Large-scale computerized forward reconstruction yields new perspectives in French diachronic phonology

Traditionally, historical phonologists have relied on tedious manual derivations to sequence the sound changes that have shaped the phonological evolution of languages. However, humans are prone to errors, and cannot track thousands of parallel derivations in any efficient manner. We demonstrate computerized forward reconstruction (CFR), deriving each etymon in parallel, as a task with metrics to optimize, and as a tool which drastically facilitates inquiry. To this end we present DiaSim, an application which simulates “cascades” of diachronic developments over a language’s lexicon and provides various diagnostics for “debugging” those cascades. We test our method on a Latin-to-French reflex prediction task, using a newly compiled, publicly available dataset FLLex consisting of 1368 paired Latin and Modern French forms. We also introduce a second dataset, FLLAPS, which maps 310 reflexes from Latin through five attested intermediate stages up to Modern French, derived from Pope’s (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press. periodic development tables. We present publicly available rule cascades: the baseline BaseCLEF and BaseCLEF* cascades, based on Pope’s (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press. widely-cited view of French development, and DiaCLEF, made from incremental corrections to BaseCLEF aided by DiaSim’s diagnostics. DiaCLEF outperforms the baselines by large margins, improving raw accuracy on FLLex from 3.2% to 84.9% of etyma, with similarly large improvements for each of FLLAPS’ periods. Changes were made to build DiaCLEF considering only the baseline and DiaSim’s diagnostics, but they often independently reproduced past work in French diachronic phonology, corroborating both our procedure and past endeavors; we discuss the implications of some of our findings in detail.

Pour ordonner des modifications phonétiques qui ont façonné l’évolution phonologique de chaque langue, la recherche en phonologie historique s’appuie traditionnellement sur de fastidieuses dérivations manuelles. Cependant, le cerveau humain est enclin à l’erreur et n’a pas la capacité suffisante pour suivre des milliers de dérivations en parallèle. Nous démontrons la reconstruction informatisée de chaque lexème en parallèle comme tâche de calcul avec des métriques d’optimalité, ainsi qu’un outil pour faciliter drastiquement l’empirisme. Dans ce but, nous présentons « DiaSim », une application qui simule des « cascades » de processus diachroniques sur tout le lexique, tout en proposant des diagnostics pour le « débogage » desdites cascades. Nous appliquons notre méthode à une tâche de prédiction réflexe par reconstruction en avant en utilisant FLLex, un nouvel ensemble de données que nous avons compilé et rendons accessibles au public, comprenant 1368 couples de formes latinfrançais. Nous avons également produit et publions un second ensemble de données, FLLAPS, qui associe à 310 racines latines leur évolution via cinq étapes intermédiaires jusqu’au français moderne; ces trajectoires ont été obtenues grâce aux tables de développement de Pope (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press.. Nous présentons trois cascades accessibles au public : les cascades de références BaseCLEF et BaseCLEF*, dérivées de l’approche traditionnelle de la diachronologie française par Pope (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press.; et DiaCLEF, qui s’obtient en corrigeant BaseCLEF suivant les diagnostics de DiaSim. DiaCLEF surpasse largement les références, faisant passer la précision brute sur FLLex de 3.2% à 84.9% d’étymons avec des gains semblables pour chacune des étapes intermédiaires de FLLAPS. Étant donné que les modifications effectuées pour construire DiaCLEF furent appliquées sans se référer aux recherches passées, leur accord avec les conclusions de diverses travaux antérieurs corrobore à la fois la méthode traditionnelle et notre amélioration de celle-ci; nous examinons en détail les implications de certains de nos résultats.

Um die Sequenzen von Lautänderungen zu ordnen, die die phonologische Entwicklung von Sprachen prägten, haben sich Phonologen bisher auf mühsam von Hand hergeleitete Ableitungen verlassen. Solche Ableitungen sind jedoch fehleranfällig und es ist schwierig, tausende davon in effizienter Weise parallel zu verfolgen. Wir zeigen, wie unser automatisches Verfahren, computerized forward reconstruction (CFR), jedes lexikalische Element automatisch ableitet, was sowohl für Rechenaufgaben mit optimierbaren Metriken als auch als Hilfsmittel für empirische Untersuchungen genutzt werden kann. Zu diesem Zweck stellen wir DiaSim vor, eine Applikation, die ‚Kaskaden‘ diachronischer Entwicklungen über das Lexikon einer Sprache simuliert und verschiedene Diagnosen zum ‚Debuggen‘ dieser Kaskaden bereitstellt. Wir testen unsere Methode anhand einer Reflex-Vorhersage von Latein nach Französisch unter Verwendung eines neu kompilierten, öffentlich verfügbaren Datensatzes FLLex, der aus 1368 gepaarten lateinischen und modernen französischen Formen besteht. Außerdem präsentieren wir einen zweiten Datensatz, FLLAPS, der 310 Reflexe aus dem Lateinischen über fünf attestierte Zwischenstufen bis ins moderne Französische abbildet und aus den periodischen Entwicklungstabellen von Pope (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press. abgeleitet ist. Weiter stellen wir öffentlich verfügbare Regelkaskaden vor:die Basiskaskaden BaseCLEF und BaseCLEF*, die auf Popes (1934)Pope, Mildred Katharine. 1934. From Latin to Modern French with especial consideration of AngloNorman: Phonology and morphology. Manchester University Press. vielzitierter Annahme zur Entwicklung des Französischen basieren, und DiaCLEF, die aus inkrementellen Korrekturen an BaseCLEF mit diagnositscher Hilfe von DiaSim erstellt wurden. DiaCLEF übertrifft die Basislinien um ein Vielfaches und verbessert die Genauigkeit von FLLex von 3.2% zu 84.9% aller Etyma mit ähnlich großen Verbesserungen für jede FLLAPS-Periode. Veränderungen wurden vorgenommen, um DiaClef nur mithilfe eines Ausgangswerts und DiaSims diagnostischen Kriterien arbeiten zu lassen, aber oftmals reproduzierten sie unabhängig voneinander bestehende Forschungsresultate zur französischen Sprachgeschichte, was sowohl unsere Methoden als auch bestehende Analysen bestätigt. Wir diskutieren die Implikationen einiger unserer Resultate im Detail.