Eine mehrsprachige Website zur Grammatik der litauischen Sprache

144 Acta Linguistica Lithuanica LXXVII DAIVA ŠVEIKAUSKIENĖ Institut für litauische Sprache ARŪNAS RIBIKAUSKAS Gediminas technische Universität Vilnius VYTAUTAS ŠVEIKAUSKAS Litván Nyelvi Intézet Tudományos kutatási irányok: grammatika, számítógépes nyelvészet. EGY TÖBBNYELVŰ GRAMMATIKAI WEBOLDAL DER LITAUISCHEN SPRACHE Daugiakalbė lietuvių kalbos gramatikos informacinė sistema internete ANNOTÁCIÓ Egy évvel ezelőtt a Litván Nyelvi Intézetben megkezdték egy olyan projekt kidolgozását, amelynek célja, hogy a litván szavak grammatikai tulajdonságaira vonatkozó részletesebb adatok bemutatását szabadon hozzáférhetővé tegye a felhasználó számára az interneten. 2017 márciusában elkészült egy próbaverzió, amely csak a „bėg” tővel rendelkező szavakat tartalmazza (vö. a „bėgti/futni” igét). Az adatbázis mintegy 25 000 adatrekordból áll. A projekt célja, hogy elkerülje a számítógépes nyelvészet területén már meglévő munkák hiányosságait. Ez többek között a szavak számát, a grammatikai adatok sokoldalúságát, valamint az adatok bemutatásának világosságát és érthetőségét érinti. A felhasználó által megadott morfématípusokról szóló grammatikai információt a felhasználó kapja meg. Az bene Wort wird in drei Bereichen dargestellt: Struktur des Wortes, morphologische Daten und morphemische Daten. Dies ist die erste Website in Litauen, auf der die Information adatbázisban szereplő minden egyes szóhoz lekérhető egy ragozási táblázat. Egyes szavakhoz használati példák is meg vannak adva. A weboldal hét nyelven érhető el: litvánul, angolul, németül, franciául, olaszul, oroszul és japánul, hogy a litván nyelv iránt érdeklődő külföldiek is használhassák. Straipsniai / Articles 145 Eine mehrsprachige Website zur Grammatik der litauischen Sprache KULCSSZAVAK: Grammatika, morfológia, morfématan, információs rendszer, számítógépes nyelvészet. ANNOTÁCIÓ A projekt 2016-ban indult a Litván Nyelv Intézetében. Célja a „bėg/fut” gyököt tartalmazó senting detailed data about the grammatical features of Lithuanian words. The goal is to make those data freely accessible to any user on the Internet. The preliminary version szavak előkeresése; 2017 márciusában tették közzé. Az adatbázis körülbelül 25 000 bejegyzést tartalmaz. Igyekszünk elkerülni azokat a hiányosságokat, amelyek a kal adatok teljességére, a works done in the field of computational linguistics. It includes word coverage, grammatibemutatott információk áttekinthetőségére és egyértelműségére stb. jellemzőek. cal information about the word in question is presented from three aspects: word structure, morphological data, and morphemic data. It is the first website in Lithuania providing Grammatikai morfématípusok. Az adatbázisban szereplő minden egyes szóhoz lekérhető egy ragozási táblázat. Néhány szóhoz használati példákat is megadunk. A weboldalon található seven languages – Lithuanian, English, German, French, Italian, Russian, and Japanese – információk olyan formában érhetők el, hogy a litván nyelv iránt érdeklődő külföldiek is használhassák. KULCSSZAVAK: Nyelvtan, morfológia, morfématan, információs rendszer, számítógépes nyelvészet. 1. BEVEZETÉS: SZÁMÍTÓGÉPES NYELVÉSZET A 20. század közepéig A században minden nyelvtant papírra nyomtattak. A számítógépek megjelenése után (1942-ben építették meg a világ első számítógépét, a MARK I-et a Harward Egyetemen (Schwanke 1991: 69)), elkezdtek behatolni az élet minden területére. A nyelvek sem képeztek kivételt: hamar világossá vált, hogy a számítógépek nemcsak számokat, hanem tetszőleges szimbólumokat is képesek feldolgozni. Következésképpen nyelveket is fel tudnak dolgozni. Több nyelvész elkezdte a nyelvek formális leírásainak kidolgozását, hogy a számítógépek képességeit a nyelvekre is alkalmazni lehessen (Winograd 1983: 23). A mesterséges intelligencia területén a nyelvfeldolgozás az egyik legfontosabb alkalmazási területté vált (Chabris 1989: 71). 1968-tól 1978-ig a nyelvek grammatikai elemzése volt a mesterséges intelligenciát kutatók legfontosabb témája (Nierenburg 1987: 26). A nyelvek azonban, amelyek oly könnyen engedelmeskednek az embereknek, kemény diónak bizonyultak a számítógépek számára (Jensen, Heidorn, DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 146 Acta Linguistica Lithuanica LXXVII Richardson 1993: 2). Ezért mindeddig nem sikerült jó eredményeket elérni a nyelvfeldolgozás területén számítógépek segítségével. 1.1. STATISZTIKAI MÓDSZEREK A nyelvfeldolgozásban a statisztikai módszereknek igen nagy jelentőségük van. Az első javaslatokat a használatukra röviddel a számítógépek megjelenése után tették. Ez különösen az angol nyelvre vonatkozik. Dawid W. Reed a kvantitatív nyelvészeti elemzést tárgyalja (Reed 1949: 236). Warren Weaver volt az első, aki felvetette a számítógépek fordításra való használatának gondolatát. 1949-ben azt javasolta, hogy erre statisztikai módszereket alkalmazzanak. Az akkori tudósok azonban rövid idő elteltével elvetették ezt, valószínűleg az elektronikus úton olvasható szövegek elégtelen mennyisége, valamint az akkori számítógépek nem túl nagy teljesítőképessége miatt. Néhány évtizeddel később, amikor a szövegkorpuszokat összegyűjtötték, és a statisztikai módszerek alkalmazása a beszédfelismerésben jó eredményeket hozott, ismét visszatértek a fordításban alkalmazott statisztikai módszerekhez (Brown at al. 1990: 79). Kanadában erre különösen kedvezőek voltak a feltételek, mivel ott a parlament teljes anyagát a két hivatalos nyelv miatt két nyelven (angolul és franciául) tárolják. Ezért elegendő mennyiségű párhuzamos szöveget nagyon gyorsan össze lehetett gyűjteni (Al-Onaizan, Curin, 1999: 1). A két nyelv, azaz az angol és a francia szerkezete nagyon hasonló: a szórend kötött (az első helyen az alany, a második helyen az állítmány áll). A nyelvek szerkezetének hasonlóságai lehetővé tették, hogy statisztikai módszerekkel jó fordítási eredményeket érjenek el. A litván nyelv esetében azonban nem ez a helyzet. A statisztikai módszert alkalmazó Google-fordítások mindeddig nem nyújtanak jó fordításokat litván nyelvre. A 2017. évi adatok szerint mind az angol–litván, mind a litván–angol fordítás eredményei rosszabbak, mint az angol–lett, lett–angol, angol–észt és észt–angol fordításéi (Skadiņš 2017: 22). A statisztikai módszerek a nyelvészet más területeire is behatoltak. Az első munkák a fonetikát érintették (Zipf 1929). 1944-ben statisztikai vizsgálatokat végeztek az irodalmi lexikonon, vagyis azt vizsgálták, hány szót használtak egyszer, hány szót kétszer, háromszor és így tovább. (Yule 1944: 9). Cikkek / Articles 147 Eine mehrsprachige Website zur Grammatik der litauischen Sprache 1973 óta a dialektometria megnevezést használják a nyelvészet azon területének jelölésére, amely a nyelvek és nyelvjárások kvantitatív kutatásával foglalkozik (Köhler, Altmann, Piotrowski 2005: 498). Hasonlóképpen statisztikai módszereket alkalmaztak a morfológia területén is. Goldsmith a következőképpen írja le a morfémák szóban való meghatározására szolgáló algoritmust: „algorithm that takes as input a list of words and provides as output a segmentation of the words into morphemes“ (Goldsmith 2010: 365). A múlt század végén az orosz szakirodalom olyan kísérletekről számol be, amelyek célja mondatok automatikus szintaktikai elemzésének elvégzése volt statisztikai számítások segítségével. Az oroszországi tudósok azt javasolták, hogy a mondatok szintaktikai struktúráját ne nyelvészeti elemzés alapján határozzák meg, hanem a szövegek statisztikai feldolgozását alkalmazzák. Azt állították, hogy minden nyelvi egység (szó, a szó szintaktikai kategóriája, szintaktikai konstrukció) bizonyos gyakorisággal fordul elő a szövegben. Például az angol valenciafrekvencia-szótár adatai szerint 195 különböző szintaktikai kapcsolati minta jellemző az igére. Azonban önmagában a tíz leggyakrabban előforduló minta teszi ki a szövegekben használt esetek 86%-át. Statisztikai törvényszerűségeket a mondat lineáris szerkezetére vonatkozóan is alkalmaznak. Minden szófajnak megvan a maga gyakorisága, amellyel a kiindulóponttól bizonyos távolságra előfordulhat. Az angol nyelv igéje 0,7 valószínűséggel állhat a mondat kezdetétől számított második–ötödik pozícióban. És 0,95 valószínűséggel a második–tizedik pozícióban fordul elő (Сердюков 1979: 124). Később egy szövegkorpuszból származó adatokat használtak fel a szintaktikai elemzéshez (Köhler 2012: 31). Jelenleg azonban jó eredményeket csak az angol nyelv feldolgozásában értek el. Vidas Daudaravičius, aki a litván szintaxis számítógépesítésének területén dolgozott, kijelenti: „Naiv dolog azt gondolni, hogy az angol nyelvre sikeresen alkalmazott módszerek más nyelvekhez is megfelelnek.”1 (Daudaravičius 2012: 3). A statisztikai módszerek segítségével gyorsan létrehozhatók gyorsan működő rendszerek, de egy feltétellel: bizonyos számú hibát tolerálni kell (Link 1). Ezért a Litván Nyelv Intézetében úgy határoztak, hogy a lehető legkevésbé támaszkodnak a statisztikára, mivel az adatok lehető legnagyobb pontosságára és megbízhatóságára törekednek. 1 „Naiv dolog azt gondolni, hogy az angol nyelvre sikeresen alkalmazott módszerek a többi nyelvhez is ugyanúgy megfelelnek.” DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 148 Acta Linguistica Lithuanica LXXVII 1.2. DIE LAGE IN LITAUEN A litván grammatika számítógépesítésének területén már számos munka elkészült. Többségük csak a számítógépes nyelvészet szakértői számára érthető. Néhányuk a széles nyilvánosság számára is készült. Azonban csak a szavak és a nyelvtan egyes tulajdonságait és jellemzőit tükrözik. Például a kaunasi Vytautas Nagy Egyetemen egy szövegkorpuszon alapuló morféma-adatbázist hoztak létre. Ott sok szóalak hiányzik, és nagyon sok rövidítést használnak, amelyek nem mindenki számára érthetők. A morfémákat kötőjellel választják el, és nem közölnek adatokat a morféma típusáról. A vilniusi Matematikai és Informatikai Intézetben a szóalkotás és a morfématan számára adatbázist hoztak létre. Ott fel van tüntetve a morféma típusa, valamint az alapszavak és a meghatározó szavak (Murmulaitytė 2012: 96). Sajnos az adatbázis szabadon nem hozzáférhető. Ezért úgy döntöttek, hogy átfogó információs rendszert hoznak létre, amelyet a széles nyilvánosságnak szánnak, és amelynek részletes adatokat kell biztosítania a felhasználó számára. A litván nyelvtani információ internetes bemutatásában két szélsőség figyelhető meg. Ezek: még a gyakori szóalakok hiánya, valamint fölösleges, még az anyanyelvi beszélő számára is érthetetlen szavak bemutatása. A litván grammatika információs rendszerében arra törekednek, hogy elkerüljék ezt a két szélsőséget. Minden szóalakot automatikusan, számítógéppel, a szó lemmájából kiindulva generálnak, így megkapják a ragozási alakok teljes sorát. Minden lehetséges származékot és összetételt bejegyeznek az adatbázisba. Így többé nem hiányoznak a szóalakok. Ezután a számítógép által létrehozott valamennyi szót és szóalakot kézzel ellenőrzik, és törlik a nem létező változatokat. Így érhető el a felesleges szavak kizárása. 2. A MUNKÁK A SZÁMÍTÓGÉPES NYELVÉSZET LITVÁNIÁBAN Litvániában a nyelv számítógépes feldolgozásának két módszerét különböztethetjük meg. Kaunasban a számítógépes nyelvészet központjában a munkálatokat egy szövegkorpusz alapján végzik. Vilniusban, az egyetemen és a Litván Nyelvi Intézetben inkább magának a litván nyelvnek a sajátosságaiból indulnak ki. Mindkét módszernek vannak előnyei és hátrányai. A továbbiakban ezt néhány példán keresztül mutatjuk be. Straipsniai / Articles 149 Eine mehrsprachige Website zur Grammatik der litauischen Sprache 2.1. TEXTKORPUS-BASIERTE ARBEITEN An der Universität Vytautas’ des Großen in Kaunas wurde ein Textkorpus der litauischen Gegenwartssprache erstellt. Man benutzt es für verschiedene A nyelvfeldolgozás típusai. A grammatika területén létrehoztak egy morfémikával foglalkozó szótárt (Rimkutė, Kazlauskienė, Raškinis 2011), majd néhány évvel később egy adatbázist is. A felhasználó morfémikai és morfológiai adatokat egyaránt kap. Ez az első szabadon hozzáférhető forrás, amelyben a szót morfémákra bontják. Erre egy példa az 1. ábrán látható. A „per-ei-ti” (átmenni) és a „per-ė-ti” (költeni) Typ des Morphems wird leider nicht angegeben und manchmal führt das zu einer verwirrenden Darstellung der morphemischen Struktur des Wortes. Das ist der Fall, wenn Wörter mit verschiedener Struktur gleich dargestellt werden. szavak külsőleg alig különböznek. A két szó morfémaszerkezete ugyanolyannak tűnik a morfémikai adatbázisban. Az első szóban azonban a „per” morféma előtag, a második szóban pedig ugyanez az első morféma, a „per”, a gyökér. 1. ÁBRA. Az eltérő morfémikus szerkezetű szavak azonos módon vannak ábrázolva (Rimkutė, Kazlauskienė, Raškinis 2011: 8, 35). Második hiányosságként megemlíthető még a közismert szóalakok hiánya is. A litván nyelvben a melléknévi igeneveknek hat esetük van. Az 1. táblázatban a szóalakok (egyes szám, hímnem) előfordulása Partizips „bėgantis / laufender, fließender“ in der Datenbank für Morphemik gezeigt. Kiderül, hogy még e szó szótári alakja (alanyeset, egyes szám) is hiányzik. A többi hiányzó alakot sem, például a helyhatározó esetet (bėgančiame vandenyje / a folyó vízben), nem tekinthetjük ritkán előfordulónak vagy kevéssé ismertnek. Így a hat esetből mindössze 2 szóalak van jelen. A második balti nyelv, a lett nyelv tudósai achen auch von einer unzureichenden Zahl an Wortformen im Textkorpus (Paikens, Rituma, Pretkalniņa 2013: 272). DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 150 Acta Linguistica Lithuanica LXXVII 1. TÁBLÁZAT A bėgantis / laufender, fließender participium szóalakjainak előfordulása az adatbázisban (2. hivatkozás), egyes számban, hímnemben Eset Szó Adatbázis Nominativ bėgantis fehlt Genitiv bėgančio vorhanden Részes eset bėgančiam hiányzik Tárgyeset bėgantį megtalálható Instrumental bėgančiu fehlt Helyhatározói eset bėgančiame hiányzik Insgesamt: 6 2 2.2. AUSGANGSPUNKT – DIE LITAUISCHE NYELV A Vilniusi Egyetemen a dar szó litván len tulajdonságaiból indulnak ki. Sajnos sok Sprache aus. Die Website Morfologija.lt (Link 3) stellt sogar die Flexionstabelüres hely van, néha egy egész paradigma esetében. Ismeretlen és egy litván számára érthetetlen szavak is előfordulnak néha, például a „susitikimoji” (4. link) és hasonlók. A Vilniusi Matematikai és Informatikai Intézetben létrehoztak egy adatbázist a szóalkotásról és a morfémikáról (Murmulaitytė 2012). Ebben nagyon értékes információ található (a morféma típusa, alapszó, meghatározó szó stb.), de az adatok sajnos nem szabadon hozzáférhetők. 3. A LITVÁN NYELVTAN INFORMÁCIÓS RENDSZERE A litván nyelv Európa legkevésbé számítógépesített nyelvei közé tartozik (Vaišnienė, Zabarskaitė 2012: 35). Ezért úgy döntöttek, hogy létrehoznak egy információs rendszert, amely részletes adatokat tartalmaz a litván szavak grammatikai tulajdonságairól. A széles felhasználói kör számára több szoftver létrehozásának szükségességét a balti nyelvekkel foglalkozó tudósok gyakran hangsúlyozzák. A BSNLP (Balto-Slavic Natural Language Processing) konferencia 2015-ös, valamint 2017-es útmutatójában ez áll: „submissions describing systems, that are made available to the wider public would be strongly encouraged / Straipsniai / Articles 151 Eine mehrsprachige Website zur Grammatik der litauischen Sprache besonders gefördert werden die Einreichungen, die der breiten Öffentlichkeit zur Verfügung gestellte Systeme beschreiben“ (5. hivatkozás). Ezért felmerült az a gondolat, hogy a litván nyelvtan információs rendszerét széles felhasználói kör számára alakítsák ki, és az adatokat a lehető legegyszerűbben és legérthetőbben jelenítsék meg. Ennek megfelelően reszponzív webdizájnt (RWD) választottak, hogy a lehető legjobban megfelelhessenek a felhasználók igényeinek. Következésképpen a szóra vonatkozó grammatikai információt csempékbe (angolul tiles) rendezték (6. hivatkozás). Ezért a weboldal mobiltelefonról is elérhető. 3.1. A DALÉTREHOZÁSÁNAK MÓDSZERE TENBANK A nyelvtan számítógépesítésének célja, hogy minden szóról és annak valamennyi alakjáról a teljes nyelvtani információ elektronikus formában álljon rendelkezésre. Ennek elérésére két út kínálkozik. Az első út az, hogy létrehozzuk a nyelvtani szabályok formális leírását (ez egyfajta segédeszköz lenne), majd a szükséges adatokat a számítógéppel generáltatjuk. A második út az, hogy minden szó valamennyi alakjának teljes nyelvtani információját eltároljuk a számítógépben, és szükség esetén kiolvassuk. Arról, hogy melyik eljárás igényel több munkát, még vitatkozni kell. A Matematikai és Informatikai Intézetben kifejlesztették a litván nyelv morfológiai elemzésére szolgáló szoftvert (Zinkevičius 2000), amelyhez az első módszert használták. Nem sikerült azonban 100%-os pontosságot elérni: vannak hibás adatok, egyes litván szavakat pedig nem ismer fel. A litván grammatika információs rendszerének fejlesztése során ezt az utat a következő okból vetették el: Ahhoz, hogy a számítógép maga tudja feldolgozni a szavakat, nagyon pontosan meg kell adni neki, hogy melyik szóval milyen műveleteket kell végeznie. Tehát először minden szót olyan módon kell csoportokra osztani, hogy egy csoport minden tagjára ugyanazok a szabályszerűségek vonatkozzanak, azaz ugyanazt a feldolgozási módszert lehessen alkalmazni. Ahhoz, hogy a szót az egyik vagy a másik csoportba soroljuk, számos olyan jellemzőt kell meghatározni, amelyek alapján a szavakat csoportosítani kell. Például a litván nyelv szintaktikai elemzésében a [Idő] szemantikai jegyet használják annak meghatározására, hogy a syntaktischen Funktion von Akkusativ der Substantive. Im Satz „Visą naktį ji DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 152 Acta Linguistica Lithuanica LXXVII skaitė šią knygą / Egész éjjel ezt a könyvet olvasta.” és „Visą knygą ji perskaitė šią naktį / Az egész könyvet ezen az éjszakán olvasta.” A knygą/Könyv és a naktį/Éjszaka szavak morfológiai kategóriáik tekintetében nem különböznek – mindkettő nőnemű, egyes számú, tárgyesetű, és csak a [Idő] szemantikai jegy, amellyel a naktis/Éjszaka szó rendelkezik, a knyga/Könyv szó pedig nem, teszi lehetővé, hogy a számítógép helyesen tekintse a naktį/Éjszaka szót időhatározónak, a knygą/Könyv szót pedig a mondat tárgyának. Valami hasonlót kell tenni a morfológia esetében is. A litván nyelv morfológiai elemzésére már létrehozott szoftver egyik hibája abban áll, hogy a -ėjas morfémát olyan gyökerek mellett szuffixumnak tekinti, amelyekkel nem léphet kapcsolatba. Meg kell határozni azoknak a szavaknak a jegyeit, amelyek alapján a számítógép eldönthetné, hogy ez a -ėjin toldalék mely szótövekkel kapcsolódhat össze. De ezt nagyon bonyolult megtenni. Milyen közös jellemzője van például a gerovė/jólét, žinovas/ismerő/értő és daržovė/gyümölcs szavaknak? Az, hogy mindegyikükben megtalálható a -ovtoldalék. És mi különbözteti meg őket az összes többi olyan szótól, amelynek tövéhez ez a toldalék nem kapcsolható (nem mondhatjuk azt, hogy *kėdovė – a -ovtoldalékkal képzett származék a kėdė/szék szóból)? És melyik jegy mutatja ezt? Ezért a litván nyelvtan információs rendszerének kidolgozásakor a második utat választották, vagyis olyan adatbázist készítettek, amely a litván nyelv valamennyi szavának valamennyi alakjáról részletes nyelvtani információval rendelkezik. Itt nem a nyelvtani kategóriákból kell kiindulni (ahogyan ez minden papíron nyomtatott nyelvtan esetében történik), hanem magából a szóból: minden egyes szó esetében a hozzá kapcsolódó teljes információt a felhasználó rendelkezésére kell bocsátani. Kezdetként úgy döntöttek, hogy egy gyökeret vesznek alapul, és olyan szoftvert fejlesztenek ki, amely a litván nyelvtan egész szerkezetét tükrözi. Első próbaként a bėg gyököt választották (a bėgti/futni igéből). Ezután számítógéppel generálták az összes lehetséges származékot, majd kézzel törölték a litván nyelvben nem létező összes szót. Az adatbázis összesen mintegy 25 000 bejegyzést tartalmaz. 3.2. A „LIGIS” SAJÁTOSSÁGAI A litván nyelv nyelvtanának információs rendszere (Lietuvių kalbos gramatikos informacinė sistema – LIGIS) (7. hivatkozás) két lényeges jellemzővel rendelkezik. Először is a papíron nyomtatott nyelvtanoknál részletesebb információt ad a felhasználónak egy konkrét szóról. És Straipsniai / Articles 159 Eine mehrsprachige Website zur Grammatik der litauischen Sprache Köhler Reinhard 2012: Kvantitatív szintaktikai elemzés. De Gruyter Mouton. Köhler Reinhard, Altmann Gabriel, Piotrowski Rajmund G. 2005: Kvantitatív nyelvészet. Berlin / New York: Walter de Gruyter. Linguist List 2017: 28.2524, K: Hogyan mondják az Ön nyelvén azt, hogy LINGUIST List? 2017. június 08. [email protected]. Murmulaitytė Daiva 2012: A litván nyelv morfémikájának és szóalkotásának kutatási perspektívái. – Žmogus ir žodis 1(14), 96–102. Nirenburg Sergei 1987: Gépi fordítás: elméleti és módszertani kérdések. London: Cambridge University Press. Paikens Pēteris, Rituma Laura, Pretkalniņa Lauma 2013: Morfológiai elemzés korlátozott erőforrásokkal: lett példa. A számítógépes nyelvészet 19. északi konferenciájának tanulmánykötete. (NODALIDA 2013); Linköping Electronic Conference Proceedings #85, 267–277. Reed David W. 1949: A kvantitatív nyelvészeti elemzés statisztikai megközelítése, WORD, 5:3, 235–247, DOI: 10.1080/00437956.1949.11659355. Rimkutė Erika, Kazlauskienė Asta, Raškinis Gailius 2011: A litván nyelv gyakorisági szótára. Kaunas: VDU. Schwanke Martina 1991: Gépi fordítás: Áttekintés az elméletről és gyakorlatról. Berlin: Springer-Verlag. Skadiņš Raivis 2017: Neurális gépi fordítás és egyéb nyelvtechnológiák a TILDE-nél. http:// school.grammaticalframework.org/2017/slides/Raivis-Neural_MT_at_Tilde.pdf (hozzáférés dátuma: 2017.11.21). Sulger Sebastian, Butt Miriam, King Tracy Holloway, Meurer Paul 2013: ParGramBank: A ParGram párhuzamos fa korpusza. – A Számítógépes Nyelvészeti Társaság 51. éves konferenciájának tanulmánykötete, Szófia, Bulgária, 550–560. http:// aclweb.org/anthology/P/P13/P13-1054.pdf (hozzáférés dátuma: 2017.11.21). Šveikauskienė Daiva 2015: A litván prefixumok morfémaszerkezete. – Nyelv: jelentés és forma 6. – Nyelvi rendszer és nyelvhasználat. Rīga: Lettország Egyeteme, 189–197. Vaišnienė Daiva, Zabarskaitė Jolanta 2012: A litván nyelv a digitális korban. – G. Rehm, H. Uzhkoreit White Paper Series. Heidelberg / New York / Dordrecht / London: Springer. Winograd Terry 1983: A nyelv mint kognitív folyamat 1. Szintaxis. London: Addison-Wesley Publishing Company. DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 160 Acta Linguistica Lithuanica LXXVII Yule George Udny 1944: The Statistical Study of Literary Vocabulary. Cambridge MA, Cambridge university press. Zinkevičius Vytautas 2000: Lemuoklis – morfologinei analizei. – Darbai ir dienos 24, 245–273. Zipf George Kingsley 1929: A relatív gyakoriság mint a fonetikai változás meghatározó tényezője. – Harward studies in classical philology 40, 1–95. Сердюков Пëтр Иванович 1979: A szintaktikai keresési algoritmus optimalizálása ческих связей. – Международный семинар по машинному переводу. Москва: ВЦП, 123–125. LINKS Link 1: http://www.digitalgrammars.com/ (Zugriff am 21.11. 2017) Link 2: http://tekstynas.vdu.lt/page.xhtml?id=morfema-db (Zugriff am 21.11. 2017) 3. link: http://morfologija.lt/ (Hozzáférés: 2017.11.21.) 4. link: http://morfologija.lt/zodzio-formos/susitikimas (Hozzáférés: 2017.11.21.) 5. link: http://bsnlp-2017.cs.helsinki.fi/cfp.html (Hozzáférés: 2017.11.21.) 6. link: https://de.wikipedia.org/wiki/Microsoft_Windows_8#Oberfl.C3. A4che (Hozzáférés: 2017.11.21.) 7. link: http://ligis.lki.lt/ (Hozzáférés: 2017.11.21.) 8. link: http://goldlit.ru/component/slog (Hozzáférés: 2017.11.21.) 9. link: http://www.lkz.lt/Visas.asp?zodis (Hozzáférés: 2017.11.21.) 10. link: http://www.canoo.net/ (Hozzáférés: 2017.11.21.) Cikkek / Articles 161 Eine mehrsprachige Website zur Grammatik der litauischen Sprache ANHANG A. GRAMMATISCHE INFORMATION. A nyelvtanilag többértelmű nubėgti / odafutni-odafutott szó példája. A nyelvtani információ a weboldalon csempékben van elrendezve. Ez az ábrázolási mód kedvező a reszponzív webdesign – RWD számára. Megjegyzés: A színeket eltávolították a képről. DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 162 Acta Linguistica Lithuanica LXXVII ANHANG B. FORMENTABELLE FÜR RAGOZÁS. Példaként a nubėgtas / odafutott melléknévi igenév ragozása szerepel mindhárom nemben és valamennyi esetben. Cikkek / Articles 163 Eine mehrsprachige Website zur Grammatik der litauischen Sprache C. FÜGGELÉK. ESZKÖZTIPP A HASZNÁLATI PÉLDÁKHOZ. Als Beispiel wird die Schnellinfo für die Akkusativ-Singular-Form bėgį des A bėgis / futás, hajtómű, vasúti sín főnév szerepel. DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 164 Acta Linguistica Lithuanica LXXVII D. FÜGGELÉK. A IGERAGOZÁSHOZ TARTOZÓ ALAKTÁBLÁZAT. Als Beispiel wird die Flexion des Verbs bėgti / laufen in allen Tempusformen és módok felsorolva. Straipsniai / Articles 165 Eine mehrsprachige Website zur Grammatik der litauischen Sprache Daugiakalbė lietuvių kalbos gramatikos informacinė sistema internete SANTRAUKA A litván nyelv számítógépes feldolgozásával kapcsolatos munkákban két fő hiányosság figyelhető meg: néha még a gyakran használt alakok is hiányoznak, és felesleges, a litván nyelvben nem létező szavakat is közölnek. A litván nyelv nyelvtanának információs rendszerét (LIGIS) létrehozva mindkettőt igyekeznek elkerülni. Minden alakot a számítógép automatikusan generál, majd a kapott eredményeket ember ellenőrzi, hogy kiszűrjék a litván tami žodžiai. Lietuvių kalbos gramatikos informacinė sistema apima visus darinius. Šiuo metu duomenų bazę sudaro tik šaknies bėgžodžiai. Jų yra apie 25 000. Palyginimui galima pateikti tokius számára érthetetlen adatokat: a morfémikai adatbázis mintegy 75 000 bejegyzést tartalmaz, de ezeket a teljes litván szókészletből gyűjtötték össze. A gyökerekkel együtt csupán 118 szó van. A litván nyelv nyelvtanának információs rendszerét létrehozva az volt a fő cél, hogy a széles nyilvánosság számára átfogó nyelvtani információkat biztosítsanak. Ezért igyekeztek az adatokat a lehető legvilágosabban és legérthetőbben megjeleníteni. A weboldalt mobiltelefonokon való használatra is alkalmassá tették. A felhasználó, miután megad egy szót, háromféle információt kap róla: a szó szerkezetét (a kiinduló forma, valamint a képzett szavak esetében az alapszavak), morfológiai információt (a szófajt és annak morfológiai kategóriáit – eset, nem, szám, idő, fokozat stb.), valamint morfémaadatokat – a szót morfémákra bontva, feltüntetve a morféma típusát és jegyeit, ha a morfema jų turi, pavyzdžiui, priesaga – darybinė / kaitybinė, galūnė – įvardžiuotinė, sutrumpėjusi ir kt. Kiekviena morfema žymima vis kita spalva. Reikia pabrėžti, kad Lietuvių nyelvtan információs rendszere az első olyan honlap Litvániában, amely a felhasználó számára információt nyújt a morféma típusáról. Emellett a rövidített végződésű szavakat is feldolgozzák, amelyek különösen a beszélt nyelvben nagyon elterjedtek. Az adatbázisban szereplő minden szóhoz a felhasználó megkaphatja a teljes ragozási táblázatot. Egyes szavakhoz használati példákat is megadnak. ebben a munkájában nem észleltek hibákat. A Kuriant Lietuvių kalbos gramatikos informacinę sistemą siekiama kuo didesnio tikslumo ir patikimumo. Todėl visos lemos (žodžių pradinės formos – vardininkas, bendratis) suvedamos į duomenų bazę rankomis. Kaitybines formas sugeneruoti patikėta kompiuteriui, nes webhely hét nyelven érhető el: litvánul, angolul, németül, franciául, olaszul, oroszul és japánul. A jövőben tervezik a Litván nyelv grammatikai információs rendszerét összekapcsolni a digitalizáltnintais žodynais ir sukurti vokiečių tinklapio CANOONET analogą. DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAUSKAS, VYTAUTAS ŠVEIKAUSKAS 166 Acta Linguistica Lithuanica LXXVII Beérkezett 2017. szeptember 5-én DAIVA ŠVEIKAUSKIENĖ Petro Vileišio u. 5., LT-10308 Vilnius, Litvánia [email protected] ARŪNAS RIBIKAUSKAS Saulėtekio al. 11., LT-10221 Vilnius, Litvánia [email protected] VYTAUTAS ŠVEIKAUSKAS Petro Vileišio u. 5., LT-10308 Vilnius, Litvánia [email protected]