Методы автоматического вычисления мер близости в задаче кластеризации малых близкородственных идиомов (на материале славянских языков)The Automatic Language Distance Measurement Methods for Small Closely Related Lects Clustering (on the Material of Slavic Languages)

Диссертация посвящёна проблеме измерения языкового расстояния для лектов, представленных малым количеством материала (необработанные корпусы общим объёмом не более 10 000 токенов), на примере древневосточнославянских деловых текстов, с привлечением дополнительных наборов данных: корпусов современных стандартных славянских лектов и малых территориальных восточнославянских лектов; списков слов малых территориальных восточнославянских лектов и лектов Таа; списков фонетических особенностей  малых территориальных восточнославянских лектов.  Объединение методов, основанных на измерении частотности, мерах сходства строк и векторной репрезентации текстов, предложенное в работе, демонстрирует значения метрик сходства между лектами, подтверждаемые введёнными ранее в научный оборот методами сравнительно-исторического языкознания, такими как сравнение списков базовой лексики при помощи мер сходства строк, использующих фонетическую информацию. При помощи введённых в работе техник предварительной обработки данных увеличивается эффективность разработанного метода автоматического подсчёта расстояния между лектами, представленными малыми необработанными корпусами, а также повышается интерпретируемость диалектометрических результатов. Показано, что перекрёстная оценка улучшает качество интерпретации результатов метода подсчёта языкового расстояния. Предложенная в работе кластеризация отражает генетическое разделение между новгородскими лектами с одной стороны, и смоленскими и полоцкими с другой: выявлено, что деловые древневосточнославянские грамоты конца XII – начала XIV вв., происходящие из Смоленска, Полоцка и Новгорода, демонстрируют следы формирования двух клад славянского континуума: древненовгородской (тексты из Новгорода) и протобелорусской (тексты из Смоленска и Полоцка). Однако на момент конца XII – начала XIV вв. данные черты сформированы не до конца, и в текстах, составляющих основной набор данных, часто замаскированы языковыми особенностями надрегионального койне.