High Quality Syntactic Annotated Corpus of Lithuanian – VILSINTEKS

252 Ac a Linguis ica Li huanica LXXIII DAIVA ŠVEIKAUSKIENĖ Ins i u e o Li huanian Language Ty imų s i ys: skaičia imo ling is ika, medžių bankai, ano acijos sluoksniai. HIGH QUALITY SYNTACTIC Ano uojamasis ko pusas LITUANIJA […] VILSINTEKS Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS Ano acija Šiame s aipsnyje pa eikiama d iguba ano acija, ku i naudojama aukš os kokybės lie u ių ko pusų ano acijai. Visapusiška in o macija apie sakinį pa eikiama len elėje, o sakinio sin ak inė s uk ū a pa eikiama pa eiksle. Naudojama ki ų kalbų pa i is i a siž elgiama į lie u ių kalbos ypa umus. S a is iškai ano uo ų pa yzdžių pagalba pa ody a, kad medžio ep ezen acija y a nepakankama lie u ių sakinių sin ak inei s uk ū ai. Taip pa aiškiai pab ėžiamas komen uo o ko puso, ku iame pa eikiama išsami in o macija, sukū imo ikslas. Pa eikiami pas abų sakinių pa yzdžiai, a spindin ys lie u ių kalbos ypa umus. Rak iniai žodžiai: sin ak inis ano uo as ko pusas; sin ak inės s uk ū os g a inis aizda imas; Lie u os ko pusų ano acijų sluoksniai; Lie u os sakinių medžio ep ezen acijos nepakankamumas; sin ak inio ano uo o ko puso ikslas. ANOTACIJA 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 macija apie sakinį nu odoma len elėje, o sin aksinė sakinio s uk ū a nub aižoma g a iškai. Naudojamasi ki ų kalbų pa i imi, a siž elgian į speci inius lie u ių kalbos b uožus. Medžio nepakankamumas aizduojan lie u ių kalbos sakinių sin aksinę s uk ū ą pa odomas s a is iniu me odu S aipsniai 253 s aipsnis High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS 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. 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. Įžanga Pi masis ko pusų ano acija bu o kalbos žymėjimo POST dalis [Chu ch 1988: 136]. Toks už ašas y a Penn T eebank. Vėliau bu o įdieg i ki i sakiniai, ku iuose bu o pa eik a sin ak inė in o macija. Jie bu o a s o aujami naudojan į ai ias schemas [A well e al. 2000: 12]. 2012 m. Köhle is paminėjo šiuos dalykus: […]... nė a bend o s anda o, kaip u ė ų bū i s uk ū izuo os i pažymė os ko pusos […] [Köhle 2012: 32]. Todėl lie u iškasis ko pusas VILSINTEKS y a ano uo as, a siž elgian į lie u iškos kalbos ypa umus - didelį in lexijos kiekį i lais ą žodžių a ką sakinyje. Iš d iejų pi maujančių sin ak inės s uk ū os ep ezen acijos ipų, . y. azės s uk ū os g ama ikos i p iklausomybės g ama ikos, pas a oji bu o pasi ink a lie u ių kalbai, nes […]... p iklausomybės g ama ikos labiausiai pa iko kalbų, u inčių san ykinai lais ą žodžių a ką... […] [Kay, Gaw on and No ig 1994: 55]. Dažniausias sin ak inės s uk ū os aizdas y a medis [Allen 1987: 41]. Sin ak iškai ano uo o ko puso " eebank" pa adinimas y a susijęs su šiuo e minu. Lie u ių medžių banko pa adinime nė a žodžio "medis", nes kai ku ių lie u ių sakinių sin ak inė s uk ū a y a aizduojama g a iku su ciklu, . y. jis nea i inka medžio apib ėžimo nus a y ų sąlygų, nes medis y a sujung as aciklinis g a ikas [Swamy, Thulasi aman 1984: 33]. Ak onimas VILSINTEKS eiškia VILniaus SIN aksinis TEKS ynas Vilniaus sin ak inis ko pusas. 2.Ano acija Lie u os ko puso Pas a uoju me u daug kalbama i ašoma apie mažą lie u ių kalbos kompiu e izacijos laipsnį. Remian is "META-NET" duomenimis DAIVA ŠVEIKAUSKIENĖ "Ac a Linguis ica Li uanica LXXIII 254 p ojek as, lie u ių kalba p iklauso mažiausiai kompiu e izuo ų Eu opos kalbų g upei [Vaišnienė, Zaba skai ė 2012: 35]. Ki oms kalboms suku a p og aminė į anga, p i aiky a lie u ių kalbai, nesu eikia pa enkinamų ezul a ų. Laikas kalbė i ne apie mažą lie u ių kalbos kompiu e izaciją, o apie jos kompiu e izacijos kokybę. Todėl e a paž elg i a gal į lie u ių kalbą i bandy i suku i sa o aukš os kokybės lie u ių kalbos kompiu e izaciją. Pi mieji bandymai sin ak iškai ano uo i lie u ių ko pusą bu o a lik i 2013 m. Sin ak inis ano uo as ko pusas so wa e o he compu e iza ion o he Li huanian language so as o p oduce VILSINTEKS bu o suku as Lie u os kalbos ins i u e Vilniuje. Mūsų ikslas - pa eik i kuo daugiau duomenų apie sakinį, ypač jei ai y a duomenys, ku ių eikia e imo p ocese. Išsamesnė in o macija pa eikiama P ahos p iklausomybės medžių banke, ku ioje y a ijų lygių ano acija [Hajič 2000: 103]. Daugiau ano acijų lygių iename pa eiksle negalėjo bū i 1. Lie u ių sakinio Jie gali bū i ki okie sin ak inės s uk ū os pa yzdys Jie gali bū i ski ingi S aipsniai 255 s aipsnis High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS 2 pa eikslas. S a is iškai išaiškin a sakinys Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia (Kas ne izikuoja, as ne izikuoja, as ne izikuoja, as ne izikuoja) [Kapočiū ė, Ni e, K upa ičius 2013: 15] FIREGU 3. S a is iniu požiū iu analizuo as sakinys Be š ai p o medį, ku iame sėdėjau, p aslinko didelis šešėlis (Be čia pe medį, ku iame sėdėjau, p aėjo nedidelis šešėlis) [Kapočiū ė, Ni e, K upa ičius 2013: 15] bū ų pasiek as, odėl mes nusp endėme suski s y i in o macijos ep ezen aciją į d i dalis, kai kalbame apie lie u ių sakinius: len elę, ku ioje y a mo con ains. P edika y us a ibu as p iklauso nuo d iejų sakinio dalių: nuo subjek o a objek o i nuo p edika o. Šie san ykiai iš eiškiami o icialiai i 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 negali bū i igno uojami (išsamiau ž . Š eikauskienė 2005: 412). 1 pa eiksle pa ody a pa adinimo sakinio sin ak inė s uk ū a. Jame y a p edika as, ku is o icialiai iš eiškia san ykius su subjek u i p edika u, i abu san ykiai u i bū i aizduojami ko pusui pas abomis. DAIVA ŠVEIKAUSKIENĖ 256 Ac a Linguis ica Li huanica LXXIII P edika as u i u ė i pabaigą, a i inkančią subjek ą, i uo pačiu me u jis u i bū i p idedamas p ie p edika o; ai y a, ai nė a subjek o a ibu as. Pi mieji bandymai sin ak iškai ano uo i lie u ių ko pusą pa odė, kad p og aminė į anga, suku a ki oms kalboms, lie u ių kalboje neduoda ge ų ezul a ų. Kauno echnologijos uni e si e e bu o s a is iniu būdu pažymė a apie 1500 sakinių [Kapočiū ė, Ni e, K upa ičius 2013: 12]. Pa eik i ezul a ai pa odė, kad 4 pa eiksle paslėp a in o macijos nepakankamumas. VILSINTEKS išaiškin as sakinys Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia S aipsniai 257 s aipsnis High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS 5 pa eikslėlis. VILSINTEKS pa sed sen ence Be š ai p o medį, ku iame sėdėjau, p aslinko nedidelis šešėlis DAIVA ŠVEIKAUSKIENĖ Ac a Linguis ica Li huanica LXXIII sakinių s uk ū a. An ojo sakinio susi a imo san ykis nė a odomas a p d iejų žodžių medį i ku iame, ku ie u i susi a imo 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). pabaigas (Fig. 3), kai au o iai ame pačiame s aipsnyje ašė: […] būd a dis, modi ikuojan is a dą, u i su ik i su Ly ies, nume io i a ejo […]. Žodžiai medį i ku iame u i a i ik i ly į i skaičių, o ši in o macija nė a sakinio s uk ū oje. Sunku su ik i, kad san ykiai a p žodžių ku iame sėdėjau - ku iame aš sėdėjau i p o medį pe medį y a o pa ies ipo. Šie sakiniai, pažymė i pagal VILSINTEKS naudojamą me odą, pa eikiami a i inkamai 4 i 5 pa eiksluose. 3. Ano acijos sluoksniai len elėje Len elėje pa eik a in o macija y a ijų ipų: • In o macija apie isą sakinį, • In o macija apie žodžius sakinyje, • Ne g ama inė in o macija apie žodžius i sakinį. 3.1 In o macija apie isą nuosp endį In o maciją apie isą sakinį suda o jo kodas, . y. jo padė is ko puse, jo ipas i jo b uožai. Sakinio b uožas y a jo sa ybė, a siž elgian į jo unkciją eks e, . y. a ai y a pa adinimas, au o ius, sub i as a eks inis sakinys. Sakinio ipas odo komunikacinę in o maciją, . y. a jis y a dekla a y us, impe a y us, 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 macija apie sakinio žodžius Kiek ienam žodžiui pa eikiami duomenys apie jo skaičių sakinyje, mo ologiniai duomenys ( ensas, a ejis, ly is i . .), lemma, duomenys apie jo leksikinę S aipsniai 259 s aipsnis High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS seman iką, sin ak inę unkciją, iesioginius sin ak inius san ykius su ki ais žodžiais sakinyje i gilius a ejus. Kadangi žodžių a ka lie u ių kalboje pap as ai ne u i jokios sin ak inės in o macijos, leksikos seman ikos sa ybės y a labai s a bios jo sin ak inės unkcijos nus a ymui. Pa adinimas kal inamuoju a eju su laiko b uožu y a ad e bialinis modi ika o ius, o be jo […] objek as. Jei sakinyje y a du kal inamojo a ejo a diniai, leksikos seman ikos b uožas ka ais y a ienin elis k i e ijus, leidžian is nusp ęs i apie sin ak inę unkciją. 3.3 Ne g ama ikos in o macija apie žodžius i sakinį S ylis inė in o macija apie žodį pa eikiama len elėje. Tai padeda pasi ink i inkamą žodžio ek i alen ą ki oje kalboje, kai jis e čiamas. P onomeno an eceden as y a bū inas. Mille, Wanne i Bu ga [2012: 5] apibūdina co e e encinę s uk ū ą, ku i jungia pa a dę su jos an eceden u iename sakinyje. Lie u os medžių banke pa eikiama in o macija apie pa a dės an eceden ą, jei jis aip pa y a už sakinio ibų. Tai labai s a bu e imui, nes a dinio (a ba a i inkamai pa a dinio) ly is į ai iose kalbose gali ski is. Pa yzdžiui, lie u iškas sakinys Ji bu o g aži u i is e imus į okiečių kalbą. Jei ai "me gai ė", eisingas e imas y a "Es wa schön". Jei ai "ka ė", eisingas e imas y a "Sie wa schön", o jei ai " diena", eisingas e imas y a "E wa schön". Visi ys a diniai lie u ių kalba y a mo e iški, nes isi ys a diniai y a mo e iški, o okiečių kalboje šis a dinis a das u i is ski ingus ek i alen us, a siž elgian į a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį a dinį. Len elėje pa eikiami ūks ami žodžiai elipsinėse sakiniuose i išb auk i žodžiai ed subjec , which is exp essed by a pe sonal p onoun. I is e y o en he case lie u ių kalboje. Mes galime ai a spė i iš eiksmažodžio pabaigos. Daba iniame laikais p edika o kopula aip pa pap as ai p aleidžiama, odėl len elėje y a šių ūks amų žodžių. Ak onimai len elėje pa eikiami pilnais žodžiais. Tame len elėje skaičiai aip pa pa eikiami skaičiais, o skaičiai - skaičiais, nes skaičių leksikinė iš aiška į ai iose kalbose gali ski is. DAIVA ŠVEIKAUSKIENĖ 260 Ac a Linguis ica Li uanica LXXIII 4. In o macijos ūšys Sin ak inėje s uk ū oje Sin ak inėje s uk ū oje sakinys pi mame e ape suski s omas į a dų g upę, eiksmažodžių g upę i sakinio pabaigos ženklą. Lie u ių kalba u i lais ą žodžių a ką i ka ais sakinio pabaigos ženklas y a ienin elė p iemonė, ku ia galima nus a y i sakinio ipą, . y. a ai dekla a y inis, a klausinan is sakinys, pa yzdžiui, Tu šiandien laimėjai p izą. […] Šiandien laimėjai p izą. I u šiandien laimėjai p izą? […] A šiandien laimėjai p izą? 6 pa eiksle pa ody a klausiminio sakinio sin ak inė s uk ū a. Žodžio e imas pasi enkamas pagal sakinio pabaigos ženklą. žodžiai, ku ie jį plė oja, o p edika o g upės gal a y a p edika as, ku io apačioje y a pa aldūs žodžiai. 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 Ki os d i s i ys, ku ios y a labai s a bios lie u ių ko puso ano acijai, y a žodžių i seman iškai neišsp endžiamų žodžių g upių sin ak inių san ykių ipas. 6 pa eikslas. Klausimo sakinio "Tu šiandien laimėjai p izą?" sin ak inė s uk ū a – A šiandien laimėjai p izą? S aipsniai 267 s aipsnis 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. Jauėjo 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 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. išsami in o macija apie sakinį nu odoma len elėje i sin aksinė s uk ū a nub aižoma g a- Ano uodamas didelis dėmesys ski iamas sin aksinių yšių aizda imui. Jie pa odomi ski ingų 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 labai ge ai ma y i s a is iniu 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 inami skaičiumi i gimine. Palyginimui 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 pa yzdžiui, ien isinių sakinių, ku iuose eiksniu į į a dis i pan., pa yzdžių. Ano uodamas 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. spalio 28 d. DAIVA ŠVEIKAUSKIENĖ Lie u ių kalbos ins i u ai Pe o Vileišio g. 5-216, LT-10308 Vilnius, Lie u a dai a. m @gmail.com