DAIVA ŠVEIKAUSKIENĖ

Istituto di lingua lituana

ARŪNAS RIBIKAUSKAS

Università tecnica Gediminas di Vilnius

VYTAUTAS ŠVEIKAUSKAS

Istituto di lingua lituana

Aree di ricerca scientifica: grammatica, linguistica computazionale.

UN SITO WEB MULTILINGUE SULLA GRAMMATICA DELLA LINGUA LITUANA

Sistema informativo online multilingue per la grammatica della lingua lituana

ANNOTAZIONE

Un anno fa, presso l’Istituto di lingua lituana, è stato avviato un progetto il cui obiettivo è rendere liberamente accessibile agli utenti su Internet la presentazione di dati dettagliati sulle proprietà grammaticali delle parole lituane. Nel marzo 2017 è stata preparata una versione di prova, che comprende soltanto parole con la radice «bėg» (cfr. il verbo «bėgti/correre»). La banca dati è composta da circa 25.000 record. Il progetto si propone di evitare le carenze dei lavori già esistenti nel campo della linguistica computazionale. Ciò riguarda l’ampiezza del lessico, la varietà dei dati grammaticali, la chiarezza e la comprensibilità della presentazione dei dati, ecc. Le informazioni grammaticali sulla parola inserita dall’utente sono presentate in tre sezioni: struttura della parola, dati morfologici e dati morfemici. Questo è il primo sito web in Lituania che fornisce agli utenti informazioni sui tipi di morfemi. Per ogni parola contenuta nella banca dati è possibile ottenere una tabella di flessione. Per alcune parole sono forniti anche esempi d’uso. Il sito web è disponibile in sette lingue: lituano, inglese, tedesco, francese, italiano, russo e giapponese, affinché possa essere utilizzato dagli stranieri interessati alla lingua lituana.

144

Acta Linguistica Lituanica LXXVII

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

PAROLE CHIAVE: grammatica, morfologia, morfema, sistema informativo, linguistica computazionale.

ANNOTAZIONE

The project was started in the Institute of Lithuanian language in 2016. It aims at presenting 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 covering the words with the root “bėg/run” was published in March 2017. The database contains around 25,000 entries. We are trying to avoid drawbacks that are specific to the words done in the field of computational linguistics. It includes word coverage, grammatical data comprehensiveness, clarity and clearness of presented information etc. Grammatical 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 morphemic types. One can get an inflection table for each word the database contains. Usage examples are given for some words. The information on the website is available in seven languages – Lithuanian, English, German, French, Italian, Russian, and Japanese – so foreigners interested in Lithuanian language can use it as well.

PAROLE CHIAVE: grammatica, morfologia, morfemica, sistema informativo, linguistica computazionale.

1. INTRODUZIONE: LINGUISTICA COMPUTAZIONALE

Fino alla metà del XX secolo, tutte le grammatiche venivano stampate su carta. Dopo la comparsa dei computer (nel 1942 fu costruito all’Università di Harvard il primo computer del mondo, il MARK I (Schwanke 1991: 69)), essi cominciarono a penetrare in ogni ambito della vita. Le lingue non fecero eccezione: ben presto fu chiaro che i computer potevano elaborare non solo numeri, ma anche simboli arbitrari. Di conseguenza, potevano elaborare anche le lingue. Diversi linguisti iniziarono a sviluppare descrizioni formali delle lingue, affinché le capacità dei computer potessero essere applicate anche alle lingue (Winograd 1983: 23). Nel campo dell’intelligenza artificiale, l’elaborazione del linguaggio divenne uno dei più importanti ambiti di applicazione (Charis 1989: 71). Dal 1968 al 1978, l’analisi grammaticale delle lingue fu il tema principale dei ricercatori di intelligenza artificiale (Nirenburg 1987: 26). Tuttavia, le lingue, che si piegano così facilmente agli esseri umani, si rivelarono un osso duro per i computer (Jensen, Heidorn,

Straipsniai / Articles

145

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBOKAS, VYTAUTAS ŠVEIKAUSKAS

Richardson 1993: 2). Deshalb konnten bislang keine guten Ergebnisse auf dem Gebiet der Sprachverarbeitung mit Hilfe von Computern erreicht werden.

1.1. METODI STATISTICI

I metodi statistici rivestono una grande importanza nell’elaborazione del linguaggio. Le prime proposte di utilizzarli furono avanzate poco dopo l’avvento dei computer. Ciò vale soprattutto per la lingua inglese. David W. Reed discusse l’analisi linguistica quantitativa (Reed 1949: 236). Weaver fu il primo a esprimere l’idea di usare i computer per le traduzioni. Nel 1949 propose di ricorrere a metodi statistici a tale scopo. Tuttavia, gli scienziati dell’epoca li abbandonarono dopo poco tempo, probabilmente a causa della quantità insufficiente di testi leggibili elettronicamente e delle prestazioni non particolarmente elevate dei computer di allora. Alcuni decenni più tardi, una volta raccolti i corpora testuali e constatata l’efficacia dell’applicazione di metodi statistici al riconoscimento delle lingue, si tornò a impiegare metodi statistici nella traduzione (Brown at al. 1990: 79). In Canada le condizioni erano particolarmente favorevoli, poiché, essendo il paese bilingue, tutto il materiale parlamentare veniva conservato in due lingue (inglese e francese). Fu quindi possibile raccogliere molto rapidamente una quantità sufficiente di testi paralleli (Al-Onaizan, Curin, anno 1999: 1). La struttura delle due lingue, cioè dell’inglese e del francese, è molto simile: l’ordine delle parole è rigido (in prima posizione si trova il soggetto, in seconda il predicato). Le somiglianze strutturali tra le lingue permisero di ottenere buoni risultati nella traduzione mediante metodi statistici. Ma questo non vale per la lingua lituana. Le traduzioni di Google, che utilizzano il metodo statistico, non producono finora buone traduzioni in lituano. Secondo i dati del 2017, i risultati delle traduzioni sia dall’inglese al lituano sia dal lituano all’inglese sono peggiori di quelli delle traduzioni inglese-lettone, lettone-inglese, inglese-estone ed estone-inglese (Skadinš 2017: 22).

I metodi statistici si sono diffusi anche in altri ambiti della linguistica. I primi lavori riguardavano la fonetica (Zipf 1929). Nel 1944 furono condotte indagini statistiche sul lessico letterario, ossia si studiò quanti vocaboli fossero stati usati una volta, quanti due volte, tre volte e così via (Yule 194: 9).

146

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

Dal 1973 si usa la denominazione dialettometria per indicare il settore della linguistica che si occupa dello studio quantitativo delle lingue e dei dialetti (Köhler, Altmann, Piotrowski 2005: 498).

Anche in morfologia sono stati applicati metodi statistici. Goldsmith descrive così l’algoritmo per individuare i morfemi in una parola: „algorithm that takes as input a list of words and provides as output a segmentation of the words into morphemes“ (Goldsmith 2010: 36).

Alla fine del secolo scorso, la letteratura russa descriveva tentativi di eseguire l’analisi sintattica automatica delle frasi mediante calcoli statistici. Gli studiosi russi proposero di determinare la struttura sintattica delle frasi non sulla base dell’analisi linguistica, bensì ricorrendo all’elaborazione statistica dei testi. Sostengono che ogni unità linguistica (parola, categoria sintattica della parola, costruzione sintattica) ricorre nel testo con una determinata frequenza. Per esempio, secondo i dati del dizionario inglese delle frequenze della valenza, il verbo ammette 195 diversi schemi di relazioni sintattiche. Tuttavia, i soli dieci schemi più frequenti rappresentano l’86% di tutti i casi presenti nei testi. Le regolarità statistiche vengono applicate anche alla struttura lineare della frase. Ogni classe di parole ha una frequenza che determina la distanza a cui può trovarsi dal punto iniziale. Il verbo inglese può comparire dalla seconda alla quinta posizione dall’inizio della frase con una probabilità di 0,7; con una probabilità di 0,95, invece, si trova dalla seconda alla decima posizione (Церкас 1979: 124).

In seguito, per l’analisi sintattica sono stati utilizzati dati provenienti da un corpus testuale (Köhler 2012: 31).

Finora, tuttavia, si sono ottenuti buoni risultati soltanto nell’elaborazione della lingua inglese. Vidas Daudaravičius, che si occupa di informatizzazione della sintassi lituana, afferma: „Naivų manyti, kad metodai, kurie sėkmingai taikomi anglų kalbai, tinka ir kitoms kalboms.“¹ (Daudaravičius 2012: 3).

Con l’aiuto dei metodi statistici si possono creare rapidamente sistemi veloci, ma a una condizione: bisogna tollerare un certo numero di errori (Link 1). Per questo motivo, presso l’Istituto di lingua lituana si è deciso di fare il minor ricorso possibile alla statistica, poiché si mira alla massima precisione e affidabilità dei dati.

¹ „È ingenuo pensare che i metodi utilizzati con successo per la lingua inglese siano adatti allo stesso modo anche alle altre lingue.“

Straipsniai / Articles

147

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAKAS, VYTAUTAS ŠVEIKAUSKAS

1.2. LA SITUAZIONE IN LITUANIA

Sono già stati realizzati molti lavori nel campo dell’informatizzazione della grammatica lituana. La maggior parte di essi è comprensibile solo agli specialisti di linguistica computazionale. Alcuni sono destinati anche al grande pubblico. Tuttavia, rispecchiano soltanto singole proprietà e caratteristiche delle parole e della grammatica. Per esempio, a Kaunas, presso l’Università Vytautas Magnus, è stato creato un database di morfemica basato su un corpus testuale. Vi mancano molte forme delle parole e si utilizzano moltissime abbreviazioni, non comprensibili a tutti. I morfemi sono separati da trattini e non vengono forniti dati sul tipo di morfema. Presso l’Istituto di Matematica e Informatica di Vilnius è stato creato un database di derivazione e morfemica. Vi sono indicati il tipo di morfema, nonché le parole base e determinanti (Murmulaitytė 2012: 96). Purtroppo il database non è liberamente accessibile. Perciò si è deciso di creare un sistema informativo completo, destinato al grande pubblico e in grado di offrire all’utente dati dettagliati.

Si possono osservare due estremi nella rappresentazione online delle informazioni grammaticali sul lituano: l’assenza persino delle forme delle parole più comuni e la presentazione di parole superflue, incomprensibili persino ai parlanti nativi. Nel sistema informativo per la grammatica lituana si cerca di evitare entrambi gli estremi. Tutte le forme delle parole vengono generate automaticamente dal computer a partire dal lemma della parola, ottenendo così l’intero insieme delle forme flesse. Tutte le derivazioni e composizioni possibili vengono inserite nel database. Non vi è quindi più alcuna forma mancante. In seguito, tutte le parole e le forme delle parole generate dal computer vengono controllate a mano e le varianti inesistenti sono eliminate. In questo modo si escludono le parole superflue.

2. I LAVORI DI LINGUISTICA COMPUTAZIONALE IN LITUANIA

In Lituania si possono distinguere due metodi di elaborazione computazionale del linguaggio. A Kaunas, presso il Centro di Linguistica Computazionale, i lavori vengono svolti sulla base di un corpus testuale. A Vilnius, presso l’università e l’Istituto di lingua lituana, si parte maggiormente dalle proprietà della lingua lituana stessa. Entrambi i metodi presentano vantaggi e svantaggi. Di seguito, ciò sarà illustrato con alcuni esempi.

148

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

2.1. LAVORI BASATI SU CORPUS TESTUALI

Presso l’Università Vytautas Magnus di Kaunas è stato creato un corpus testuale della lingua lituana contemporanea. Lo si utilizza per diversi tipi di elaborazione linguistica. Nell’ambito della grammatica, è stato creato un dizionario dei morfemi (Rimkutė, Kazlauskienė, Rąkinis 2011) e, alcuni anni dopo, anche un database. All’utente vengono forniti sia dati morfemici sia morfologici. Questa è la prima risorsa liberamente accessibile in cui la parola viene scomposta nei suoi morfemi. Purtroppo non viene indicato il tipo di morfema, e talvolta ciò porta a una rappresentazione fuorviante della struttura morfemica della parola. Questo accade quando parole con strutture diverse sono rappresentate allo stesso modo. Un esempio è mostrato nella figura 1. Le parole «per-ei-ti» (attraversare) e «per-ė-ti» (covare) differiscono appena nell’aspetto. Le strutture morfemiche delle due parole appaiono identiche nel database dei morfemi. Nella prima parola, tuttavia, il morfema «per» è il prefisso, mentre nella seconda la stessa prima sequenza «per» è la radice.

FIGURA 1. Parole con struttura morfemica diversa rappresentate allo stesso modo (Rimkutė, Kazlauskienė, Rąkinis 2011: 8, 35)

Come secondo difetto si può menzionare l’assenza persino di forme delle parole comuni. In lituano i participi hanno sei casi. La tabella 1 mostra la presenza delle forme della parola (singolare, maschile) del participio «bėgantis / che corre, che scorre» nel database dei morfemi.

Si osserva che manca persino il lemma (nominativo singolare) di questa parola. Anche le altre forme mancanti, per esempio il locativo (bėgančiame vandenyje / nell’acqua che scorre), non possono essere considerate rare o insolite. Sono quindi presenti soltanto 2 forme della parola su 6 casi.

Anche gli studiosi della seconda lingua baltica, il lettone, parlano di un numero insufficiente di forme delle parole nel corpus testuale (Paikens, Rituma, Pretkalniņa 2013: 272).

Straipsniai / Articles

149

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBIKAS, VYTAUTAS ŠVEIKAUSKAS

TABELLA 1.

La presenza nel database (Link 2) delle forme verbali del participio bēgantis / laufender, fließender al singolare, maschile

Caso

Parola

Database

Nominativo

bēgantis

manca

Genitivo

bēgančio

presente

Dativo

bēgančiam

manca

Accusativo

bēgantį

presente

strumentale

bēgančiu

manca

locativo

bēgančiame

manca

In totale:

6

2

2.2. PUNTO DI PARTENZA – LA LINGUA LITUANA

All’Università di Vilnius si parte dalle caratteristiche della lingua lituana. Il sito web Morfologija.lt (Link 3) presenta persino le tabelle di flessione della parola. Purtroppo ci sono molti spazi vuoti, talvolta per l’intero paradigma. A volte compaiono anche parole sconosciute e incomprensibili per un lituano, ad es. «sutikimoji» (Link 4) e simili. Presso l’Istituto di Matematica e Informatica di Vilnius è stata creata una banca dati per la formazione delle parole e la morfemica (Murmulaitytė 2012). Essa contiene informazioni di grande valore (il tipo di morfema, la parola base, la parola determinante, ecc.), ma purtroppo i dati non sono liberamente accessibili.

3. IL SISTEMA INFORMATIVO PER LA GRAMMATICA LITUANA

La lingua lituana appartiene al gruppo delle lingue meno informatizzate d’Europa (Vaišnienė, Zabarskaitė 2012: 35). Perciò si è deciso di creare un sistema informativo contenente dati dettagliati sulle proprietà grammaticali delle parole lituane. La necessità di creare più software per un’ampia cerchia di utenti è spesso sottolineata dagli studiosi che si occupano delle lingue baltiche. Nelle istruzioni delle conferenze BSNLP (Balto-Slavic Natural Language Processing) del 2015 e del 2017 si legge: «submissions

150

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

che descrivono sistemi messi a disposizione del pubblico più ampio sarebbero fortemente incoraggiati / sarebbero particolarmente incoraggiate le istituzioni che descrivono sistemi messi a disposizione del grande pubblico» (Link 5).

Per questo si è pensato di concepire il sistema informativo per la grammatica lituana per un’ampia cerchia di utenti e di presentare i dati nel modo più semplice e comprensibile possibile.

Di conseguenza, è stato scelto un web design responsivo (RW), per poter rispondere il meglio possibile alle esigenze degli utenti. Le informazioni grammaticali sulla parola vengono quindi disposte in riquadri (in inglese tiles) (Link 6). Perciò è possibile accedere al sito web anche con un telefono cellulare.

3.1. METODO DI CREAZIONE DELLA BANCA DATI

L’obiettivo dell’informatizzazione della grammatica è disporre in formato elettronico di tutte le informazioni grammaticali su ogni parola e su tutte le sue forme. Esistono due modi per conseguirlo. Il primo consiste nel creare una descrizione formale delle regole grammaticali (che sarebbe una sorta di strumento ausiliario) e poi lasciare che il computer generi le informazioni necessarie. Il secondo consiste nel memorizzare nel computer tutte le informazioni grammaticali relative a tutte le forme di tutte le parole e consultarle quando necessario. È ancora da discutere quale dei due approcci richieda più lavoro. Presso l’Istituto di Matematica e Informatica è stato sviluppato un software per l’analisi morfologica della lingua lituana (Zinkevičius 2000), utilizzando il primo metodo. Non è stato però possibile raggiungere un’accuratezza del 100%: vi sono dati errati e alcune parole lituane non vengono riconosciute.

Nello sviluppo del sistema informativo per la grammatica lituana si è rinunciato a questo approccio per il seguente motivo: perché il computer possa elaborare autonomamente le parole, occorre indicargli con grande precisione quali operazioni eseguire e su quale parola. È dunque necessario innanzitutto suddividere tutte le parole in gruppi in modo tale che a tutti i membri di ciascun gruppo si applichino le stesse regolarità, ossia che si possa utilizzare lo stesso metodo di elaborazione. Per assegnare una parola all’uno o all’altro gruppo, è necessario determinarne molte caratteristiche, in base alle quali le parole devono essere raggruppate. Ad es., nell’analisi sintattica della lingua lituana si usa la caratteristica semantica [tempo] per determinare la funzione sintattica dell’accusativo dei sostantivi. Nella frase «Visą naktį ji

Straipsniai / Articles

151

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBOKAS, VYTAUTAS ŠVEIKAUSKAS

skaitė šią knygą / Ha letto questo libro per tutta la notte.» e «Visą knygą ji perskaitė šią naktį / Ha letto tutto il libro in questa notte.» Le due parole knygą/libro e naktį/notte non differiscono per quanto riguarda le categorie morfologiche: entrambe sono femminili, singolari e all’accusativo; soltanto la caratteristica semantica [tempo], che possiede la parola naktis/notte e che la parola knyga/libro non possiede, consente al computer di interpretare correttamente la parola naktį/notte come complemento di tempo e la parola knygą/libro come oggetto nella frase. Qualcosa di simile deve essere fatto anche per la morfologia. Uno degli errori del software già realizzato per l’analisi morfologica della lingua lituana consiste nel considerare il morfema -ėj- un suffisso con radici alle quali non può essere unito. Occorre determinare le caratteristiche delle parole che consentano al computer di decidere a quali radici può unirsi questo suffisso -ėj-. Ma è molto complicato farlo. Quale caratteristica hanno, per esempio, in comune le parole geroė/Wohlhaben, žinovas/Kenner(Expert) e daržovė/Obst? Hanno tutte il suffisso -ov-. E che cosa le distingue da tutte le altre parole alle cui radici non si può aggiungere questo suffisso (non si può dire *kėdovė, derivato con il suffisso -ov- dalla parola kėdė/sedia)? E quale caratteristica lo indica?

Perciò, durante lo sviluppo del sistema informativo per la grammatica lituana, è stata scelta la seconda strada, vale a dire è stato preparato un database contenente informazioni grammaticali dettagliate su tutte le forme di tutte le parole della lingua lituana. In questo caso non occorre partire dalle categorie grammaticali (come avviene in tutte le grammatiche stampate su carta), bensì dalla parola stessa: per ogni parola deve essere resa disponibile all’utente tutta l’informazione a essa relativa.

Si è deciso di assumere una radice come punto di partenza e di sviluppare un software che rispecchiasse l’intera struttura della grammatica lituana. Come primo esperimento è stata scelta la radice bėg (dal verbo bėgti/correre). Sono poi state generate al computer tutte le derivazioni possibili e, in seguito, sono state eliminate manualmente tutte le parole inesistenti nella lingua lituana. Il database contiene complessivamente circa 25.000 voci.

3.2. CARATTERISTICHE DI «LIGIS»

Il sistema informativo per la grammatica della lingua lituana (Lietuvių kalbos gramatikos informacinė sistema – LIGIS) (link 7) presenta due caratteristiche essenziali. In primo luogo, fornisce all’utente informazioni più dettagliate su una parola specifica rispetto alle grammatiche stampate su carta. E

152

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

in secondo luogo, comprende più parole dei dizionari. Nelle grammatiche vengono enunciate le regole valide per un determinato gruppo di parole. Tuttavia, non vi sono elencate tutte le parole a cui si applica la regola. LIGIS raccoglie tutte le informazioni relative alla parola inserita dall’utente e le presenta su un sito web. Nei dizionari non sono incluse tutte le parole della lingua lituana: mancano molte derivazioni e parole composte. LIGIS comprende tutte le derivazioni possibili. Si può fare un esempio per un confronto. Il database dei morfemi contiene circa 75.000 voci. Queste, però, corrispondono a parole lituane diverse. Il database LIGIS è attualmente composto da 25.000 voci e comprende soltanto parole con un’unica radice: beg-. Nel database dei morfemi vi sono 118 parole con questa radice.

3.3. STRUTTURA DELLA PAROLA

Dopo l’inserimento della parola, all’utente viene illustrata la struttura della parola: sono indicati il lemma e la parola base, nonché la parola determinante nelle derivazioni e nelle composizioni. Se la parola è grammaticalmente ambigua, a ciascuno dei significati viene assegnato un numero di lemma. In seguito, i dati morfologici e morfemici vengono visualizzati con tale numero. Un esempio di parola ambigua è riportato nell’appendice A.

Altre forme. Questo è il nome del pulsante (in inglese button) situato nel riquadro della struttura della parola. Il sito web per l’analisi morfologica della lingua russa (link 8) mostra ogni volta tutte le forme della parola inserita. Nel sistema informativo per la grammatica lituana si è deciso di introdurre un pulsante e di consentire all’utente di richiamare tramite un link le altre forme, perché non sempre l’utente ha bisogno di tutte le forme di una parola.

3.4. DATI MORFOLOGICI

L’informazione morfologica comprende l’indicazione della categoria grammaticale e delle categorie grammaticali: caso, genere, numero per i sostantivi; persona, tempo, modo per i verbi ecc. Le parole ambigue vengono numerate quando, ad esempio, un sostantivo presenta alcune forme omonime di caso.

Nella banca dati per i morfemi (Link 2) sono presenti anche i dati morfologici relativi alla parola. Tuttavia, l’informazione è fornita interamente mediante abbreviazioni

Straipsniai / Articles

153

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBOKAS, VYTAUTAS ŠVEIKAUSKAS

Un esempio di questo tipo è riportato nella Figura 2. Per i non specialisti, un numero così elevato di abbreviazioni può spesso risultare incomprensibile. In particolare, per gli stranieri che studiano o imparano la lingua lituana, le informazioni presentate in questo modo possono talvolta risultare poco chiare.

FIGURA 2. Dati sulla parola begčio, presentati interamente mediante abbreviazioni (Link 2)

Nel sistema informativo per la grammatica lituana non si utilizzano abbreviazioni. Tutte le informazioni sono riportate per esteso (Appendice A).

3.5. DATI MORFEMICI

La differenza più importante rispetto alle banche dati già consultabili consiste nell’indicazione del tipo di ciascun morfema. Solo in questo modo si ottiene una rappresentazione inequivocabile dei morfemi di una parola. Altrimenti, per esempio, non è possibile distinguere la seconda radice di una parola composta dal suffisso, come accade nella banca dati di morfemica.¹

La prima e decisiva caratteristica era la rappresentazione dei morfemi con colori diversi. A ogni tipo di morfema (radice, prefisso, suffisso, desinenza) è stato assegnato un colore. I prefissi sono scritti in blu. Per la radice è stato usato il rosso. I suffissi sono rappresentati in verde e per la desinenza è stato scelto il nero.

Inoltre, la parola scomposta in morfemi viene disposta verticalmente e, accanto a essa, non viene indicata soltanto la denominazione del tipo di ciascun morfema della parola, ma anche le caratteristiche del morfema, se ne possiede, ad esempio per un suffisso: derivazionale o flessivo; per le desinenze: abbreviate, pronominalizzate e simili. Nel caso delle desinenze abbreviate, molto diffuse nella lingua parlata, accanto a esse viene mostrata anche la desinenza completa. Come esempio si possono citare le parole nella der gesprochenen Sprache: šnekamoje kalboje – desinenze complete, šnekamoj kalboj – desinenze abbreviate. Se la parola ha la desinenza completa, non viene indicata alcuna caratteristica relativa alla lunghezza, poiché la maggior parte delle parole presenta desinenze complete e un’informazione del genere sarebbe superflua. Se

154

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

Se la desinenza non è pronominalizzata, non vengono fornite neppure informazioni al riguardo.

Le alterazioni fonetiche sono considerate una proprietà della radice. Possono consistere sia in mutamenti consonantici sia in mutamenti vocalici. Nella lingua lituana si può osservare un altro tipo di alterazione fonetica: la caduta di consonanti nell’imperativo. Anche gli infissi rientrano tra le alterazioni fonetiche della radice di una parola. Una proprietà del prefisso è considerata la sua origine: da una preposizione, da una particella oppure di origine internazionale.

In caso di ambiguità grammaticale delle parole, si esaminano le strutture morfemiche. Se sono identiche, viene descritta una sola struttura. Se invece presentano differenze, le strutture morfemiche vengono indicate per ciascun significato della parola (Anhang A).

3.6. TUTTE LE FORME DELLA PAROLA

Per ogni parola contenuta nella banca dati, è possibile consultare la tabella di flessione facendo clic sul pulsante «Altre forme». Vi sono riportati tutti i dati della scheda morfologica. Nella parte superiore della tabella sono indicate le categorie non incluse nella tabella di flessione: per esempio, nella lingua lituana i sostantivi non si flettono per genere; pertanto, nella parte superiore della tabella vengono indicati il genere, il lemma e la categoria grammaticale. Aggettivi e participi hanno tre generi, ma una particolarità della lingua lituana è che solo due di essi (maschile e femminile) possiedono tutti e sei i casi. Il terzo genere ha una sola forma, che perciò è indicata senza denominazione del caso (Anhang B). Per i verbi sono presentate tutte le forme dei tempi in tutti i modi (Anhang D).

Le classi di coniugazione e quelle di declinazione risultano quindi superflue, perciò non vengono forniti dati al riguardo.

Per alcune parole, nella tabella di flessione sono inseriti anche esempi d’uso. A tal fine si utilizza la visualizzazione rapida (in inglese tooltip). Nell’Anhang C, la parola «bėgis» è riportata come esempio (accusativo singolare del sostantivo bėgis / binario ferroviario, pista).

3.7. LA BANCA DATI

Nello sviluppo della banca dati si è puntato alla massima qualità e affidabilità possibile. Perciò una parte considerevole del lavoro è stata svolta a mano

Straipsniai / Articles

155

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAKAS, VYTAUTAS ŠVEIKAUSKAS

realizzata, perché solo con l’aiuto dell’essere umano è possibile ottenere un’informazione il più possibile affidabile (Sulger 2013: 53).

Presso l’Istituto di lingua lituana sono state condotte ricerche sui prefissi lituani. È stato constatato che nella lingua lituana esistono circa 600 combinazioni di prefissi (Šveikauskienė 2015: 195). Per «combinazioni» si intendono diversi insiemi di prefissi che possono comparire prima della radice, ad es. at-bėgi, nu-bėgi, ne-be-at-bėgti, ne-nu-bėgti, te-be-bė-ti ecc. È emerso che solo 220 di queste combinazioni si usano con le radici dei verbi; le altre, ad es. nuo-, si usano con i sostantivi: nuo-monė /l’opinione. Il software è stato progettato in modo da collegare automaticamente la radice a tutte le possibili combinazioni di prefissi. In seguito, i risultati forniti dal computer vengono verificati da persone e le parole effettivamente esistenti nella lingua lituana vengono inserite nella banca dati. In questo modo si riesce a evitare due estremi: sia l’eccessivo numero di forme generate dal computer, sia l’insufficienza del repertorio di parole.

Tutti i lemmi e le relative informazioni grammaticali vengono inseriti a mano nella banca dati. Poiché il software sviluppato presso l’Istituto di matematica e informatica non commette errori nella generazione delle forme delle parole a partire dal lemma dato, si è ritenuto di poter affidare al computer la formazione automatica delle voci relative alle altre forme delle parole.

È degno di nota che in LIGIS vengano trattate anche le parole con desinenze abbreviate. Tali parole sono molto frequenti nella lingua parlata e nessuna delle banche dati già esistenti tratta queste forme delle parole. Va inoltre sottolineato che LIGIS contiene anche derivati assenti persino dal dizionario della lingua lituana in 20 volumi e dalla sua versione elettronica (Link 9), ad es. neužbėgti/non correre più verso l’alto.

Nella banca dati le informazioni sono conservate in una forma adatta all’elaborazione informatica, ossia viene utilizzata la codifica in Prage Markup Language (Hana, Štepánek 2012). Questa forma dei dati non viene presentata su Internet, perché sarebbe superflua per chi non è specialista di linguistica computazionale.

Il fatto che tutte le informazioni siano conservate in una banca dati rende LIGIS uno strumento utile anche per i linguisti che studiano la lingua lituana. È possibile ottenere informazioni di vario genere, ad es. cercare parole con una determinata combinazione di prefissi e suffissi, tra le altre cose.

156

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

3.8. MULTILINGUISMO DEL SITO WEB

Il sito web è disponibile in sette lingue: lituano, inglese, tedesco, francese, italiano, russo e giapponese. La necessità di disporre di un sito web multilingue è stata determinata dalla scarsa qualità delle traduzioni di Google dal lituano. La traduzione automatica dalla lingua lituana è inaffidabile. Perciò si è deciso di rendere multilingue il sito web dedicato alla grammatica lituana e di utilizzare esclusivamente testi tradotti da persone. La situazione per le altre lingue non è evidentemente molto migliore. Ne è prova la lettera di Lingvist dell’8 giugno 2017, nella quale si chiede che la traduzione della denominazione LINGUIST sia affidata a madrelingua e che non venga in nessun caso effettuata automaticamente (LinguiList 2017: 28.252).

Nel decidere di rendere multilingue il sito web, la nostra idea era la seguente: se uno straniero, ad es. un norvegese, impara o studia la lingua lituana e conosce alcune parole lituane, ma non ancora altre, può scegliere una lingua che conosce meglio del lituano, ad es. il tedesco, e tutte le parole lituane a lui sconosciute gli diventeranno comprensibili. A questo scopo è stata prevista persino la memorizzazione della parola inserita dall’utente quando si cambia lingua. Quindi, se un utente sceglie un’altra lingua, non deve inserire di nuovo la parola.

4. PROGETTI PER IL FUTURO

All’Università di Vilnius sono disponibili in formato digitale molti dizionari bilingui. Presso l’Istituto di lingua lituana è stato digitalizzato il grande dizionario in 20 volumi, così come gli altri dizionari monolingui: dizionari di sinonimi, antonimi, fraseologismi e altri ancora. È previsto collegare i due tipi di dizionari al sistema informativo della grammatica lituana e realizzare un analogo del sito web tedesco CANOONET (Link 10).

Poiché il sistema informativo per la grammatica della lingua lituana contiene dati sui morfemi, è possibile effettuare una ricerca di parole basata sul modello morfemico. Ed è proprio questo che è previsto per il futuro.

Una scheda (in inglese tab) del sito web LIGIS è dedicata alla teoria ed è attualmente in fase di elaborazione. Vi saranno presentate conoscenze approfondite e accademiche sulla grammatica lituana.

Straipsniai / Articles

157

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAKAUSKAS, VYTAUTAS ŠVEIKAUSKAS

Nella prima fase ci si occupa di morfologia. Al secondo livello dovranno essere inseriti anche dati sintattici.

5. Conclusioni

1. Questo approccio può essere utile e sensato anche per altre lingue fortemente flessive.

2. Il sistema informativo per la grammatica lituana può essere di grande utilità per gli alunni, gli studenti e gli stranieri che imparano il lituano, nonché per i linguisti che studiano la lingua lituana.

3. I dati raccolti possono servire anche come documentazione della lingua lituana.

Literaturverzeichnis

Al – Onaizan Yaser, Curin Jan, Jahr Michael, Knight Kevin, Lafferty John, Melamed Dan, Och Franz – Josef, Purdy David, Smith Noah A., Yarowsky David 1999: Statistical Machine Translation. – Final Report JHU Workshop. http://mt-archive.info/JHU-1999-AlOnaizan.pdf (Zugriff am 21.11. 2017).

Brown Peter F., Cocke John, Della Pietra Stephen A., Della Pietra Vincent J., Jelinek Frederick, Lafferty John D., Mercer Robert L., Roossin Paul S. 1990: A Statistical Approach to Machine Translation. – Computational Linguistics Volume 16, Number 2, June, 79–85. http://www.aclweb.org/anthology/J90-2002 (Zugriff am 21.11. 2017).

Charniak Christopher E. 1989: Artificial Intelligence & Turbo C. Homewood: Dow Jones-Irwin.

Daudaravičius Vidas 2012: Teksto skaidymas pastoviųjų junginių segmentais. Daktaro disertacijos santrauka. Kaunas: Vytauto Didžiojo universitetas.

Goldsmith John A. 2010: Segmentation and Morphology. The Handbook of Computational Linguistics and Natural Language Processing. Wiley-Blackwell, 364–393.

Han Jirka, Štěpánek Jan 2012: Prague Markup Language Framework. Procedings of the 6th Linguistic Annotation Workshop. Jeju, Republic of Korea, 12–13 July, 12–21.

Jensen Karen, Heidorn George Emil, Richardson Stephen D. 1993: Natural language processing: The PLNLP Approach. Boston / London: Kluwer Academic Publishers.

158

Acta Linguistica Lithuanica XXVII

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

Köhler Reinhard 2012: Quantitative Syntax Analysis. De Gruyter Mouton.

Köhler Reinhard, Altmann Gabriel, Piotrowski Rajmund G. 2005: Quantitative Linguistik. Berlin / New York: Walter de Gruyter.

Linguist List 2017: 28.254, Qs: How do you say the LINGUIST List in your language? 08 Jun 2017. [email protected].

Murmulaitytė Daiva 2012: Lietuvių kalbos morfemikos ir žodžių darybos tyrimų perspektyvos. – Žmogus ir žodis 1(14), 96–102.

Nirenburg Sergei 1987: Machine Translation: Theoretical and Methodological Issues. London: Cambridge University Press.

Paikens Pēteris, Rūma Laura, Pretkalniņa Lauma 2013: Morphological Analysis with limited resources: Latvian example. Proceedings of the 19th Nordic Conference of Computational Linguistics. (NODALIDA 2013); Linköping Electronic Conference Proceedings #85, 267–277.

Reed David W. 1949: A Statistical Approach to Quantitative Linguistic Analysis, WORD, 5:3, 235–247, DOI: 10.1080/00437956.1949.11659355.

Rimkutė Erika, Kazlauskienė Asta, Raškinis Gailius 2011: Dažnis lietuvių kalbos žodyne. Kaunas: VDU.

Schwanke Martina 1991: Maschinelle Übersetzung: Ein Überblick über Theorie und Praxis. Berlin: Springer-Verlag.

Skadiņš Raivis 2017: Neural MT and other Language Technologies at TILDE. http://school.gramaticframework.org/2017/slides/Ravis-Neural_MT_at_Tilde.pdf (zugegriffen 2017.11.21).

Sulger Sebastian, Butt Miriam, King Tracy Holloway, Meurer Paul 2013: ParGramBank: The ParGram Parallel Treebank. – Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics, Sofia, Bulgaria, 550–560. http://aclweb.org/anthology/P/P13/P13-1054.pdf (zugegriffen 2017.11.21).

Šveikauskienė Daiva 2015: Morphemic structure of the Lithuanian prefixes. – Language: Meaning and Form 6. – Language System and Language Use. Rīga: Latvijas universitāte, 189–197.

Vaišnienė Daiva, Zabarskaitė Jolanta 2012: The Lithuanian Language in the Digital Age. – G. Rehm, H. Uszkoreit White Paper Series. Heidelberg / New York / Dordrecht / London: Springer.

Winograd Terry 1983: Language as a Cognitive Process 1. Syntax. London: Addison-Wesley Publishing Company.

Straipsniai / Articles

159

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAKAS, VYTAUTAS ŠVEIKAS

Yule George Udny 1944: The Statistical Study of Literary Vocabulary. Cambridge MA, Cambridge university press.

Zinkevičius Vytautas 2000: Lemoklis – morfologinė analizė. – Darbai ir dienos 24, 245–273.

Zipf George Kingsley 1929: Relative frequency as a Determinant of Phonetic Change. – Harvard studies in classical philology 40, 1–95.

Сердюков Пётр Иванович 1979: Оптимизация алгоритма поиска синтаксических 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)

Link 3: http://morfologija.lt/ (Zugriff am 21.11. 2017)

Link 4: http://morfologija.lt/zodzio-formos/sutikimas (Zugriff am 21.11. 2017)

Link 5: http://bsnlp-2017.cs.helsinki.fi/cfp.html (Zugriff am 21.11. 2017)

Link 6: https://de.wikipedia.org/wiki/Microsoft_Windows_8#Oberfl.C3.A4che (Zugriff am 21.11. 2017)

Link 7: http://ligis.lki.lt/ (Zugriff am 21.11. 2017)

Link 8: http://goldlit.ru/component/slog (Zugriff am 21.11. 2017)

Link 9: http://www.lkz.lt/Visas.asp?zodis (Zugriff am 21.11. 2017)

Link 10: http://www.canoo.net/ (Zugriff am 21.11. 2017)

160

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

ANHANG A. GRAMMATISCHE INFORMATION.

Beispiel des grammatisch mehrdeutigen Wortes nubəɡti / hinlaufen-hingelaufen.

Die grammatische Information wird in der Website in Kacheln ausgelegt.

Diese Darstellungsweise ist günstig für responsives Webdesign – RWD.

Bemerkung: Die Farben sind im Bild entfernt.

Straipsniai / Articles

161

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBOKAS, VYTAUTAS ŠVEIKAUSKAS

ANHANG B. FORMENtABELLE FÜR DEKLINATION.

Als Beispiel wird die Flexion des Partizips nubėtas / hingelaufene in allen drei Genera und allen Kasus angeführt.

NUBĖTASPARTIZIP II, PASSIV, PRÄTERITUMMännlichSingularPluralNominativnubėtasnubėtiGenitivnubėtonubėtųDativnubėtamnubėtiemsAkkusativnubėtąnubėtusInstrumentalnubėtunubėtaisLokativnubė tamenubėtuoseWeiblichSingularPluralNominativnubėtanubėtosGenitivnubėtosnubėtųDativnubėtainubė tomsAkkusativnubėtąnubėtasInstrumentalnubėtanubėtomisLokativnubėtojenubėtoseNeutrumnubėta

162

Acta Linguistica Lithuanica LXXVI

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

ANHANG C. TOOLTIP FÜR VERWENDUNGSBEISPIELE.

Als Beispiel wird die Schnellinfo für die Akkusativ-Singular-Form bėgį des Substantivs bėgis / Lauf, Getriebe, Eisenbahnschiene angeführt.

Straipsniai / Articles

163

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAKAS, VYTAUTAS ŠVEIKAS

ANANG D. FORMENTABELLE FÜR KONJUGATION.

Als Beispiel wird die Flexion des Verbs bėgti / laufen in allen Tempusformen und Modi angeführt.

164

Acta Linguistica Lithuanica LXXVII

Eine mehrsprachige Website zur Grammatik der litauischen Sprache

Daugakalbė lietuvių kalbos gramatikos informacinė sistema internete

SANTRAUKA

Lietuvių kalbos kompiuterizavimo darbuose galima pastebėti du pagrindinius trūkumus: trūksta kartais net ir dažnai vartojamų formų ir pateikiami pertekliniai, lietuvių kalboje neegzistuojantys žodžiai. Kuriant Lietuvių kalbos gramatikos informacinę sistemą (LIGIS) stengiamasi išvengti jų abiejų. Visos formos generuojamos kompiuteriu automatiškai ir vėliau gauti rezultatai peržiūrimi žmogaus, kad būtų atmesti lietuvių nesuprantami žodžiai.

Lietuvių kalbos gramatikos informacinė sistema apima visus darinius. Šiuo metu duomenų bazę sudaro tik šakn inės beg-žodžiai. Jų yra apie 25 000. Palyginimui galima pateikti tokius duomenis: morfemos duomenų bazę sudaro yra apie 75 000 įrašų, bet jie surinkti iš visos lietuvių kalbos leksikos. Su šaknimi beg- ten yra 118 žodžių.

Kuriant Lietuvių kalbos gramatikos informacinę sistemą pagrindinis tikslas buvo pateikti išsamią gramatinę informaciją plačiajai visuomenei. Todėl buvo stengiamasi duomenis atvaizduoti kuo aiškiau ir suprantamiau. Svetainė pritaikyta naudotis ir mobiliuosiuose telefonuose.

Vartotojas, pateikęs žodį, gauna trijų tipų informaciją apie jį: žodžio struktūrą (pradinę formą bei pamatinį žodį dariniams), morfologinę informaciją (kalbos dalis bei jos morfologinės kategorijos – linksnis, giminė, skaičius, laikas, laipsnis ir t. t.) ir morfeminiai duomenys – žodis išskaidytas morfemomis, nurodant morfemos tipą bei požymius, jei morfema jų turi, pavyzdžiui, priesaga – darybinė / kaitybinė, galūnė – įvardžiuotinė, sutrumpėjusi ir kt. Kiekviena morfema žymima vis kita spalva. Reikia pabrėžti, kad Lietuvių kalbos gramatikos informacinė sistema yra pirmasis tinklapis Lietuvoje, kur vartotojui pateikiama informacija apie morfemos tipą. Be to, apdorojami ir žodžiai su sutrumpėjusiomis galūnėmis, kurios labai paplitusios, ypač šnekamojoje kalboje.

Kiekvienam duomenų bazėje esančiam žodžiui vartotojas gali gauti visą kaitybinę lentelę. Kai kuriems žodžiams pateikiama vartojimo pavyzdžių.

Kuriant Lietuvių kalbos gramatikos informacinę sistemą siekiama kuo didesnio tikslumo ir patikimumo. Todėl visos temos (žodžių pradinės formos – vardininkas, bendratis) suvedamos į duomenų bazę rankomis. Kaitybines formas sugeneruoti patikėta kompiuteriui, nes šiame jo darbe nebuvo pastebėta klaidų.

Svetainė pateikiama septyniomis kalbomis: lietuvių, anglų, vokiečių, prancūzų, italų, rusų ir japonų.

Ateityje planuojama Lietuvių kalbos gramatikos informacinę sistemą jungti su skaitmenintais žodynais ir sukurti vokiečių tinklapio CANOONET analogą.

Straipsniai / Articles

165

DAIVA ŠVEIKAUSKIENĖ, ARŪNAS RIBAUSKAS, VYTAUTAS ŠVEIKAUSKAS

Įteikta 2017 m. rugsėjo 5 d.

DAIVA ŠVEIKAUSKIENĖ

Petro Vileišio g. 5, LT-10308 Vilnius, Lietuva [email protected]

ARŪNAS RIBAUSKAS

Saulėtekio al. 11, LT-10221 Vilnius, Lietuva [email protected]

VYTAUTAS ŠVEIKAUSKAS

Petro Vileišio g. 5, LT-10308 Vilnius, Lietuva [email protected]

166

Acta Linguistica Lithuanica LXVII