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 Campos de pesquisa: linguís ica compu acional, bancos de á o es, camadas de ano ação. HIGH QUALITY SYNTACTIC Co pus ano ado de LITUANO […] VILSINTEKS Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS Ano ação Es e a igo ap esen a uma ano ação dupla, que é usada pa a a ano ação de al a qualidade do co pus li uano. In o mações ab angen es sob e uma ase são dadas em uma abela e a es u u a sin á ica de uma ase é ap esen ada em uma imagem. A expe iência de ou as línguas é u ilizada e as ca ac e ís icas especí icas da língua li uana são omadas em con a. A insu iciência da ep esen ação em á o e pa a a es u u a sin á ica das ases li uanas é mos ada a a és dos exemplos ano ados es a is icamen e. O objec i o da c iação do co pus ano ado com in o mações exaus i as ambém é cla amen e en a izado. São dados exemplos de ases ano adas, que e le em as ca ac e ís icas especí icas da língua li uana. PALAVAS-CHAPEL: co pus sin á ico ano ado; ep esen ação g á ica da es u u a sin á ica; camadas de ano ações no co pus li uano; insu iciência de ep esen ação em o ma de á o e pa a as ases li uanas; obje i o do co pus ano ado sin á ico. ANOTACIJA (em inglês) 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. In o mações sob e a es u u a sakinį nu odoma len elėje, o sin aksinė sakinio nub aižoma g a iškai. Naudojamasi ou os 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 A igos 253 e 253 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. INTRODUÇÃO A p imei a ano ação de co po a oi uma pa e da ma cação de ala POST [Chu ch 1988: 136]. Tal ano ação é encon ada no Penn T eebank. Mais a de, ou as ases, ca egando a in o mação sin á ica, o am in oduzidas. Eles o am ep esen ados usando á ios esquemas [A well e al. 2000: 12]. Em 2012, Köhle mencionou o seguin e: […]... não há um pad ão ge al sob e como os co po a de em se es u u ados e no ados […] [Köhle 2012: 32]. Po an o, o co pus li uano VILSINTEKS é ano ado, endo em con a as ca ac e ís icas especí icas da língua li uana […] uma g ande quan idade de in lexão e uma o dem de pala as li e em uma ase. Dos dois p incipais ipos de ep esen ação de es u u a sin á ica, que são a g amá ica da es u u a de ases e a g amá ica da dependência, a úl ima oi escolhida pa a o li uano po que […]... a g amá ica da dependência a aiu mais os es udan es de línguas com o dem de pala as ela i amen e li e... […] [Kay, Gaw on e No ig 1994: 55]. A ep esen ação mais comum da es u u a sin á ica é uma á o e [Allen 1987: 41]. O nome do co pus ano ado sin a icamen e […] eebank […] es á elacionado a es e e mo. O nome do banco de á o es li uano não con ém a pala a "á o e", po que a es u u a sin á ica de algumas ases li uanas é ep esen ada po um g á ico com um ciclo, ou seja, não cump e as condições es abelecidas pela de inição de uma á o e, uma ez que uma á o e é um g á ico acíclico conec ado [Swamy, Thulasi aman 1984: 33]. A sigla VILSINTEKS signi ica VILniaus SIN aksinis TEKS ynas […] Co pus sin á ico de Vilnius. 2.Ano ação Do Co po Li uano Recen emen e, mui o se disse e esc e eu sob e o baixo g au de in o ma ização da língua li uana. De aco do com os dados da META-NET DAIVA ŠVEIKAUSKIENĖ P oje o Ac a Linguis ica Li uanica LXXIII, 254 o li uano pe ence ao g upo das línguas eu opeias menos in o ma izadas [Vaišnienė, Zaba skai ė 2012: 35]. O so wa e c iado pa a ou as línguas não p oduz esul ados sa is a ó ios quando é aplicado à língua li uana. É ho a de ala não sob e a baixa in o ma ização da língua li uana, mas sob e a qualidade da sua in o ma ização. Assim, ale a pena olha pa a ás pa a a língua li uana e en a c ia a sua p óp ia in o ma ização de al a qualidade da língua li uana. Os p imei os es o ços na ano ação sin á ica do co pus li uano o am ei os em 2013. O so wa e o he compu e iza ion o he Li huanian language so as o p oduce co pus sin á ico ano ado VILSINTEKS oi c iado no Ins i u o da Língua Li uana em Vilnius. Nosso obje i o é o nece o maio núme o possí el de dados sob e uma ase, especialmen e se o em os dados necessá ios du an e o p ocesso de adução. In o mações exaus i as são dadas no Banco de Á o es da Dependência de P aga, que em uma ano ação de ês ní eis [Hajič 2000: 103]. Mais ní eis de ano ação em uma imagem não pode iam FIGURA 1. Exemplo da es u u a sin á ica da ase li uana Jie gali bū i ki okie […] Eles podem se di e en es S aipsniai A igos 255 e 255 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS Figu a 2. Sen ença analisada es a is icamen e Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia (Quem não a isca, que não bebe champanhe, mas ambém não cho a em lág imas) [Kapočiū ė, Ni e, K upa ičius 2013: 15] FIREGU 3. A ase es a is icamen e analisada Be š ai p o medį, ku iame sėdėjau, p aslinko didelis šešėlis (Mas aqui a a és da á o e em que eu es a a sen ado passou uma pequena somb a) [Kapočiū ė, Ni e, K upa ičius 2013: 15] seja alcançada, en ão decidimos di idi a ep esen ação da in o mação em duas pa es quando lidamos com ases li uanas: uma abela, que con ém os mo con ains. O a ibu o p edica i o depende de duas pa es da ase: do sujei o ou do 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 obje o e do p edicado. Es as elações são exp essas o malmen e e não pode iam se igno adas (pa a mais po meno es, e Š eikauskienė 2005: 412). A Figu a 1 mos a a es u u a sin á ica de uma ase- í ulo. Ele con ém um p edica i o, que exp essou o malmen e elações com o sujei o e o p edicado, e ambas as elações de em se ep esen adas ano ando o co pus. DAIVA ŠVEIKAUSKIENĖ 256 Ac a Linguis ica Li uanica LXXIII O p edica i o de e e o inal de aco do com o sujei o e, ao mesmo empo, é adjacen e ao p edicado; ou seja, não é um a ibu o do sujei o. As p imei as en a i as de ano ação sin á ica do co pus li uano demons a am que o so wa e c iado pa a ou as línguas não p oduziu bons esul ados na língua li uana. Ce ca de 1500 ases o am ano adas es a is icamen e na Uni e sidade de Tecnologia de Kaunas [Kapočiū ė, Ni e, K upa ičius 2013: 12]. Os esul ados ap esen ados e ela am a insu iciência das in o mações ocul as na FIGURA 4. VILSINTEKS analisou a ase Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia S aipsniai A igos 257 e 257 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS FIGURA 5. (a) Qual é a di e ença en e o núme o de pessoas e o núme o de pessoas? VILSINTEKS ase analisada Be š ai p o medį, ku iame sėdėjau, p aslinko nedidelis šešėlis DAIVA ŠVEIKAUSKIENĖ Ac a Linguis ica Li huanica LXXIII es u u a de ases. As duas igu as ilus am duas ases analisadas, ambas na segunda ase a elação de aco do não é 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). mos ada en e duas pala as medį e ku iame, que êm e minações conco dan es (Figu a 3) quando os au o es no mesmo a igo esc e e am: […]um adje i o que modi ica um subs an i o em que conco da em Gêne o, núme o e caso. As pala as medį e ku iame êm que conco da em gêne o e núme o, e essa in o mação es á ausen e na es u u a da ase. É di ícil conco da que as elações en e as pala as ku iame sėdėjau - em que eu me sen ei e p o medį a a és da á o e são do mesmo ipo. Es as ases, ano adas de aco do com o mé odo u ilizado no VILSINTEKS, são ap esen adas nas Figu as 4 e 5, espec i amen e. 3. camadas de ano ação na abela As in o mações con idas no quad o são de ês ipos: • In o mações sob e a ase in ei a, • In o mações sob e as pala as da ase, • In o mações não g ama icais sob e as pala as e a ase. 3.1 In o mações sob e a Sen ença Comple a A in o mação sob e a ase in ei a consis e em seu código, ou seja, sua posição no co pus, seu ipo e suas ca ac e ís icas. A ca ac e ís ica da ase é a sua ca ac e ís ica, endo em con a a sua unção no ex o, ou seja, se se a a de um í ulo, de um au o , de um sub í ulo ou de uma ase de ex o. O ipo de ase indica in o mações comunica i as, ou seja, se é decla a i a, impe a i a, 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 mações sob e as pala as da ase Cada pala a é o necida com os dados sob e seu núme o na ase, dados mo ológicos ( empo, caso, gêne o, e c.), lema, dados sob e sua semân ica léxica, S aipsniai A igos 259 e High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS unção sin á ica, elações sin á icas di e as com ou as pala as na ase e casos p o undos. Uma ez que a o dem das pala as na língua li uana ge almen e não em nenhuma in o mação sin á ica, as ca ac e ís icas da semân ica léxica são mui o impo an es pa a iden i ica sua unção sin á ica. O subs an i o no caso acusa i o com a ca ac e ís ica de empo é um modi icado ad e bial e sem ele […] um obje o. Se dois subs an i os no caso acusa i o apa ecem na ase, a ca ac e ís ica da semân ica léxica é às ezes o único c i é io, que pe mi e decidi a unção sin á ica. 3.3 In o mações não g ama icais sob e as pala as e a ase As in o mações es ilís icas sob e a pala a são dadas na abela. Ajuda a escolhe o equi alen e ce o na ou a língua ao aduzi a pala a. O an eceden e do p onome é necessá io. Mille, Wanne e Bu ga [2012: 5] desc e em a es u u a co e e encial, que liga o p onome ao seu an eceden e em uma ase. O banco de á o es li uano o nece as in o mações sob e o an eceden e do p onome se ele es i e o a da ase ambém. É mui o impo an e pa a a adução po que o gêne o do subs an i o (ou p onom co esponden e) pode di e i em á ios idiomas. Po exemplo, a ase li uana Ji bu o g aži em ês aduções pa a o alemão. Se é "uma menina", a adução co e a é Es wa schön. Se é "um ga o", a adução co e a é Sie wa schön, e se é "um dia", a adução co e a é E wa schön. Todos os ês p onomes em li uano são emininos po que odos os ês subs an i os são emininos, enquan o no caso da língua alemã es e p onom em ês equi alen es di e en es, le ando em conside ação o subs an i o que subs i ui. A abela con ém as pala as al an es em ases elíp icas e as omi idas na ed subjec , which is exp essed by a pe sonal p onoun. I is e y o en he case língua li uana. Podemos adi inha a pa i do inal do e bo. A cópula do p edicado no empo p esen e ambém é ge almen e omi ida, de modo que a abela con ém essas pala as al an es. Os ac ônimos são ep esen ados em pala as comple as na abela. Os núme os são igualmen e ep esen ados na abela po núme os e os núme os po núme os, uma ez que a exp essão léxica dos núme os em á ias línguas pode se di e en e. DAIVA ŠVEIKAUSKIENĖ 260 Ac a Linguis ica Li uanica LXXIII 4. Tipos de in o mação Na es u u a sin á ica Na es u u a sin á ica, a ase é di idida no p imei o es ágio em um g upo de subs an i os, um g upo de e bos e o ca ac e e inal da ase. A língua li uana em uma o dem de pala as li e e, às ezes, o ca ac e e inal da ase é o único meio pa a de e mina o ipo de ase, ou seja, se é uma ase decla a i a ou in e oga i a, po exemplo, Tu šiandien laimėjai p izą. Hoje ganhas e um p émio. E o p émio do eu dia? […] Você ganhou um p êmio hoje? A Figu a 6 mos a a es u u a sin á ica da ase in e oga i a. A adução da ase é escolhida de aco do com o ca ac e e do inal da ase. as pala as que o expandem, e o che e do g upo de p edicados é o p edicado com 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 as pala as subo dinadas localizadas abaixo. Ou os dois campos, que são mui o impo an es pa a ano a o co pus li uano, são o ipo de elações sin á icas en e as pala as e g upos de pala as seman icamen e i esolú eis. FIGURA 6. (a) Qual é a di e ença en e o núme o de pessoas e o núme o de pessoas? Es u u a sin á ica da ase in e oga i a Tu šiandien laimėjai p izą? – Ganhou um p émio hoje? S aipsniai A igo 267.o 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 (em inglês) 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. a 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 uojan didelis dėmesys ski iamas sin aksinių yšių aizda imui. Jie pa odomi di e en es 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 mui o 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 dois sakinių s uk ū os, ku iose ūks a labai s a bios in o mações: 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 gimine. 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 ai 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 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. ou ub o 28 d. DAIVA ŠVEIKAUSKIENĖ Ins i u os de língua li uana Pe o Vileišio g. 5-216, LT-10308 Vilnius, Li uânia dai a. m @gmail.com