High Quality Syntactic Annotated Corpus of Lithuanian – VILSINTEKS

252 Ac a Linguis ica Li huanica LXXIII (Li wische Sp ach e zeichnis) DAIVA ŠVEIKAUSKIENĖ Ins i u e o Li huanian Language Fo schungsbe eiche: compu e ges ü z e Linguis ik, Baumbanken, Laye de Anme kungen. HIGH QUALITY SYNTACTIC Anme kungen zu den Tex en LITHUANIAN […] VILSINTEKS Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS Anme kung Dieses Papie en häl eine doppel e Anme kung, die ü die hochwe ige Anme kung des li auischen Ko pus e wende wi d. Um assende In o ma ionen übe einen Sa z we den in eine Tabelle angegeben, und die syn ak ische S uk u eines Sa zes wi d in einem Bild da ges ell . Es we den die E ah ungen ande e Sp achen genu z und die Besonde hei en de li auischen Sp ache be ücksich ig . Die Unzulänglichkei de Baum ep äsen a ion ü die syn ak ische S uk u de li auischen Sä ze wi d du ch die s a is isch kommen ie en Beispiele gezeig . Das Ziel de E s ellung des anno ie en Ko pus mi aus üh lichen In o ma ionen wi d eben alls deu lich be on . Es we den Beispiele ü die kommen ie en Sä ze gegeben, die die Besonde hei en de li auischen Sp ache wide spiegeln. Schlüsselwö e : syn ak ische , kommen ie e Ko pus; g a ische Da s ellung de syn ak ischen S uk u ; Schich en de Anme kungen im li auischen Ko pus; unzu eichende Rep äsen a ion on Bäumen ü li auische Sä ze; Ziel des syn ak ischen anno ie en Ko pus. ANOTACIJA (in anzösische Sp ache) S aipsnyje ap a iamas d iem lygmenimis a liekamas ano a imas, naudojamas aukš os kokybės ano uo am lie u ių kalbos eks ynui suku i. Išsami In o ma ionen übe die S uk u sakinį nu odoma len elėje, o sin aksinė sakinio nub aižoma g a iškai. Naudojamasi άλλων kalbų pa i imi, a siž elgian į speci inius lie u ių kalbos b uožus. Medžio nepakankamumas aizduojan lie u ianische Sp ache sakinių sin aksinę s uk ū ą S aipsniai A ikel 253 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS pa odomas s a is iniu me odu ano uo ų sakinių pa yzdžiais. S aipsnyje aip pa aiškiai pab ėžiamas ano uo o eks yno, ku iame bus sukaup a išsami in o macija, kū imo ikslas. Pa eikiami ano uo ų sakinių pa yzdžiai, a spindin ys speci inius lie u ių kalbos b uožus. Pa eikiami ano uo ų sakinių pa yzdžiai, a spindin ys speci inius lie u ių kalbos b uožus. ESMINIAI ŽODŽIAI: sin aksiškai ano uo as eks ynas, sakinio s uk ū os aizda imas g a u, eks yno ano a imo lygmenys, medžio nepakankamumas aizduojan lie u ių kalbos sakinius, eks yno kū imo ikslas. 1. Einlei ung Die e s e Anme kung on Co po a wa ein Teil des Sp ach ags POST [Chu ch 1988: 136]. Eine solche Anme kung inde sich in de Penn T eebank. Spä e wu den ande e Sä ze einge üh , die die syn ak ischen In o ma ionen en hiel en. Sie wu den du ch die Ve wendung e schiedene Sys eme da ges ell [A well e al. 2000: 12]. Im Jah 2012 e wähn e Köhle Folgendes: […]...es gib keinen allgemeinen S anda d da ü , wie Co po a s uk u ie und no ie we den soll en[…] [Köhle 2012: 32]. Dahe wi d das li auische Co pus VILSINTEKS un e Be ücksich igung de Besonde hei en de li auischen Sp ache […] eine g oßen Menge an Beugung und eine eien Wo o dnung in einem Sa z kommen ie . Von den beiden üh enden A en de syn ak ischen S uk u ep äsen a ion, nämlich de Ph asens uk u g amma ik und de Abhängigkei sg amma ik, wu de le z e e ü das Li auische gewähl , weil […]... die Abhängigkei sg amma ik die meis en S uden en on Sp achen mi ela i eie Wo o dnung angezogen ha ...[…] [Kay, Gaw on und No ig 1994: 55]. Die häu igs e Da s ellung de syn ak ischen S uk u is ein Baum [Allen 1987: 41]. De Name des syn ak isch kommen ie en Ko pus […] T eebank […] is mi diesem Beg i e wand . De Name de li auischen Baumbank en häl das Wo "Baum" nich , weil die syn ak ische S uk u einige li auische Sä ze du ch einen G aphen mi einem Zyklus da ges ell wi d, d. h. e e üll nich die Bedingungen, die du ch die De ini ion eines Baumes es geleg sind, da ein Baum ein e bundene acyklische G aph is [Swamy, Thulasi aman 1984: 33]. Das Ak onym VILSINTEKS bedeu e VILniaus SIN aksinis TEKS ynas […] Vilnius-Syn axko pus. 2. Anme kung des Li auischen Ko ps In le z e Zei wu de iel übe den ge ingen Compu e isie ungsg ad de li auischen Sp ache gesag und gesch ieben. Nach den Da en des META-NET DAIVA ŠVEIKAUSKIENĖ 254 des Ac a Linguis ica Li huanica LXXIII-P ojek s, Li auisch gehö zu G uppe de am wenigs en compu e isie en eu opäischen Sp achen [Vaišnienė, Zaba skai ė 2012: 35]. Die ü ande e Sp achen en wickel e So wa e lie e bei de Anwendung au die li auische Sp ache keine zu iedens ellenden E gebnisse. Es is höchs e Zei , nich übe die ge inge Compu e isie ung de li auischen Sp ache zu sp echen, sonde n übe die Quali ä ih e Compu e isie ung. Dahe lohn es sich, au die li auische Sp ache zu ückzuschauen und zu e suchen, eine eigene hochwe ige Compu e isie ung de so wa e o he compu e iza ion o he Li huanian language so as o p oduce li auischen Sp ache zu scha en. Die e s en Bemühungen um die syn ak ische Anme kung des li auischen Ko pus wu den 2013 un e nommen. Das syn ak ische kommen ie e Ko pus VILSINTEKS wu de am Ins i u ü die li auische Sp ache in Vilnius e s ell . Unse Ziel is es, so iele Da en wie möglich übe einen Sa z zu lie e n, insbesonde e wenn es sich um die Da en handel , die wäh end des Übe se zungsp ozesses benö ig we den. Aus üh liche In o ma ionen inden sich in de P ague Dependency T eebank, die eine d eis u ige Anme kung ha [Hajič 2000: 103]. Meh Ebenen on Anme kungen in einem Bild könn en nich Figu 1. Beispiel ü die syn ak ische S uk u des li auischen Sa zes Jie gali bū i ki okie Sie können un e schiedlich sein S aipsniai A ikel 255 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS Abbildung 2. S a is isch analysie e Sa z Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia (We nich iskie , de nich Champagne ink , abe auch nich änen eich wein ) [Kapočiū ė, Ni e, K upa ičius 2013: 15] FIREGU 3. S a is isch analysie e Sa z Be š ai p o medį, ku iame sėdėjau, p aslinko didelis šešėlis (Abe hie du ch den Baum, in dem ich saß, ging ein kleine Scha en o bei) [Kapočiū ė, Ni e, K upa ičius 2013: 15] e eich we den, also haben wi beschlossen, die Da s ellung de In o ma ionen in zwei Teile zu eilen, wenn wi uns mi li auischen Sä zen be assen: eine Tabelle, die die Mo con ains en häl . Das P ädika i a ibu häng on zwei Teilen des Sa zes ab: om Subjek ode dem phological, syn ac ic and seman ic in o ma ion, while he syn ac ic s uc u e should be p esen ed in a pic u e. A g aph wi h cycles is used o Li huanian sen ences because a ee is no able o e lec he en i e syn ac ic in o ma ion which he Li huanian sen ence Objek und om P ädika . Diese Beziehungen sind o mell ausged ück und konn en nich igno ie we den ( ü wei e e Einzelhei en siehe Š eikauskienė 2005: 412). Abbildung 1 zeig die syn ak ische S uk u eines Ti elsa zes. Es en häl ein P ädika , das o mell Beziehungen zum Subjek und zum P ädika ausged ück ha , und beide Beziehungen müssen du ch die Anme kung des Ko pus da ges ell we den. DAIVA ŠVEIKAUSKIENĖ 256 Ac a Linguis ica Li uanica LXXIII (Li auische Sp ach e zeichnis) De P ädika muss das Ende mi dem Subjek übe eins immen und gleichzei ig dem P ädika ang enzen; Das heiß , es is kein A ibu des Subjek s. Die e s en Ve suche, das li auische Ko pus syn aks isch zu anno ie en, zeig en, dass die ü ande e Sp achen en wickel e So wa e in de li auischen Sp ache keine gu en E gebnisse e ziel e. E wa 1500 Sä ze wu den an de Technischen Uni e si ä Kaunas s a is isch kommen ie [Kapočiū ė, Ni e, K upa ičius 2013: 12]. Die o ges ell en E gebnisse zeig en die Unzulänglichkei de in Abbildung 4 e s eck en In o ma ionen. VILSINTEKS analysie e Sa z Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia S aipsniai A ikel 257 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS Abbildung 5. VILSINTEKS analysie e Sa z Be š ai p o medį, ku iame sėdėjau, p aslinko nedidelis šešėlis DAIVA ŠVEIKAUSKIENĖ Ac a Linguis ica Li huanica LXXIII Sa zs uk u 258 Die beiden Figu en e anschaulichen zwei analysie e Sä ze, beide In dem zwei en Sa z wi d die lacking e y impo an in o ma ion. The i s sen ence lacks he a ow be ween he p edica e nege ia and subjec as (Figu e 2). Übe eins immungsbeziehung zwischen zwei Wö e n medį und ku iame nich gezeig , die übe eins immende Endungen haben (Abbildung 3), wäh end die Au o en im selben A ikel sch ieben: Ein Adjek i , das ein Subs an i modi izie , muss in Geschlech , Numme und Fall. Die Wö e medį und ku iame müssen sich in Geschlech und Zahl einigen, und diese In o ma ion ehl in de S uk u des Sa zes. Es is schwie ig, sich da au zu einigen, dass die Beziehungen zwischen den Wö e n ku iame sėdėjau - in dem ich saß - und p o medį du ch den Baum on de selben A sind. Diese Sä ze, die nach de in VILSINTEKS e wende en Me hode kommen ie sind, sind in Abbildung 4 bzw. Abbildung 5 da ges ell . 3. Laye de Anme kungen in de Tabelle Die In o ma ionen in de Tabelle sind d eie lei: • In o ma ionen übe den gesam en Sa z, • In o ma ionen übe die Wö e im Sa z, • nich -g amma ische In o ma ionen übe die Wö e und den Sa z. 3.1 In o ma ionen übe die gesam e S a e In o ma ionen übe den gesam en Sa z bes ehen aus seinem Code, d.h. seine Posi ion im Co pus, seine A und seinen Me kmalen. Das Me kmal des Sa zes is seine Eigenscha un e Be ücksich igung seine Funk ion im Tex , d.h. ob es sich um einen Ti el, einen Au o , einen Un e i el ode einen Tex sa z handel . Die A des Sa zes zeig kommunika i e In o ma ionen an, d.h. ob e dekla a i , impe a i is , in e oga i e, e c., and s uc u al in o ma ion: pe sonal, impe sonal, ellip ical, simple, composi e sen ence, e c. [Amb azas 1997: 573]. 3.2 In o ma ionen übe die Wö e im Sa z Jedes Wo wi d mi den Da en übe seine Zahl im Sa z, mo phologischen Da en (Zei , Fall, Geschlech , usw.), Lemma, Da en übe seine lexikalische Seman ik, S aipsniai A ikel 259 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS syn ak ische Funk ion, di ek e syn ak ische Beziehungen zu ande en Wö e n im Sa z und ie en Fällen e sehen. Da die Wo olge in de li auischen Sp ache in de Regel keine syn ak ischen In o ma ionen en häl , sind die Me kmale de lexikalischen Seman ik seh wich ig ü die Iden i izie ung ih e syn ak ischen Funk ion. Das Subs an i im Akkusa i all mi dem Me kmal de Zei is ein Ad e bialmodi ika o und ohne es […] ein Objek . Wenn zwei Subs an i en im Akkusa i all im Sa z o kommen, is das Me kmal de lexikalischen Seman ik manchmal das einzige K i e ium, das es e möglich , die syn ak ische Funk ion zu en scheiden. 3.3 Nich g amma ische In o ma ionen übe die Wö e und den Sa z Die s ilis ischen In o ma ionen übe das Wo sind in de Tabelle au ge üh . Es hil , das ich ige Äqui alen in de ande en Sp ache zu wählen, wenn man das Wo übe se z . De Vo läu e des P onomens is no wendig. Mille, Wanne und Bu ga [2012: 5] besch eiben eine co e e en ielle S uk u , die das P onomen mi seinem An eceden in einem Sa z e binde . Die li auische Baumbank lie e die In o ma ionen übe den An eceden des P onomen, wenn es auch auße halb des Sa zes is . Es is seh wich ig ü die Übe se zung, weil das Geschlech des Subs an i s (ode demen sp echend des P onomens) in e schiedenen Sp achen un e schiedlich sein kann. Zum Beispiel ha de li auische Sa z Ji bu o g aži d ei Übe se zungen ins Deu sche. Wenn es "ein Mädchen" is , is die ich ige Übe se zung Es wa schön. Wenn es "eine Ka ze" is , is die ich ige Übe se zung Sie wa schön, und wenn es "ein Tag" is , is die ich ige Übe se zung E wa schön. Alle d ei P onomen im Li auischen sind weiblich, weil alle d ei Subs an i en weiblich sind, wäh end in de deu schen Sp ache dieses P onomen d ei e schiedene Äqui alen e ha , wenn man den Subs an i be ücksich ig , den es e se z . Die Tabelle en häl die ehlenden Wö e in ellip ischen Sä zen und die ed subjec , which is exp essed by a pe sonal p onoun. I is e y o en he case ausgelassenen Wö e in de li auischen Sp ache. Wi können es aus dem Ende des Ve bs e a en. Die Kopula des P ädika es in de Gegenwa wi d in de Regel eben alls weggelassen, so dass die Tabelle diese ehlenden Wö e en häl . Ak onymen sind in de Tabelle in olls ändigen Wö e n da ges ell . Die Zahlen we den in de Tabelle zusä zlich du ch Zahlen und Zahlen du ch Zahlen da ges ell , da de lexikalische Ausd uck on Zahlen in e schiedenen Sp achen un e schiedlich sein kann. DAIVA ŠVEIKAUSKIENĖ 260 Ac a Linguis ica Li uanica LXXIII (Li auische Sp achak e) 4. A en on In o ma ionen In de syn ak ischen S uk u Im syn ak ischen Au bau wi d de Sa z in de e s en S u e in eine Subs an i g uppe, eine Ve bg uppe und das Sa zende-Zeichen un e eil . Die li auische Sp ache ha eine eie Wo o dnung und manchmal is das Sa zende das einzige Mi el, um die A des Sa zes zu bes immen, d.h. ob es sich um einen dekla a i en ode einen agenden Sa z handel , beispielsweise Tu šiandien laimėjai p izą. Sie haben heu e einen P eis gewonnen. Und du has heu e einen P eis gewonnen? Haben Sie heu e einen P eis gewonnen? Abbildung 6 zeig den syn ak ischen Au bau des F agezeichens. Die Übe se zung des Sa zes wi d nach dem Zeichen am Ende des Sa zes gewähl . die Fu he mo e, he s uc u e o he sen ence is ep esen ed using dependency g amma . The head o he subjec g oup is he subjec and below a e depic ed Wö e , die sie e wei e n, und de Kop de P ädika g uppe is das P ädika mi den un e geo dne en Wö e n, die sich da un e be inden. Zwei wei e e Felde , die ü die Anme kung des li auischen Ko pus seh wich ig sind, sind die A de syn ak ischen Beziehungen zwischen den Wö e n und seman isch unlösba en Wo g uppen. Abbildung 6. Die syn ak ische S uk u des F agezeichens Tu šiandien laimėjai p izą? – Has du heu e einen P eis gewonnen? S aipsniai A ikel 267 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS SANTRAUKA Pas a uoju me u labai daug kalbama i ašoma apie ai, kad lie u ių kalba mažai kompiu e izuo a. Pe kama ki oms kalboms suku a p og aminė į anga, ku i lie u ių kalbos a eju dažniausiai neduoda pa enkinamų ezul a ų. Pe kama ki oms kalboms suku a p og aminė į anga, ku i lie u ių kalbos a eju dažniausiai neduoda pa enkinamų ezul a ų. Jau a ėjo me as, kai eikia p adė i ap a i lie u ių kalbos kompiu e iza imo kokybę, užuo kalbėjus apie menką jos kompiu e iza imą. S aipsnyje ap ašomas aukš os kokybės sin aksiškai išsami in o macija apie sakinį nu odoma len elėje i sin aksinė s uk ū a nub aižoma g a- ano uo as lie u ių kalbos eks ynas, ku iame pa eik a pa ikima in o macija. S aipsnyje ap ašomas aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas, ku iame pa eik a pa ikima in o macija. Ano a imas a liekamas d iem lygmenimis: iškai. Ano uojan didelis dėmesys ski iamas sin aksinių yšių aizda imui. Jie pa odomi un e schiedliche spal ų i ipų linijomis. S aipsnyje ap ašomi neskaidomi žodžių junginiai ai žodžių g upės, ku ios ik ka u gali išplės i ki ą žodį, i ik isą g upę gali pažymė i ją išplečian is žodis. Ki ų sakinio žodžių yšys su ienu iš neskaidomo junginio dėmenų ne u i p asmės. S uk ū oje neskaidomi junginiai sudedami į ieną bloką pa odan idinius sin aksinius yšius. S aipsnyje pa eikiami sin aksiškai ano uo ų sakinių pa yzdžiai. Sakinio s uk ū ai aizduo i naudojamas g a as, nes medis, ku is sėkmingai aikomas anglų kalbos sakinių s uk ū ai, negali a spindė i isos sin aksinės in o macijos, esančios lie u iškame sakinyje. Tai seh ge ai s a is isch geseheniniu me odu ano uo ų sakinių pa yzdžiuose, ku ie pa eikiami šiame s aipsnyje. Pa odomos d iejų sakinių s uk ū os, ku iose ūks a labai s a bios in o macijos: ienoje nepa ody as sin aksinis yšys a p eiksnio i a inio, ki oje nė a yšio a p žodžių, ku ie de skaičiumi i giminami. Palygin s aipsnyje pa eikiami šie sakiniai, ano uo i i VILSINTEKS naudojamu me odu. P adė o ku i eks yno ikslas sukaup i išsamią i pa ikimą in o maciją apie lie u ių kalbos g ama iką, a liekan sakinio analizę be klaidų, . y. kai kompiu e io da bo ezul a us da pe žiū i žmogus. Ano as eks ynas bus iešai p ieinamas in e ne e. Kaip daba iš VDU eks yno galima gau i pa eik o žodžio pa a ojimo pa yzdžius, aip VILSINTEKS inklapyje bus galima gau i sin aksinių s uk ū ų, ku ios u i am ik ų požymių например, ien isinių sakinių, ku iuose eiksniu eina į a dis i pan., pa yzdžių. Ano uojan naudojamos Excel len elės, nes jos leidžia aizdžiai pa eik i sakinio s uk ū ą i leng ai pe a ky i in o maciją į XML o ma ą, ku is plačiai aikomas paieškai. Taigi ano uo ą eks yną bus galima panaudo i s a is iniams lie u ių kalbos y imams, aip pa in o macijai apie lie u ių kalbos g ama iką išgau i i k . Į eik a 2013 m. Ok obe 28 d. DAIVA ŠVEIKAUSKIENĖ Li auische Sp achins i u e Pe o Vileišio g. 5-216, LT-10308 Vilnius, Lie u a dai a. m @gmail.com