„Dabartinės rašomosios lietuvių kalbos dažninis žodynas“ ir jo bazė

ACTA LINGUISTICA LITHUANICA XLVI (2002), 19 – 37 Частотный словарь современного письменного литовского языка и его база LAIMA GRUMADIENĖ Институт литовского языка Электронных баз данных для литовского языка мало. Крупнейшие из них — Частотный словарь современного письменного литовского языка, составленный В. Жилинскене и Л. Грумадиене, и Корпус литовского языка Каунасского университета. Первый подробно представлен здесь: обсуждаются принципы его составления и возможные способы его использования, а также кратко характеризуются опубликованные к настоящему времени работы по статистической лингвистике, основанные на нем. Основные проблемы, связанные с базами данных современного литовского языка, таковы: (1) их недостаточная дифференциация (они отражают только письменную, но не разговорную речь), (2) их неоптимальное использование, поскольку литовское научное сообщество не обладает необходимой подготовкой для работы с такими инструментами, и (3) недостаточное общественное признание и недооценка усилий ученых, создающих эти базы, как самостоятельных научных достижений. 1. СТАРЕНИЕ ЭЛЕКТРОННЫХ БАЗ ДАННЫХ И ИХ «НЕНУЖНОСТЬ» Именно сейчас литовское языкознание словно застыло в тигрином прыжке: выдающиеся труды, появившиеся главным образом под влиянием структурализма, уже написаны, однако в воздухе буквально витает ожидание новых, не менее значительных работ. Для этого нужны не только иные взгляды на языковые явления, но и новые, еще не испытанные методы и рабочие инструменты. В эпоху информационных технологий новые инструменты работы лингвистов нередко связаны с электронными базами данных, а те — с лингвостатистическими изданиями. Казалось бы, само собой разумеется, что одни отличаются от других: электронные базы динамичны, с ними можно работать самостоятельно, тогда как издания статичны и представляют собой лишь собрание данных, отобранных по желанию авторов. Однако раньше, а иногда и сейчас, в Литве такие базы и издания отождествляли или отождествляют. Это показывает история обратных (также называемых инверсными) словарей. Первый литовский обратный словарь, подготовленный американцем Дэвидом Ф. Робинсоном (1976) на основе издания 1954 г. DLKŽ, охватывал около 45 000 слов; возможно, у него даже не было собственной электронной базы, по крайней мере автор о ней не упоминает. Кроме того, в те времена такая электронная база в Литве была бы попросту недоступна, поскольку сам словарь мало кто держал в руках: он был издан в Америке небольшим тиражом. Уроженец Шяуляя Юозас Корсакас (1991), применив принцип выборки, подготовил Инверсный словарь литовского языка 20 | LAIMA GRUMADIENĖ словарь, охватывавший почти 22 000 слов, также был основан на DLKŽ, но уже на издании 1972 года. Работа велась с использованием самостоятельно созданной электронной базы данных, однако последняя не находится в открытом доступе (вероятно, по техническим причинам), поэтому доступна только в виде печатной книги. Обратный словарь современного литовского языка Виды Жилинскене (1995) — это не просто перепечатка DLKŽ, поскольку слова в обратном порядке сгруппированы по частям речи, а также добавлен статистический анализ. Сейчас он по существу также доступен только в печатном виде, хотя существует и электронная версия. Ею воспользовались довольно ограниченно (при составлении литовско-норвежского словаря рабочей группой под руководством Э. Якайтене, а также в статьях Дайвы Мурмулайтите (1998, 1999 и др.)). Кстати, последний словарь и анализ были подготовлены с использованием компьютерной версии DLKŽ (1993 г.) и её статистического анализа, а не, как указывает в своём обзоре Рута Марцинкевичене (2000a: 16), базы Частотного словаря современного письменного литовского языка (Grumadienė, Žilinskienė 1997; 1998). Совместными усилиями учёных Института математики и информатики и Института литовского языка была подготовлена электронная версия DLKŽ (издание 1993 г.), которая была выпущена небольшим тиражом (1995), поскольку просто не было права распространять издания в электронной форме. Теперь Институт литовского языка снова занялся компьютеризацией DLKŽ, но уже издания 2000 года (руководитель — Стасис Кейнис), получив финансовую поддержку Литовского научного фонда. Как известно, издания DLKŽ 1993 и 2000 годов мало чем отличаются друг от друга, поэтому следует обратить внимание на тот факт, что было решено не пользоваться прежней электронной версией лишь потому, что она была создана в уже морально устаревшей среде DOS и базе FOX-PRO: вновь приступили к сканированию уже имеющегося электронного текста с помощью компьютерных сканеров, хотя он требует лишь небольших исправлений, тем самым увеличивая трудозатраты и расходы. Возможно, статистический анализ тоже будут проводить заново? Но ведь, как компьютерная версия издания DLKŽ 1993 г., морально устаревает не одна электронная база данных, поэтому очевидно, что необходимо позаботиться об их обслуживании. Не постигнет ли подобная участь, как электронную версию DLKŽ (1993), и Терминологический банк, создаваемый совместными усилиями упомянутых институтов? Итак, лингвостатистические издания по-прежнему ценятся гораздо выше, чем дорогостоящие электронные базы данных, открывающие множество новых возможностей для работы. Литоведам следует договориться о создании таких электронных баз данных, в которых используются специальные знаки, например, баз текстов старых письменных памятников и транскрибированных диалектных текстов: уже сейчас приходится заново набирать статьи с примерами такого типа, если по тем или иным причинам решают подать их не, скажем, в издания Института литовского языка, а в одну из редакций изданий Вильнюсского университета. Издаваемые ныне диалектные словари и тексты диалектов, хотя и существуют в электронной форме, являются лишь свидетельством модернизации типографии, поскольку пользоваться их текстами как электронной базой данных невозможно. Таким образом, отсутствие договоренности литоведов об общей системе кодирования (например, UNICODE или иной) серьезно затрудняет открытое использование электронных банков данных, не говоря уже о том, что применение электронных технологий и программ для их анализа оказывается весьма ограниченным, а порой и невозможным. Неужели их у нас так много, что мы уже не в состоянии охватить их? Проблема в том, что ни лингвисты, ни помогающие им специалисты по информатике до сих пор должным образом не понимают: базы данных должны быть динамичными; при работе с ними необходимо обеспечить возможность применять множество вновь появляющихся программ и технологий, а также возможность конвертации в более новую компьютерную версию. До сих пор большинство электронных баз данных, создаваемых в Литве, устроены так, словно это те же самые карточки с DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 21 данными языка, лишь набранными на клавиатуре компьютера. Вскоре эти данные могут уподобиться высеченной на камне клинописи: на экранах компьютеров нового поколения будут видны лишь «флажки» и «квадратики», расшифровкой которых, словно чтением рун, смогут заняться лингвисты будущего. До сих пор дискуссии по этому вопросу были безрезультатными, но, вероятно, не стоит терять надежду: вновь стоит пригласить всех к дискуссии и согласованию позиций. Кстати, следует обратить внимание на термины: ЭЛЕКТРОННАЯ БАЗА, БАНК, ТЕКСТОВЫЙ КОРПУС (КОРПУС), АРХИВ. Самый модный из них — ТЕКСТОВЫЙ КОРПУС (КОРПУС). Его определяют по-разному, но общее для всех определений — то, что ТЕКСТОВЫМ КОРПУСОМ считается собрание текстов в электронной форме, поэтому нередко почти всё, что раньше называли базами данных, стали называть корпусами (ведь размер отдельных текстов не регламентируется). Термин БАНК чаще всего связывают с терминологией: как правило, банки терминов не называют корпусами. Сейчас термин АРХИВ всё чаще связывают с временным измерением: электронное собрание старых данных может называться архивом или базой. Таким образом, самым нейтральным термином остаётся ЭЛЕКТРОННАЯ БАЗА ДАННЫХ, поэтому здесь чаще всего употребляется именно он (ср. Kennedy 1998: 3 и далее). 2. ЭЛЕКТРОННЫЕ БАЗЫ ДАННЫХ СОВРЕМЕННОГО ЛИТОВСКОГО ЯЗЫКА И ЛИНГВОСТАТИСТИЧЕСКИЕ ИЗДАНИЯ Избытка баз данных современного литовского языка в электронной форме нет. Соответственно, немногочисленны и лингвостатистические публикации; несколько чаще используются лишь лингвостатистические методы. Здесь выделяется единственная фонетика и опирающаяся на её результаты фонология. Возможно, это произошло из-за самой природы фонетики, то есть потому, что при частом повторении одних и тех же единиц — звуков — сами собой напрашиваются выводы, основанные на статистике; а возможно, из-за субъективных факторов, то есть появления исследователей с новым мышлением: прежде всего Алекса Гирдениса и его учеников, а также Антанаса Пакериса. Так или иначе, оба эти фактора обусловили рывок в литовской фонетике и фонологии и даже своего рода отрыв от других отраслей языкознания. Правда, сама фонетика — промежуточная область между точными науками и лингвистикой. Следующая по частоте повторения единиц отрасль языкознания — морфология. Поэтому логично было бы предположить, что именно в этой области прежде всего должна возникнуть потребность оперировать и лингвостатистическими данными, и электронными базами данных. Пока этого не произошло, хотя такие работы и рабочие инструменты уже существуют. Первую лингвостатистическую работу по лексике и морфологии в Литве с использованием ЭВМ подготовила Vida Žilinskienė (1990). Её Lietuvių kalbos dažninis žodynas основан на материалах одного из функциональных стилей — публицистики; в нём представлен анализ 300 000 словоупотреблений (то есть как тех же самых лексем, так и различных; таких насчитывалось 18 776, после того как в соответствии с общепринятыми правилами составления частотных словарей было решено не исследовать далее 11 956 имён собственных). Все сплошные тексты, состоявшие из отрезков (выборок) по 1000 словоупотреблений, были морфологически проанализированы, снабжены ударениями, затем перфорированы и введены в ныне уже морально устаревшую и вышедшую из употребления ЭВМ «Minsk-22». Электронный банк данных существует, но пользоваться им теперь было бы очень трудно. К сожалению, лингвостатистический анализ текстов одной из разновидностей современного литовского языка — публицистики — ни в лексикологических, ни в морфологических, ни в акцентологических целях до сих пор должным образом не использовался ни в науке, ни на практике, в особенности при написании учебников и учебных словарей. Одним из исследований синхронной морфологии, подготовленных с использованием электронных средств (работа велась в рамках международной программы CHILD) и основанных на них, может служить докторская диссертация Inetos Savickienės (1999), посвящённая морфологии детской речи. 22 | LAIMA GRUMADIENĖ примером работы по синхронной морфологии, подготовленной с использованием электронных средств (работа велась в рамках международной программы CHILD) и основанной на их анализе, может служить докторская диссертация Inetos Savickienės (1999), посвящённая морфологии детской речи. Кстати, следует упомянуть, что работы, опирающиеся на лингвостатистические данные и посвящённые другим уровням языка, стилистике и отчасти синтаксису, единицы которых встречаются гораздо реже, появились уже несколько десятилетий назад; прежде всего это работы Audronės Bitinienės (1983, 1997, 1998 и др.). Уже есть и несколько попыток изучать современную лексику на основе лингвостатистических данных. В последнее время такие исследования чаще всего проводятся на базе Корпуса современного литовского языка Университета Витаутаса Великого (около 60 000 000 словоупотреблений) (например, исследования коллокаций, проведённые Rūtos Marcinkevičienės (2000a; 2000b), докторская диссертация Jurgitos Mikelionienės (2000) о неологизмах и др.). На основе небольших электронных баз данных подготавливается всё больше лексикологических работ, порой весьма специфических, например докторская диссертация Astos Ryklienės (2000) о лексике, используемой интернет-сёрферами, и её исследование. Однако в целом таких работ немного, и студенты мало вовлечены в этот процесс (за исключением, пожалуй, Университета Витаутаса Великого). Группа под руководством Antano Pakerio в Вильнюсском педагогическом университете завершает подготовку электронной базы для изучения лексики; возможно, тогда и здесь станет больше студенческих работ такого рода. В этой статье мы ограничиваемся описанием рабочих инструментов, необходимых для исследования современного письменного литовского языка, поэтому не рассматриваем уже появившуюся серию исследований старинных письменных памятников, основанных на собственной электронной базе данных Института литовского языка. Появление собственных электронных баз данных, несомненно, даст новый импульс литовской диалектологии: в Институте литовского языка уже готовятся создать Центр диалектов, где в электронной форме будут записываться диалекты и подготавливаться расшифрованные и транскрибированные тексты на основе этих записей. В том же институте начата работа по созданию электронных баз данных ономастики и топонимики. Создаваемая электронная база данных большого Lietuvių kalbos žodyno должна стать настоящим переломом в литовской лексикографии; большие надежды возлагаются и на электронную базу данных Bendrinės lietuvių kalbos žodyno. Преподаватели Вильнюсского университета под руководством Evaldos Jakaitienės участвуют в одном из проектов Европейского союза и составляют электронный так называемый универсальный список литовских слов, на основе которого должна начаться новая серия двуязычных словарей. В определённой мере это своего рода конкурент редакции Bendrinės lietuvių kalbos žodyno. Преимущественно силами Государственной комиссии по литовскому языку, при поддержке Европейского союза, начата подготовка электронных так называемых Terminų ar Svetimžodžių portfeliai — своеобразных списков новейших и очень часто употребляемых терминов и словосочетаний из разных областей, распространяемых Европейским союзом среди всех его членов и стран-кандидатов, чтобы языки могли адаптироваться и подготовиться к грядущей волне переводов, а также к машинному переводу. Группа учёных Вильнюсского университета (руководитель Meilutė Ramonienė) положила начало созданию электронных баз данных современного устного языка на основе записей радио- и телевизионной речи, как это делается и для польского языка. В том же университете готовятся создать электронную базу славянизмов (руководитель Vytautas Kardelis), в которой должны быть как аудиозаписи, так и извлечённые из них и транскрибированные примеры. Как показывает опыт, результатов можно ожидать лишь научившись работать с данными такого рода и приобретя навыки использования новых возможностей. Для этого нужны лаборатории, где этому можно было бы учиться, желательно с юных лет. Сама природа электронных баз данных предполагает открытый доступ; упорядоченные базы должны быть доступны всем, кому они необходимы. Крупнейшие собрания данных литовского языка находятся в Институте литовского язы- DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 23 …туры, поэтому по мере модернизации именно он должен стать крупнейшим центром создания электронных баз данных литовского языка, источником их открытого использования, центром притяжения и распространения работ и идей такого рода — возможно, эту роль и будет выполнять Центр литуанистики, создаваемый при базе Института литовского языка? Те электронные базы данных, которые попадут в интернет, станут еще более открытыми. Кстати, когда появляется возможность подключиться к интернету, место, где пользоваться компьютером, становится несущественным; важно лишь то, что попало в интернет. Но это планы на будущее. До сих пор в Литве не узаконено издание лингвостатистических работ в электронном виде, не урегулирован вопрос авторских прав, поэтому такие работы по-прежнему актуально печатать на бумаге. Однако электронные базы данных и лингвостатистические издания принципиально различаются: последние — лишь верхушка айсберга. Далее рассматривается конкретный вопрос: соотношение электронных баз данных современного письменного литовского языка и частотных словарей. Последние не могут существовать без базы, однако возможности, предоставляемые базой, далеко не ограничиваются изданием словарей. 3. ЭЛЕКТРОННЫЕ БАЗЫ ДАННЫХ СОВРЕМЕННОГО ПИСЬМЕННОГО ЛИТОВСКОГО ЯЗЫКА И ЧАСТОТНЫЕ СЛОВАРИ Электронные базы языковых данных, разумеется, отличаются от других собраний языковых данных прежде всего своей электронной формой и спецификой использования связанных с ней компьютерных технологий. Появление электронных баз данных открыло совершенно новые возможности для изучения языка, но сами эти возможности нельзя связывать исключительно с появлением современных электронных носителей. То, что разными средствами получают по существу аналогичные результаты — прежде всего характеристики частотности грамматических форм и лексем, — свидетельствует о значительном сходстве современных электронных баз данных и их гораздо более ранних аналогов. Во Франции издательство Larousse уже с 1956 г. стало использовать для составления словарей машинную картотеку (на электронных вычислительных машинах, ЭВМ старого поколения) (Rozencveig 1986: 82). Вопрос о том, как следует создавать современные электронные базы языковых данных, возник, с одной стороны, потому, что появление новых технологий позволило справляться с большими объемами информации, а объем текста, предназначенного для иллюстрации одного слова (то есть его контекста), стал увеличиваться. Так появились новые возможности для изучения сочетаемости слова, а позднее и более крупных языковых единиц, а значит, и синтаксиса, семантики. Увлечение все более протяженными отрывками текста привело в конце концов даже к использованию целых завершенных текстов — до тех пор, пока этому не положила предел стоимость приобретения авторских прав. С другой стороны, появление компьютеров, вероятно, по своему воздействию сравнимо с изобретением Гутенберга, а главное — их распространение с невиданной скоростью: в результате геометрического роста разнообразных дистанционных связей между людьми — как говорящими на одном языке, так и на разных языках — возник срочный общественный запрос на получение разнообразной статистической информации, связанной с языком, чтобы автоматизировать как можно больше процессов общения: обучение языкам, перевод, распознавание, сжатие и передачу информации и т. д. Литовское языкознание не осталось в стороне от этого общего процесса, хотя, разумеется, значительно отстало по времени. В мире на протяжении всего XX века, особенно во второй его половине, словно уже готовились к новому скачку. Прежде всего это были частотные словари языков. Первые появились еще в конце XIX века. 24 | LAIMA GRUMADIENĖ — в начале XX века. Самым первым был словарь немецкого языка, который стенограф Ф. Кэдинг (1898) составил на основе картотеки на 11 000 000 словоупотреблений. Значительно позднее Г. Вандер Беке (1929) выпустил частотный словарь французского языка. Х. Итон (1934) составил сравнительный словарь первой тысячи наиболее частотных слов четырех языков — английского, французского, немецкого и испанского. Первый частотный словарь английского языка составили Э. Торндайк и Л. Лордж (1944), испанского — В. Гарсиа Ос (1953). Первый частотный словарь русского языка в Америке составил Х. Джоссельсон (1953), а Н. П. Вакар (1966), также в Америке, выпустил частотный словарь русской разговорной речи советского периода, однако по существу он составлен только на материале языка драматургических произведений. Э. Штейндельт (Штейндельдт 1963) выпустил в Таллине частотный словарь языка Пушкина. На основе корпуса объемом 1 000 000 слов, наполовину состоявшего из художественной литературы и так называемой информационной прозы (публицистики, канцелярских документов и научной литературы), Л. Лённгрен (1993) составил в Уппсале частотный словарь русского языка. Первые частотные словари не только русского, но также румынского и итальянского языков были составлены в Америке — А. Жюльяном, П. М. Эдвардсом, И. Жюльяном (1965), А. Жюльяном, В. Траверсой (1973) (кстати, А. Жюльян и Э. Ч. Родригес (1964) к тому времени уже составили там еще один частотный словарь испанского языка; позднее такой словарь составили также Дж. Р. Аламеда и Ф. Куэтос (1995)). Целая серия частотных словарей основывалась на концепции функциональных стилей языка Пражского лингвистического кружка, а также на представлении Бориса Ларина о литературном языке: первым, как и полагается, был словарь чешского языка — сначала отдельных функциональных стилей, а позднее и общий, — составленный коллективом авторов под руководством Марии Тесителовой (Й. Елинек, Й. В. Бечка и др.; см. Těsitelová 1983). Латыши тоже поторопились, как и чехи: сначала они составили словари отдельных функциональных стилей, а позднее — общий словарь в двух томах: Т. Якубайте, Д. Кристовска, Д. Гулевска, В. Озола, Р. Прусе, А. Рубине, Н. Сика (1966–1976). Той же методикой руководствовались В. А. Аграйев, В. В. Бородин, В. М. Муратова и Е. В. Тисенко под руководством Л. Н. Засориной (1977), составляя частотный словарь современного русского языка на основе 1 000 000 словоупотреблений из четырех функциональных стилей. Частотный словарь белорусского языка, составленный Н. С. Мазейкой и А. И. Супруном (Mažeika, Suprun 1976), охватывает только один функциональный стиль — художественную литературу. Только публицистический стиль представлен и в частотном словаре болгарского языка (Todorova, Pančovska 2001). Первый частотный словарь литовского языка, составленный В. Жилинскене (1990), также охватывал лишь один функциональный стиль — публицистику; при работе использовалась та же чешская методика, велось активное сотрудничество с латышами. Со временем в мире, хотя литовский язык этим похвастаться не может, появилось множество частотных словарей: языка отдельных авторов, функциональных стилей, региональных разновидностей языка, письменной и устной речи и т. д. Частотные словари «языка n вообще» утратили практическую ценность, поскольку потребовались словари для конкретных целей, а значит, слова следовало отбирать из текстов той или иной области, а не из их совокупности. С другой стороны, проблема составления частотных словарей «перешла в другое измерение», когда американские бихевиористы и позитивисты, искавшие примеры употребления, приступили к созданию электронных корпусов текстов: электронные технологии стремительно развивались, поэтому стало возможным не только накапливать, но и обрабатывать огромные массивы текстов. Началом корпусной лингвистики считается 1961 год, когда Нельсон Фрэнсис и Генри Кучера объявили о создании и приступили к работе над знаменитым электронным корпусом письменного языка Brown (Brown university), а Джон Синклер — над корпусом того же формата LOB (Lancaster-Oslo/Birmingham) тек- DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 25 …текстовый корпус; ещё в 1959 г. Randolph Quirk анонсировал корпус письменной и устной речи SEU (Survey of English Usage), работу над которым продолжил Jan Svartvik, взявшийся в Лундском университете за создание корпуса устной речи LLC (London-Lund Corpus of Spoken English). Объём всех упомянутых корпусов тогда составлял около 1–1,15 млн словоупотреблений, позднее появились и другие подобные корпуса (см. Aijmer, Altenberg 1991: 1tt.). Объём корпусов второго поколения исчисляется десятками миллионов, третьего — уже сотнями миллионов и миллиардами. В мире по-прежнему актуальна проблема совместимости компьютерного программного обеспечения и отдельных рабочих программ: накоплены корпуса чрезвычайно большого объёма — сотни миллионов слов (по сути, это электронная форма библиотек), — но как удобно ими пользоваться, как подсчитать элементарные частоты, как не затеряться в океане слов? В конце концов, всегда ли количество определяет качество? При составлении самых разных частотных словарей многократно убеждались, что половина исследованных слов встречается всего один раз. Поэтому всякий раз, приступая к работе, нужно хорошо обдумать, действительно ли поставленные задачи требуют работы с огромным количеством материала в поисках самых редких слов. Иногда, когда изучаются те или иные грамматические закономерности или закономерности словообразования, чрезмерно увеличивать объём исследуемой совокупности действительно нерационально; вполне уместно оценить её и статистическими критериями, ведь они покажут вероятность того, что выборка достаточна для репрезентативных выводов. Особое внимание следует уделять тому, из каких текстов формируется исследуемая совокупность, то есть тому, как строится модель изучаемого объекта. В литовском языкознании сейчас, пожалуй, больше всего вопросов в этом отношении вызывает проблема того, что считать общелитературным литовским языком, в каких пропорциях в нём должны быть представлены функциональные стили речи или выделенные по другим критериям языковые пласты. Так, упомянутый корпус Университета Витаутаса Великого составлен на основе одних принципов отбора, а Частотный словарь современного письменного литовского языка — на основе других, поэтому результаты получаются разными. Необходимо очень внимательно и объективно оценивать статистические данные, например, об отдельных частях речи, полученные на основе разных корпусов. Замечено, что в уже написанных или пишущихся работах такого рода недостаточно внимания уделяется тому, какие тексты изучались, и делаются обобщения о «современном литовском языке». Работа с числами требует точности, иначе получаются вводящие в заблуждение выводы. Электронный корпус, рассматриваемого в статье Частотного словаря современного письменного литовского языка (1,2 млн словоупотреблений), относится к корпусам первого поколения (типа Brown, LOB) объёмом более миллиона слов. Его связывает с этими знаменитыми корпусами ещё одна общая черта: подобно немногим более поздним корпусам в мире, наш корпус аннотирован. Компьютерные технологии создали для аналитических языков исключительные возможности: специальные, но достаточно широко распространённые программы (особенно известна Оксфордского университета — Oxford Concordance Program, также KWIC, KAYE, CLAN, OCP, WordCruncher и др.) позволяют сравнительно легко подготовить списки наиболее частотных слов и представить их конкордансы (Leech 1991: 10; Utka 2000). Исследователи корпуса современного литовского языка Университета Витаутаса Великого обычно также пользуются программами такого рода, однако в этом случае можно анализировать только слова, то есть лексику, поскольку не хватает сведений о конце слова, который, как известно, особенно важен для литовского языка. Таким образом, с синтетическими языками дело обстоит сложнее: ведь описанные программы позволяют составлять списки словоформ, а не заглавных слов. Требуется немало дополнительной работы, прежде чем словоформы будут сведены к общей лемме и превратятся в заглавные слова. Такие списки слов, включающие также грамматический анализ, уже называются аннотированными; в мире их немного, они высоко ценятся, поскольку требуют значительных трудозатрат, и поэтому очень 26 | LAIMA GRUMADIENĖ дороги (мы с В. Жилинскене подсчитали, что в нашем случае только отбор текстов, набор их на клавиатуре компьютера, полуавтоматический морфологический анализ (так называемая ЛЕММАТИЗАЦИЯ), корректура и ввод данных в компьютер потребовали бы от одного человека шести лет работы). Для вычислений и последующих исправлений также требуется несколько лет, поскольку любая неточность при математических действиях может привести к абсурду. В целом сейчас, особенно с появлением электронных корпусов, частотные словари можно составлять по-разному и самые разные — смотря что ищешь. Главная причина, по которой создаются всё новые частотные словари, особенно претендующие называться, например, словарями современного n языка, заключается в том, что основное условие лингвостатистики, как и статистики в целом, состоит в том, что выборка должна быть репрезентативной моделью исследуемой совокупности, или множества. Иными словами, постоянно возникает сомнение в том, действительно ли исследованная выборка отражает предполагаемую совокупность. Например, частотный словарь современного литовского языка, составленный на основе корпуса современного литовского языка Университета Витаутаса Великого, включающего целых 60 млн словоупотреблений, отличался бы от уже изданных словарей Л. Грумадене и В. Жилинскене (1997, 1998), поскольку его результаты отражали бы совокупность текстов, основу которой составляет язык 70% периодических, 26% непериодических и 4% переводных изданий (Marcinkevičienė 2000a: 16). Тексты для упомянутых изданных словарей отбирались совсем по иному принципу: это оригинальные, непереводные тексты четырёх функциональных стилей речи — публицистического, канцелярского, художественного и научного. Так поступили потому, что литовский литературный язык, особенно письменный, до сих пор формируется, нормируется и кодифицируется в духе идей Пражского лингвистического кружка (кстати, следует обратить внимание на то, что ныне сам термин СТИЛЬ разные лингвистические школы определяют весьма неодинаково). Следовали принципам составителей других частотных словарей, прежде всего чешских, русских и латышских, которые также придерживались изложенного выше понимания литературного языка как совокупности функциональных стилей речи, переняли их опыт и, подобно им, выбрали выборки по 300 000 словоупотреблений из четырёх функциональных стилей, поскольку считали, что для письменного литовского языка принципы создания корпуса Университета Витаутаса Великого (который, кстати, появился позже нашего) пока преждевременны и ближе к американскому пониманию литературного (или стандартного, как там принято говорить) языка. В базе данных Частотного словаря современного письменного литовского языка иногда недостаёт бытовой лексики, поскольку забывают, что словарь сформирован только на основе публичной письменной речи: в нём нет ни частных писем, дневников, ни надписей на стенах и т. п. Однако и теперь в словарь попали слова разговорной речи, среди них не только иноязычные заимствования и диалектизмы, но даже примеры пейоративной лексики, недопустимой в литературном языке, за что авторов словаря постоянно упрекают. Возникает вопрос, что считать художественной литературой: эти слова встречались в текстах художественной литературы (оригинальных текстах, напечатанных в Литве тиражом более 100 экземпляров и прошедших редактуру), а постулат составления частотного словаря требует не исключать ни одного знаменательного слова, если только оно не является именем собственным, числом, сокращением или опечаткой. Кстати, данные показывают, что при выборках по 300 000 словоупотреблений из каждого из четырёх функциональных стилей в публицистическом стиле обнаружено 284 687 знаменательных слов (15 313 так называемых «отбросов»), в деловом стиле — 279 505 (20 495 не попавших в словарь по упомянутым причинам), в научном — 278 311 (21 689), в художественном — 290 561 (9 439). Не поднялась рука исключить имя собственное Lietuva, поэтому оно как единственное исключение из имён собственных попало в словарь (оказалось, что это 16-е по частотности слово, первое среди существительных; его частота — 5151 в 614 выборках: здесь сказалось влияние официальных документов, DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 27 названия учреждений и т. п., в которых это слово часто употреблялось в родительном падеже). Условно к именам собственным можно отнести и названия религиозных и других праздников (часто употребляемые также как нарицательные), например, Joninės, Kūčios, Žolinė, или названия сторон света Rytai, Vakarai, Pietūs, Šiaurė. Согласно принципу репрезентативности, для каждого из упомянутых стилей отбирались только тексты, относящиеся к чистому стилю: исключались считавшиеся пограничными учебные тексты, научная публицистика, публицистика для узкого круга читателей, драматургия, поэзия и т. п. Тексты публицистического стиля отобрала Vida Žilinskienė; они включали тексты 19 редактируемых центральных ежедневных и еженедельных газет и широко читаемых журналов за 1994–1995 гг., представлявшие пять тематических групп: 1) политика, 2) промышленность и сельское хозяйство, 3) образование и право, 4) искусство и 5) развлечения (спорт, гороскопы, прогнозы погоды). Тексты официально-делового стиля отобрали Pranas Kniūkšta и Danutė Vainauskienė из изданий и документов 1990–1995 гг. по семи тематическим группам: 1) законы и сопроводительные документы, комментарии к ним, 2) правовые документы, 3) справочники и документы по экономике и бизнесу, 4) издания по политологии, документы партий, 5) стандарты и статистические издания, 6) источники информации (библиографии, каталоги, словари), 7) документы отдельных социальных сфер (обороны страны, социального обеспечения, образования, культуры и др.). Тексты научного стиля отобрала Irena Andriukaitienė из научных изданий, опубликованных в Lietuvoje в 1990–1995 гг., или из работ, одобренных научными учреждениями, по восьми тематическим группам (направлениям науки): 1) аграрные науки, 2) естественные, 3) гуманитарные, 4) математические, 5) медицинские, 6) социальные, 7) технические, 8) теологические. Тексты художественного стиля отобрала Laima Grumadienė из прозаических произведений художественной литературы, опубликованных в Lietuvoje в 1985–1990 гг. (с небольшими исключениями); шесть их «тематических» групп были классифицированы по местам рождения писателей: 1) жемайты, 2) восточные аукштайты, 3) западные аукштайты, 4) южные аукштайты, 5) горожане, 6) эмигранты (подлинное место рождения последних не учитывалось). Было решено, что именно эти тексты могут представлять современный письменный литовский язык. Из них в случайном порядке (страницы и строки выбирались по таблице случайных чисел) отбирался отрезок объемом в 1000 словоупотреблений, так называемая выборка, и вводился с помощью компьютерной клавиатуры (работа занимала около двух часов). Затем выборки лемматизировались, то есть подвергались морфологическому анализу с помощью программы MAN (Morfologinio Analizavimo ir Normalizavimo), разработанной Vytautas Zinkevičius. Автор специально адаптировал ее для этой работы на основе собственной ранее созданной программы компьютерной проверки правописания слов; в 2000 г. по заказу Университета Витаутаса Великого он несколько усовершенствовал ее, перенес на более высокую версию и назвал лемматизатором (Zinkevičius 2000). Работа выглядела примерно так: получалась компьютерная распечатка, из которой нужно было «выбросить» ненужные (подчеркнутые мной) строки. Например, уже обработанный человеком, а не только машиной фрагмент текста (…) manęs visa ši komedija (…) распечатка выглядела так: РИС. 1. ПРИМЕР ЛЕММАТИЗАЦИИ ТЕКСТА я думать меня местоимение винительный падеж единственное число; меня глагол действительное причастие, действительный залог, неопределённое лицо, мужской род, единственное число, именительный падеж 28 | LAIMA GRUMADIENĖ весь вся местоимение женский род, единственное число, именительный падеж вся местоимение женский род, единственное число, творительный падеж вся местоимение женский род, единственное число, предложный падеж всё местоимение, без рода этот эта местоимение, без рода, женский род, единственное число, именительный падеж комедия комедия существительное, женский род, единственное число, именительный падеж комедия существительное, женский род, единственное число, творительный падеж комедия сущ. жен. р. ед. ч. И. п. В первой строке остается восстановленное заглавное слово, во второй (оставшейся незачеркнутой) — словоформа с грамматическими характеристиками. Такая работа с 1000 словами занимает около 4 часов, но более быстрого способа морфологического анализа литовских слов, пожалуй, пока нет. После этого ищут омонимы и омофоны, выборки корректируются программой MAN-K Витаутаса Зинкявичюса и загружаются в компьютер — все это занимает еще час. Всего таким образом было обработано 1 200 выборок по 1000 употреблений слов. После выполнения этой огромной работы данные далее обрабатывались с помощью вычислительных программ, подготовленных Валентинасом Черняускасом и Снюогуоле Мешкаускене (оба из Института математики и информатики): подсчитали различные частоты. К печати были подготовлены три словаря, два из них уже изданы (Grumadienė, Žilinskienė 1997; 1998), а третий, будем надеяться, увидит свет в этом году. Первые два словаря — это частотные списки заглавных слов. Первый упорядочен по убыванию частоты, второй — по алфавиту. В них вошло соответственно 38 337 различных слов. Третий — словарь словоформ — в несколько раз больше (31 а. л.), содержит около 150 000 словоформ и отражает употребление различных слов, а также одних и тех же слов в различных грамматических формах (он должен быть представлен как в алфавитном, так и в обратном порядке). Подготовлено еще несколько десятков частотных словарей с различным расположением, предназначенных для использования в электронном виде: для всех четырех стилей, тематических групп каждого стиля и т. д. (как заглавных слов, так и словоформ). Сравнение некоторых статистических данных уже сейчас показывает, что в литовской письменной речи чаще всего употребляются существительные: из всех различных слов целых 45,25% составляют существительные, много глаголов и глагольных форм — 32,65%, значительна и доля прилагательных — 15,31%, различных наречий обнаружено 5,03%. На долю других частей речи приходится менее половины процента (всего их лишь 0,88%). Но это еще не означает, что именно таково и их распределение в тексте. Другой показатель — частотность тех же слов в тексте — показывает, что доля основных частей речи и наречий заметно снижается за счет служебных частей речи и местоимения, поскольку в текстах последние составляют уже более четверти — 26,71%. Следует обратить внимание не только на показатель частотности, но и на число появлений слова или словоформы в отдельных выборках: это позволяет установить, обусловлена ли частота какого-либо слова случайным попаданием одного текста, в котором это слово многократно повторяется, или же его частотность не случайна, поскольку его дисперсия в различных выборках равномерна. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 29 Разнообразие лексики оценивается коэффициентом итерации (отношением числа употреблений слов к числу заглавных слов), который в упомянутом словаре равен 20,06 (чем меньше это значение, тем, следовательно, больше обнаружено различных слов). Из подсчитанных, но не опубликованных словарей заглавных слов и словоформ для каждого из четырех функциональных стилей (о некоторых замеченных в них лингвостатистических особенностях уже писала В. Жилинскене (1998, 2001, в печати и др.)) следует, что, например, лексика художественной литературы вдвое разнообразнее лексики текстов официально-делового стиля (коэффициенты итерации равны соответственно 9,53 и 20,78). Интереснее всего то, что коэффициент итерации для всех четырех стилей вместе взятых лишь ненамного отличается от показателя официально-делового стиля, но весьма значительно — от показателя художественного стиля (для публицистики он равен 10,51, для научного стиля — 12,63). Эти показатели служат весомым аргументом при определении, например, принципов составления словаря литературного языка: в каких долях должны быть представлены функциональные стили речи; следует ли вообще продолжать практику отождествления литературного языка с функциональными стилями; если да, необходимо учитывать статистические показатели функциональных стилей и т. д. Интересные данные получены при сопоставлении списка наиболее частотных слов, составленного на основе корпуса текстов Университета Витаутаса Великого (в нем слова фиксировались и подсчитывались в тех формах, в которых они встречаются в тексте, без восстановления их заглавных форм, в отличие от Частотного словаря современной письменной литовской речи). Сопоставив 50 наиболее частотных неизменяемых слов и словоформ изменяемых слов в 60-миллионном корпусе литовских текстов (Utka 2000: 278) с первыми 50 заглавными словами Частотного словаря (Grumadienė, Žilinskienė 1997: 3), можно убедиться в их явном сходстве. Только в первом частотном списке несколько меньше различных слов, поскольку там приводятся разные формы одного и того же слова, например, buvo, būti; jis, jo, jų, jos, jie, тогда как во втором списке, то есть в словаре, им соответствуют būti и jis. В Частотный словарь, согласно принципам составления словарей такого типа, сокращения не вошли, но сопоставление с данными Частотного словаря показывает, что среди сокращений из упомянутого списка наиболее частотных слов m, d, a — соответственно metai, diena, amžius — первые два слова часто встречаются и в словаре: занимают 30-е и 57-е места по частотности, то есть по рангу (слова одного ранга считаются словами с одинаковой частотностью), тогда как amžius попадает лишь в четвертую сотню. Кстати, и сокращение, и это слово целиком довольно часто употребляются в несколько разных значениях. Как подтверждает практика составления частотных словарей многих синтетических языков, наиболее частотными в Частотном словаре современной письменной литовской речи являются некоторые союзы (ir, kad, o, kaip, ar, bet, bei, kai и др.), предлоги (į, iš, su, nuo, apie, po, už, dėl, per, prie и др.), местоимения (jis, tas, aš, kuris, šis, visas, kitas, savas, toks, kas, tu и др.), частицы (ir, ne, tik и др.), наиболее распространенные глаголы — būti, galėti, turėti, nebūti, reikėti, žinoti, nustatyti и др., а существительные — Lietuva, darbas, žmogus, metai и др. Среди числительных наиболее частотны vienas, pirmas, du, а среди прилагательных, входящих в первую сотню наиболее частотных слов, — dideli, naujas, aukštas, įvairus, svarbus, pagrindinis. Кстати, данные и аналитических языков показывают, что, например, в текстах на английском языке местоимение I, союз and и артикль the составляют 10% текстов (Hillerich www: eduplace.com). Важен и вопрос о заимствованных словах: сколько их и какие следует включать в словарь литературного языка? Полезно учитывать и то, что, например, в списке заглавных слов Частотного словаря современной письменной литовской речи (1998, XXXIV–XXXVI) обнаружено 27,52% заимствованных слов, а в текстах они занимали 13,34% объема; полезными могут оказаться и сами списки этих слов. 30 | LAIMA GRUMADIENĖ При подготовке новой грамматики литовского языка важно знать и статистику словоформ: слова каких типов и как изменяются, почему разнообразие грамматических форм одних слов велико, а других — нет. Таких данных много в готовящемся к печати словаре словоформ. V. Žilinskienė (2001) уже опубликовала интересные данные только о публицистическом стиле. Выясняется, что три падежа существительных составляют 82,29% всех случаев употребления существительных (род. — 38,91%, им. — 26,62%, вин. — 16,76%; а то, что, например, дат. падеж употребляется лишь в 3,88% случаев, возможно, уже свидетельствует о тенденциях к аналитизму?). Прилагательные, кстати, чаще всего употребляются в им. падеже — в 36,93% случаев. Установлено, что преобладает единственное число существительных — 68,86% всех употреблений. В текстах публицистического стиля обнаружено сравнительно мало деепричастий (2,34%) и полудеепричастий (1,84%), тогда как причастий — целых 24,46%; инфинитив употреблялся в 15,85% случаев. Интересные и необычные результаты, особенно для педагогов и специалистов, составляющих учебники, учебные программы и словари, были получены при изучении трёх минимальных словарей литовского и русского языков по квалификационным категориям владения государственным языком, подготовленных и изданных V. Žilinskienė и L. Grumadienė (1998; 1999a; 1999b), а также ещё шести аналогичных словарей литовского и английского и литовского и польского языков, подготовленных, но пока не изданных. Здесь следует ещё раз обратить внимание на то, что выборки составлены по текстам литовской письменной речи, поэтому в них может недоставать слов разговорной речи. Эти словарики предназначены для изучения письменной речи, поскольку квалификационные требования к владению государственным языком связаны с употреблением государственного языка в публичной сфере, прежде всего в официальных ситуациях, особенно в государственных учреждениях. Поэтому здесь нужнее не бытовая, а нейтральная и специальная лексика: требуется уметь читать и писать деловые документы, понимать тексты СМИ. В будущем предстоит составить и минимальные словари разговорной речи. В Литве издан учебник Vytautas Šernas (1994) Как рациональнее изучать языки, в котором есть и минимальный двуязычный словарь английского и литовского языков: перевод знаменитого Basic English, опубликованного Ch. K. Ogden в 1942 г. и составленного из 850 слов (его, кстати, можно найти и в 3-м томе Encyclopaedia Britannica). Со временем одни слова устаревают, другие появляются, поэтому список из 850 слов может соответственно изменяться. При установлении требований к трём квалификационным категориям владения государственным литовским языком было учтено и мнение авторов Частотного словаря современной письменной литовской речи об объёме минимальных словарей: было решено, что требованиям I категории соответствует знание примерно 800 слов, II категории — примерно 1200, III категории — примерно 2500 слов. При этом учитывались как общепринятый постулат Ogden о 850 словах, так и результаты исследований частотности в родном и других языках, а также аналогичная практика других стран. То, что эти расчёты не взяты с потолка, видно и по трём таблицам в приложении, где ясно показано, какую долю текстов охватывают соответственно 800, 1200 и 2500 наиболее частотных слов письменной литовской речи: 56,66%, 65,70% и 78,04%. Становится привычным, что теперь все большие словари дают указания о наиболее частотных словах языка. Например, в словаре английского языка COBUILD (www.antimoon.com) 680 наиболее частотных слов обозначены соответственно от одного до четырёх ромбов. В словаре английского языка Longman 3000 наиболее частотных слов помечены соответственно S1, S2 (S — spoken English), W1, W2 (W — written English). В словаре английского языка Macmillan самые частотные слова печатаются красным цветом, а частотность остальных обозначается соответственно одной-тремя звёздочками. Похоже, скоро и литовской лексикографии придётся заняться этим. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 31 4. ВЫВОДЫ Электронных баз данных современной литовской речи немного; крупнейшие из них — Частотный словарь современной письменной литовской речи V. Žilinskienė и L. Grumadienė (с морфологической разметкой и статистической обработкой, 1 200 000 словоупотреблений) и Корпус литовского языка Университета Витаутаса Великого (без разметки, около 60 000 000 словоупотреблений). В литуанистике пока нет подходящей практики использования как электронных баз данных современной речи, так и лингвостатистических изданий. Прежде всего, в вузах Литвы недостаточно приучают к такой работе, однако есть и другая сторона вопроса — слишком мало общедоступных электронных баз данных литовского языка. Одна из причин отставания также заключается в том, что электронные базы данных не признаются авторской работой. Одна из наиболее актуальных проблем Литвы, связанных с электронными базами данных, — слабость концепции их составления: часто предполагается пользоваться электронными базами данных лишь как текстом в электронной форме, не предусматривая применения компьютерных технологий для обработки данных. 32 | LAIMA GRUMADIENĖ ТАБЛИЦА 1: ЧАСТОТНОСТЬ СЛОВ ПО ЧАСТЯМ РЕЧИ И ОБЩАЯ ЧАСТОТНОСТЬ ДЛЯ КВАЛИФИКАЦИОННЫХ КАТЕГОРИЙ ВЛАДЕНИЯ ГОСУДАРСТВЕННЫМ ЛИТОВСКИМ ЯЗЫКОМ Ранг Частота сущ. глаг. прил. нареч. проч. 1–10 39582-7001 – 21262 – – 52221 14,38% 35,31% 11–20 6877-4274 – 10582 – – 21221 19,96% 40,02% 21–30 4113-2989 10763 – – – 11048 28,95% 29,71% 31–40 2950-2637 – – – 5619 – 20,35% 41–50 2631-2053 – 6843 2053 4782 2113 30,50% 9,15% 21,32% 9,42% 51–60 2015-1781 9284 – – 3867 – 45,22% 18,83% 61–70 1754-1557 10014 1739 – – 1593 60,41% 10,49% 9,62% 71–80 1548-1461 6036 3046 1507 3009 – 40,04% 20,20% 10,00% 19,96% 81–90 1460-1373 1422 2828 1373 2888 2792 10,03% 19,94% 9,68% 20,36% 19,68% 91–100 1351-1148 7421 1305 – 1232 1159 54,63% 9,61% 9,07% 8,53% 101–150 1442-905 23551 12523 7419 3116 943 43,03% 22,88% 13,55% 5,69% 1,72% 151–200 900-706 22744 10742 870 4203 1583 52,48% 24,79% 2,01% 9,70% 3,65% 201–250 702-564 14059 6315 4906 3178 3148 42,09% 18,90% 14,69% 9,51% 9,42% 251–300 562-462 17325 7962 1451 3605 1041 49,59% 22,79% 4,15% 10,32% 2,98% DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 33 МИНИМАЛЬНОГО СЛОВАРЯ ПО КВАЛИФИКАЦИОННЫМ КАТЕГОРИЯМ: ЛИНГВОСТАТИСТИЧЕСКИЙ АНАЛИЗ союз причастие деепричастие предлог междометие; частица Сумма – 25050 49371 – – 147904 16,93% 33,38% 12,33% – – 16902 4320 – 53025 31,87% 8,15% 4,42% – 7156 4102 4113 – 37182 19,25% 11,03% 11,06% 3,10% 2641 8282 8281 2791 – 27614 9,56% 29,99% 29,99% 10,11% 2,30% 2116 4526 – – – 22433 9,43% 20,18% 1,87% – 3589 3793 – – 20533 17,48% 18,47% 1,71% 1557 1673 – – – 16576 9,39% 10,09% 1,38% – – 1478 – – 15076 9,80% 1,26% – 1427 – 1454 – 14184 10,06% 10,25% 1,18% – – 1237 1230 – 13584 9,11% 9,05% 1,13% 1007 2164 2986 1028 – 54737 1,84% 3,95% 5,46% 1,88% 4,56% 738 – 900 1557 – 43337 1,70% 2,08% 3,59% 3,61% – – 574 1225 – 33405 1,72% 3,67% 2,78% – 1035 512 2007 – 34938 2,96% 1,47% 5,74% 2,91% 34 | LAIMA GRUMADIENĖ Ранг Частота сущ гл прил нареч мест 301–350 460-374 19646 10424 2420 2073 393 54,28% 28,80% 6,69% 5,73% 1,09% 351–400 373-313 18504 7550 3381 1347 654 53,04% 21,64% 9,69% 3,86% 1,87% 401–450 312-260 19156 7865 3976 522 304 57,20% 23,49% 11,87% 1,56% 0,91% 451–500 259-205 21718 9987 4806 2486 471 53,17% 24,45% 11,76% 6,08% 1,15% Минимальный словарь I квалификационной категории владения государственным литовским языком (около 800 ТАБЛИЦА 2: ОБЩАЯ ЧАСТОТНОСТЬ СЛОВ И ЧАСТЕЙ РЕЧИ ДЛЯ II КВАЛИФИКАЦИОННОЙ КАТЕГОРИИ ВЛАДЕНИЯ ГОСУДАРСТВЕННЫМ ЛИТОВСКИМ ЯЗЫКОМ Ранг Частота сущ гл прил нареч мест 501–550 204-155 22494 13153 7023 2481 525 46,97% 27,46% 14,66% 5,18% 1,10% 551–600 154-106 30834 17197 6221 4419 151 50,91% 28,39% 10,27% 7,29% 0,25% Минимальный словарь II квалификационной категории владения государственным литовским языком (около 1200 ТАБЛИЦА 3: ОБЩАЯ ЧАСТОТНОСТЬ СЛОВ И ЧАСТЕЙ РЕЧИ ДЛЯ III КВАЛИФИКАЦИОННОЙ КАТЕГОРИИ ВЛАДЕНИЯ ГОСУДАРСТВЕННЫМ ЛИТОВСКИМ ЯЗЫКОМ Ранг Частота сущ гл прил нареч мест 601–650 105-56 45751 20328 12145 5822 433 52,31% 23,25% 13,88% 6,66% 0,50% Минимальный словарь III квалификационной категории владения государственным литовским языком (около 2500 DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 35 сокр. прост. соед. род. твор.; местн. Сумма 426 – – 812 – 36194 1,17% 2,24% 3,02% – – 1407 2043 – 34886 4,03% 5,87% 2,91% 276 – 272 1118 – 33489 0,82% 0,81% 3,34% 2,79% 255 224 210 700 – 40857 0,62% 0,55% 0,51% 1,71% – 3,40% слов) охватывают 56,66% текста (выборка из 1,2 млн употреблений слов). 56,66% ЛИНГВОСТАТИСТИЧЕСКИЙ АНАЛИЗ КАТЕГОРИЙ МИНИМАЛЬНОГО СЛОВАРЯ: сокр. прост. соед. род. твор.; местн. Сумма 530 342 177 795 371 47891 1,11% 0,71% 0,37% 1,66% 0,78% 3,99% 520 275 132 713 109 60571 0,86% 0,45% 0,22% 1,18% 0,18% 5,05% слов) охватывают 65,70% текста (выборка из 1,2 млн употреблений слов). 9,04% Всего: (=65,70%) ЛИНГВОСТАТИСТИЧЕСКИЙ АНАЛИЗ КАТЕГОРИЙ МИНИМАЛЬНОГО СЛОВАРЯ: сокр. прост. соед. род. твор.; местн. Сумма 460 341 372 1697 102 87446 0,52% 0,40% 0,42% 1,94% 0,12% 7,29% слов) охватывают 78,04% текста (выборка из 1,2 млн употреблений слов). 7,29% Всего: (=78,04%) 36 | LAIMA GRUMADIENĖ LITERATŪRA AJMER, K., ALTENBERG, B. 1991: Introduction. Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. ALAMEDA, J. R., CUETOS, F. 1995: Diccionario de frecuencias de las unidades lingüísticas del castellano, Universidad de Oviedo. BITINIENĖ, A. 1983: Mokslinis stilius, Vilnius: Aukštojo ir specialiojo mokslo ministerija. BITINIENĖ, A. 1997: Funkciniai stiliai: sakinio ilgis ir struktūra, Vilnius: Vilniaus pedagoginio universiteto leidykla. BITINIENĖ, A. 1998: Administracinis stilius ir jo sakinio ilgis. Kalbotyra 47 (1), 17–28. EATON, H. 1934: Comparative frequency list on the first thousand words in English, French, German and Spanish. Coleman, A., ed., Experiments and Studies in Modern Language Teaching, Chicago. GARCIA HOZ, V. 1953: Vocabulario usual, comun y fundamental. Madrid: Consejo Superior de Investigaciones Cientificas – Instituto „San José de Calasanz“. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1997: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (mažėjančio dažnio tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. GRUMADIENĖ, L., ŽILINSKIENĖ, V. 1998: Dabartinės rašomosios lietuvių kalbos dažninis žodynas (abėcėlės tvarka), Vilnius: Matematikos ir informatikos institutas, Lietuvių kalbos institutas. HILLERICH, R., www: eduplace. com: High-frequency words and vocabulary. JAKUBAITĖ, T. e.a. 1966–1976: Latviešu valodas biežuma vārdnīca, 1.–4. sējumi, Rīga: Zinātne. JOSSELSON, H. 1953: The Russian Word Count and Frequency Analysis of Grammatical Categories of Standard Literary Russian, Detroit: Periodical Service Co. JUILLAND, A., RODRIGUES, E. Ch. 1964: Frequency Dictionary of Spanish words, The Hague: Mouton. JUILLAND, A., EDWARDS, P. M., JUILLAND, I. 1965: Frequency Dictionary of Roumanian Words, The Hague: Mouton. JUILLAND, A., TRAVERSA, V. 1973: Frequency Dictionary of Italian Words, The Hague: Mouton. KAEDING, F. 1898: Häufigkeitswörterbuch der deutschen Sprache, Steigliz bei Berlin (Selbstverlag). KEINYS, S., red. 1993: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KEINYS, S., red. 2000: Dabartinės lietuvių kalbos žodynas, Vilnius: Mokslo ir enciklopedijų leidykla. KENNEDY, G. 1998: An Introduction to Corpus Linguistics, London–New York: Longman. KORSAKAS, J. 1991: Lietuvių kalbos inversinis žodynas, Kaunas: Šviesa. KRUOPAS, J., red. 1954: Dabartinės lietuvių kalbos žodynas, Vilnius: Valstybinė politinės ir mokslinės literatūros leidykla. KRUOPAS, J., red., 1972: Dabartinės lietuvių kalbos žodynas, Vilnius: Mintis. LEECH, G. 1991: The state of the art in corpus linguistics, Ajmer, K., Altenberg, B., eds., English Corpus Linguistics. Studies in Honour of Jan Svartvik, London–New York: Longman. LÖNGREN, L. 1993: Частотный словарь современного русского языка. Uppsala. (Acta Universitatis Upsaliensis, Studia Slavica Upsaliensia 32.) MARCINKEVIČIENĖ, R. 2000a: Tekstynų lingvistika (teorija ir praktika). Darbai ir dienos 24, 7–64. MARCINKEVIČIENĖ, R. 2000b: Patterns of word usage in corpus linguistics. Kalbotyra 49 (3), 71–80. MAŽEJKA, N. S. (Мажэйка, Н. С.), SUPRUN, A. Ja. 1976: Частотны слоўнік беларускай мовы (мастацкая проза), Мінск: Выдавецтва БДУ імя У. Леніна. MIKELIONIENĖ, J. 2000: Naujoji lietuvių kalbos leksika (1991–1996 m. kompiuterinio periodikos tekstyno pagrindu). Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. MURMULAITYTĖ, D. 1998: Žodžių sąsajos žymėjimas „Dabartinės lietuvių kalbos žodyne“ (santrumpos žr. vartojimas). Lietuvių kalbotyros klausimai 39, 240–247. MURMULAITYTĖ, D. 1999: „Bendrinės lietuvių kalbos žodyno“ kompiuterizavimo klausimu. Lituanistica 2 (38), 92–98. RYKLIENĖ, A. 2000: Bendravimas internetu: kalbėjimas rašant. Darbai ir dienos 24, 99–107. DABARTINĖS KALBOS DAŽNINIS ŽODYNAS IR JO BAZĖ | 37 ROBINSON, D. F. 1976: Lithuanian Reverse Dictionary, Michigan: Slavica Publishers Inc. ROZENCVEJG, V. Ju. 1986: Опыт создания национальных лексикографических служб за рубежом. Караулов Ю. Н., ред., Машинный фонд русского языка: идеи и суждения, Москва: Наука, 75–83. SAVICKIENĖ, I. 1999: Lietuvio vaiko daiktavardžio morfologija. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas. ŠERNAS, V. 1994: Kaip racionaliau mokytis kalbų (Basic English), Vilnius: Žodynas. ŠTEJNFEL’DT, E. A. 1963: Частотный словарь современного русского литературного языка, Таллин. TĚŠITELOVÁ, M. e.a. 1983: Frekvenční slovník češtiny věcného stylu, Praha: Academia–Nakladatelství Československé Akademie Věd. THORNDIKE, E., LORGE, L. 1944: A Teacher’s Word Book of the Twenty Thousand Words Found Most Frequently and Widely in General Reading for Children and Young People, New York: Appleton-Century Crofts. TODOROVA, E., PANČOVSKA, R. 2001: Честотен речник на българската публицистика (1944–1989), София: Пенсофт. UTKA, A. 2000: Kalbinė įranga ir jos galimybės. Darbai ir dienos 24, 275–285. VACAR, N. P. 1966: A Word Count of Spoken Russian. The Soviet Usage, Ohio: Ohio State University Press. VANDER BEKE, G. 1929: French Word Book, New York: Macmillan. ZASORINA, L. N., ред., 1977: Частотный словарь русского языка, Москва: Издательство «Русский язык». ZINKEVIČIUS, V. 2000: Lemiuoklis – morfologinei analizei. Darbai ir dienos 24, 246–273. ŽILINSKIENĖ, V. 1990: Lietuvių kalbos dažninis žodynas, Vilnius: Mokslas. ŽILINSKIENĖ, V. 1995: Atgalinis dabartinės lietuvių kalbos žodynas, Vilnius: Matematikos ir informatikos institutas. ŽILINSKIENĖ, V. 1998: Dažninis dabartinės rašomosios lietuvių kalbos žodynas (pirmieji tyrimo rezultatai). Lietuvių kalbotyros klausimai 39, 219–227. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1998: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (pirmoji kvalifikacinė kategorija), Kaunas: Šviesa. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999a: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (antroji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V., GRUMADIENĖ, L. 1999b: Valstybinės kalbos mokėjimo kvalifikacinių kategorijų lietuvių–rusų kalbų minimalusis žodynas (trečioji kvalifikacinė kategorija), Vilnius: UAB „Nacionalinių tyrimų centro“ leidykla. ŽILINSKIENĖ, V. 2001: Lietuvių ir latvių kalbų publicistikos leksikos ir morfologijos raida statistiniu požiūriu. Linguistica Lettica 9, 155–168. ŽILINSKIENĖ, V. spausd.: Lietuvių kalbos dalykinio stiliaus morfologijos statistinės charakteristikos ir jų lyginimas su atitinkamomis publicistikos charakteristikomis. Lituanistica. Laima Grumadienė Lietuvių kalbos institutas P. Vileišio g. 5, LT–2055 Vilnius, Lietuva [email protected] Gauta 2002 04 19