Arbitraliųjų lietuvių kalbos kolokacijų nustatymas

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Université Vytautas Magnus IDENTIFICATION DES COLLOCATIONS ARBITRAIRES EN LITUANIEN MOTS-CLÉS: collocations arbitraires, langue lituanienne, restrictions lexicales de combinatoire, méthode vectorielle, identification automatisée, identification linguistique manuelle. RÉSUMÉ L’objet de l’étude présentée dans cet article est celui des collocations arbitraires en lituanien. Leur combinatoire repose non pas sur des restrictions sémantiques, mais sur des restrictions lexicales; ces collocations ne reflètent pas directement la réalité extralinguistique. Le lien entre leurs mots est arbitraire: bien qu’il soit théoriquement possible de choisir plus d’un partenaire combinatoire en fonction d’un sens similaire, on tend à en employer un seul. L’article décrit les méthodes d’identification des collocations arbitraires mises à l’essai dans le cadre du projet « Méthode d’analyse linguistique manuelle et de linguistique informatique automatisée (ARKA) ». Les données de l’étude proviennent de la base de données des expressions polylexicales figées du lituanien. RÉSUMÉ L’article vise à décrire les approches méthodologiques d’identification des collocations arbitraires (CA), développées dans le cadre du projet « Collocations arbitraires du lituanien: identification, description et usage (ARKA) ». La source de l’étude était la « Base de données des expressions polylexicales du lituanien ». Les collocations arbitraires ont été déterminées en combinant des méthodes manuelles et semi-automatiques de linguistique informatique. INTRODUCTION Comme on le sait, les collocations constituent une grande partie des expressions figées. Cependant, lorsqu’on les identifie automatiquement dans des corpus au moyen de méthodes statistiques ou hybrides (voir plus en détail Bielinskienė et al. 2019: 15–22), on repère également de nombreuses expressions qui sont considérées comme des collocations BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 2 doi.org/10.35321/bkalba.2021.94.06 parce que la fréquence de cooccurrence des mots qui les composent est automatiquement évaluée comme statistiquement significative, par exemple: six ans, une journée ensoleillée, une belle femme, etc. C’est ainsi que parmi les collocations apparaissent des collocations fallacieuses, formées comme de simples combinaisons libres de mots sur la base de contraintes sémantiques plutôt que lexicales (Marcinkevičienė 2010: 90–91). Certains chercheurs ne considèrent comme collocations que les collocations véritables (également appelées non motivées ou arbitraires), c’est-à-dire des combinaisons de mots conventionnelles qui ne reflètent pas directement la réalité extralinguistique et dont les mots sont liés de façon arbitraire (pour une analyse détaillée de l’arbitraire, voir Kovalevskaitė et al. 2021). L’objet de cette étude est précisément constitué par les collocations arbitraires (ci-après CA), c’est-à-dire celles qui se caractérisent par une combinabilité lexicale restreinte (en anglais lexical restrictedness): bien qu’en théorie plusieurs partenaires collocationnels puissent être choisis en fonction d’un sens similaire, on tend à en employer un seul, par exemple comprendre une allusion plutôt que *saisir une allusion, à portée de main plutôt que *prenable à la main. Rūta Petrauskaitė écrit: « L’absence de lien direct avec la réalité désignée explique que la combinabilité d’un même mot varie considérablement non seulement d’une langue à l’autre, mais aussi qu’au sein d’une même langue, on ne puisse remplacer un élément d’une collocation par un autre qui lui est synonyme sans risquer de rendre l’expression inhabituelle, par exemple le temps passe, court, s’écoule, mais non *marche, file, rampe » (Marcinkevičienė 2010: 91). Selon R. Petrauskaitė, les partenaires de combinabilité du terme principal des collocations véritables (arbitraires) sont imprévisibles; leur combinabilité repose sur des contraintes lexicales (Marcinkevičienė 2010: 90). Jusqu’à présent, les CA n’ont guère retenu l’attention des chercheurs en langue lituanienne, alors que leur identification permettrait de distinguer ces collocations comme le noyau des collocations du lituanien, ce qui serait particulièrement utile pour la traduction, l’enseignement du lituanien comme langue étrangère et la lexicographie. C’est dans ces buts que les CA sont analysées dans le cadre du projet « Collocations arbitraires du lituanien: identification, description, usage (ARKA) »1, qui vise à décrire les CA du lituanien et à élaborer des ressources lexicographiques et pédagogiques consacrées aux CA. L’objectif de l’article est de décrire les méthodes appliquées dans le cadre du projet ARKA pour identifier les CA du lituanien et de comparer les résultats obtenus par différentes méthodes. Les CA ont été analysées au moyen de méthodes d’analyse linguistique semi-automatiques et de linguistique informatique automatisées. 1 Le projet est financé par le Conseil lituanien de la recherche (n° S-LIP-20-18); pour plus de détails, voir https://arka.pastovu.vdu.lt. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 3 doi.org/10.35321/bkalba.2021.94.06 Sources: 1) Base de données des combinaisons de mots figées du lituanien (ci-après PŽJDB)2, qui contient environ 12 000 collocations; 2) le corpusDelfi.lt3, composé de 70 millions de mots et couvrant des textes publiés entre 2014 et 2016 dans différentes rubriques du portail d’information Delfi.lt (pour plus de détails sur le corpus, voir Bielinskienė et al. 2019: 14–15). Le matériel étudié comprend des collocations formées à partir de 97 noms (lieu, environnement, manière, homme, femme, chose, entre autres4). Leur structure est la suivante: adjectif / participe employé comme adjectif + nom, verbe + nom, nom + nom. À l’issue de l’étude, environ 2 400 collocations ont été reconnues comme des AK. La majorité d’entre elles sont composées de deux mots, mais certaines en comptent trois; ces dernières sont généralement formées de verbes, d’adjectifs et de noms (l’ordre des constituants peut varier). La première partie du matériel étudié, c’est-à-dire les collocations de structure adjectif + nom, a été examinée dans un article antérieur (Kovalevskaitė et al. 2021). Celui-ci présentait une tentative de reconnaître les AK au moyen d’une méthode de linguistique computationnelle, la méthode automatisée (vectorielle), et exposait également cette méthode en détail. Le présent article récapitule l’ensemble de la recherche sur la reconnaissance des AK. Le premier chapitre présente les deux méthodes appliquées: la méthode non automatisée (voir section 1.1), en décrivant également les critères et les tests utilisés, et la méthode automatisée, dont l’application est illustrée à partir d’un groupe de collocations de structure verbe + nom (voir section 1.2). Le deuxième chapitre, à partir des données de toutes les étapes de la recherche, examine et compare les résultats obtenus par les méthodes, ainsi que leurs possibilités et leurs limites, qui sont importantes pour évaluer la liste des AK identifiées et planifier de futures recherches sur les AK. 1. MÉTHODES D’IDENTIFICATION DES COLLOCATIONS ARBITRAIRES Dans les travaux consacrés aux AK, il est indiqué qu’on pourrait tracer la frontière entre les collocations arbitraires et les collocations dites triviales au niveau des noms abstraits: «<...> les collocations dont la base est constituée de noms abstraits peuvent être considérées comme de véritables collocations non motivées, 2 http://resursai.pastovu.vdu.lt/paieska/paprastoji 3 https://klc.vdu.lt/pastovuSearch.html 4 Ainsi, les noms qui constituent des combinaisons de mots figées, qu’ils soient concrets ou abstraits, ont été recueillis à partir du corpus Delfi.lt; pour plus de détails à leur sujet, voir Bielinskienė et al. 2019. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 4 doi.org/10.35321/bkalba.2021.94.06 et les expressions figées avec des noms concrets reposent généralement sur la réalité extralinguistique et sont triviales » (Marcinkevičienė 2010: 91). Ainsi, l’un des critères mentionnés dans les travaux sur les collocations concerne la sémantique des noms. La présente étude a montré que la plupart des AK sont effectivement formées avec des noms abstraits, mais il a également été observé que l’arbitrarité caractérise les collocations avec des noms concrets, cf.: limiter la vitesse, faire des exercices de gymnastique, accepter un pot-de-vin, quitter la place, contracter un crédit, parler au téléphone, monter un spectacle, etc. Le défi de cette étude consistait non seulement à appliquer les critères de reconnaissance des AK, mais aussi à choisir une méthodologie adaptée au traitement d’un grand volume de données, afin de pouvoir, sur cette base, établir des listes d’AK en lituanien après avoir examiné un grand nombre de collocations (les données de PŽJDB ont été utilisées à cette fin). Dans le cadre du projet, une double méthodologie d’identification des AK a été testée et mise en œuvre: une méthode non automatisée et une méthode automatisée. On a d’abord appliqué la méthode non automatisée, en choisissant les critères de reconnaissance des AK (voir section 1.1). Étant donné le volume important de données dans PŽJDB, l’un des objectifs du projet était également de tester, parallèlement à la méthode non automatisée, une méthode permettant d’automatiser au moins en partie le processus de reconnaissance des AK (voir section 1.2). 1.1. Identification non automatisée des AK Pour identifier les AK de manière non automatisée, deux critères principaux ont été appliqués: 1) le critère de la combinabilité lexicale restreinte, évalué au moyen de la méthode de substitution par des synonymes et/ou de celle des groupes lexico-sémantiques des noms; 2) le critère du sens figuré. Si une collocation satisfaisait au moins l’un de ces critères, elle était considérée comme arbitraire. La suite examine la manière dont chaque critère a été appliqué afin de déterminer si une collocation devait être considérée comme arbitraire. 1.1.1. Identification des AK selon la combinabilité lexicale restreinte Comme indiqué dans l’introduction, les collocations considérées comme arbitraires ont une combinabilité lexicale restreinte, c’est-à-dire qu’un adjectif ou un verbe employé dans un sens donné avec un nom présente une restriction, plus ou moins arbitraire, de la possibilité de substitution (en anglais arbitrary restriction on substitutability; Nesselhauf 2003, 2005). Ainsi, selon la conception de la combinabilité lexicale restreinte, un élément quelconque d’une collocation ne peut pas, dans un sens donné, être BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 5 doi.org/10.35321/bkalba.2021.94.06 employé avec tous les collocatifs syntaxiquement et sémantiquement possibles. Bien qu’il soit théoriquement possible de trouver des substituts aux collocatifs, ceux-ci seraient soit totalement inappropriés, soit inhabituels, par exemple: favorable vs *un environnement utile; multicouche vs *un roman stratifié. Les linguistes ont vérifié le critère de la restriction du potentiel combinatoire lexical à l’aide de deux tests: 1) à partir des synonymes du verbe ou de l’adjectif (c’est-à-dire en vérifiant s’il est possible de le remplacer par d’autres mots de sens proche considérés comme des synonymes); 2) à partir des groupes lexico-sémantiques des noms. Puisque les AC sont considérées comme des collocations dont l’un des constituants ne peut généralement pas être remplacé par un autre mot — un synonyme de sens proche —, le test de substituabilité par des synonymes a été appliqué pour reconnaître les AC (adapté de Nesselhauf 2003): si un constituant d’une collocation ne peut être remplacé par un autre synonyme de sens proche, cette collocation a été considérée comme une AC. Par exemple, pour évaluer le caractère arbitraire des collocations ne pas obéir à la loi, mettre en place un système, un travail investi, les synonymes verbaux possibles ont été examinés *contrevenir à la loi, *introduire un système, *un travail mis / chargé afin de déterminer si la substitution était possible; dans le cas contraire, les collocations ont été reconnues comme des AC. Le test a été réalisé par trois linguistes selon la méthode de l’introspection, en s’appuyant toutefois sur les collocations extraites du corpus Delfi.lt. Il faut néanmoins reconnaître qu’il était souvent assez difficile de trouver un synonyme; le deuxième test, fondé sur les groupes lexico-sémantiques des noms, a donc également été fréquemment utilisé. La restriction du potentiel combinatoire lexical a également été évaluée en fonction de la diversité des groupes lexico-sémantiques: à partir des collocations répertoriées dans la base de données des combinaisons de mots figées du lituanien (PŽJDB), on a déterminé avec combien de groupes lexico-sémantiques de noms se combinait l’adjectif ou le verbe de la collocation, et l’on a ainsi évalué l’étendue du potentiel combinatoire lexical. Afin de déterminer le plus précisément possible avec quels mots un nom pouvait être employé, l’ensemble de son paradigme a été analysé, c’est-à-dire toutes les collocations formées avec ce nom. Toutefois, bien que l’ensemble du matériel étudié compte environ 12 000 collocations accessibles dans la PŽJDB, il apparaissait parfois que les informations étaient insuffisantes. Si le matériel étudié ne contenait qu’une seule collocation avec un adjectif / verbe donné, les linguistes complétaient le paradigme en s’appuyant sur leur intuition de locuteurs natifs; si la base contenait plusieurs collocations, les tests de restriction du potentiel combinatoire lexical étaient appliqués au paradigme disponible. L’étendue du potentiel combinatoire a été évaluée à partir des groupes lexico-sémantiques des noms, selon les conditions suivantes: BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 6 doi.org/10.35321/bkalba.2021.94.06 a) les collocations n’ont pas été considérées comme des AC si un adjectif / verbe donné se combinait avec des noms appartenant à de nombreux groupes lexico-sémantiques différents et que ces groupes étaient bien représentés. Le potentiel combinatoire de l’adjectif / verbe a alors été jugé étendu, sans restrictions lexicales clairement définies; cf. le grand nombre de collocations avec bon: un bon résultat, travail, monde, homme, moment, vie, manière, chose, pays, équipe, jour, décision, année, temps, endroit, côté, saison, possibilité, prix, match, voiture, aliment, signe, santé, route, mari, enfant, produit, question, début, moyen, etc.; cf. également acheter: acheter une voiture, des aliments, un produit, un bien, un terrain; b) si un adjectif / verbe se combinait avec des noms appartenant à de nombreux groupes lexico-sémantiques différents, mais qu’un groupe se démarquait ou que seuls quelques noms d’un groupe sémantique donné étaient employés, la collocation pouvait être considérée comme une AC. Par exemple, bien que le potentiel combinatoire de garer soit étendu, ce verbe ne peut pas s’employer avec les noms de tous les moyens de transport; cf. garer une voiture (ainsi que garer un vélo, une moto), mais amarrer un bateau, faire atterrir un avion. Ainsi, la collocation garer une voiture est classée comme AC en raison de son potentiel combinatoire restreint. Le verbe avoir est considéré comme un mot au potentiel combinatoire lexical étendu, car il peut former de nombreuses collocations variées; toutefois, dans l’ensemble de son paradigme, la collocation avoir affaire se distingue et est considérée comme arbitraire. Avec se gâter, on emploie des mots appartenant à deux groupes lexico-sémantiques — celui des phénomènes naturels et celui des sentiments —, mais les collocations ne sont formées qu’avec les noms le temps s’est gâté et l’humeur s’est gâtée; les deux cas sont donc des AC; c) les collocations relevant d’un seul grand groupe sémantique ne sont pas considérées comme des AC. Par exemple, une seule collocation, déduire des impôts, a été trouvée dans la PŽJDB, mais les linguistes peuvent compléter le paradigme avec d’autres mots en s’appuyant sur leur intuition de locuteurs natifs (on peut déduire de l’argent, un prêt et d’autres éléments financiers); ils ne reconnaissent donc pas déduire des impôts comme une AC. Il s’agit d’un groupe lexico-sémantique qui, bien qu’illustré par une seule collocation dans la PŽJDB, est théoriquement vaste. La restriction du potentiel combinatoire lexical a été vérifiée en évaluant les deux mots de la collocation: l’adjectif / verbe ne peut être remplacé par d’autres synonymes (test 1), et / ou le paradigme des noms est restreint (test 2). Par exemple, la collocation nourriture servie semblerait pouvoir s’associer à de nombreux noms du groupe des aliments (on peut servir de la nourriture, des boissons, le dîner, le déjeuner...). Elle ne satisfait donc pas à la condition du test 2, puisque le groupe sémantique est unique; cependant, elle satisfait à la condition b, car servir ne peut être remplacé par apporter. Ainsi, selon le test 2, la collocation est reconnue comme arbitraire. Un autre exemple: BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas 7 doi.org/10.35321/bkalba.2021.94.06 Le verbe surengti (« organiser ») s’emploie avec des noms désignant des événements (surengti rinkimus, koncertą..., « organiser des élections, un concert... »); ces collocations ne devraient donc pas être considérées comme arbitraires selon le critère de l’abondance du groupe sémantique. Elles peuvent toutefois être classées parmi les AK selon le test 1, car surengti ne peut pas, dans ce cas, être remplacé par son synonyme suruošti. Le test de synonymie ne peut pas toujours être appliqué. Par exemple, il est inapplicable lorsqu’il existe plusieurs variantes d’AK, cf.: kainos kyla ir kainos auga, didėja; klausimas kamuoja ir klausimas kankina; duoti galimybę ir suteikti galimybę; įgyti teisę ir įgauti teisę. Ce test est également inapplicable dans des cas tels que sumokėti mokesčius, apgyvendintas miestas: il est difficile de proposer, même à titre hypothétique, un synonyme des mots sumokėti, apgyvendinti. Si aucun synonyme n’est trouvé, il est impossible de vérifier la substituabilité, puisqu’il faut au moins pouvoir théoriquement choisir entre deux synonymes (ou plus). Pour vérifier les contraintes de combinatoire lexicale au moyen du test de synonymie (test 1) comme de celui des groupes lexico-sémantiques (test 2), les linguistes se sont appuyés sur leur compétence de locuteurs natifs. Cependant, les résultats de ce travail sont inévitablement influencés par le facteur de subjectivité (sur ce problème de détermination des synonymes, voir Divjak, Gries 2006: 24–26). C’est pourquoi une méthode automatisée a également été testée pour évaluer la substituabilité des synonymes (voir section 1.2). 1.1.2. Détermination des AK à partir du sens figuré Kai kuriuose ankstesnio laikotarpio tyrimuose (plg. Howarth 1998) tokios kolokacijos, kurių vienas iš dėmenų – perkeltinės reikšmės, vadinamos ribotosiomis kolokacijomis (angl. restricted collocations). Pasak Annos Reder (2006: 82), kolokacijos su perkeltinės reikšmės žodžiu yra riboto junglumo junginiai, kuriuose nenuspėjama ryši tarp kolokacijos narių lemia konvencija, o metaforiškumas yra konvencijos dalis. Todėl šios kolokacijos svarbios kalbos mokymui (Lewis 2000: 29). Tarkim, su anglų kalbos būdvardžiu heavy vartojami įvairūs daiktavardžiai, kurie reiškia dalykus su požymiu „sunkus“, bet žodžių junginyje heavy smoker (liet. užietėjęs rūkalius) minimas ne objektas, o asmuo, todėl mokant kalbos šią kolokaciją verta išskirti kaip įsidėmėtiną žodžių junginį. Les adjectifs employés au sens figuré se caractérisent généralement aussi par une combinatoire plus étendue, et les collocations avec des adjectifs à combinatoire plus large sont plus difficiles pour les apprenants (Nesselhauf 2005: 238). Compte tenu de leur pertinence pour l’enseignement des langues et la traduction BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 8 doi.org/10.35321/bkalba.2021.94.06 (Volungevičienė 2010; Stulpinaitė ir kt. 2016), le critère du sens figuré a été utilisé pour déterminer les AK lituaniennes. Dans l’analyse manuelle des collocations, l’emploi au sens indirect de l’un des constituants de la collocation (adjectif, verbe ou nom) a été considéré comme un indice d’AK. Ce point a été déterminé en analysant le paradigme complet d’un mot donné, généré à partir des données du corpus Delfi.lt (voir la première colonne du tableau 1). Un tel paradigme montre avec quels autres adjectifs ou verbes un nom donné forme des collocations, ainsi que le sens dans lequel il est employé dans ces collocations, de même que ses collocatifs — adjectifs et verbes. Parfois, seul un contexte plus large permet de déterminer si un mot est employé au sens propre ou figuré; le PŽJDB et le corpus Delfi.lt ont alors été consultés, cf. vert + voiture: Le représentant d’« Unicredit Leasing » en Lituanie relève encore quelques tendances du marché des voitures vertes. La voiture verte pilotée par Marius Slaboševičius a accusé un demi-seconde de retard...<>. La « Tesla Model S » a remporté plusieurs prix de la meilleure voiture, dont celui de voiture verte mondiale de l’année 2013 voiture verte. Įdomūs žaliųjų automobilių koncepciniai modeliai. Les exemples montrent que l’adjectif vert décrit la voiture comme écologique, mais n’en indique pas la couleur5. Cette collocation a été considérée comme arbitraire. Bien sûr, dans le corpus Delfi.lt, à partir des données duquel le PŽJDB a été constitué, on trouve de nombreux cas où vert décrit la couleur de la voiture. Les syntagmes nominaux associés à des adjectifs et à des verbes ont été considérés comme des AK si au moins un de leurs constituants était employé au sens figuré. Dans ce cas, les tests décrits (voir section 1.1.1) n’ont pas été appliqués. L’emploi figuré des adjectifs et des verbes est particulièrement caractéristique des collocations comportant des noms abstraits, ainsi que de celles formées avec quelques noms désignant des réalités concrètes, par exemple les collocations constituées avec les noms âge, environnement, protection, manière, chose, partie, attention, données, possibilité, vie, information, loi, événement, langue, guerre, fois, question, temps, période, fin, aide, début, affaire, résultat, sécurité, décision, santé, droit, bien. 5 Nous attirons l’attention sur le fait que les formes définies signalent également un emploi particulier. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 9 doi.org/10.35321/bkalba.2021.94.06 Les collocations comportant des noms abstraits peuvent former des métaphores conceptuelles, comme l’a établi R. Petrauskaitė (voir Marcinkevičienė 2010) (p. ex.: mesure douce, critique acerbe, résultat sec, information divulguée, attiser les débats, fuite de données, faille juridique6). Comme l’affirme R. Petrauskaitė, « le critère le plus important de la métaphoricité est le transfert de sens, qui se manifeste dans l’opposition entre un nom concret et un nom abstrait. Lorsque les propriétés d’un objet concret servent de base à l’intégration d’un concept abstrait dans un contexte et à la formation d’un syntagme avec lui, une métaphore apparaît <...> une chose, le plus souvent abstraite, est conçue comme une autre, concrète, en recourant à la terminologie de cette dernière <...> » (Marcinkevičienė 2010: 178). Les adjectifs (plus rarement les verbes) employés au sens figuré dans des syntagmes avec des noms concrets leur attribuent des propriétés sémantiquement atypiques (p. ex.: restauration rapide, femme éclatante, personne visible). Comme dans les syntagmes avec des noms abstraits, le sens du syntagme est souvent compris non à partir des mots pris isolément, mais du syntagme dans son ensemble (p. ex.: homme de fer, âge d’or, femme sauvage; voir aussi les exemples donnés précédemment avec le nom automobile). Dans les études sur les collocations d’autres langues (p. ex. Strakatova, Hinrichs 2019), les collocations lexicalisées comprennent celles dont le collocatif possède un sens figuré, lequel ne se manifeste qu’avec un nombre restreint de mots appartenant à certains groupes lexico-sémantiques. Par exemple, le sens de l’adjectif heavy dans les syntagmes avec les noms smoker, rain, traffic (en lituanien fumeur invétéré, forte pluie, circulation dense) n’est pas prototypique, car il désigne non pas un poids, mais une intensité. Il a été établi que les mots à potentiel métaphorique élevé ont une combinabilité lexicale moyenne7, par exemple les verbes paralyser (paralyser la circulation), diminuer (le temps diminue), détruire (détruire une vie). Parmi les adjectifs, beaucoup, employés au sens propre, 6 Pour les métaphores spatiales, ontologiques et structurelles dans les collocations, voir également: Drūlienė 2008a, b; Šilinytė 2008. L’objectif de cet article et du projet dans son ensemble n’est pas de classer les métaphores recensées; la question n’est donc pas approfondie, bien qu’il soit entendu que les collocations arbitraires puissent constituer un objet d’étude intéressant pour les spécialistes de linguistique cognitive. 7 Sur la base de la formule proposée par Susane Handl en 2008, Delfi.lt, les scores de collocabilité des éléments des collocations analysées ont été établis à partir du corpus. Ces recherches se poursuivront. Pour l’instant, on peut dire que les collocations arbitraires devraient être de force moyenne, c’est-à-dire que le score de collocabilité d’aucun des deux (ou trois) éléments ne devrait être très faible ni très élevé. Si, par exemple, le score du premier élément est élevé et celui du second faible, le premier élément peut être employé avec peu de mots, tandis que le second peut s’associer à un très grand nombre de mots; p. ex.: substance psychoactive, enfant autiste, eau douce, lieu ombragé, contrat tripartite, jeune enfant, eau gazeuse / distillée, voiture de passage. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 10 doi.org/10.35321/bkalba.2021.94.06 au sens propre, désignent des caractéristiques physiques (p. ex.: sujet glissant, travail propre, travail sanglant), mais il peut aussi s’agir d’adjectifs ayant d’autres sens (temps précieux, question lancinante, événement marquant). L’application du critère du sens figuré est illustrée par l’analyse des paradigmes de l’adjectif (non)propre, du verbe fuir et du nom euro (voir tableau 1): TABLEAU 1. Application du critère du sens figuré Paradigme Identification des collocations arbitraires 1. propre sport, travail; travail, sujet malhonnête 2. propre eau, environnement, air, ville, lieu, automobile; eau sale 1. Considérée comme une collocation arbitraire en raison du sens figuré de l’adjectif dans les syntagmes avec des noms désignant des abstractions. 2. Non considérée comme une collocation arbitraire, car l’adjectif est employé au sens propre dans ces collocations. 1. fuir information 2. divulguée(-i) information, matériau, données 1–2 considérées comme des collocations arbitraires, car le sens figuré du verbe est réalisé dans les syntagmes avec des abstractions. 1. euro dépréciation, appréciation 2. euro taux, monnaie, centime 3. euro changement 1. Considérée comme une collocation arbitraire, car des propriétés propres aux êtres vivants sont attribuées à l’euro. 2. Ce sont des termes; non considérée comme une collocation arbitraire. 3. Non considérée comme une collocation arbitraire, car il n’y a pas de sens figuré. Comme le montrent les exemples du tableau 1, dans le paradigme d’une collocation, l’adjectif ou le verbe employé au sens propre n’a pas toujours un sens figuré, et parfois la collocation entière comportant un adjectif ou un verbe donné n’en a pas non plus; toutefois, le sens figuré est évident dans des cas tels que: décision / sujet / événement douloureux; personne / caractère / vie fermés; une voie / un marché / une vue s’ouvre; conquérir un droit / une place, etc. Ces collocations sont considérées comme arbitraires. En résumé, on peut affirmer que le critère du sens figuré est particulièrement pertinent pour analyser les collocations formées d’un adjectif et d’un nom — il a souvent été utilisé comme BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 11 doi.org/10.35321/bkalba.2021.94.06 principal indicateur, et le plus clair, de l’arbitrarité. En revanche, pour analyser les collocations verbe-nom, le critère de la restriction de la combinatoire lexicale a été appliqué plus souvent (ainsi que le test des groupes sémantiques). Comme on a trouvé très peu de collocations arbitraires formées de deux noms, il est difficile de généraliser les caractéristiques des collocations de cette structure (voir la section 1.1.1). 1.2. Identification automatisée des collocations arbitraires L’un des critères des collocations arbitraires, à savoir la restriction de la combinatoire lexicale, a également été vérifié de manière automatisée: la méthode des vecteurs a permis d’identifier les synonymes nécessaires au test de substitution. Le test de substitution et l’application de la méthode des vecteurs sont décrits plus en détail dans un article publié précédemment (Kovalevskaitė et al. 2021). Cet article décrit l’application de la méthode des vecteurs pour évaluer l’arbitrarité des collocations adjectif + nom; le présent article expose donc en détail uniquement l’évaluation de l’arbitrarité des collocations verbe + nom. Nous rappellerons d’abord brièvement les principales étapes de l’application de la méthode des vecteurs (section 1.2.1), puis nous examinerons la sélection des synonymes verbaux au moyen de cette méthode (voir section 1.2.2) et récapitulerons les résultats de l’identification des collocations verbales et nominales comme arbitraires (voir section 1.2.3). 1.2.1. Identification des collocations arbitraires à partir de la restriction de la combinatoire lexicale au moyen de la méthode des vecteurs L’application de la méthode des vecteurs visait à automatiser l’identification des collocations arbitraires et à réduire la part de subjectivité dans l’évaluation des données. La méthode des vecteurs a été appliquée selon les étapes suivantes pour identifier la restriction de la combinatoire lexicale. Tout d’abord, les mots apparentés ont été extraits automatiquement de l’ensemble du corpus Delfi.lt8. Pour cela, le modèle GloVe de vecteurs de mots (en anglais, embeddings) a été utilisé (Pennington et al. 2014). La méthode des vecteurs (en anglais, Word Embedding Approach) appartient à la famille des méthodes conçues pour analyser automatiquement les mots selon les similitudes de leur distribution, ou de leur contexte (en anglais, distributional similarity measures). Ces méthodes servent à reconnaître automatiquement diverses relations (hyperonymie, synonymie, antonymie, méronymie) et reposent sur 8 Dans le cadre du projet précédent (« Reconnaissance automatique des expressions figées du lituanien (PASTOVU) », voir https://pastovu.vdu.lt), les vecteurs obtenus sont disponibles ici: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. Dans la présente étude, ils servent à sélectionner les synonymes nécessaires à l’identification des collocations arbitraires. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 12 doi.org/10.35321/bkalba.2021.94.06 l’hypothèse selon laquelle les mots de sens proche et/ou sémantiquement apparentés sont employés dans des contextes similaires (voir Grigonytė 2010). Tout d’abord, des séries de vecteurs (ci-après VE)9 ont été automatiquement constituées à partir des adjectifs et des verbes employés dans les collocations de PŽJDB. En appliquant la sélection automatique de mots apparentés, les adjectifs et les verbes à large combinatoire lexicale ou employés de manière non autonome ont été écartés, par exemple: geras, naujas, puikus; būti, reikėti, pradėti. Les adjectifs ou les verbes regroupés dans les VE ont été sélectionnés selon la similarité contextuelle. Environ 800 VE contenant des adjectifs et plus de 3 800 contenant des verbes ont été constituées. Bien que les VE fournissent des mots apparentés, les données comprenaient également des mots liés par d’autres relations sémantiques (par exemple, antonymiques), voire des mots sans lien entre eux. Un travail de révision linguistique était donc nécessaire pour déterminer lesquels des mots apparentés pouvaient être considérés comme des synonymes, susceptibles d’être utilisés pour évaluer dans quelle mesure la combinatoire d’un synonyme ou d’un autre avec un nom donné est restreinte. Ont été considérés comme synonymes les mots appartenant à la même partie du discours, dont le sens dénotatif (référentiel) est très proche, mais dont la combinatoire lexicale diffère en partie ou entièrement10. Les VE de verbes révisées ont été utilisées pour évaluer le caractère arbitraire des collocations verbe + nom. Il s’agissait de déterminer dans quelles collocations le constituant verbal ne peut pas être remplacé par un verbe de sens proche. Pour chaque paire ou groupe de synonymes verbaux, des collocations avec un nom donné ont été présentées. Si, avec ce nom, une collocation n’était présentée qu’avec un seul synonyme de la paire ou du groupe, on en concluait que le nom analysé se combinait avec un seul verbe de cette paire ou de ce groupe de synonymes, et la collocation était considérée comme arbitraire. Si le nom analysé formait des collocations avec tous les verbes de la paire ou du groupe de synonymes, les collocations n’étaient pas classées parmi les collocations arbitraires (voir le tableau 2). 9 Il serait plus exact de désigner les mots apparentés déterminés par la méthode des vecteurs comme des séries de synonymes potentiels déterminées par la méthode des vecteurs. Par souci de concision, nous emploierons ci-après séries de vecteurs, ou, plus précisément, l’abréviation VE. 10 La conception du synonyme adoptée dans cet article peut être rapprochée du terme plus répandu dans la lexicographie lituanienne, celui de synonymes partiels (voir Jakaitienė 2010). BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 13 doi.org/10.35321/bkalba.2021.94.06 TABLEAU 2. Étapes de reconnaissance des AC à l’aide des VE AC reconnue AC non reconnue Étape 1: on prend une VE contenant deux paires de synonymes, gauti–įgyti et duoti–teikti; étape 2: à partir de cette VE, on vérifie avec combien de ces synonymes le nom apdovanojimas forme des collocations; deux collocations sont relevées: gauti apdovanojimą (un des synonymes de la paire gauti–įgyti) et teikti apdovanojimą (un des synonymes de la paire duoti–teikti); étape 3: on décide que gauti apdovanojimą et teikti apdovanojimą doivent être considérées comme des AC. Étape 1: on prend une VE contenant deux synonymes, įkurti et įsteigti; étape 2: à partir de cette VE, on vérifie avec combien de ces synonymes le nom asociacija forme des collocations; deux collocations sont relevées: įkurti asociaciją et įsteigti asociaciją; étape 3: on décide que įkurti asociaciją et įsteigti asociaciją ne sont pas des AC. Par exemple, avec le nom apdovanojimas, les collocations gauti apdovanojimą, teikti apdovanojimą ont été relevées, mais pas *įgyti apdovanojimą, *duoti apdovanojimą. Ainsi, avec les paires de synonymes gauti–įgyti et duoti–teikti, le nom apdovanojimas ne dispose que d’une seule possibilité dans chaque paire; les collocations gauti apdovanojimą et teikti apdovanojimą ont donc été classées parmi les collocations arbitraires. Parmi les collocations avec des verbes, celles qui emploient des verbes au sens affaibli (désémantisés) ont souvent été considérées comme arbitraires (voir plus en détail Kovalevskaitė et al. 2020), par exemple: atlikti tyrimą, duoti rezultatą, imti mokestį. Le caractère arbitraire des collocations du nom asociacija a été évalué à partir d’une VE comprenant deux synonymes, įkurti et įsteigti; comme ce nom formait des collocations avec les deux synonymes, celles-ci ont été écartées comme non arbitraires. Comme pour l’évaluation des collocations avec des adjectifs, les synonymes verbaux ont été testés manuellement dans le cadre de l’étude expérimentale, car il faut tenir compte du sens du synonyme et de celui du nom testé. Si le sens des synonymes figurant dans la VE ne correspond pas à celui du verbe de la collocation évaluée, le test de substituabilité de ce verbe BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 14 doi.org/10.35321/bkalba.2021.94.06 ne peut pas être appliqué. Par exemple, pour évaluer le caractère arbitraire de la collocation statyti automobilį, le VE avec statyti ne convenait pas en raison du sens « construire un bâtiment » (166 VE11). Ainsi, les étapes de l’application de la méthode automatisée sont les suivantes: a) automatique (les VE sont constitués par la méthode des vecteurs); b) non automatique (le linguiste les examine et les précise si nécessaire); c) partiellement automatique (les collocations sont automatiquement associées à des VE précis puis, après examen, confirmées ou non comme AK). 1.2.2. Sélection des synonymes verbaux dans les séries de vecteurs Étant donné que les VE générés contenaient de nombreuses données superflues et non pertinentes, le « bruit » (angl. noise), un linguiste a examiné chaque VE et supprimé les mots inutiles, qui n’étaient pas liés par une relation de synonymie; il a également éliminé certaines VE dans leur intégralité. Nous examinerons ci-après différents cas de révision linguistique des VE. Le nombre de VE verbales était bien supérieur à celui des VE adjectivales (respectivement 3 800 et 800 VE), car la liste des verbes elle-même était plus longue. Une VE est constituée automatiquement pour chaque verbe; certaines VE sont donc similaires, mais le nombre de synonymes dans une VE similaire peut varier selon le verbe qui en est le terme pivot. Le verbe pivot est le mot auquel ressemblent les autres mots présentés, autrement dit celui pour lequel des synonymes potentiels ont été recherchés (la similarité peut être déterminée selon une relation d’hyperonymie, de synonymie, d’antonymie ou de méronymie; ce mot est souligné dans les groupes de synonymes). Par exemple, dans la VE 151, le verbe pivot est organizuoti, tandis que la VE 40 est beaucoup plus longue et son mot pivot est vykdyti: 151 VE: organizuoti, rengti, vykdyti 40 VE: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti Comme indiqué précédemment, les VE constitués automatiquement devaient encore être examinés par un linguiste. Une fois ce travail effectué, on a constaté que, comme pour les adjectifs, la collecte automatique avait également produit de nombreuses VE longues pour les verbes, contenant plusieurs paires de synonymes verbaux, et peu de VE ne comportant qu’une seule paire de synonymes ou trois synonymes. Il arrivait parfois qu’après examen, on découvre que le verbe pivot ayant servi à constituer une VE n’avait pas de synonymes, bien que cette VE puisse en contenir un autre 11 Ici et dans la suite, les numéros des VE de synonymes potentiels déterminés par la méthode des vecteurs et utilisés dans le présent article sont indiqués. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 15 doi.org/10.35321/bkalba.2021.94.06 Une paire de synonymes appropriée; par exemple, dans l’EV du verbe support kisti, la paire de synonymes est paaštrėti, pablogėti. Comme pour les adjectifs, les antonymes produisaient du « bruit » dans les EV des verbes; cf. les EV pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti étaient constituées de membres d’un même groupe lexico-sémantique qui ne sont pas des synonymes, par exemple: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. En affinant les EV, il apparaissait souvent qu’un ou plusieurs verbes ne convenaient pas, car ils désignaient un aspect trop précis d’une action similaire. Par exemple, dans l’EV du mot remtis figuraient les mots suivants: vadovautis, pasikliauti, apsiriboti, kliautis. apsiriboti a été supprimé et seuls vadovautis, pasikliauti, kliautis. ont été considérés comme des synonymes. Il arrive souvent qu’un mot d’une EV ait un sens plus large, par exemple paveikti, tandis que les autres mots inclus dans l’EV désignent plus précisément des aspects d’une influence négative, par exemple pakenkti, sutrikdyti. Seuls ces derniers ont donc été considérés comme synonymes. Parmi les mots de l’EV pagrįsti, įvardinti, paaiškinti, pateisinti, pagrįsti et paaiškinti ont été reconnus comme synonymes, tandis que pateisinti et įvardyti ne l’ont pas été, car des traits sémantiques supplémentaires les éloignent trop du sens des deux premiers mots. Dans certains cas de ce type, il fallait renoncer à toute l’EV, par exemple atmesti, ignoruoti, uždrausti. Parfois, les EV des verbes supports étaient totalement inappropriées alors qu’il semblait évident que des synonymes devaient pouvoir être déterminés automatiquement. Par exemple: suprastėti (le synonyme possible pablogėti ne figurait pas dans son EV); sąlygoti (le synonyme possible lemti n’était pas indiqué; pakentėti y figurait). Les EV des verbes comportant une négation manquaient de précision et ont donc été écartées; ainsi, les verbes supports negydyti, nesuskaičiuoti, nepridėti. ont été rejetés. Il convient de mentionner que les EV devaient souvent être corrigées également en raison des caractéristiques dérivationnelles des verbes. Par exemple, les verbes d’aspect imperfectif et perfectif n’ont pas été considérés comme synonymes (tirti ir ištirti), pas plus que les verbes dont le sens diffère à cause de l’ajout d’un préfixe, tels que palyti ir palynoti, naršyti ir panaršyti, ou les verbes pronominaux et non pronominaux (klausyti ir klausytis). Si, par exemple, le verbe support d’une EV était pronominal, le verbe non pronominal était écarté sur cette base. Ainsi, dans l’EV išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis, les verbes išrinkti, parinkti ont été écartés. Les variantes dérivationnelles (par exemple vardinti ir vardyti, lukterėti ir luktelėti) ont été considérées comme des synonymes. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 16 doi.org/10.35321/bkalba.2021.94.06 L’affinage des EV a également révélé une autre particularité de la sélection automatique: puisque la méthode vectorielle regroupe les mots en fonction de la similarité de leur contexte, une EV peut être composée de synonymes qui ne semblent pas convenir à première vue. Autrement dit, sans connaître les noms concrets qui ont conduit à réunir deux verbes ou plus dans une même EV, on risque d’évaluer incorrectement la qualité de certaines EV. Par exemple, l’EV no 60 contenait les mots suivants: rodyti, demonstruoti, jausti. Supprimer immédiatement le mot jausti aurait été une erreur, car il se trouvait là en raison du contexte commun à ces verbes, où il est question de sentiments; cf. demonstruoti, rodyti jausmus et, par exemple, jausti pyktį, jausti nusivylimą, etc. Les verbes sumažėti, pigti ou padidėti, ūgtelėti peuvent être synonymes lorsqu’il est question de prix. Les trois verbes de l’EV apsispręsti, priimti, pasirinkti sont synonymes, tandis que le verbe imti, qui est le plus souvent supprimé, figure ici parce qu’il signifie priimti sprendimą, autrement dit, cette EV doit se lire ainsi: apsispręsti, priimti sprendimą, pasirinkti12. Ces exemples montrent qu’il est possible de déterminer automatiquement davantage de synonymes et/ou des synonymes différents, car la méthode vectorielle évalue la similarité des contextes et non celle du sens des mots pris isolément. Il est peu probable que, pris isolément, nous associons comme synonymes les verbes atsikratyti, numesti, sulieknėti, mais nous les trouvons dans une même EV parce qu’ils ont été employés dans un contexte commun où figurait également le nom svoris. On peut citer d’autres exemples; cf.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis et užsiimti; gerti et vartoti; nusiteikti et pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti. Dans le contexte sportif, les quatre verbes — užsitikrinti, iškovoti, pasiekti, išsaugoti — sont synonymes, car une victoire peut parfois être formulée ainsi: užsitikrino sau vietą finale ou išsaugojo titulą. Ces résultats montrent que, pour évaluer la synonymie, il est important de prendre en compte plus d’un mot, car les membres d’un groupe de synonymes peuvent être des mots isolés aussi bien que des combinaisons de mots figées 12 Dans les EV, on trouve des mots liés syntagmatiquement, par exemple įžeisti et nenorėti. Comme nenorėti est souvent employé dans un contexte commun avec įžeisti (lorsqu’il apparaît dans la combinaison nenorėjo įžeisti, bet...), ils ont été réunis dans une même EV. Autre cas: liautis: nustoti, verkti. Le verbe verkti s’y trouve parce qu’il a été sélectionné à partir du contexte fréquent liovėsi verkęs / verkusi. Autrement dit, des EV très longues (et inappropriées) sont constituées pour les verbes supports employés comme auxiliaires et qui, en raison de leurs propriétés grammaticales, ont une large combinatoire, par exemple: daryti, imti, pradėti, norėti, reikėti, privalėti, reikėti, stengtis, nepajėgti. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 17 doi.org/10.35321/bkalba.2021.94.06 combinaisons. Avec la méthode vectorielle, qui compare la similarité des contextes, ce sont précisément les liens entre les mots pris isolément et leur contexte qui se dégagent. Il serait difficile pour un linguiste de traiter une telle quantité de données (pour en savoir plus sur l’utilisation d’un large éventail de mesures distributionnelles dans l’analyse automatique des synonymes, voir Divjak, Gries 2006). Il a été observé que le VE d’un verbe de sens plus spécifique et de combinatoire plus restreinte est souvent plus court et plus homogène, probablement en raison de sa combinatoire plus restreinte. La comparaison des VE des synonymes nerimauti, jaudintis, būgštauti et nuogąstauti montre que le VE de nerimauti est plus long et moins homogène; il contient des mots de sens plus large, par exemple bijoti (nerimauti: jaudintis, baimintis, bijoti), tandis que le VE de būgštauti ne réunit que ces quatre mots: būgštauti: nerimauti, jaudintis, nuogąstauti. Il a également été observé que les VE fondés sur des verbes de sens plus concret (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) peuvent contenir peu ou pas de synonymes, car les mots réunis à partir d’un verbe de sens concret sont liés thématiquement plutôt que synonymiquement, cf.: išimti: išmesti, išbraukti, išnešti; medžioti ir žvejoti; kvėpuoti ir vaikščioti; virti ir kepti; kalėti ir nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. De tels VE sont également constitués de deux mots, mais peuvent être plus longs. Ils peuvent parfois être très longs: ainsi, pour le verbe support sumenkti, on a relevé pas moins de 26 verbes. En résumé, après révision, 2 634 des 3 800 VE ont été conservés (70%). Ainsi, les VE générés automatiquement ne sont pas suffisamment précis pour être utilisés sans révision lors de l’étape suivante de détection des AK. Ces erreurs peuvent être dues aux particularités du corpus Delfi.lt: bien que son volume soit important (environ 70 millions de mots), la diversité lexicale peut être moindre dans des textes relevant d’un seul style. Pour générer des VE plus précis, il faudrait un corpus composé de textes issus d’une plus grande diversité de styles fonctionnels. 1.2.3. Résultats: qualité des VE et reconnaissance de l’arbitrarité La comparaison des VE des adjectifs et des verbes avant et après révision a montré que, dans les deux cas, un nombre assez important de VE ont été écartés comme non informatifs: 1) sur 1 927 VE d’adjectifs, 800 VE (41%) ont été conservés après révision; 2) sur 3 800 VE de verbes, 1 166 VE (30%) ont été conservés après révision. Les VE restantes devaient également être révisées. Il faut toutefois préciser que l’évaluation du nombre de mots habituellement supprimés dans un même VE n’a pas été effectuée. Il fallait souvent supprimer des mots auxiliaires, peu autonomes BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 18 doi.org/10.35321/bkalba.2021.94.06 les verbes: faire, prendre, vivre, valoir, falloir, devoir, commencer, obtenir, vouloir, s’efforcer, réussir. De nombreux mots supprimables se trouvaient à la fin d’une VE, où figuraient les mots ayant obtenu le score le plus faible selon le seuil appliqué (0,5; le score maximal est de 1), mais il arrivait aussi assez souvent qu’un mot ayant obtenu un score élevé, placé en 2e à 5e position dans une VE donnée (une VE peut comporter au maximum 20 mots), soit supprimé. Il convient de souligner que l’évaluation a été effectuée à partir des VE et qu’elle s’est limitée aux mots qui y figuraient. S’il existe d’autres synonymes, mais qu’ils ne figurent pas dans la VE utilisée pour l’évaluation (ils n’ont pas été sélectionnés par la méthode vectorielle, ne sont pas employés dans le corpus Delfi.lt, etc.), certaines collocations ont pu être classées comme non arbitraires (ou inversement). Par exemple, pour évaluer les collocations étoile filante et étoile montante, on a utilisé une VE contenant les verbes croître, tomber, monter, diminuer, se développer, augmenter. Cette VE ne contient pas s’écrouler, qui pourrait être synonyme de tomber; c’est pourquoi étoile filante n’a pas été reconnue comme AK. L’étude a également mis en évidence les avantages de la sélection automatique des données: 1) comme indiqué dans la section 1.2.2, la méthode vectorielle permet d’identifier davantage de synonymes, et des synonymes différents, que la seule méthode d’introspection; 2) la méthode vectorielle convient au traitement d’un grand volume de données, alors qu’il serait difficile, voire impossible, d’évaluer manuellement la similarité contextuelle d’un aussi grand nombre de mots. Après application du test de substituabilité aux VE de synonymes verbaux, 291 collocations ont été reconnues comme arbitraires. Il est évident que ce sont les synonymes figurant dans les VE qui déterminent quelles collocations seront reconnues comme AK. D’une part, cela constitue une limite de cette méthode; d’autre part, cela offre la possibilité d’automatiser le processus de détermination de l’arbitrarité. Lorsque la reconnaissance de l’arbitrarité dépend uniquement d’une VE donnée, il arrive souvent que certaines collocations ne soient pas sélectionnées à partir d’une VE, mais le soient à partir d’une autre. Par exemple, si l’on évaluait l’arbitrarité des collocations créer une image et former une image à partir de la VE 368 créer, former, aucune des deux collocations ne serait classée comme AK. Cependant, les verbes créer, former figurent également dans d’autres VE auxquelles le même nom image est associé; la collocation créer une image est donc reconnue comme AK à partir d’une autre VE (45): créer, créer, développer, faire évoluer, mettre en œuvre, préparer, fonder. Un autre cas est possible: les mêmes collocations peuvent être reconnues comme arbitraires à partir de plusieurs VE, par exemple, faire des exercices, effectuer des exercices peuvent être évaluées comme AK à partir de la 11e VE (effectuer, exécuter, faire), ainsi qu’à partir de la 15e VE (faire, effectuer, créer; BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 19 doi.org/10.35321/bkalba.2021.94.06 accomplir). Le problème se pose lorsqu’une collocation arbitraire n’est pas considérée comme telle parce qu’il est impossible de l’établir à partir de quelque VE que ce soit. Cela se produisait assez souvent lors de l’évaluation de variantes de collocations. Par exemple, le nom impôts s’emploie aussi bien avec augmenter qu’avec accroître; ces deux verbes figurent dans la VE 52, utilisée pour évaluer l’arbitrarité, et ces collocations ne seront donc pas classées comme AK. Elles constituent pourtant des variantes d’AK (cf. les prix augmentent, montent, s’élèvent). Le cas de effectuer / exécuter / faire une étude est identique (selon la VE 11, ces syntagmes n’ont pas été reconnus comme AK). La même VE contenait obtenir et acquérir; obtenir un diplôme et acquérir un diplôme n’ont donc pas été reconnues comme AK. Ces cas montrent que, pour évaluer l’arbitrarité des collocations selon le critère de la combinabilité lexicale restreinte, les outils de test utilisés jouent un rôle important, tout comme le fait que la méthode non automatique convient mieux à l’identification des variantes d’AK. Étant donné que le test de substituabilité des synonymes dépend lui aussi fortement des mots présents dans une VE donnée, il peut arriver que des collocations similaires, mais de sens opposé, ne soient pas sélectionnées. Par exemple, la collocation le mécontentement augmente a été sélectionnée, tandis que le mécontentement diminue ne l’a pas été. La méthode non automatique aurait évalué les deux comme des AK. Ainsi, lorsque l’évaluation de l’arbitrarité s’appuie sur des données établies par introspection linguistique, une partie des AK perdues avec la méthode 2 est préservée. Il faut toutefois reconnaître que la méthode linguistique non automatique comporte une part de subjectivité. La méthode automatisée est plus objective, bien qu’il faille admettre que les données sont plus fragmentaires (les tests ne portent que sur les VE recueillies, et sur celles-ci uniquement). En outre, toutes les collocations qui sont des AK ne sont pas reconnues comme telles. 2. RÉSULTATS DE L’IDENTIFICATION DES AC L’examen du nombre d’AC identifiées montre clairement que les AC communes identifiées par les méthodes manuelle et automatisée sont très peu nombreuses (pour plus de détails, voir les sections 2.1 et 2.2); par conséquent, chacune des deux méthodes fournit séparément des données importantes. Les données recueillies par la méthode d’analyse manuelle sont beaucoup plus nombreuses que celles identifiées automatiquement, mais l’analyse manuelle s’appuyait sur deux critères de sélection — la restriction de la combinatoire lexicale et le sens figuré —, tandis que la méthode vectorielle ne retenait que la restriction BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 20 doi.org/10.35321/bkalba.2021.94.06 de la combinatoire lexicale. Ainsi, l’application d’un plus grand nombre de critères permet de recueillir davantage de collocations comportant des adjectifs et des verbes plus variés. À partir d’exemples concrets d’AC, ce chapitre expliquera pourquoi ces résultats ont été obtenus, comment les critères appliqués et les données utilisées les ont déterminés. Nous examinerons d’abord ce que révèlent les données obtenues. Toutes les AC associées à un adjectif ou à un verbe donné peuvent être identifiées de différentes façons: a) par une seule des deux méthodes; b) certaines collocations par l’une, d’autres par l’autre méthode; c) certaines collocations par l’une, d’autres par l’autre, et certaines par les deux méthodes. Dans les sous-sections suivantes, nous examinerons les différentes structures d’AC en commentant les résultats obtenus par les deux méthodes. 2.1. Collocations arbitraires formées d’adjectifs et de noms Au total, 1 048 AC de structure adjectif + nom ont été identifiées. Ces collocations comprennent 320 adjectifs différents. En effet, certains adjectifs (didelis, mažas, atviras, aukštas, modernus, išskirtinis, pagrindinis, etc.) entrent dans la formation de plusieurs, voire d’une dizaine d’AC, tandis que d’autres (par exemple netrumpas, nuodugnus, permainingas, pikantiškas) ne forment que des AC isolées (en moyenne, 3,3 collocations sont formées avec un même adjectif; pour plus de détails, voir le tableau 3). TABLEAU 3. AC identifiées par différentes méthodes (adjectif + nom) AC identifiées par la méthode manuelleAC identifiées par la méthode automatiséeAC identifiées par les deux méthodesNombre (pourcentage)Nombre d’adjectifs différents (nombre moyen d’AC formées avec un même adjectif)Nombre (pourcentage)Nombre d’adjectifs différents (nombre moyen d’AC formées avec un même adjectif)Nombre (pourcentage)Nombre d’adjectifs différents (nombre moyen d’AC formées avec un même adjectif)577 (55,06)230 (2,5)306 (29,2)86 (3,56)165 (15,74)42 (3,93) BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 21 doi.org/10.35321/bkalba.2021.94.06 Comme le montre le tableau 3, la plupart des AK ont été identifiées par la méthode non automatisée — plus de la moitié de l’ensemble des AK (par exemple: vue cruelle, travail servile, question directe, chose douloureuse); environ un tiers des AK ont été identifiées automatiquement (par exemple: bien précieux, projet unique, journée compliquée, méthode optimale), tandis que la plus petite part (15,74%) est constituée des AK identifiées par les deux méthodes (par exemple: guerre fratricide, commerce intense, projet gigantesque, prix bas). Des proportions similaires apparaissent pour les AK avec des verbes (voir section 2.2). L’analyse des adjectifs des AK montre que certains ne se rencontrent que dans des AK identifiées par l’une ou l’autre méthode (voir les exemples présentés précédemment), tandis que d’autres apparaissent dans des AK identifiées par les deux méthodes (par exemple: grand, petit, fort). Au début de l’étude, l’hypothèse avait été avancée que la diversité des adjectifs serait plus grande dans les AK identifiées par la méthode non automatisée, et plus faible dans celles identifiées au moyen de la méthode vectorielle automatisée. Cette hypothèse s’est confirmée: 235 adjectifs différents ont été employés dans les AK identifiées par la première méthode, ce qui signifie qu’un même adjectif forme en moyenne 2,5 AK. Les AK identifiées par la méthode vectorielle comptent 86 adjectifs différents; ainsi, 3,56 AK en moyenne sont formées avec le même adjectif. La diversité des adjectifs est la plus faible (42) parmi les AK identifiées par les deux méthodes, mais ces collocations sont aussi les moins nombreuses. Dans ce groupe d’AK, un même adjectif forme en moyenne 3,93 collocations. On peut supposer que cette faible diversité d’adjectifs s’explique par le nombre relativement réduit de données. Il est très probable qu’une collocation soit arbitraire lorsqu’elle est formée par des adjectifs tels que grand, élevé, immense, gigantesque, petit, tendu, dangereux, grave, fort, lourd associés à des noms abstraits, car ces adjectifs sont employés au sens figuré. Pour examiner comment les méthodes employées ont conduit précisément à ces résultats, nous voudrions prendre pour exemple les AK avec l’adjectif intelligent, car elles illustrent toute la diversité: certaines collocations ont été identifiées par une méthode, d’autres par l’autre, et d’autres encore par les deux. Sur les huit collocations de l’adjectif intelligent (décision intelligente, ville intelligente, enfant intelligent, homme intelligent, temps intelligent, méthode intelligente), six ont été reconnues comme des AK: les collocations de cet adjectif avec les noms décision et ville ont été sélectionnées manuellement, celles avec enfant et homme ont été sélectionnées automatiquement, tandis que celles avec temps et méthode ont été sélectionnées par les deux méthodes. Les linguistes ont établi que le groupe sémantique « personnes » est habituel pour cet adjectif. Les mots de ce groupe peuvent être associés au choix à des adjectifs de sens similaire (il peut y avoir BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 22 doi.org/10.35321/bkalba.2021.94.06 non seulement intelligent, mais aussi un homme sage). C’est pourquoi enfant intelligent et homme intelligent ne sont apparus parmi les AK qu’à la suite de la sélection automatique (la collocation un homme sage n’est pas attestée dans le corpus Delfi.lt); lors de l’examen ultérieur des données, elles ont été écartées. Les linguistes ont constaté que les autres noms (décision, temps, méthode) relèvent principalement du groupe lexico-sémantique des « abstraits », mais que les collocations ne se forment néanmoins qu’avec certains noms abstraits; les possibilités de choix dans ce groupe sont donc limitées, ce qui indique leur caractère arbitraire. Toutes ces collocations ont donc été reconnues comme arbitraires. Seules deux d’entre elles (temps intelligent et méthode intelligente) ont été identifiées comme AK automatiquement, car la méthode vectorielle ne recourt pas au test des groupes lexico-sémantiques. AK identifiées par la méthode non automatisée. Par exemple, neuf collocations avec l’adjectif élevé ont été reconnues comme arbitraires: résultat élevé, haut fonctionnaire, prix élevé, etc. Ici, l’adjectif est employé au sens figuré (et presque uniquement avec des noms abstraits); le critère du sens figuré a donc conduit les linguistes à classer ces collocations parmi les AK. La méthode automatisée n’a souvent pas permis de les repérer, car le test de substituabilité par des synonymes ne disposait pas de VE contenant l’adjectif correspondant (élevé, fermé, douloureux, faible, large, confortable, facile, libre, long ou rapide); il était donc impossible d’évaluer la substituabilité. Comme indiqué dans la partie précédente, les résultats de la méthode automatisée dépendent fortement de la disponibilité de synonymes permettant de vérifier la substituabilité et de la qualité de la liste de synonymes. Ce cas illustre que l’application de la seule méthode automatisée peut laisser certaines AK non identifiées, et que la compétence linguistique peut compenser le manque de données du corpus. Une autre raison pour laquelle certaines AK peuvent ne pas être reconnues automatiquement est que tous les noms ne sont pas nécessairement associés à une liste de synonymes d’un sens donné, car le contexte de certains noms peut être différent. Par exemple, parmi les collocations de l’adjectif marquant, nombreuses sont celles qui ont été identifiées manuellement (par exemple: femme marquante, personne marquante), et une seule AK a été identifiée par les deux méthodes: événement marquant. Cela signifie qu’il existait une VE avec cet adjectif, mais que seuls événement, et non les trois noms, y ont été automatiquement associés. AK identifiées par la méthode automatisée. Les AK avec l’adjectif efficace ont été identifiées uniquement par la méthode vectorielle, par exemple: mesure efficace, résultat efficace, système efficace, travail efficace. La VE comportait davantage de synonymes (par exemple, performant), mais les collocations mesure performante, résultat performant, etc., ne sont pas attestées dans le corpus; par conséquent, après avoir appliqué l’impossible BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 23 doi.org/10.35321/bkalba.2021.94.06 selon le test de substituabilité, les collocations avec efektyvus ont été reconnues comme AK. Il importe de préciser ici que les linguistes, en s’appuyant sur la compétence des locuteurs natifs, ont évalué la situation différemment: la substitution est possible (on peut employer aussi bien efektyvi priemonė que veiksminga priemonė); il a donc été décidé de ne pas considérer ces collocations comme des AK. L’approche automatisée a reconnu comme AK de nombreuses collocations de ce type, dont l’adjectif est évaluatif, cf.: išskirtinis (car lié synonymiquement à ypatingas), keistas (lié à neįprastas), modernus (lié à šiuolaikiškas), pagrindinis (lié à esminis), sudėtingas (lié à sunkus). Les linguistes ont plus souvent eu tendance à ne pas classer de tels cas parmi les AK. Les collocations avec stabilus, par exemple stabilus gyvenimas, stabili kaina, stabili savaitė, stabili valstybė, n’ont été reconnues comme arbitraires que par la méthode vectorielle, car la substituabilité a été vérifiée à l’aide du synonyme pastovus, qui n’est pas employé comme collocatif avec les noms correspondants. Les linguistes n’ont toutefois pas reconnu ces collocations comme arbitraires, car l’examen des possibilités de combinaison de stabilus montre que celles-ci sont très étendues et qu’aucune restriction n’a été relevée; par ailleurs, pastovus n’a pas été considéré comme un synonyme de stabilus, cf.: stabilus darbas, stabili valstybė, stabili kaina, stabilus rezultatas, stabilus gyvenimas, stabili savaitė. AK identifiées par les deux méthodes. Parmi les données disponibles, il n’existe aucun cas où toutes les collocations d’un même adjectif reconnues comme AK auraient été identifiées par les deux méthodes. Dans tous les cas, seule une partie d’entre elles a été repérée par les deux méthodes; parmi les adjectifs concernés figurent le plus souvent ceux qui peuvent être employés au sens figuré, par exemple: garsus, greitas, liūdnas, mažas, nelengvas, patrauklus, pavojingas, rimtas, stiprus, sunkus, tvirtas. Comme indiqué précédemment, les AK de la plupart de ces adjectifs ont été identifiées uniquement par la méthode non automatisée, par exemple les collocations avec l’adjectif silpnas (voir également les exemples cités plus haut). Cela s’explique par le fait que, lors de l’identification manuelle des AK, ces cas ont été sélectionnés selon le critère du sens figuré, tandis qu’avec la méthode 2, ils ne convenaient que s’ils figuraient parmi les membres des séries de synonymes utilisées pour le test de substituabilité. L’examen du nombre de collocations recueillies par chaque méthode pour l’un des noms les plus productifs, sprendimas, révèle des tendances similaires à celles du tableau 3: la méthode non automatisée a fourni le plus grand nombre d’AK, mais une part considérable des AK a néanmoins été identifiée automatiquement. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 24 doi.org/10.35321/bkalba.2021.94.06 TABLEAU 4. AK identifiées avec le nom sprendimas et les adjectifs AK identifiées par la méthode non automatisée AK identifiées par la méthode automatisée AK identifiées par les deux méthodes 1) responsable 2) sans précédent 3) drastique 4) audacieux 5) formel 6) strict 7) intelligent 8) sage 9) constructif 10) créatif 11) stupide 12) temporaire 13) décisif 14) fatal 15) facile 16) illogique 17) irrationnel 18) fondé 19) pratique 20) avancé 21) pratique 22) opposé 23) intelligent 24) rationnel 25) conscient 26) sûr 27) indépendant 28) scandaleux 29) douloureux 30) précipité 31) urgent 32) intelligent 33) pacifique 34) juste 35) durable 36) uni 1) clair 2) catégorique 3) étrange 4) concret 5) créatif 6) utile 7) inattendu 8) optimal 9) simple 10) mauvais 11) réel 12) complexe 13) unique 1) rapide 2) logique 3) difficile 4) sérieux 5) risqué 6) difficile 7) nuisible 8) solide BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 25 doi.org/10.35321/bkalba.2021.94.06 Pour illustrer le nom sprendimas (« décision »), il convient de mentionner un autre aspect lié à la méthode automatisée: certaines collocations classées comme arbitraires peuvent prêter à discussion, c’est-à-dire sembler se situer à la limite, plus près des collocations non arbitraires. On peut, par exemple, se demander si des collocations telles que aiškus sprendimas (« décision claire ») ou keistas sprendimas (« décision étrange ») peuvent vraiment être considérées comme arbitraires. Il semblerait que les adjectifs aiškus, keistas, kūrybiškas, naudingas, netikėtas (« clair, étrange, créatif, utile, inattendu ») et d’autres puissent se combiner non seulement avec sprendimas (« décision »), mais aussi avec de nombreux autres noms avec lesquels ils peuvent s’associer du point de vue du sens; comparons toutes les collocations de ces adjectifs relevées dans le corpus Delfi.lt: aiškus ženklas, aiškus vaizdas, aiški informacija, aiškus rezultatas, aiški sistema, aiškus dalykas; keistas dalykas, keistas būdas, keistas klausimas, keista vieta, keistas sprendimas, keistas įvykis, keistas vaizdas. Les linguistes ont vérifié la restriction de la combinabilité lexicale non seulement au moyen du test de synonymie, mais aussi en s’appuyant sur des groupes lexico-sémantiques; c’est pourquoi ils n’ont pas classé les collocations aiškus sprendimas et keistas sprendimas parmi les collocations arbitraires. Lors de l’évaluation automatisée de la restriction lexicale, ces collocations ont été classées parmi les AC, car le test de substituabilité des synonymes a montré que le nom sprendimas ne formait des collocations qu’avec un seul membre de la paire de synonymes aiškus, suprantamas (« clair, compréhensible ») et un seul membre de la paire keistas, neįprastas (« étrange, inhabituel »). Ces exemples montrent que l’on peut espérer obtenir des résultats plus précis pour les AC en vérifiant la restriction de la combinabilité lexicale à l’aide non seulement du test de synonymie, mais aussi de celui des groupes lexico-sémantiques. 2.2. Collocations arbitraires formées de verbes et de noms 1171 AC formées d’un verbe et d’un nom ont été recensées. Ce nombre est assez proche de celui des AC formées avec des adjectifs, soit 1048. La répartition des AC recensées par les différentes méthodes est également assez similaire à celle des collocations formées avec des adjectifs (voir le tableau 2) (voir le tableau 3): environ la moitié des AC ont été recensées manuellement (par ex.: apniukusi diena, aptarti galimybes, iškvies­ti apsaugą), environ un tiers automatiquement (par ex.: suskubti į pagalbą, žvelgti į gyvenimą, sugadintas turtas, kaupti turtą), et près d’un cinquième par les deux méthodes (par ex.: atlikti tarnybą, duoti komandą, matyti reikalą). La diversité lexicale des AC de cette structure a également été analysée, c’est-à-dire le nombre de verbes différents entrant dans les AC recensées par une méthode donnée. En moyenne, 2,05 des AC examinées dans cette sous-section sont formées avec un même verbe (voir le tableau 5). BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 26 doi.org/10.35321/bkalba.2021.94.06 TABLEAU 5. AC recensées par différentes méthodes (verbe + nom) AC recensées par des méthodes manuelles AC recensées par des méthodes automatisées AC recensées par les deux méthodes Nombre (pourcentage) Nombre de verbes différents (nombre moyen d’AC formées avec un même verbe) Nombre (pourcentage) Nombre de verbes différents (nombre moyen d’AC formées avec un même verbe) Nombre (pourcentage) Nombre de verbes différents (nombre moyen d’AC formées avec un même verbe) 561 (47,91) 376 (1,5) 382 (32,62) 189 (2,02) 228 (19,47) 102 (2,24) Les fonctions syntaxiques des verbes dans les AC sont plus variées que celles des adjectifs: les formes conjuguées peuvent être employées avec des noms remplissant la fonction d’objet, de sujet ou de complément circonstanciel (par ex.: apipilti klausimais, kelti kainą, parodyti laikas13, pastatyti į vietą), ou des formes non conjuguées, le plus souvent des participes, remplissant la fonction d’épithète (par ex.: išpūsta kaina, einamieji metai, neapgalvotas sprendimas, klestinti šalis, negirdėtas dalykas, vykdomas darbas). Dans les AC pluriverbales, l’ordre des mots peut varier, par ex.: atskubėti į pagalbą / į pagalbą atskubėti; eiti į rinkimus / į rinkimus eiti. Par comparaison avec les collocations formées par des adjectifs, on observe une plus grande diversité de verbes différents: dans les CA identifiées par la méthode non automatique, le même verbe forme en moyenne 1,5 collocation; dans les CA identifiées par la méthode vectorielle automatisée, il en forme en moyenne 2,02; et, dans les CA identifiées par les deux méthodes, la diversité des verbes est la plus faible — le même verbe forme en moyenne 2,24 CA. Il est probable que ce résultat s’explique par le fait que les collocations identifiées par les deux méthodes sont les moins nombreuses. D’un autre côté, les tendances sont similaires: la plus grande diversité lexicale caractérise les CA identifiées par la méthode non automatique. 13 Parfois, les lemmes des collocations à sujet semblent inhabituels, mais l’infinitif a été retenu, car diverses formes conjuguées peuvent être employées, par exemple: parodys laikas, parodė laikas, parodytų laikas. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 27doi.org/10.35321/bkalba.2021.94.06 L’analyse des données fait apparaître une grande diversité de verbes (ont été considérés comme des verbes différents les mots avec et sans préfixe, ceux dotés de préfixes différents, par exemple: saugoti, apsaugoti, išsaugoti; les formes pronominales et non pronominales, si elles ne modifient pas le sens, ont été considérées comme un même verbe), mais certains verbes combinatoires forment plusieurs, voire une dizaine de CA, par exemple: suteikti: accorder une protection, fournir une information, donner la possibilité, offrir la possibilité de choisir, fournir des informations sur; skirti: accorder peu d’attention, consacrer du temps, prêter attention, accorder beaucoup d’attention, assigner à résidence, accorder une grande attention, consacrer beaucoup de temps, accorder beaucoup d’attention, il faut prêter attention; ateiti / ateinantis: venir aux élections, l’euro arrive, le temps vient, le moment vient, les années à venir, les élections à venir, le budget de l’année prochaine, le début de l’année prochaine, le mois prochain, le début des prochaines semaines, la saison à venir, les années à venir, le jour suivant, la semaine prochaine. On constate qu’une part considérable des CA formées avec un même verbe correspond à des variantes d’une seule collocation, cf. les variantes des CA skirti dėmesį présentées plus haut. Toutefois, toutes les variantes lexicales et grammaticales des collocations (l’ordre des mots change, des mots supplémentaires sont ajoutés) sont comptabilisées comme des collocations distinctes. Sont considérées comme des collocations distinctes celles où le même verbe est employé sous une forme conjuguée (auquel cas le lemme est généralement donné à l’infinitif) ou non conjuguée (par exemple: kovoti dėl vietos, kovoti iki pabaigos, kovojanti grupė). Ainsi, la plus grande diversité lexicale des collocations verbales (par rapport à celles formées avec des adjectifs) tient à une particularité du verbe en tant que partie du discours: un même verbe de même racine est souvent employé avec différents préfixes. D’une part, ces verbes peuvent être considérés comme des mots différents; d’autre part, ces données ne sont pas tout à fait comparables à celles des adjectifs, qui sont dans tous les cas des mots distincts et non des variantes dérivationnelles d’un même mot. CA identifiées par la méthode non automatique. Contrairement aux collocations adjectif + nom, les collocations avec des verbes sont souvent considérées comme arbitraires non seulement selon le critère du sens figuré (par exemple: gadinti gyvenimą, atverti galimybę), mais aussi selon le critère de la combinatoire lexicale restreinte et le test des groupes lexico-sémantiques. Par exemple, les collocations avec vaizdas, būdas, informacija ont été évaluées à partir des paradigmes suivants: BENDRINĖ KALBA 94 (2021)http://journals.lki.lt/bendrinekalbaISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 28 doi.org/10.35321/bkalba.2021.94.06 déformer l’information fausser le marché information déformée manière déformée image déformée La valence des verbes fausser, déformer (également employés attributivement) n’est pas étendue: au paradigme des collocations avec fausser, on pourrait encore ajouter fausser des mots, mais le nom mots se retrouverait dans le même groupe que information; il a donc été décidé de classer les deux collocations parmi les AK. Trois collocations sont formées avec le participe employé attributivement déformé et toutes ont été considérées comme des AK, car, même si l’on peut élargir le paradigme (par exemple, en ajoutant pensée déformée), celui-ci resterait limité. Les noms information, image, manière, bien que classés dans un même groupe lexico-sémantique d’abstraits, ne sont que trois, et le faible nombre de mots est l’une des conditions d’application du test des groupes lexico-sémantiques. Le test de substituabilité par des synonymes montre qu’il ne convient pas d’employer, à la place de fausser, déformé, par exemple, défigurer / défiguré. AC déterminées par la méthode automatisée. Il importe de souligner une limite de la méthode automatisée: certaines AC peuvent ne pas être reconnues, car ces collocations n’ont pas été relevées dans le corpus Delfi.lt (bien que le groupe de mots lui-même ait pu y être employé). Ainsi, la collocation à trois mots aiškintis įvykio aplinkybes a été reconnue comme une AC sur la base des synonymes analizuoti, aiškintis, tirti figurant dans le groupe de verbes. Dans le corpus, seule la collocation avec le verbe aiškintis a été trouvée; elle a donc été reconnue comme une AC. En revanche, un autre corpus pourrait également contenir la collocation tirti įvykio aplinkybes; ainsi, en appliquant le test au même groupe de synonymes, deux collocations, et non une seule, seraient reconnues comme arbitraires. Parmi les collocations déterminées par la méthode automatisée, certains cas n’ont pas été reconnus par les linguistes comme des AC, précisément parce que, selon leur intuition linguistique, ils ne pensaient pas qu’il y avait une tendance à choisir un synonyme parmi plusieurs possibles. Les collocations suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį en sont un exemple. Les linguistes n’ont reconnu aucune de ces collocations comme arbitraire. La méthode automatisée a déterminé que les trois étaient des AC, car parmi les collocations du corpus Delfi.lt, aucune collocation ne comportait d’autres membres des groupes de synonymes correspondants: on trouvait suprasti pasaulį, mais pas suvokti pasaulį; on trouvait pažinti pasaulį, mais pas išmokti pasaulį; on trouvait žiūrėti į pasaulį, mais pas žvelgti į pasaulį. L’évaluation linguistique a établi que la combinatoire de ces trois verbes ne présente pas les caractéristiques d’une combinatoire restreinte. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 29doi.org/10.35321/bkalba.2021.94.06 Les deux méthodes ont permis d’identifier des collocations arbitraires (CA). Il convient de préciser que les CA de ce groupe n’ont pas nécessairement été identifiées selon le même critère. Lors de l’évaluation de l’arbitralité par la méthode non automatisée, une CA pouvait être identifiée à partir de l’un quelconque des tests, et pas nécessairement du test de substituabilité par un synonyme. Comme cela a été indiqué à propos des collocations adjectif-nom, les mêmes CA ont été sélectionnées manuellement selon le critère du sens figuré, tandis que la méthode automatisée les a sélectionnées selon le critère de la restriction du lien lexical (test de substituabilité par un synonyme), cf. la circulation s’est perturbée et la santé s’est détériorée ont été sélectionnées par les linguistes parce que sutr būti se combine avec un groupe restreint de noms, tandis que les deux méthodes ont reconnu ces collocations comme des CA parce que, parmi les synonymes sugedo et sutriko, un seul a été relevé dans les collocations évaluatives. Apga l v otas sprendimas a été reconnu comme une CA, car aucune collocation avec l’autre synonyme — apmąstytas sprendimas — n’a été relevée. Ainsi, il importe de garder à l’esprit que les collocations de ce groupe n’ont pas été identifiées selon le même critère. TABLEAU 6. CA identifiées avec le nom sprendimas et des verbes CA identifiées par la méthode non automatisée CA identifiées par la méthode automatisée CA identifiées par les deux méthodes 1) contester une décision (de justice) 2) reporter une décision 3) prendre une décision 4) fonder une décision 5) chercher une solution 6) décision entrée en vigueur 7) décision irréfléchie 8) ne pas prendre de décision 9) ne pas exécuter une décision de justice 10) la décision s’est avérée judicieuse 11) prendre une décision appropriée prendre la décision nécessaire 12) prendre des décisions 13) approuver une décision 14) prononcer une décision 15) faire appel d’une décision (auprès du tribunal) 16) exécuter une décision de justice 1) prendre une décision 2) exiger une décision 3) solution proposée 4) attendre une décision 5) signer une décision 1) exécuter une décision de justice 2) décision prise 3) solution proposée 4) prononcer une décision 5) décision mûrement réfléchie BENDRINĖ KALBA 94 (2021)http://journals.lki.lt/bendrinekalbaISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 30 doi.org/10.35321/bkalba.2021.94.06 Après avoir évalué combien de collocations verbe + nom du nom parmi les plus productifs sprendimas sont identifiées par différentes méthodes (voir le tableau 6), on constate que la méthode manuelle en identifie le plus grand nombre, tandis que seules cinq collocations AK sont identifiées par chacune des deux méthodes et par la méthode automatisée. REMARQUES GÉNÉRALES L’analyse des AK bi- et trilexicales composées d’adjectifs et de noms, ainsi que de verbes et de noms, permet d’affirmer que la méthode manuelle en identifie environ la moitié, la méthode automatisée environ un tiers, et les deux méthodes à la fois près d’un cinquième. Seule une petite partie des AK identifiées par ces méthodes coïncide, ce qui permet d’affirmer que les deux méthodes peuvent servir à identifier davantage d’AK. Par conséquent, pour reconnaître les AK, il est utile de recourir à la fois aux possibilités offertes par la méthode manuelle et par la méthode automatisée. Il convient de souligner que l’analyse manuelle a appliqué non pas un, mais deux critères de sélection; c’est pourquoi les données identifiées manuellement sont beaucoup plus nombreuses que celles identifiées de manière automatisée. L’analyse manuelle ne reposait pas seulement sur le critère du sens figuré, mais aussi sur celui de la restriction de la combinabilité lexicale, vérifié au moyen de deux tests (celui des groupes lexico-sémantiques et celui de la substituabilité par des synonymes), tandis que la méthode automatisée n’appliquait que le critère de la restriction de la combinabilité lexicale, selon le test de substituabilité par des synonymes. En raison du nombre différent de critères, les résultats obtenus par les différentes méthodes ne peuvent être comparés: la première méthode identifie dans tous les cas davantage d’AK, et le nombre de collocations qui se recoupent est faible. Il serait intéressant de comparer les AK identifiées automatiquement et manuellement uniquement selon le critère commun de restriction de la combinabilité (test de substituabilité par des synonymes). Une telle comparaison pourrait montrer qu’une partie des AK identifiées est identique, tout en permettant d’évaluer quelle méthode a sélectionné le plus d’AK et en quoi diffèrent les AK qui ne se recoupent pas. La méthode manuelle a permis de recueillir non seulement davantage de données, mais aussi des données lexicalement plus diversifiées. Les AK identifiées par cette méthode sont composées d’adjectifs et de verbes plus variés, tandis que la méthode automatisée produit des AK présentant une diversité lexicale moindre. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 31 doi.org/10.35321/bkalba.2021.94.06 Lors de la mise à l’essai de la méthode automatisée, l’objectif principal était de réduire le facteur de subjectivité dans l’évaluation de l’arbitrarité et de s’appuyer uniquement sur les données consignées dans le corpus. Lorsqu’on dispose de paires ou de groupes de synonymes établis par la méthode des vecteurs à partir d’un corpus donné, la procédure d’évaluation est simplifiée, puisqu’il est plus facile de déterminer si un élément d’une collocation peut être remplacé ou non: si le matériel étudié contient des collocations avec tous les mots d’une paire ou d’un groupe de synonymes, le remplacement est possible. Bien entendu, les inconvénients de la méthode automatisée sont également apparus. Comme l’arbitrarité des collocations évaluées est déterminée à partir des synonymes du VE, certaines AK peuvent ne pas être reconnues, car la reconnaissance de l’arbitrarité dépend fortement du VE disponible. Les tests ne portent que sur les synonymes recueillis dans le VE, et uniquement sur ceux-ci; par conséquent, toutes les collocations ne sont pas reconnues comme des AK. Bien que le processus d’analyse des AK puisse être automatisé, la phase initiale de ce processus nécessite l’apport de linguistes: il faut distinguer, dans les VE constitués par la méthode des vecteurs, les synonymes des mots liés par d’autres relations sémantiques, comme les antonymes. L’examen de la quantité de données obtenues automatiquement qui subsiste après le contrôle linguistique montre qu’un grand nombre d’adjectifs et de verbes ont été supprimés des VE et que les données restantes, respectivement 41% et 30%, doivent elles aussi être révisées et mises en ordre. Comme la méthode des vecteurs identifie également des mots qui ne sont pas liés par une relation de synonymie, la préparation des données synonymiques pour le test de substituabilité prend plus de temps. Il conviendrait donc d’essayer d’autres méthodes permettant d’établir les relations de synonymie. Pour évaluer l’adéquation de la méthode des vecteurs à la sélection des synonymes, on peut citer les arguments suivants, qui témoignent de la valeur des données recueillies automatiquement. Premièrement, la méthode des vecteurs permet d’identifier davantage de synonymes, et des synonymes différents, qu’en recourant uniquement à l’introspection. Deuxièmement, les synonymes identifiés par cette méthode (après avoir écarté les non-synonymes, bien entendu) révèlent un phénomène important du point de vue de la synonymie: les synonymes ne sont pas seulement des mots isolés, mais aussi des groupes de mots. Troisièmement, la méthode des vecteurs convient au traitement de grandes quantités de données, c’est-à-dire à l’identification de synonymes dans un grand corpus; il serait difficile d’évaluer manuellement la similarité contextuelle d’un aussi grand nombre de mots. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 32 doi.org/10.35321/bkalba.2021.94.06 LITERATŪRA Bielinskienė Agnė, Boizou Loic, Bumbulienė Ieva, Kovalevskaitė Jolanta, Krilavičius Tomas, Mandravickaitė Justina, Rimkutė Erika, Vilkaitė-Lozdienė Laura (sud.) 2019: Lietuvių kalbos kolokacijų žodynas, Kaunas: Vytauto Didžiojo universitetas. Prieiga internete: https://doi.org/10.7220/9786094673733. Divjak Dagmar, Gries Stefan T. 2006: Ways of Trying in Russian. Clustering and Comparing Behavioral Profiles. – Corpus Linguistics and Linguistic Theory 2(1), 23–60. Drūlienė Viltė 2008a: Erduvinės metaforos Daiktavardinių frazių žodyne: magistro darbas, Kaunas: Vytauto Didžiojo universitetas. Drūlienė Viltė 2008b: Lietuviškosios metaforikos vertikalumo matas. – Darbai ir dienos 50, 73–90. Grigonytė Gintarė 2010: Building and Evaluating Domain Ontologies: NLP Contributions: daktaro disertacija, Berlin: Logos Verlag Berlin. Handl Susanne 2008: Essential Collocations for Learners of English: The Role of Collocational Direction and Weight. – Phraseology in Foreign Language Learning and Teaching, eds. F. Meunier, S. Granger, Amsterdam, Philadelphia: John Benjamins Publishing Company, 43–66. Howarth Peter 1998: Phraseology and Second Language Proficiency. – Applied Linguistics 19 (1), 24–44. Jakaitienė Evalda 2010: Lietuvių kalbos leksikologija, Vilnius: Vilniaus universiteto leidykla. Kovalevskaitė Jolanta, Rimkutė Erika, Vilkaitė Laura 2020: Light Verb Constructions in Lithuanian: Identification and Classification. – Kalbų studijos 36, 5–16. Kovalevskaitė Jolanta, Rimkutė Erika, Vaičenonienė Jurgita 2021: Automatizuotas arbitraliųjų kolokacijų atpažinimas: būdvardžių ir daiktavardžių kolokacijos. – Kalbų studijos 39, 71–84. Lewis Michael 2000: Teaching Collocation: Further Developments in the Lexical Approach, London: Language Teaching Publications. Marcinkevičienė Rūta 2010: Lietuvių kalbos kolokacijos, Kaunas: Vytauto Didžiojo universitetas. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 33 doi.org/10.35321/bkalba.2021.94.06 Nesselhauf Nadja 2003: The Use of Collocations by Advanced Learners of English and Some Implications for Teaching. – Applied Linguistics 24 (2), 223–242. Nesselhauf Nadja 2005: Collocations in a Learner Corpus, Amsterdam: John Benjamins. Pennington Jeffry, Socher Richard, Manning Christopher D. 2014: GloVe: Global Vectors for Word Representation. – Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNL). Association for Computational Linguistic. Doha, Qatar, October 25–29, 2014, 1532–1543. Reder Anna 2006: Kollokationen in der Wortschatzarbeit. Praesens Verlag. Strakatova Yana, Hinrichs Erhard 2019: Semantic Modelling of Adjective-Noun Collocations Using FrameNet. – Proceedings of the Joint Workshop on Multiword Expressions and WordNet, 104–113. Stulpinaitė Miglė, Horbačauskienė Jolita, Kasperavičienė Ramunė 2016: Issues in Translation of Linguistic Collocations. – Kalbų studijos 29, 31–41. Šilinytė Justina 2008: Ontologinės ir struktūrinės metaforos Daiktavardinių frazių žodyne: magistro darbas, Kaunas: Vytauto Didžiojo universitetas. Volungevičienė Skaistė 2010: Metaforinių kolokacijų vertimo problemos. – Kalbų studijos 16, 23–27. Gauta 2021 11 14 Priimta 2021 12 15 BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 34 doi.org/10.35321/bkalba.2021.94.06 ARBITRALIŲJŲ LIETUVIŲ KALBOS KOLOKACIJŲ NUSTATYMAS Santrauka Šiame straipsnyje sprendžiama arbitraliųjų lietuvių kalbos kolokacijų atpažinimo problema. Tam skirtas projektas „Arbitrariosios lietuvių kalbos kolokacijos: atpažinimas, aprašymas, vartojimas (ARKA)“. Arbitraliosiomis kolokacijomis laikomos kolokacijos, kurių žodžių junglumo pagrindas yra ne semantiniai, o leksiniai ribojimai. Tokios kolokacijos tiesiogiai neatspindi nekalbinės tikrovės, o ryšys tarp jų žodžių – arbitralius: nors pagal panašią reikšmę teoriškai galima rinktis daugiau negu vieną junglumo partnerį, bet linkstama vartoti kurį nors vieną, pvz., suprasti užuominą, bet ne *subokti užuominą. Tyrimo šaltinis yra Lietuvių kalbos pastoviųjų žodžių junginių duomenų bazė, kurioje pateikiama apie 12 tūkst. kolokacijų; ištyrus kolokacijas su 97 daiktavardžiais, arbitraliosiomis priskirta apie 2400 kolokacijų, kurių struktūra yra būdvardis / būdvardiškai vartojamas dalyvis + daiktavardis, veiksmažodis + daiktavardis, daiktavardis + daiktavardis. Straipsnyje aprašyti du pagal minėtą projektą išbandyti arbitraliųjų kolokacijų nustatymo metodai: neautomatinis lingvistinės analizės ir automatizuotas kompiuterinės lingvistikos metodas. Nustatant AK neautomatiškai, taikyti du pagrindiniai kriterijai: perkeltinės reikšmės kriterijus ir riboto leksinio junglumo kriterijus, kuriam įvertinti taikyti veiksmažodžio ar būdvardžio sinonimų pakeičiamumo ir (arba) daiktavardžių leksinių semantinių grupių testai. Vienas iš AK nustatymo kriterijų – riboto leksinio junglumo – buvo tikrinamas ir automatizuotai, vektorių metodų nustatčius pakeičiamumo testui reikalingus sinonimus. Automatizuoto metodo taikymą sudarė šie etapai: 1) automatinis, kai vektorių metodu buvo surenkamos vektorių eilės su panašų kontekstą turinčiais žodžiais; 2) neautomatinis – vektorių eilių tvarkymas paliekant tik sinoniminiais ryšiais susijusius žodžius; 3) iš dalies automatinis etapas, kai kolokacijos buvo automatiškai susiejamos su konkrečiomis sinonimų eilėmis ir po peržiūros lingvistų patvirtinamos arba nepatvirtinamos kaip AK. Neautomatiniu metodu nustatyta apie pusė AK, automatizuotu metodu – apie trečdalis. Neautomatinei analizei taikytas ne vienas, o du atrankos kriterijai, todėl neautomatiškai nustatytų duomenų daug daugiau negu nustatytų automatizuotai. Nors BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 35 doi.org/10.35321/bkalba.2021.94.06 automatizuotu metodu galima sumažinti subjektyvumą vertinant duomenis ir supaprastinti arbitralumo vertinimo procedūrą, tačiau pastebėta ir tai, kad arbitralumo pripažinimą lemia vektorių eilėje esantys sinonimai, taigi dalis AK gali likti neatpažintos. Vektorių metodu surinktus sinonimus reikia atskirti nuo kitais semantiniais ryšiais susijusių žodžių, tam reikalinga lingvisto patikra. Tačiau, nepaisant šio ribotumo, vektorių metodas yra tinkamas dideliam duomenų kiekiui apdoroti, o rankiniu įvertinti gausybės žodžių konteksto panašumą būtų sunku. Abiem metodais atpažintos kolokacijos sudaro tik penktadalį visų nustatytų AK, todėl yra pagrindo manyti, kad siekiant atpažinti AK svarbu taikyti tiek automatizuoto, tiek ir neautomatinio metodo teikiamas galimybes. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 36 doi.org/10.35321/bkalba.2021.94.06 IDENTIFICATION OF LITHUANIAN ARBITRARY COLLOCATIONS Summary In this article, we describe the methodological approaches of arbitrary collocation (AC) identification developed within the framework of an ongoing project “Arbitrary Collocations of Lithuanian: Identification, Description and Usage (ARKA)”. The object of this research is arbitrary collocations of the Lithuanian language the collocability of which is determined by lexical rather than semantic constraints. Such collocations do not directly reflect the non-linguistic reality and the relation between the collocates is arbitrary: although there may be several close synonyms, a particular one is preferred in a certain word combination (e.g., suprasti užuominą vs. *suokti užuominą). The source of the research was the Database of Lithuanian Multiword Expressions encompassing over 12.000 collocations. The structural composition of the identified 2400 arbitrary collocations was as follows: adjective (participle)+noun, verb+noun, and noun+noun. Arbitrary collocations were determined by combining the manual linguistic analysis and semi-automatic methods of computational linguistics. The manual method included two major AC identification criteria: lexical restrictedness and (or) meaning transfer. Lexical restrictedness was measured using two tests: the synonym substitution of pre-modifier and (or) semantic field comparison of the head noun. Moreover, lexical restrictedness was also assessed using a semi-automatic approach by analyzing synonym pairs in the automatically generated vector strings. The semi-automatic approach consisted of three stages: (1) the automatic generation of vector strings with potential synonyms; (2) the manual vector string editing to reduce the noise, and (3) the semi-automatic process during which the collocations were compared to particular synonym pairs in vector strings and approved or not approved by linguists as arbitrary. Approximately half of ACs were detected by using the manual method based on two AC identification criteria, whereas about one-third of ACs were identified using the semi-automated method based on one criterion. On the one hand, the semi-automatic method can reduce the subjectivity in data evaluation and simplify the AC identification procedure. On BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 37 doi.org/10.35321/bkalba.2021.94.06 the other hand, as arbitrariness is determined on the basis of the available synonyms in the vector string, some ACs may not be identified because of the insufficient scope of the generated synonyms. Also, the automatically generated synonyms need to be manually analyzed to eliminate semantically unrelated words. Despite these limitations, the method is suitable for processing large amounts of the data. It would be difficult to manually assess the contextual similarity of such a large number of words. About one fifth of ACs were identified using a combination of both methods. These results suggest that different methodological approaches allowed the researchers to detect more arbitrary collocations. It is maintained that taking into consideration the mentioned advantages and disadvantages, the best results in the Lithuanian arbitrary collocation identification are acquired when combining both manual and semi-automatic methods. KEYWORDS: arbitrary collocations, Lithuanian, lexical restrictedness, vector space model, semi-automatic approach, linguistic manual approach. JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Vytauto Didžiojo universitetas Kristijono Donelaičio g. 58, 44248 Kaunas [email protected] [email protected] [email protected] BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204