разделение пралезгинского языка оказывается тернарным: удинский, арчинский и узколезгинский. Напротив, используемый дискретный метод (MCMC, рис. 4) сразу предлагает тернарное разделение на удинский, арчинский и узко­лезгинский. Следует помнить, что дистантные методы StarlingNJ, NJ, UPGMA в принци­пе способны порождать только бинарные деревья. Дерево UMP здесь существенно рас­ходится с остальными деревьями, см. ниже.

2) Все методы дают принципиальное членение узколезгинской подгруппы на три ветви: (1) западнолезгинскую (цахурский и рутульский языки); (2) южнолезгинскую (крызский и будухский языки); (3) восточнолезгинскую (агульский, табасаранский и лез­гинский языки). Разница обнаруживается в иерархии членения. Методы StarlingNJ и NJ (рис. 1a, 2), а также UMP (рис. 5) указывают на первое отделение западнолезгинской вет­ви и последующую бифуркацию на южнолезгинскую и восточнолезгинскую ветви. Ме­тод UPGMA (рис. 3) указывает на первое отделение южно лезгинской ветви. Наконец, метод MCMC (рис. 4) указывает на первое отделение восточнолезгинской ветви. Дистан­ция между двумя узлами (последовательные бифуркации между западнолезгинским, южнолезгинским и восточнолезгинским праязыками), однако, минимальна на всех де­ревьях, что хорошо видно из графического представления деревьев и вероятностной оценки узлов, и при введении временной погрешности в 300 лет в методе StarlingNJ (рис. 1b) разделение узколезгинского праязыка оказывается тернарным: западнолезгин­ский, южнолезгинский и восточнолезгинский.

Филогенетическое дерево лезгинских идиомов,

Рис. 2. Филогенетическое дерево лезгинских идиомов, полученное методом NJ в Splits- Tree4 из бинарной матрицы.

Рис. 3. Филогенетическое дерево лезгинских идиомов, полученное методом UPGMA в SplitsTree4 из бинарной матрицы.

Рис. 4. Консенсусное филогенетическое дерево лезгинских идиомов, полученное мето- дом MCMC в MrBayes из бинарной матрицы.

Рис. 5. Строгое консенсусное филогенетическое дерево лезгинских идиомов, получен- ное методом UMP в TNT из бинарной матрицы.

1) Агульские диалекты. Все методы реконструируют первичное отделение кошанского диалекта (что соответствует интуитивным ожиданиям), но далее начинают проти­воречить друг другу. Дистантные методы, т. е. StarlingNJ, NJ, UPGMA (рис. 1a, 2, 3), предполагают последующее отделение керенского диалекта и далее гехюнского диалек­та, а используемый дискретный метод (MCMC, рис. 4) наоборот — сначала отделение ге- хюнского диалекта и затем керенского. Дистанция между двумя узлами (последователь­ные бифуркации между керенским, гехюнским и собственно агульским/фитинским), од­нако, минимальна на всех деревьях, что хорошо видно из графического представления деревьев, и при введении временной погрешности в 300 лет в методе StarlingNJ (рис. 1b) разделение праагульского после отделения кошанского диалекта оказывается тернар­ным: керенский, гехюнский и собственно агульский/фитинский. Дерево UMP здесь су­щественно расходится с остальными деревьями, см. ниже.

2) Пожалуй, наиболее серьезное расхождение между имеющимися деревьями (ис­ключая дерево UMP) касается членения трех рутульских диалектов. Методы StarlingNJ и UPGMA (рис. 1a, 3) предполагают, что первым отделился лучекский диалект. Напротив, NJ и MCMC (рис. 2, 4) предполагают, что первым отделился ихрекский диалект. При этом на рис. 1a (StarlingNJ) узлы находятся хронологически достаточно далеко друг от друга и не объединяются в один при введении временной погрешности в 300 лет (рис. 1b). Как видно из таблиц дистанций, и для многозначной, и для бинарной матрицы в рутульской части дерева получаемые лексикостатистические дистанции не удовлетво­ряют условию аддитивности: табл. 1, 2. При постулате постоянной скорости изменения сводешевского списка рутульская ситуация является аномальной, и разные методы клас­сификации предлагают в таком случае разные решения. Лингвистически рутульские дан­ные могут объясняться двумя возмущающими факторами: (1) междиалектными заимст­вованиями и контактно обусловленной гомоплазией (выявить такие случаи пока не пред­ставляется возможным); (2) несовершенством имеющихся лексикографических описаний, не позволяющих составить сводешевские списки более аккуратно. Сложно сказать, какая из двух топологий рутульских диалектов адекватнее соответствует исторической реально­сти (ср. [Ибрагимов 1978: 15]), однако в любом случае математические методы классифи­кации вряд ли в полной мере применимы к ситуации взаимопонятных контактирующих идиомов (диалектного континуума), как то наблюдается на рутульской территории.

table00012

Наконец, в изолированном положении оказывается метод UMP, который порож­дает дерево, слабо совместимое как с деревьями, полученными остальными методами, так и с нашими неформальными интуитивными представлениями о членении лезгинской языковой группы (см. рис. 5, где проблемные узлы выделены серым). Во-первых, арчин­ский язык оказывается первым отделившимся кластером, а удинский, напротив, хоть фор­мально и отделяется вторым, стремится объединиться со следующим узколезгинским (са- мурским) узлом. Во-вторых, не удается выстроить осмысленную консенсусную топологию агульских диалектов. В-третьих, бросается в глаза неустойчивость консенсусного дерева в некоторых принципиальных узлах (вроде отделения арчинского и удинского), где бутстреп-тест демонстрирует поддержку < 50%. По этим причинам я был вынужден исклю­чить дерево UMP из рассмотрения при составлении сводного лезгинского дерева (рис. 6).

С учетом вышеперечисленных расхождений, отбросив результаты анализа методом UPM, можно предложить сводное филогенетическое дерево лезгинских идиомов: рис. 6 (составлено вручную). На этом дереве объединены соседние узлы, (1) хронологическое расстояние между которыми < 300 лет по подсчетам методом StarlingNJ (см. рис. 1a, 1b) или (2) топология которых зависит от используемого метода классификации. Серым цветом отмечены 4 объединенных тернарных узла, за которыми скрываются бинарные ветвления, различающиеся в зависимости от метода: три из этих узлов автоматически получаются при введении указанной временной погрешности, а четвертый узел — это рутульские диалекты, обсуждаемые выше. Как можно видеть, сводное дерево (рис. 6) идентично дереву StarlingNJ (см. рис. 1b), за исключением дополнительного объедине­ния в тернарный узел трех рутульских диалектов.

Предыдущие классификации

Полученное сводное дерево лезгинских языков и диалектов (рис. 6) с двумя аутлайерами (удинский и арчинский) и многочисленной узколезгинской или самурской подгруппой, делящейся на три кластера (западный, южный, восточный), согласуется с такими пред­лагаемыми ранее филогенетическими реконструкциями лезгинской языковой группы:

1)         Традиционная неформальная классификация, см., напр., [Талибов 1980: 11 — 16] с дальнейшей литературой.

2)        Предшествующие более грубые лексикостатистические подсчеты, упомянутые в [Алексеев 1984: 91 сл.], на основе 100-словных списков, проэтимологизированных и обра­ботанных методом типа UPGMA; списки не удовлетворяют современным критериям про­екта «Глобальная лексикостатистическая база данных / The Global Lexicostatistical Database».

3)     Формальная классификация в проекте «The Automated Similarity Judgment Program», см. [Muller et al. 2010], где используются непроэтимологизированные 40-словные списки, суммарное измерение расстояний Левенштейна между которыми дает матрицу дистан­ций между языками, из которой строится дерево методом NJ в программе MEGA 43.

Напротив, предшествующие лексикостатистические классификации, согласно кото­рым арчинский оказывается четвертым кластером внутри узколезгинской подгруппы, не подтверждаются и, видимо, должны быть отвергнуты. Речь идет о [Алексеев 1985: 17—23] (100-словные списки, проэтимологизированные и обработанные методом типа UPGMA) и [Коряков 2006: 21] (100 или 110-словные списки, проэтимологизированные и обрабо­танные методом StarlingNJ в программе Starling); в обеих публикациях списки не удов­летворяют современным критериям проекта «Глобальная лексикостатистическая база данных / The Global Lexicostatistical Database».

Рис. 6. Сводное дерево лезгинских идиомов, отражающее классификацию методами StarlingNJ, NJ, BioNJ, UPGMA, MCMC (но не UMP).

Рис. 7. Карта современного распределения лезгинских языков (по кн.: [Коряков 2006: карта № 13]).

Рис. 7. Карта современного распределения лезгинских языков (по кн.: [Коряков 2006:
карта № 13]).

Примеч-е: Для полноценного просмотра картинки откройте её в новой вкладке.

Заведомо не находит поддержки идея В. Шульце [Schulze 2005; Gippert et al. 2008: II-65— 75; против Schulze-Furhoff 1994: 450] о том, что удинско-кавказско-албанская ветвь входит в восточнолезгинский кластер вместе с агульским, табасаранским и собственно лезгинским.

В.    Шульце [Gippert et al. 2008: II-65 —75] опубликовал составленные им сводешевские списки для удинского и кавказско-албанского в сравнении с данными других лезгинских языков. К сожалению, В. Шульце не приводит никаких объяснений своей особой версии лексикостатистической процедуры, а в то же время лексикографическое качество его сво- дешевских списков весьма низко. Всё это позволяет заключить, что В. Шульце не смог пред­ставить какие-либо формальные аргументы в пользу своей филогенетической классифика­ции. С неформальной, т. е. интуитивной точки зрения идея В. Шульце о месте удинско- кавказско-албанского внутри лезгинской группы также не представляется приемлемой.

Выводы

Как было частично указано выше, база данных с 110-словными лексическими списками лезгинских языков и диалектов [Kassian 2011—2012] обладает рядом важных свойств:

1)  база включает в себя достаточно большое число идиомов: 20 единиц, причем сре­ди них есть как языки, длительное время развивающиеся в изоляции, например арчин­ский, так и языки, активно контактирующие с другими языками данной группы (что по­тенциально дает подскок лексикостатистических совпадений благодаря контактно обу­словленной гомоплазии), например, агульский;

2) не будет большим преувеличением сказать, что среди кавказоведов имеется кон­сенсус относительно членения лезгинской группы (аутлайеры удинский и арчинский, отделившиеся первыми, плюс узколезгинская, или самурская, подгруппа, состоящая из трех кластеров: западного, южного и восточного);

3) лезгинскую группу, наверное, можно охарактеризовать как среднюю или чуть выше среднего по параметру надежности и подробности имеющихся лексикографиче­ских и грамматических описаний среди языковых групп мира;

4) общее качество, так сказать, степень «очистки» лезгинских лексикостатистических списков (равно как и списков других языков в проекте «Глобальная лексикостатистиче­ская база данных / The Global Lexicostatistical Database») беспрецедентно высока для ми­ровой лингвистики.

Всё это делает лезгинскую базу данных прекрасным полигоном для лингвистиче­ской апробации различных филогенетических методов.

В теоретической статье [Barbangon et al. 2013] симулированием различных лингвис­тических ситуаций сравнивается адекватность нескольких филогенетических методов. Авторы приходят к выводу, что по всем параметрам наиболее надежным является метод максимальной бережливости (MP), далее следует метод Монте-Карло с цепями Маркова (MCMC), затем метод ближайших соседей (NJ) и существенно менее точным методом оказывается метод попарного внутригруппового невзвешенного среднего (UPGMA). Ос­тавляя в стороне некоторые спорные аспекты статьи4, можно видеть, что авторы явным образом отдают предпочтение дискретным методам (MP, MCMC) перед дистантными (NJ, UPGMA), и это, в принципе, является главным выводом публикации [Barbangon et al. 2013]5. В качестве количественной оценки в [Barbangon et al. 2013: 166] предлагается считать, что все протестированные методы, кроме UPGMA, реконструируют порядка 90% ребер истинного с исторической точки зрения дерева.

Эксперименты с лезгинской лексикостатистической базой данных показывают, од­нако, еще более отрадную картину, если счесть, что каждое из ребер «истинного» дерева реконструировано хотя бы одним из методов, исключая UMP (т. е. отражено хотя бы на одном из деревьев на рис. 1—4). При введении небольшого доверительного интервала (и объединении соседних узлов, попавших в него, см. рис. 6 и комментарии к нему) вид­но, что протестированные методы StarlingNJ, NJ, UPGMA, MCMC противоречат друг другу только в иерархии трех рутульских диалектов. На сводном дереве на рис. 6 всего 33 ребра плюс, если мы не будем объединять рутульские диалекты в тернарный узел, дополнительное 1 ребро, таким образом 34 ребра. Расхождение между методами в чле­нении рутульских диалектов дает ошибку в 1 ребре из 34, и это предполагает, что все ме­тоды (за исключением UMP) правильно реконструировали от 97% до 100% ребер. Не­ожиданным результатом лезгинского теста оказалась невысокая правдоподобность дере­ва, полученного методом максимальной бережливости (UMP, рис. 5), что прямо проти­воречит выкладкам [Barbangon et al. 2013].

Рассмотренные лезгинские данные подтверждают некоторые положения, состав­ляющие идеологическую основу проекта «Глобальная лексикостатистическая база дан­ных / The Global Lexicostatistical Database»:

При классификации языков лучше воздерживаться от использования граммати­ческих (фонетических, морфологических, синтаксических) признаков6, т. к., во-первых, эти признаки не универсальны; во-вторых, они легко могут образовывать вторичные ареальные изоглоссы (особенно если речь идет о языках, чье родство еще ощущается носителями), причем выявить источник инновации часто оказывается затруднительно; в-третьих, грамматические признаки образуют систему, т. е. изменение одного признака с высокой вероятностью влечет за собой изменение других признаков. Для лексических же признаков эти недостатки характерны в значительно меньшей степени.

1) Точность филогенетического дерева зависит в первую очередь не от математиче­ского метода, а от степени очистки входных данных, иными словами, не от труда компь­ютера, а от труда лингвиста, кропотливо анкетирующего индивидуальные диалекты по принятому списку признаков (хотя отдельные филогенетические методы, вроде макси­мальной бережливости / maximum parsimony, вызывают сомнения).

Касьян, Алексей Сергеевич
— канд. филол. наук, науч. сотрудник
сектора анатолийских и кельтских языков Института
языкознания РАН, преп. Центра компаративистики
ИВКА РГГУ (Москва), [email protected]

Дополнительные материалы по исследованию доступны по адресам:

  • http://jolr.ru/article.php?id=133
  • http://starling.rinet.ru/~kass/Lezgian_classification_RUS_2013.zip Архив включает в себя:
  • lez.xls, многозначная матрица в формате MS Excel;
  • lez.nex, бинарная матрица в формате NEXUS;
  • lez.tnt, бинарная матрица в формате NEXUS для программы TNT;
  • lez-reverse-distances-multistate.xls, таблица обратных расстояний, полученная из многозначной мат­рицы в программе Starling;
  • lez-distances-binary.txt, таблица расстояний, полученная из бинарной матрицы в программе Splits- Tree4;
  • *.tre, некоторые обсуждаемые в статье деревья в формате NEWICK.

Примечания

* Я выражаю искреннюю благодарность Валерию Запорожченко (Москва) и Йоханну-Маттису Листу (Johann-Mattis List; Марбург) за консультации по компьютерным программам филогенетического анализа, а также Дмитрию Лещинеру (Москва) за консультации по ряду математических вопросов. Кавказоведче­ские аспекты статьи обсуждались с Тимуром Майсаком (Москва). Кроме того, данная работа вряд ли бы­ла бы возможна без бесед на смежные или более широкие темы с Георгием Старостиным, Михаилом Живловым, Анной Дыбо, Филиппом Минлосом и другими моими коллегами по московской школе ком­паративистики.
1  http://starling.rinet.ru/new100/main.htm
2     2 На нынешнем этапе разработки метода затруднительно строго определить погрешность датирова­ния, но представляется, что интервал погрешности вряд ли составляет менее чем несколько сотен лет. Так­же отмечу, что дистантные методы типа StarlingNJ, NJ, UPGMA в принципе способны порождать только бинарные деревья, и это само по себе предполагает, что близкие узлы логично объединять в общий узел.
 3      Отметим, что в [MUller et al. 2010] в лезгинскую группу попал и хиналугский язык, что, видимо, неверно
4      Одной из причин трудностей в применении метода MP с бинарными признаками к лингвистиче­ским данным может быть неадекватность соответствующей модели представлениям об эволюции естест­венных языков. Метод MP сильнее других зависит от гомоплазии (т. е. от обратного или же параллельного развития), соответственно, для минимализации эффекта гомопластических возмущений [Barbangon et al. 2013] предлагают вводить индивидуальные веса признаков (Weighted maximum parsimony), присваивая больший внутренний вес признакам, не демонстрирующим гомоплазию на данном лингвистическом ма­териале. На бинарных данных с одинаковым весом перехода между состояниями наличие гомоплазии (па­раллельное или же обратное развитие какого-либо признака) математически эквивалентно присутствию в исходной матрице двух несовместимых (incompatible) признаков, т. е. принимающих все четыре возмож­ные пары состояний «00», «01», «10» и «11» (см., напр., [Semple & Steel 2003: 69 сл.]). Использованный в [Bar­bangon et al. 2013] метод MP трактует переходы между состояниями «0» и «1» как равнозначные. Но если мы работаем, как в данной статье, с бинарной матрицей, где «1» значит маркированное значение признака, а «0» — немаркированное (например, «1» = наличие, а «0» = отсутствие данного пракорня в данном своде- шевском значении в данном языке), то переход 1 > 0 (утрата корня) не является значимым событием, он может происходить параллельно и независимо в разных языках, и такую параллельную утрату лингвист вряд ли должен считать гомопластичной. Таким образом, чтобы обнаружить факт лингвистической гомо- плазии, надо произвести реконструкцию значений используемых признаков для праязыка исследуемой языковой группы, что совсем не тривиальная теоретическая и практическая задача, в частности реконст­рукция невозможна без знания филогенетического дерева [Kassian 2013], — мы попадаем в порочный круг.
5 Схожий взгляд на иерархию точности классификационных методов постепенно возобладает и в мо­лекулярной биологии.
6 Ср., например, [Nakhleh et al. 2005], где различные методы филогенетического анализа тестируются на материале индоевропейской семьи, при этом на вход подаются как лексические, так и грамматические признаки. Аналогично смешанный набор лексических и грамматических признаков используется в моде­лировании [Barbangon et al. 2013].

Литература

Алексеев 1984 — М. Е. Алексеев. К вопросу о классификации лезгинских языков // Вопросы языкознания, 1984, № 5. С. 88—94. [M. E. Alekseev. K voprosu o klassifikatsii lezginskikh yazykov // Voprosy yazykozna— niya, 1984, № 5. S. 88—94.]
Алексеев 1985 — М. Е. Алексеев. Вопросы сравнительно-исторической грамматики лезгинских языков. Морфоло­гия, Синтаксис. Москва, 1985. [M. E. Alekseev. Voprosy sravnitel’no—istoricheskoj grammatiki lezginskikh ya­zykov. Morfologiya, Sintaksis. Moskva, 1985.
Бурлак & Старостин 2005 — С. А. Бурлак, С. А. Старостин. Сравнительно-историческое языкознание. 2-е изд.Москва, 2005. [S. A. Burlak, S. A. Starostin. Sravnitel’no-istoricheskoe yazykoznanie. 2-e izd. Moskva, 2005.]
Ибрагимов 1978 — Г. Х. Ибрагимов. Рутульский язык. М., 1978. [G. Kh. Ibragimov. Rutul’skij yazyk. M., 1978.]
Коряков 2006 — Ю. Б. Коряков. Атлас кавказских языков. С приложением полного реестра языков. Москва, 2006.[Yu. B. Koryakov. Atlas kavkazskikh yazykov. S prilozheniem polnogo reestra yazykov. Moskva, 2006.]
С. Старостин 1989/2007 — С. А. СТАРОСТИН. Сравнительно-историческое языкознание и лексикостатистика // Старостин 2007. С. 407—447. [S. A. STAROSTIN. Sravnitel’no-istoricheskoe yazykoznanie i leksikostatistika // Starostin 2007. S. 407—447.] [Впервые опубл. в: Лингвистическая реконструкция и древнейшая исто­рия Востока. М., Наука, 1989: 3—39. Статья опубликована также по-английски, см. S. Starostin 1999/2000.]
С. Старостин 1993/2007 — С. А. СТАРОСТИН. Рабочая среда для лингвиста // Старостин 2007. С. 481—496. [S. A. Starostin. Rabochaya sreda dlya lingvista // Starostin 2007. S. 481—496.] [Впервые опубл. в: Базы данных по истории Евразии в средние века, вып. 2. М., Институт востоковедения РАН, 1993: 50—64. Перепечатано в: Гуманитарные науки и новые информационные технологии. М., РГГУ, 1994: 7—23.]
С. Старостин 2007 — С. А. Старостин. Труды по языкознанию. Москва, 2007. [S. A. Starostin. Trudy po yazyko- znaniyu. Moskva, 2007.]
С. Старостин 2007a — С. А. СТАРОСТИН. Определение устойчивости базисной лексики // Старостин 2007.С. 827—839. [S. A. STAROSTIN. Opredelenie ustojchivosti bazisnoj leksiki // Starostin 2007. S. 827—839
С. Старостин б. д. — С. А. Старостин. Историческая фонетика лезгинских языков. Машинопись, 1980-е гг.[S. A. Starostin. Istoricheskaya fonetika lezginskikh yazykov. Mashinopis’, 1980-e gg.]
Талибов 1980 — Б. Б. Талибов. Сравнительная фонетика лезгинских языков. Москва, 1980. [B. B. Talibov. Srav- nitel’naya fonetika lezginskikh yazykov. Moskva, 1980.]
Barbangon et al. 2013 — Frangois Barbangon, Steven N. Evans, Luay Nakhleh, Don Ringe, Tandy Warnow. An experimental study comparing linguistic phylogenetic reconstruction methods // Diachronica 30/2 (2013). P. 143 — 170.
Gascuel 1997 — O. Gascuel. BIONJ: an improved version of the NJ algorithm based on a simple model of se­quence data // Molecular Biology and Evolution 14 (1997). P. 685—695.
Gippert et al. 2008 — J. Gippert, W. Schulze, Z. Aleksidze, J.-P. MahE. The Caucasian Albanian Palimpsests of Mt. Sinai. 2 vols. Brepols, 2008.
Goloboff et al. 2008 — P. A. Goloboff, J. S. Farris, K. C. Nixon. TNT, a free program for phylogenetic analysis // Cladistics 24/5 (2008). P. 774 — 786.
Gray & Atkinson 2003 — Russell D. Gray & Quentin D. Atkinson. Language-tree divergence times support the Anatolian theory of Indo-European origin // Nature 426 (27 November 2003). P. 435—439.
Huelsenbeck & Ronquist 2001 — J. P. Huelsenbeck, F. Ronquist. MrBayes: Bayesian inference of phylogenetic trees // Bioinformatics 17/8 (2001). P. 754 — 755.
Huson & Bryant 2006 — D. H. Huson & D. Bryant. Application of phylogenetic networks in evolutionary studies // Molecular Biology and Evolution 23/2 (2006). P. 254—267.
Kassian 2011—2012 — Annotated Swadesh wordlists for the Lezgian group (North Caucasian family). Database compiled and annotated by A. Kassian (November 2011 — October 2012). The Global Lexicostatistical Database project: http://starling.rinet.ru/cgi-bin/response.cgi?root=new100&morpho=0&basename=new100\ncc\lez&limit=-1
Kassian 2013 — A. KASSIAN. The Lezgian linguistic group within the framework of the Global Lexicostatistical Database. Talk at the conference Comparative-Historical Linguistics of the 21st Century: Issues and Perspectives, Moscow, March 20 — 22, 2013: http://www.academia.edu/3040336/
Kassian et al. 2010 — A. Kassian, G. Starostin, A. Dybo, V. Chernov. The Swadesh wordlist. An attempt at semantic specification // Journal of Language Relationship, No. 4 (2010). P. 46—89.
Makarenkov et al. 2006 — Vladimir Makarenkov, Dmytro Kevorkov, Pierre Legendre. Phylogenetic Network Construction Approaches // Dilip K. Arora, Randy M. Berka, Gautam B. Singh (eds.). Applied Mycology and Biotechnology. Vol. 6: Bioinformatics. Elsevier, 2006. P. 61—98.
MUller et al. 2010 — Andre Muller, Soren Wichmann, Viveka Velupillai, Cecil H. Brown, Pamela Brown, Sebastian Sauppe, Eric W. Holman, Dik Bakker, Johann-Mattis List, Dmitri Egorov, Oleg Belyaev, Robert Mailhammer, Matthias Urban, Helen Geyer, Anthony Grant. ASJP World Language Tree of Lexical Similarity. Version 3 (July 2010). http://email.eva.mpg.de/~wichmann/language_tree.htm
Nakhleh et al. 2005 — Luay Nakhleh, Tandy Warnow, Donald Ringe & Steven N. Evans. A Comparison of Phylogenetic Reconstruction Methods on an IE Dataset // The Transactions of the Philological Society 103 (2005). P. 171 — 192.
Saitou & Nei 1987 — N. Saitou & M. Nei. The neighbor-joining method: A new method for reconstructing phylo­genetic trees // Molecular Biology and Evolution 4 (1987). P. 406—425.
Schulze 1988 — W. Schulze. Studien zur Rekonstruktion des Lautstandes der stidostkaukasischen (lezgischen) Grundspra- che. Habilitationsschrift Universitat Bonn. Unpubl. ms.
Schulze 2001 — W. Schulze. The Udi Gospels. Annotated text, etymological index, lemmatized concordance. MUnchen/ Newcastle: Lincom, 2001.
Schulze 2005 — W. Schulze. A Functional Grammar of Udi. Unpubl. ms., 2005. Available on demand at author’s site: http://www.lrz.de/~wschulze/FGU.htm
Schulze-Furhoff 1994 — W. Schulze-Furhoff. Udi // R. Smeets (ed.). The Indigenous Languages of the Caucasus, vol. 4. Caravan Books, 1994. P. 447—514.
Semple & Steel 2003 — Ch. Semple, M. Steel. Phylogenetics. Oxford University Press, 2003.
Sneath & Sokal 1973 — P. H. A. Sneath & R. R. Sokal. Numerical Taxonomy. San Francisco: W.H. Freeman and Company, 1973.
G. Starostin 2010 — G. S. STAROSTIN. Preliminary lexicostatistics as a basis for language classification: A new approach // Journal of Language Relationship, No. 3 (2010). P. 79 — 116.
G. Starostin 2011 — Annotated Swadesh wordlists for the Nakh group (North Caucasian family). Database compiled and annotated by G. Starostin (last revision: October 2011). The Global Lexicostatistical Database project: http://starling.rinet.ru/cgi-bin/response.cgi?root=new100&morpho=0&basename=new100\ncc\nah&limit=-1
S. Starostin 1994 — S. A. Starostin. Lezgian Etymological Database. Published in [Starostin & Nikolayev 1994]; available at: http://starling.rinet.ru/cgi-bin/main.cgi?flags=eygtnnl
S. Starostin 1999/2000 — S. A. Starostin. Comparative-historical linguistics and lexicostatistics // Historical Linguis­tics and Lexicostatistics. Melbourne, 1999. P. 3—50 [republ. in: Time Depth in Historical Linguistics. McDonald Institute for Archaeological Research, Oxford, 2000, p. 223—259.]
Starostin & Nikolayev 1994 — S. A. Starostin, S. L. Nikolayev. A North Caucasian Etymological Dictionary. Moscow, 1994 [reprinted: 3 vols. Ann Arbor: Caravan Books, 2007]. Available online at the Tower of Babel project as Caucet.dbf: http://starling.rinet.ru/cgi-bin/main.cgi?flags=eygtnnl
© Источник:  Вопросы языкового родства: Международный научный журнал / Рос. гос. гуманитар. ун-т; Рос. акад. наук. Ин-т языкознания; под ред. В. А. Дыбо. ― М., 2014. ― № 11. ― xii + 225 с. ― (Вестник РГГУ: Научный журнал; Серия «Филологические науки. Языкознание»; № 5(127)).

Смотрите также:

Написать ответ

Your email address will not be published.

MAXCACHE: 0.59MB/0.00130 sec