Настоящая работа представляет новый инструмент для исследований по лексической типологии — Типологическую Базу данных адъективной лексики. База включает в себя информацию о лексикализации в различных языках ряда признаковых полей (‘острый’ — ‘тупой’, ‘пустой’ — ‘полный’, ‘твердый’ — ‘мягкий’, ‘ровный’, ‘гладкий’, ‘шершавый’ и др.). В статье обсуждаются вопросы, касающиеся структуры БД (в частности, выбор единицы информации, которая обеспечила бы сопоставимые описания лексем разных языков). Особое внимание уделяется представлению в БД переносных значений признаковых слов. Описываются основные прикладные и теоретические задачи, которые призвана решать БД. К первым относится возможность применения Базы в качестве мультиязычного словаря, ко вторым – разнообразные типологические исследования в области семантики признаковой лексики, в том числе изучение моделей полисемии.

Коллективная монография является результатом работы над проектом Научно-учебной группы НИУ ВШЭ «Лексико-типологические исследования». Главы книги представляют системы глагольной лексикализации звуков животных в 25 языках мира, а также содержат типологические обобщения, касающиеся принципов устройства и механизмов семантической деривации, характерных для данной лексической зоны.

В работе обсуждается фреймовая методика лексико-типологического исследования, разработанная Московской лексико-типологической группой MLexT. Рассматривается проблема, которая возникает в процессе анализа практически любой семантической зоны в любом языке: определение границ исследуемого поля. В качестве иллюстрации используются поля признаков ‘толстый’ и ‘тонкий’ в русском, английском, французском, китайском и хантыйском языках.

В статье обсуждается методология типологического анализа лексики и, в первую очередь, его начальный этап: определение выборки языков, которые послужат материалом для работы. Утверждается, что типологическое исследование лексики не только приемлемо, но иногда даже желательно начинать с анализа данных близкородственных языков. В качестве иллюстрации приводятся фрагменты сравнительного анализа русских и сербских качественных прилагательных со значениями ‘острый’ и ‘тяжёлый’.

Настоящий доклад посвящён русским прилагательным тяжёлый и лёгкий, рассмотренным на типологическом фоне в целях подготовки материала для типологической базы данных по многозначным качественным прилагательным и наречиям. Рассматриваемые лексемы устроены неожиданно симметрично, но имеется и ряд существенных отличий: прилагательное тяжёлый чаще используется в прямом значении, чем прилагательное лёгкий; у прилагательного лёгкий, напротив, лучше развита система переносных значений. Материал сербского, английского, французского и китайского языков дополняет русский и позволяет выделить в семантической структуре прилагательного ‘легкий’ два случая неполной энантиосемии: оно может приобретать такие компоненты значений как «быстрый» и «медленный», а также развивать как положительные, так и отрицательные коннотации. Прилагательное же ‘тяжелый’, в русском языке исходно антропоцентричное и склонное к обозначению только низкой скорости и только отрицательной оценки, может развивать в других языках положительные переносные значения, в случае если его исходным значением является ‘(объективно) имеющий большой вес’.

Диссертация посвящена разработке методов автоматизации всех этапов исследования в рамках фреймового подхода к лексической типологии. Этот подход предполагает составление фреймовой анкеты для рассматриваемого семантического поля, заполнение ее материалами максимального количества языков и, наконец, конструирование семантической карты, отражающей наблюдаемые типологические закономерности. Мы начинаем с того, что, с помощью моделей дистрибутивной семантики, приводим независимые свидетельства в пользу лингвистической обоснованности понятия «фрейм». Затем мы предлагаем составлять анкету на основе материала одного языка с помощью моделей дистрибутивной семантики и кластерного анализа сформированного пространства векторов сочетаемости. Готовая анкета переводится на доступные языки с помощью машиночитаемых словарей, онлайн переводчиков и параллельных корпусов и заполняется по материалам одноязычных корпусов выбранных языков. Наконец, в качестве семантических карт нового образца могут быть использованы решетки формальных понятий, построенные на основе формального контекста, в котором в качестве объектов выступают слова включенных в исследование языков, а роль атрибутов играют минимальные лексические значения (фреймы).Все предлагаемые методы тестируются на материале нескольких семантических полей качественных признаков (‘острый’, ‘гладкий’, ‘толстый’ и др.), результаты экспериментов проходят качественную и количественную оценку, выделяются слабые места разработанных алгоритмов и формулируются направления их улучшения.Новые методики позволяют упростить и ускорить процесс лексико-типологического исследования и расширить его эмпирическую базу.

В статье анализируется взаимодействие глагольных локативных показателей с семантикой основы в кубанском диалекте кабардино-черкесского языка. На примере семантической зоны глаголов падения выявляются разные модели выражения пространственных отношений между траектором и ориентиром. Различия в морфологическом поведении объясняются особенностью лексической семантики основ, а также свидетельствуют о постепенной лексикализации локативных показателей.

Questionnaires constitute a crucial tool in linguistic typology and language description. By nature, a Questionnaire is both an instrument and a result of typological work: its purpose is to help the study of a particular phenomenon cross-linguistically or in a particular language, but the creation of a Questionnaire is in turn based on the analysis of cross-linguistic data. We attempt to alleviate linguists’ work by constructing lexical Questionnaires automatically prior to any manual analysis. A convenient Questionnaire format for revealing fine-grained semantic distinctions includes pairings of words with diagnostic contexts that trigger different lexicalizations across languages. Our method to construct this type of a Questionnaire relies on distributional vector representations of words and phrases which serve as input to a clustering algorithm. As an output, our system produces a compact prototype Questionnaire for cross-linguistic exploration of contextual equivalents of lexical items, with groups of three homogeneous contexts illustrating each usage. We provide examples of automatically generated Questionnaires based on 100 frequent adjectives of Russian, including veselyj ‘funny’, ploxoj ‘bad’, dobryj ‘kind’, bystryj ‘quick’, ogromnyj ‘huge’, krasnyj ‘red’, byvšij ‘former’ etc. Quantitative and qualitative evaluation of the Questionnaires confirms the viability of our method.

В статье сопоставляются лексические системы глаголов поиска и находки в русском и сербском языках.

В статье описывается ряд пилотных экспериментов по разработке алгоритма автоматического перевода и заполнения анкет для типологических исследований признаковой лексики. Перевод анкеты предлагается осуществлять с помощью машиночитаемых переводных словарей и затем заполнять переведенные анкеты материалами доступных одноязычных корпусов.

In this paper, we present an application for formal concept analysis (FCA) by showing how it can help construct a semantic map for a lexical typological study. We show that FCA captures typological regularities, so that concept lattices automatically built from linguistic data appear to be even more informative than traditional semantic maps. While sometimes this informativeness causes unreadability of a map, in other cases, it opens up new perspectives in the field, such as the opportunity to analyze the relationship between direct and figurative lexical meanings.

В статье представлена лексическая система глаголов падения в кубанском диалекте кабардино-черкесского языка, а также проанализированы модели оформления пространственных отношений между падающим объектом и начальной и конечной точкой его движения в рассматриваемом идиоме.

In this paper we present a novel application of compositional distributional semantic models (CDSMs): prediction of lexical typology. The paper introduces the notion of typological closeness, which is a novel rigorous formalization of semantic similarity based on comparison of multilingual data. Starting from the Moscow Database of Qualitative Features for adjective typology, we create four datasets of typological closeness, on which we test a range of distributional semantic models. We show that, on the one hand, vector representations of phrases based on data from one language can be used to predict how words within the phrase translate into different languages, and, on the other hand, that typological data can serve as a semantic benchmark for distributional models. We find that compositional distributional models, especially parametric ones, perform way above non-compositional alternatives on the task.

В статье представлен метод автоматического построения лексико-типологической анкеты с помощью моделей дистрибутивной семантики.

В главе рассматривается, какие лексические средства в хинди обслуживают семантическую область звуков животных и какие переносные значения они развивают, а также проведены некоторые параллели между хинди и одним из его близких родственников – бенгали.

В настоящей главе рассматриваются глаголы звуков животных в одном из диалектов адыгейского языка. Показано, что в адыгейском языке эта зона покрывается небольшим количеством лексем, что позволяет проследить закономерности объединения разных видов животных и разных типов издаваемых ими звуков в рамках одного глагола.

В статье отражены результаты исследования прилагательных с семантикой положительной и отрицательной оценки, оценочное значение которых образовано посредством семантического сдвига особого типа, называемого нами ребрендингом. Исследование выполнено на материале Базы данных семантических переходов в русских качественных прилагательных и наречиях. В работе обсуждаются различные аспекты функционирования оценочных значений: механизм их образования, лексическая сочетаемость, взаимодействие с другими значениями ребрендингового типа.

В настоящей главе рассматриваются различные типы семантических переносов, характерные для глаголов звуков животных в языках мира.

Статья посвящена русским прилагательным тяжёлый и лёгкий, рассмотренным на типологическом фоне в целях подготовки материала для типологической базы данных по многозначным качественным прилагательным и наречиям. Рассматриваемые лексемы устроены неожиданно симметрично, но имеется и ряд существенных отличий: прилагательное тяжёлый чаще используется в прямом значении, чем прилагательное лёгкий; у прилагательного лёгкий, напротив, лучше развита система переносных значений. Материал сербского, английского, французского и китайского языков дополняет русский и позволяет выделить в семантической структуре прилагательного ‘легкий’ два случая неполной энантиосемии: оно может приобретать такие компоненты значений как «быстрый» и «медленный», а также развивать как положительные, так и отрицательные коннотации. Прилагательное же ‘тяжелый’, в русском языке исходно антропоцентричное и склонное к обозначению только низкой скорости и только отрицательной оценки, может развивать в других языках положительные переносные значения, в случае если его исходным значением является ‘(объективно) имеющий большой вес’.

Настоящее исследование посвящено глаголам позиции  в бесленеевском диалекте кабардино-черкесского языка (абхазо-адыгская семья). Представленный в работе материал собран авторами в ходе летней лингвистической экспедиции в аул Уляп (республика Адыгея), состоявшейся в июле 2013 года.

Настоящее исследование посвящено особому типу пространственных конструкций: локативной предикации вида X V Y, где X — объект, местоположение которого описывается (фигура), V — стативный локативный предикат, Y — ориентир, относительно которого определяется положение объекта (фон), ср. предложение Чашка стоит на столе, где чашка — фигура, стол — фон, а стоит (на) — предикат. Во многих языках переменную предиката в таких конструкциях заполняют глаголы позиции человека (‘сидеть’, ‘стоять’ и ‘лежать’). Такие системы и находятся в фокусе нашего исследования.