赵志靖

摘 要：编辑距离是一种距离测量法，源于将一个字符串变换为另一个字符串所需要的编辑操作数。该方法能够自动将语言进行分类，最近这些年在西方很受关注。文章结合国外两个语言学研究对其应用做了分析讨论。针对Greenhill对于编辑距离语言分类方法的质疑，文章认为其有改进的空间，同时，应该探索其在汉藏语系语言研究中的应用。

关键词：编辑距离 同言线 ASJP 语言分类

最近几年，编辑距离被证明测量语言或方言间距离是有效的（Gooskens and Heeringa，2004；Gooskens，2007；Kurschner，Gooskens and Bezooijen，2008；Gooskens，2013）。编辑距离可应用于不同的语言学领域，如计算语言学和方言学等。Kessler（1995）第一次将编辑距离应用于测量爱尔兰盖尔语方言之间的距离。从那以后，有很多的研究用这种方法来测量语言或方言间的距离。Nerbonne et al.（1996）应用编辑距离测量20种荷兰方言间距离；Heeringa（2004）则通过测量荷兰的从东北到西南的27种方言间的距离进一步展示了编辑距离的功能；Bolognesi and Heeringa（2002）、Gooskens and Heeringa（2004）、Gooskens（2007）和Nerbonne and Siedle（2005）分别应用编辑距离测量撒丁语、挪威语、斯堪的纳维亚语和德语。以上大部分研究的是欧洲语言。除此之外，编辑距离还被应用于印欧语系（Serva and Petroni，2008；Tria et al.，2010），南岛语系（Petroni and Serva，2008），突厥语（van der Ark et al.，2007），印度伊朗语系（van der Ark et al.，2007），玛雅语系、米塞-索克语系、奥托-曼格安语系、Huitotoan-Ocaina、Tacanan、Chocoan、穆斯科格语系、南亚语系（Brown et al.，2007； Holman et al.，2008；Bakker et al.，2009）。

一、编辑距离简介

编辑距离又称Levenshtein距离（Levenshtein Distance，简称LD），是由俄国科学家Vladimir Levenshtein于1965年提出的（Levenshtein，1965），是一种常用的距离函数度量方法。编辑距离算法的发明使字符串差异得以量化，多年来在自然语言处理、自动拼写检查乃至DNA基因序列相似性检查方面都有建树，近年来有语音学家利用编辑距离思想处理语言的语音相似性问题。……