英語と5つの人工言語で基礎語彙の編集距離を求めます。

目次

• 概要
• スワデシュ・リスト
• 正規化レーベンシュタイン距離
• ジャロ・ウィンクラー距離
• スクリプト
• 参考

概要

Interlingua を作る際に、人工言語の分類が行われました。

• wikipedia:en:Interlingua#Development_of_a_new_language

Model P	highly naturalistic, with word forms unchanged from the prototypes
Model M	moderately naturalistic, similar to Occidental
Model C	slightly schematic, along the lines of Novial
Model K	moderately schematic, similar to Ido (less schematic than Esperanto)

Model P がもっとも自然言語に近く、M → C → K と人工的になっていきます。Esperanto は Model K よりも更に人工的だと位置付けられています。検討の結果、Interlingua は Model P として設計されました。

ここで名前が挙がった人工言語を人工的な順に並べます。

1. Esperanto
2. Ido
3. Novial
4. Interlingue（旧称 Occidental）
5. Interlingua

※ Novial と Interlingue を入れ替えれば発表された順番になります。

これらに英語を加えて、基礎単語の類似度を調べます。

スワデシュ・リスト

基礎単語の調査によく使われるのがスワデシュ・リストです。

• wikipedia:スワデシュ・リスト

スワデシュ・リスト （英語：Swadesh list）とは、「基礎語彙」を集めた様々なリストのうちの一種であり、モリス・スワデシュが1940年代から1950年代にかけて発展させたものである。語彙統計学（言語間の近縁度の量的な見積もり）や、言語年代学（言語の分岐年代の決定）に用いられる。

Wiktionary には様々な言語のスワデシュ・リストがまとめられています。

• Appendix:Swadesh lists - Wiktionary

※ Novial は私が編集しました。

• Wiktionaryにページを初投稿しました

対象の言語を引用します。なお、複数の語が掲載されている場合、他の言語と語形が似ている単語だけを残しました。

English	Esperanto	Ido	Novial	Interlingue	Interlingua
I	mi	me	me	yo	io
thou	vi	tu	vu	tu	tu
he	li	ilu	lo	il	ille
we	ni	ni	nus	noi	nos
you	vi	vi	vus	vu	vos
they	ili	ili	los	ili	illes
this	ĉi tio	ica	disi	to-ci	iste
that	tio	ita	ti	to-ta	celle
here	ĉi tie	hike	hir	ci	hic
there	tie	ibe	dar	ta	illac
who	kiu	qua	que	qui	qui
what	kio	quo	quum	quo	que
where	kie	ube	vor	u	ubi
when	kiam	kande	quand	quande	quando
how	kiel	quale	quam	qualmen	como
not	ne	ne	non	ne	non
all	ĉiuj	omna	omni	omni	omne
many	multaj	multa	multi	mult	multe
some	kelkaj	kelka	kelki	quelc	alcun
few	malmultaj	poka	poki	poc	poc
other	alia	altra	altri	altri	altere
one	unu	un	un	un	un
two	du	du	du	du	duo
three	tri	tri	tri	tri	tres
four	kvar	quar	quar	quar	quatro
five	kvin	kin	sink	quin	cinque
big	granda	granda	grandi	grand	grande
long	longa	longa	longi	long	longe
wide	larĝa	larja	larji	larg	large
thick	dika	dika	gros	spess	spisse
heavy	peza	grava	grav	pesant	pesante
small	malgranda	mikra	mikri	micri	parve
short	mallonga	kurta	kurti	curt	curte
narrow	mallarĝa	streta	angusti	strett	stricte
thin	maldika	dina	tenu	tenui	tenue
woman	virino	muliero	fema	fémina	femina
man	viro	viro	viro	mann	viro
man	homo	homo	home	hom	homine
child	infano	infanto	infante	infante	infante
wife	edzino	spozino	marita	marita	marita
husband	edzo	spozulo	marito	marito	marito
mother	patrino	matro	matra	matre	matre
father	patro	patro	patre	patre	patre
animal	besto	animalo	animale	animale	animal
fish	fiŝo	fisho	fishe	pise	pisce
bird	birdo	ucelo	fogle	avie	ave
dog	hundo	hundo	hunde	cane	can
louse	pediko	lauso	lause	pedicul	pediculo
snake	serpento	serpento	serpente	serpente	serpente
worm	vermo	vermo	verme	verme	verme
tree	arbo	arboro	arbre	árbor	arbore
forest	arbaro	foresto	foreste	forest	foreste
stick	bastono	bastono	bastone	baston	baston
fruit	frukto	frukto	frukte	fructe	fructo
seed	semo	semino	seme	seme	semine
leaf	folio	folio	folie	folie	folio
root	radiko	radiko	radike	radica	radice
bark	arboŝelo	kortico	kortise	cortice	cortice
flower	floro	floro	flore	flor	flor
grass	herbo	herbo	gasone	herbe	herba
rope	ŝnuro	kordo	korde	corde	corda
skin	haŭto	pelo	pele	pelle	pelle
meat	viando	karno	karne	carne	carne
blood	sango	sango	sange	sangue	sanguine
bone	osto	osto	ose	osse	osso
fat	graso	graso	grasi	grasse	grassia
egg	ovo	ovo	ove	ove	ovo
horn	korno	korno	korne	corn	corno
tail	vosto	kaudo	kaude	caude	cauda
feather	plumo	plumo	plume	plum	pluma
hair	haro	haro	hare	capille	capillos
head	kapo	kapo	kape	cap	capite
ear	orelo	orelo	orele	orel	aure
eye	okulo	okulo	okule	ocul	oculo
nose	nazo	nazo	nase	nase	naso
mouth	buŝo	boko	boke	bocca	bucca
tooth	dento	dento	dente	dente	dente
tongue	lango	lango	lange	lingue	lingua
nail	ungo	unglo	ungle	ungul	ungula
foot	piedo	pedo	pede	pede	pede
leg	kruro	gambo	gambe	gambe	gamba
knee	genuo	genuo	genu	genú	genu
hand	mano	manuo	manu	manu	mano
wing	flugilo	alo	ale	ale	ala
belly	ventro	ventro	ventre	ventre	ventre
guts	intestaro	intestini	intestines	intrallia	tripas
neck	kolo	kolo	kole	col	collo
back	dorso	dorso	dorse	dorse	dorso
breast	brusto	pektoro	pektore	péctor	pectore
heart	koro	kordio	kordie	cordie	corde
liver	hepato	hepato	hepate	hépate	hepato
drink	trinki	drinkar	drinka	trincar	biber
eat	manĝi	manjar	manja	manjar	mangiar
bite	mordi	mordar	morda	morder	morder
suck	suĉi	sugar	suka	sucar	suger
spit	kraĉi	sputar	sputa	sputar	sputar
vomit	vomi	vomar	vomi	vomir	vomitar
blow	blovi	suflar	sufla	sufflar	sufflar
breathe	spiri	respirar	spira	respirar	respirar
laugh	ridi	ridar	rida	rider	rider
see	vidi	vidar	vida	vider	vider
hear	aŭdi	audar	audi	audir	audir
know	scii	savar	sava	saver	saper
think	pensi	pensar	pensa	pensar	pensar
smell	flari	flarar	flara	flarar	olfacer
fear	timi	timar	tima	timer	timer
sleep	dormi	dormar	dormi	dormir	dormir
live	vivi	vivar	viva	viver	viver
die	morti	mortar	mori	morir	morir
kill	mortigi	ocidar	tua	mortar	occider
fight	batali	kombatar	kombata	combatter	luctar
hunt	ĉasi	chasar	chasa	chassar	chassar
hit	bati	frapar	frapa	frappar	colpar
cut	tondi	tranchar	seka	ciser	secar
split	fendi	fendar	fenda	fender	finder
stab	mortpiki	poniardagar	pika	picar	dagar
scratch	grati	gratar	grata	grattar	grattar
dig	fosi	fodar	fosa	fossar	foder
swim	naĝi	natar	svima	svimmar	natar
fly	flugi	flugar	vola	volar	volar
walk	marŝi	marchar	marcha	ear	ambular
come	veni	venar	veni	venir	venir
lie	kuŝi	jacar	lia	jacer	jacer
sit	sidi	sidar	sida	seder	seder
stand	stari	stacar	stea	star	star
turn	turniĝi	turnar	rota	tornar	rotar
fall	fali	falar	fala	cader	cader
give	doni	donar	dona	dar	dar
hold	teni	tenar	tena	tener	tener
squeeze	premi	klemar	klema	compresser	premer
rub	froti	frotar	frota	fricter	fricar
wash	lavi	lavar	lava	lavar	lavar
wipe	viŝi	vishar	visha	essuyar	essugar
pull	tiri	tirar	tira	tirar	tirar
push	puŝi	pulsar	shova	pussar	pulsar
throw	ĵeti	jetar	jeta	jettar	jectar
tie	ligi	ligar	liga	nodar	ligar
sew	kudri	sutar	suta	suer	suer
count	kalkuli	kontar	konta	contar	contar
say	diri	dicar	dikte	dir	dicer
sing	kanti	kantar	kanta	cantar	cantar
play	ludi	ludar	plea	luder	jocar
float	flosi	flotacar	flota	flottar	flottar
flow	flui	fluar	flua	fluer	fluer
freeze	frostigi	frostar	frosta	gelar	gelar
swell	ŝveli	inflar	infla	inflar	tumer
sun	suno	suno	sune	sole	sol
moon	luno	luno	lune	lune	luna
star	stelo	stelo	stele	stelle	stella
water	akvo	aquo	aque	aqua	aqua
rain	pluvo	pluvo	pluve	pluviar	pluvia
river	rivero	fluvio	fluvie	fluvie	fluvio
lake	lago	lago	lage	lago	laco
sea	maro	maro	mare	mare	mar
salt	salo	salo	sale	sale	sal
stone	ŝtono	petro	petre	petre	petra
sand	sablo	sablo	sande	sable	sablo
dust	polvo	polvo	polve	polve	pulvere
earth	tero	tero	tere	terre	terra
cloud	nubo	nubo	nube	nube	nube
fog	nebulo	nebulo	neble	nebul	nebula
sky	ĉielo	cielo	siele	ciel	celo
wind	vento	vento	vente	vente	vento
snow	neĝo	nivo	nive	nive	nive
ice	glacio	glacio	glasie	glacie	glacie
smoke	fumo	fumuro	fume	fum	fumo
fire	fajro	fairo	faire	foy	foco
ash	cindro	cindro	sindre	cindre	cinere
burn	bruli	brular	brula	arder	arder
road	strato	strado	strade	strada	strata
mountain	monto	monto	monte	monte	montania
red	ruĝa	reda	red	rubi	rubie
green	verda	verda	verdi	verdi	verde
yellow	flava	flava	gelbi	yelb	jalne
white	blanka	blanka	blanki	blanc	blanc
black	nigra	nigra	nigri	nigri	nigre
night	nokto	nokto	nokte	nocte	nocte
day	tago	jorno	jorne	jorne	die
year	jaro	yaro	yare	annu	anno
warm	varma	varma	varm	calid	calide
cold	malvarma	kolda	koldi	frigid	frigide
full	plena	plena	plen	plen	plen
new	nova	nova	nov	nov	nove
old	malnova	anciena	old	old	vetere
good	bona	bona	bon	bon	bon
bad	malbona	mala	mal	mal	mal
rotten	putra	putrinta	putrit	putrid	putride
dirty	malpura	sordida	sordid	sordid	immunde
straight	rekta	rekta	rekt	rect	recte
round	ronda	ronda	rond	rond	ronde
sharp	akra	akuta	akut	acut	acute
dull	malakra	obtuza	obtus	ínacut	obtuse
smooth	glata	glata	glati	glatt	lisie
wet	malseka	humida	dessik	humid	humide
dry	seka	sika	sik	sicc	sic
correct	ĝusta	korekta	justi	just	correcte
near	proksima	proxim	proxim	proxim	proxime
far	malproksima	for	ferni	lontan	distante
right	dekstra	dextra	dextri	dextri	dextre
left	maldekstra	sinistra	lefti	levul	sinistre
at	ĉe	che	che	che	apud
in	en	en	in	in	in
with	kun	kun	kun	con	con
and	kaj	e	e	e	e
if	se	se	si	si	si
because	ĉar	pro ke	pro ke	pro que	proque
name	nomo	nomo	nome	nómine	nomine

英語はかなり違います。人工言語同士は似ていますが、Esperanto は少し毛色が異なる印象です。

正規化レーベンシュタイン距離

どのくらい似ているのかを、正規化したレーベンシュタイン距離で比較します。

類似度を 0～1 の数値で表します。値が大きいほど類似していると判断されています。

	English	Esperanto	Ido	Novial	Interlingue	Interlingua
English		0.184	0.199	0.236	0.202	0.177
Esperanto	0.184		0.623	0.498	0.438	0.360
Ido	0.199	0.623		0.674	0.630	0.506
Novial	0.236	0.498	0.674		0.651	0.472
Interlingue	0.202	0.438	0.630	0.651		0.601
Interlingua	0.177	0.360	0.506	0.472	0.601

類似度の順位です。

1. Ido - Novial: 0.674
2. Novial - Interlingue: 0.651
3. Ido - Interlingue: 0.630
4. Esperanto - Ido: 0.623
5. Interlingue - Interlingua: 0.601
6. Ido - Interlingua: 0.506
7. Esperanto - Novial: 0.498
8. Novial - Interlingua: 0.472
9. Esperanto - Interlingue: 0.438
10. Esperanto - Interlingua: 0.360
11. English - Novial: 0.236
12. English - Interlingue: 0.202
13. English - Ido: 0.199
14. English - Esperanto: 0.184
15. English - Interlingua: 0.177

モデルとして分類した際に隣接した言語が似ていると判断されています。

• Esperanto-(4)-Ido-(1)-Novial-(2)-Interlingue-(5)-Interlingua

英語はかなり離れていますが、Novial とはやや近いです。

ジャロ・ウィンクラー距離

参考までに、別のアルゴリズムによる類似度を示します。

	English	Esperanto	Ido	Novial	Interlingue	Interlingua
English		0.439	0.460	0.494	0.452	0.447
Esperanto	0.439		0.794	0.701	0.679	0.627
Ido	0.460	0.794		0.846	0.804	0.754
Novial	0.494	0.701	0.846		0.824	0.738
Interlingue	0.452	0.679	0.804	0.824		0.827
Interlingua	0.447	0.627	0.754	0.738	0.827

類似度の順位です。

1. Ido - Novial: 0.846
2. Interlingue - Interlingua: 0.827
3. Novial - Interlingue: 0.824
4. Ido - Interlingue: 0.804
5. Esperanto - Ido: 0.794
6. Ido - Interlingua: 0.754
7. Novial - Interlingua: 0.738
8. Esperanto - Novial: 0.701
9. Esperanto - Interlingue: 0.679
10. Esperanto - Interlingua: 0.627
11. English - Novial: 0.494
12. English - Ido: 0.460
13. English - Interlingue: 0.452
14. English - Interlingua: 0.447
15. English - Esperanto: 0.439

正規化レーベンシュタイン距離とは順位が異なります。

やはりモデルとして分類した際に隣接した言語が似ていると判断されています。

• Esperanto-(5)-Ido-(1)-Novial-(3)-Interlingue-(2)-Interlingua

スクリプト

計算に使用したスクリプトです。

• [py] Levenshtein distance of conlangs' Swadesh list

参考

正規化する前のレーベンシュタイン距離の計算方法は以下を参照してください。

• レーベンシュタイン距離のコードの解釈

正規化（標準化）やジャロ・ウィンクラー距離については以下を参照してください。

• 【技術解説】似ている文字列がわかる！レーベンシュタイン距離とジャロ・ウィンクラー距離の計算方法とは