このサイトは学部では早稲田で物理を, 修士では東大で数学を専攻し, 今も非アカデミックの立場で数学や物理と向き合っている一市民の奮闘の記録です. 運営者情報および運営理念についてはこちらをご覧ください.

理系のための総合語学・リベラルアーツの視点から数学・物理・プログラミング・語学 (特に英語) の情報を発信しています. コンテンツアーカイブに見やすくまとめているのでぜひご覧ください.

@NStyles @poyopoyochan ぶっちゃけ英語の方が語彙は豊富だし、覚える必要ある文字数も少なくて日本語より優れてると思う。言葉に秘めた深い感情、とかなら世界中どの国にもあるのよねー、サウダーデとかエグザイルとか。

— ももも(pop3) (@Vertex3on500mbp) 2015, 7月 30

https://t.co/lmKq5D85QH 英語の方が語彙が豊富というのの根拠が気になる。どうやって測定しているのかも気になる

— 相転移P（市民） (@phasetr) 2015, 7月 31

@phasetr 世界の技術書、文学賞、標準語教室は英語よ

— ももも(pop3) (@Vertex3on500mbp) 2015, 7月 31

@Vertex3on500mbp 英語で適切に対応する単語や表現がない場合といった評価の仕方を私は知らないので、それで語彙の豊富さが測れるとする理由がわかりません

— 相転移P（市民） (@phasetr) 2015, 7月 31

@phasetr 英語はいくらでも単語を足せば表現できるけど、日本語には英語の文字を正確に伝える文字が見つからないこともある、だからGoogle翻訳は日本語相手だと使えない

— ももも(pop3) (@Vertex3on500mbp) 2015, 7月 31

@Vertex3on500mbp 全体的にわかりませんが、英語では「単語を足す」と言いつつ「日本語は文字が見つからない」と言っていて、単語と文字の比較をされていますし、そもそも提示された例・言明が適切な内容なのかどうかが私には判断できません。Google翻訳との関係も不明です

— 相転移P（市民） (@phasetr) 2015, 7月 31

全く理解できなかったので,
少し dlit さんと Mitchara さんに伺ってみた.

@dlit @Mitchara どなたに伺えばいいのかもわからないのですが https://t.co/lmKq5D85QH https://t.co/fMsRP6bRth という主張はどの程度の妥当性を持つのでしょうか。私は言語学的な【語彙】や【豊富さ】の定義も理解できていなくて

— 相転移P（市民） (@phasetr) 2015, 7月 31

@phasetr @Mitchara うーん私もあまり調べたことがないのですが、語（彙）ってどんどん新しいのが作れちゃうのである程度範囲を限って語彙数（量）の比較をすれば比べられないことはないですけど、その結果が「○○語の方が語彙が豊富」と言えるかどうかはなんとも…

— Takumi TAGAWA (@dlit) 2015, 7月 31

@dlit @phasetr @Mitchara これも専門ではないのですが英語がいろいろな分野の共通語になっているのは社会的・歴史的な要因も大きいかと。あといわゆるアルファベット系の文字は確かに文字の種類は少ないですけどその分組み合わせ（スペル）を覚えないといけないので…

— Takumi TAGAWA (@dlit) 2015, 7月 31

@dlit @phasetr 英語の語彙項目数だとOEDの見出し語数が挙がったりしますけど、あれは単に覇権言語で大規模な辞書があるというだけですしね…

— Sasaki Mitsuya (@Mitchara) 2015, 7月 31

@Mitchara @phasetr そうなんですよねえ。辞書の項目数はわかりやすいんですけど、OEDも日国も基本的に現在は使用語彙ではないものも載っていたりしてかえってややこしい気がします

— Takumi TAGAWA (@dlit) 2015, 7月 31

@dlit @Mitchara ありがとうございます。元の発言者の説明が全く理解できないので、まずはその理解からやっていきます

— 相転移P（市民） (@phasetr) 2015, 7月 31

@phasetr @Mitchara いえいえ。やりようがないわけではないのですが、印象論レベルをこえてそれなりの話をするにはけっこうやっかいな問題だなーとは思います。

— Takumi TAGAWA (@dlit) 2015, 7月 31

@phasetr @dlit Vocabulary sizeで検索するとそれなりに経験的なレポートも出てきます。大規模なコーパスでコーパスサイズを横軸、異なり語数を縦軸にして曲線を作るとか。 http://t.co/OC4HmalgmA

— Sasaki Mitsuya (@Mitchara) 2015, 7月 31

@dlit @phasetr ナバホ語のように、動詞語根の数が比較的少なくて、活用や派生や複合語で複雑な意味を表す言語と、英語のように分解不能な語根の数自体が多くて類義語が豊富という言語があるので、そういう意味で語彙規模に言語差は出ると思います。

— Sasaki Mitsuya (@Mitchara) 2015, 7月 31

Mitchara さんに教えて頂いたページから,
メモがてらいくつか引用.

The executive summary: Depending on what you count and how you count them, you can get a lot of different vocabulary-size numbers from the same text. And then once you decide on a counting scheme, there’s an enormous amount of variation across speakers, writers, and styles. And in comparing languages, it’s hard to decide what counts as comparable counting schemes and comparable ways to sample sources.

話すとき, 書くときとスタイル (これが何を意味するかきちんとわかっていない) で
変わるという発想自体がなかった.
素人の浅薄な認識を突き付けられて泣いた.

But how many different vocabulary items — word types — are they?

word types は vocabulary items と思えばいいらしい.

カウントに対する微妙な問題は次の説明がわかりやすかった.

Are these three items, just as written? Or should we count the noun language plus the plural marker -s and the possessive ‘s? Or should we just count one item language, which happens to occur in three forms?

Your question also includes the strings am, are, be, is, was — are these five distinct vocabulary items, or five forms of the one verb be? How about the strings weeks, weekly, day, daily? Is weekly the same vocabulary item as an adjective (“on a weekly basis”) and an adverb (“published weekly”)? If we analyze weekly as week + -ly and significantly as significant + -ly, are those (sometimes or always) the same -ly?

この周辺に書いてある他の具体例もそれぞれ示唆的なのだが,
きりがないのでここだけ引用した.

Answers to various kinds of questions about word analysis will have different quantitative impacts on word counts in different languages. For example, like most languages, English has plenty of compounds (newspaper, restroom), idioms (red herring, blue moon), and collocations (high probability vs. good chance) whose meaning and use are not (entirely) compositional. It’s not obvious where to stop counting. But our decisions about such combinations will have an even bigger impact on Chinese, where most “words” are compounds, idioms, or collocations, made out of a relatively small inventory of mostly-monosyllabic morphemes (e.g. 天花板 tian hua ban “ceiling” = “sky flower board”), and where the writing system doesn’t put in spaces, even ambiguously, to mark the boundaries of vocabulary items.

カウントのときの文節区切り,
確かに技術的な課題になる.
機械翻訳や音読ソフトでも
この辺難しいとか聞いている.

Does this indicate that Spanish has a much richer vocabulary than English, and that Arabic is lexically even richer yet? No, it mainly tells us that Spanish has more morphological inflection than English, and Arabic still more inflection yet.

inflection がよくわからないので ここ から引用する.

Notation: inflections are written as a single letter following a colon, which is added to the word-class of the word concerned; e.g. a past-tense full verb is ‘V:a’, and a singular common noun is ‘N:s’.

An inflection is a general type of word identified by its inflectional morphology, in contrast with lexemes, which ignore inflectional morphology. For example, Singular and Plural are inflections, whereas DOG and CAT are lexemes, giving a two-way classification of every noun in terms of its inflection and its lexeme:

inflection	lexeme
	DOG	CAT	MOUSE	PERSON
singular	dog	cat	mouse	person
plural	dogs	cats	mice	people

あとこんなの.

But remember that different sources of speech transcriptions or written text within a given language may display vocabulary at very different rates. To characterize differences between languages, we’d have to compare distributions based on many sources in each language. However, there may be no non-circular way to choose our sources that doesn’t conflate linguistic differences with socio-cultural differences.

Let’s consider two extreme socio-cultural situations in which the same language is spoken:

(1) High rate of literacy, and a large proportion of “knowledge workers”. Many publications aimed at various educational levels.

(2) Low rates of literacy; most of population is subsistence farmers or manual laborers. Publications aim only at intellectuals and technocrats (because they’re the only literate people with money).

現代英語と外の文化・文明・概念を
取り込んでいない先住民族の言語の
語彙比較に何か意味があるのか,
という程度のことは考えたのだが,
こう明晰に言葉にできていなかった.