Кратко и по делу.
Происхождение и функционирование верлановских форм
- Что такое верлан: словообразовательная процедура, основанная на перестановке слогов (обычно инверсия), с дальнейшими фонетическими и орфографическими адаптациями для удобства произнесения и узнаваемости. Примеры: «meuf» ← «femme», «keuf» ← «flic», «reum» ← «mère».
- Механизм:
- разбиение на слоги → инверсия (AB → BA);
- фонологическая коррекция (вставка/удаление гласных, ассимиляция) для соблюдения фонотактики: e.g. $femme[fam]$ → инверсия → $[maf]$ → фонетическое упрощение/реализация → $meuf$;
- орфографическая транскрипция по разговорной норме (пишут как слышат);
- иногда повторная верланизация или рекодирование (реверлан) для стилизации/маркировки группы.
- Функции в речи:
- маркеры групповой идентичности и стигматизации/игры с табуированными лексемами (euphemism/эвфемизация);
- средство стилизации (молодёжный/периферийный регистр), секретности, иронии;
- источник новых лексем при интеграции в повседневный лексикон.
Жизненный цикл сленгового слова (этапы)
- Обобщённая схема: $1$ — новаторство (coinage), $2$ — локальное употребление, $3$ — распространение в сообществе, $4$ — лексикализация/стабилизация (фономорфология и написание фиксируются), $5$ — диффузия в массовую культуру/медиа, $6$ — (а) кодификация/включение в словари или (б) устаревание/утрата.
- Каждый этап сопровождается изменением частот, соотносимости с оригиналом, вариативности написания и стилистических оттенков.
- Переходы можно фиксировать через временные ряды частот и показатель распространённости в разных субкорпусах (улица vs. СММ vs. СМИ).
Методика документирования в корпусе молодёжной речи
1) Сбор данных
- источники: запись разговорной речи (интервью, фокус‑группы), чаты и мессенджеры, социал‑медиа, стенограммы радио/подкастов, школьные форумы; с учётом этики и согласий.
- метаданные для каждого документа: дата, место, возраст, пол, социальный фон, канал коммуникации, регион.
2) Пред‑обработка
- приведение текста к единой кодировке; сохранение «сырой» орфографии + нормализованные формы в отдельном поле;
- автоматическая токенизация, нормализация эмодзи/смайлов, сегментация предложений.
3) Аннотация (обязательные поля на уровне токена)
- лемма (стандартная и «верланизированная»), POS, морфея, верлан‑метка (булево), исходная лексема (если реконструируема), вариативный графемный тип, уровень уверенности аннотатора.
- примечание: фиксировать несколько орфографических вариантов (meuf, meufe, meuf’).
4) Поиск и кластеризация вариантов
- правила и регулярные выражения для типичных перестановок слогов; фонетические правила для автоматического предложения исходной формы;
- кластеризация по расстоянию Левенштейна с порогом, например $d\le 2$, и по фонетической близости (алгоритмы Soundex/Metaphone).
5) Количественные метрики
- относительная частота в момент времени $t$: $$f_{rel}(w,t)=\frac{count(w,t)}{N_t}$$ - скорость роста/падения: $${\Delta }_{t_1\to t_2}(w)=\frac{f_{rel}(w,t_2)-f_{rel}(w,t_1)}{f_{rel}(w,t_1)}$$ - взаимосвязи/коллокации: $$PMI(w,c)=\log \frac{P(w,c)}{P(w)P(c)}$$ 6) Диахронический и социолингвистический анализ
- строить временные ряды частот по подкорпусам (возраст, регион, канал);
- сетевой анализ распространения в социальных графах (k‑core, инфлюенсеры);
- сопоставление с нормативными текстами/словарями для фиксации кодификации.
7) Верификация и качество
- ручная валидация образцов (стратифицированная выборка), расчёт согласия аннотаторов (например, $\kappa$-коэффициент Каппа);
- поддерживать версионность корпуса и фиксацию даты/контекста каждого наблюдения.
8) Этические и правовые аспекты
- анонимизация, соблюдение законов о данных, получение согласий, особенно при записи речи несовершеннолетних.
Практические рекомендации (коротко)
- фиксировать «сырые» орфографии и нормализованные формы параллельно;
- снабжать каждый экземпляр полной социодемографической меткой;
- автоматизировать извлечение вероятных верланов через шаблоны инверсии, затем ручная проверка;
- регулярно обновлять корпус и публиковать метрики распространённости и тенденций.
Если нужно, могу прислать: $i$) список регулярных выражений для выявления верлана; $ii$) пример схемы аннотации в CSV/CoNLL.