QuanLing：西罗曼语语言距离量化的跨分支验证

量化亲缘关系较近的语言之间的距离，是定量语言学的重要难题。此前研究提出QuanLing，即利用预训练语言模型进行定量语言学分析的框架，将句子嵌入距离、分词碎片率等语言距离指标与基于掩码语言模型预测概率的语言属性分析结合，并在北日耳曼语的丹麦语、挪威书面语和瑞典语上验证。本文将QuanLing扩展到西部罗曼语，包括法语、葡萄牙语、西班牙语和意大利语，沿用此前的指标体系和聚合规则，并适配英语锚点及四语言平行样本，以检验跨语支适用性。我们使用150组四语言平行句子，计算LaBSE句子嵌入距离、四个单语BERT分词器的分词碎片率，以及mBERT掩码语言模型的相互理解程度。葡萄牙语与西班牙语最接近，LaBSE距离为0.0229；法语与意大利语最远，为0.0338。六对语言中，LaBSE与mBERT对四对的排序一致，显示跨模型稳健性。西部罗曼语的绝对距离跨度大于北日耳曼语，分别为0.011和0.008，相对比率则相近，为1.48和1.67，与更长的语言分化时间相符。法语的掩码语言模型可预测性更高，top-1准确率为36.12%，意大利语为29.28%，反映其文字与语音之间的解耦。这项跨语支验证进一步支持QuanLing能够用于不止一个语支。