JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ,

JURGITA VAIČENONIENĖ

Uniwersytet Witolda Wielkiego

USTALANIE ARBITRALNYCH KOLOKACJI JĘZYKA LITEWSKIEGO

SŁOWA KLUCZOWE: kolokacje arbitralne, język litewski, ograniczona łączliwość leksykalna, metoda wektorowa, ustalanie automatyczne, ustalanie lingwistyczne metodą nieautomatyczną.

STRESZCZENIE

Przedmiotem badań przedstawionych w artykule są arbitralne kolokacje języka litewskiego. Podstawą ich łączliwości nie są ograniczenia semantyczne, lecz leksykalne; takie kolokacje nie odzwierciedlają bezpośrednio rzeczywistości pozajęzykowej. Związek między ich wyrazami jest arbitralny: choć ze względu na podobne znaczenie teoretycznie można wybrać więcej niż jednego partnera łączliwości, skłonność jest taka, by używać tylko jednego z nich. Artykuł opisuje metody identyfikacji kolokacji arbitralnych, wypróbowane w ramach projektu „Nieautomatyczna metoda analizy lingwistycznej i zautomatyzowana metoda lingwistyki komputerowej (ARKA)”. Materiał do badań zaczerpnięto z Bazy danych stałych połączeń wyrazowych języka litewskiego.

ABSTRACT

Celem artykułu jest opisanie podejść metodologicznych do identyfikacji kolokacji arbitralnych (AC), opracowanych w ramach projektu „Kolokacje arbitralne języka litewskiego: identyfikacja, opis i użycie (ARKA)”. Źródłem materiału badawczego była „Baza danych litewskich wyrażeń wielowyrazowych”. Kolokacje arbitralne wyodrębniano, łącząc metody manualne i półautomatyczne lingwistyki komputerowej.

WSTĘP

Jak wiadomo, dużą część utrwalonych połączeń wyrazowych stanowią kolokacje, jednak podczas ich automatycznego wykrywania w korpusach za pomocą metod statystycznych lub hybrydowych (szerzej zob. Bielinskienė i in. 2019: 15–22) wykrywa się również wiele połączeń, które zalicza się do kolokacji

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

ze względu na to, że częstotliwość współwystępowania tworzących je wyrazów jest automatycznie oceniana jako statystycznie istotna, np.: sześć lat, słoneczny dzień, piękna kobieta itp. W ten sposób wśród kolokacji pojawiają się kolokacje pozorne, które są tworzone jak zwykłe swobodne połączenia wyrazowe na podstawie ograniczeń semantycznych, a nie leksykalnych (Marcinkevičienė 2010: 90–91).

Niektórzy badacze za kolokacje uznają wyłącznie kolokacje właściwe (nazywane również niemotywowanymi, arbitralnymi) – konwencjonalne połączenia wyrazowe, które nie odzwierciedlają bezpośrednio rzeczywistości pozajęzykowej, a relacja między ich wyrazami jest arbitralna (więcej o arbitralności zob. Kovalevskaitė i in. 2021).

Przedmiotem niniejszego badania są właśnie kolokacje arbitralne (dalej – KA), czyli takie, które charakteryzują się ograniczoną łączliwością leksykalną (ang. lexical restrictedness): choć teoretycznie, ze względu na podobne znaczenie, można wybrać więcej niż jednego partnera łączliwości, skłonni jesteśmy używać jednego z nich, np. rozumieć aluzję, a nie *pojmować aluzję, w zasięgu ręki, a nie *brany ręką. Rūta Petrauskaitė pisze: „Brak bezpośredniego związku z nazywaną rzeczywistością sprawia, że łączliwość tego samego wyrazu znacznie różni się nie tylko w różnych językach, lecz nawet w obrębie tego samego języka jednego członu kolokacji nie można zastąpić innym, synonimicznym, bez ryzyka, że wypowiedź zabrzmi nienaturalnie, np. czas płynie, biegnie, mija, ale nie *kroczy, pędzi, pełznie” (Marcinkevičienė 2010: 91). Partnerzy łączliwości wyrazu nadrzędnego w kolokacjach właściwych (arbitralnych), jak twierdzi R. Petrauskaitė, są nieprzewidywalni, a podstawą ich łączliwości są ograniczenia leksykalne (Marcinkevičienė 2010: 90).

KA nie przyciągały dotąd większej uwagi badaczy języka litewskiego, choć ich identyfikacja pomogłaby wyodrębnić je jako rdzeń litewskich kolokacji, co byłoby szczególnie przydatne w tłumaczeniu, nauczaniu języka litewskiego jako obcego oraz leksykografii. W tych celach KA są analizowane w ramach projektu „Arbitralne kolokacje języka litewskiego: rozpoznawanie, opis, użycie (ARKA)”¹, którego celem jest opisanie litewskich KA oraz opracowanie zasobów leksykograficznych i dydaktycznych dotyczących KA.

Celem artykułu jest opisanie metod zastosowanych w ramach projektu ARKA do rozpoznawania litewskich KA oraz porównanie wyników uzyskanych różnymi metodami. KA analizowano za pomocą nieautomatycznych metod analizy lingwistycznej oraz zautomatyzowanych metod lingwistyki komputerowej.

¹ Projekt finansuje Litewska Rada Nauki (nr S-LIP-20-18); więcej informacji zob. 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

Źródła: 1) Baza danych stałych połączeń wyrazowych języka litewskiego (dalej – PŽJDB)², zawierająca około 12 tys. kolokacji; 2) Delfi.lt korpus³, złożony z 70 mln słów, obejmujący teksty opublikowane w latach 2014–2016 w różnych działach portalu informacyjnego Delfi.lt (szerzej o korpusie: Bielinskienė i in. 2019: 14–15).

Materiał badawczy stanowią kolokacje utworzone z 97 rzeczowników (miejsce, otoczenie, sposób, mężczyzna, kobieta, rzecz i in.⁴). Ich struktura to: przymiotnik / imiesłów używany jako przymiotnik + rzeczownik, czasownik + rzeczownik, rzeczownik + rzeczownik. W wyniku badania około 2400 kolokacji uznano za AK. Większość z nich to kolokacje dwuwyrazowe, ale część jest trójwyrazowa; te ostatnie zazwyczaj składają się z czasowników, przymiotników i rzeczowników (kolejność składników może być różna).

Pierwsza część badanego materiału, czyli kolokacje o strukturze przymiotnik + rzeczownik, została omówiona w poprzednim artykule (Kovalevskaitė i in. 2021). Przedstawiono w nim próbę rozpoznawania AK z zastosowaniem jednej z metod lingwistyki komputerowej – metody zautomatyzowanej (wektorowej); metodę tę również szczegółowo opisano. W niniejszym artykule podsumowano całe badanie rozpoznawania AK. W pierwszym rozdziale przedstawiono obie zastosowane metody – nieautomatyczną (zob. podrozdz. 1.1), wraz z opisem zastosowanych kryteriów i testów, oraz zautomatyzowaną, której zastosowanie ukazano na przykładzie grupy kolokacji o strukturze czasownik + rzeczownik (zob. podrozdz. 1.2). W drugim rozdziale, na podstawie danych ze wszystkich etapów badania, omówiono i porównano wyniki zastosowania metod, ich możliwości i ograniczenia istotne przy ocenie ustalonej listy AK oraz planowaniu dalszych badań nad AK.

1. METODY IDENTYFIKACJI KOLOKACJI ARBITRALNYCH

Pisząc o AK, wskazuje się, że granicę między kolokacjami arbitralnymi a tak zwanymi kolokacjami trywialnymi można by wyznaczyć na poziomie rzeczowników abstrakcyjnych: „<...> kolokacje, których podstawę stanowią rzeczowniki abstrakcyjne, można uznać za właściwe, niemotywowane,

² http://resursai.pastovu.vdu.lt/paieska/paprastoji

³ https://klc.vdu.lt/pastovuSearch.html

⁴ Zatem rzeczowniki zarówno konkretne, jak i abstrakcyjne, które najczęściej tworzą stałe połączenia wyrazowe, ustalone na podstawie korpusu Delfi.lt, omówiono szerzej w: Bielinskienė i in. 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

a stałe połączenia z rzeczownikami konkretnymi zwykle opierają się na rzeczywistości pozajęzykowej i są trywialne” (Marcinkevičienė 2010: 91). A zatem jednym z kryteriów wskazywanych w pracach poświęconych kolokacjom jest semantyka rzeczowników. W trakcie tego badania okazało się, że większość AK rzeczywiście tworzona jest z nazwami abstraktów, zauważono jednak, że arbitralność cechuje również kolokacje z rzeczownikami konkretnymi, por.: ograniczyć prędkość, wykonać ćwiczenia gimnastyczne, wziąć łapówkę, opuścić boisko, wziąć kredyt, porozmawiać przez telefon, wystawić spektakl i in.

Wyzwanie w tym badaniu polegało nie tylko na zastosowaniu kryteriów rozpoznawania AK, lecz także na wyborze takiej metodologii, która nadawałaby się do pracy z dużą ilością danych, aby na jej podstawie można było sporządzić wykazy AK w języku litewskim po zbadaniu dużej liczby kolokacji (wykorzystano w tym celu materiały PŽJDB). W ramach projektu przetestowano i zastosowano dwojaką metodologię ustalania AK: nieautomatyczną i zautomatyzowaną. Najpierw zastosowano metodę nieautomatyczną, wybierając kryteria uznawania AK (zob. rozdz. 1.1). Ponieważ PŽJDB zawiera dużo danych, jednym z zadań projektu było przetestowanie, obok metody nieautomatycznej, także metody, która pozwoliłaby przynajmniej częściowo zautomatyzować proces uznawania AK (zob. rozdz. 1.2).

1.1. Nieautomatyczne ustalanie AK

Przy nieautomatycznym ustalaniu AK zastosowano dwa główne kryteria:

1) kryterium ograniczonej łączliwości leksykalnej, do oceny którego zastosowano metodę zastępowalności synonimicznej i/lub metodę leksykalnych grup semantycznych rzeczowników;

2) kryterium znaczenia przenośnego.

Jeśli kolokacja spełniała co najmniej jedno kryterium, uznawano ją za arbitralną. Poniżej omówiono, jak stosowano każde kryterium, aby ocenić, czy kolokację należy uznać za arbitralną.

1.1.1. Ustalanie AK na podstawie ograniczonej łączliwości leksykalnej

Jak wspomniano we wstępie, za arbitralne uznaje się kolokacje o ograniczonej łączliwości leksykalnej, tj. takie, w których przymiotnik lub czasownik użyty w określonym znaczeniu w połączeniu z rzeczownikiem podlega pewnym, mniej lub bardziej arbitralnym ograniczeniom zastępowalności (ang. arbitrary restriction on substitutability; Nesselhauf 2003, 2005). A zatem, zgodnie z koncepcją ograniczonej łączliwości leksykalnej, dowolny składnik kolokacji w określonym znaczeniu nie może być

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

zostało użyte ze wszystkimi składniowo i semantycznie możliwymi kolokatami. Chociaż teoretycznie można znaleźć zamienniki kolokatu, to albo zupełnie by nie pasowały, albo byłyby nietypowe, np.: korzystne vs. *pożyteczne środowisko; wielowarstwowy vs. *uwarstwiona powieść.

Kryterium ograniczonej łączliwości leksykalnej lingwiści sprawdzali za pomocą dwóch testów:

1) na podstawie synonimów czasownika lub przymiotnika (tj. sprawdzano, czy można je zastąpić innymi wyrazami o zbliżonym znaczeniu, uznawanymi za synonimy);

2) na podstawie leksykalnych grup semantycznych rzeczowników.

Ponieważ AK uznaje się za takie kolokacje, w których jednego ze składników zazwyczaj nie można zastąpić innym wyrazem — synonimem o zbliżonym znaczeniu — do rozpoznawania AK zastosowano test zastępowalności synonimicznej (zaadaptowany z Nesselhauf 2003): jeśli jednego składnika kolokacji nie można zastąpić innym synonimem o zbliżonym znaczeniu, taką kolokację uznawano za AK. Na przykład, oceniając arbitralność kolokacji nie podporządkować się ustawie, wdrażać system, włożona praca, sprawdzano możliwe synonimy czasowników *wykroczyć przeciw ustawie, *wprowadzić system, *włożona / wniesiona praca i rozstrzygano, czy taka zamiana jest możliwa; jeśli nie — kolokacje uznawano za AK. Test przeprowadzono z udziałem trzech lingwistów, stosując metodę introspekcji, ale opierano się na kolokacjach wyodrębnionych z korpusu Delfi.lt. Należy jednak przyznać, że znalezienie synonimu często było dość trudne, dlatego często stosowano również drugi test — leksykalnych grup semantycznych rzeczowników.

Ograniczoną łączliwość leksykalną oceniano również na podstawie różnorodności leksykalnych grup semantycznych: korzystając z kolokacji podanych w PŽJDB, ustalano, z rzeczownikami należącymi do ilu leksykalnych grup semantycznych łączy się przymiotnik lub czasownik w kolokacji, i w ten sposób oceniano zakres łączliwości leksykalnej. Aby jak najdokładniej ustalić, z jakimi wyrazami może być używany rzeczownik, analizowano cały jego paradygmat, tj. wszystkie kolokacje utworzone z tym rzeczownikiem. Jednak choć cały badany materiał obejmuje około 12 tys. kolokacji dostępnych w PŽJDB, czasami było widać, że informacji brakuje. Jeśli w badanym materiale występowała tylko jedna kolokacja z danym przymiotnikiem / czasownikiem, lingwiści uzupełniali paradygmat, opierając się na swoim wyczuciu językowym jako rodzimych użytkowników języka; jeśli w bazie było kilka kolokacji, testy ograniczonej łączliwości leksykalnej stosowano do dostępnego paradygmatu.

Na podstawie leksykalnych grup semantycznych rzeczowników zakres łączliwości oceniano z uwzględnieniem następujących warunków:

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) kolokacji nie uznawano za AK, jeśli z danym przymiotnikiem / czasownikiem łączy się wiele rzeczowników z różnych leksykalnych grup semantycznych, a grupy te są liczne. Taką łączliwość przymiotnika / czasownika uznawano za szeroką, bez wyraźniejszych ograniczeń leksykalnych, por. liczne kolokacje z dobry: dobry wynik, praca, świat, człowiek, czas, życie, sposób, rzecz, kraj, drużyna, dzień, decyzja, rok, pogoda, miejsce, połowa, sezon, możliwość, cena, mecz, samochód, jedzenie, znak, zdrowie, droga, mężczyzna, dziecko, produkt, pytanie, początek, środek itd.; por. także kupować: kupować samochód, jedzenie, produkt, majątek, ziemię;

b) jeśli z przymiotnikiem / czasownikiem łączy się wiele rzeczowników z różnych leksykalnych grup semantycznych, ale jedna grupa się wyróżnia lub używa się tylko kilku rzeczowników z danej grupy semantycznej, kolokację można było uznać za AK. Na przykład, chociaż czasownik ustawiać ma szeroką łączliwość, nie można go jednak używać z nazwami wszystkich środków transportu, por. ustawiać samochód (podobnie jak ustawiać rower, motocykl), ale cumować statek, lądować samolotem. Wynika z tego, że kolokację ustawiać samochód należy ze względu na ograniczoną łączliwość zaliczyć do AK. Czasownik mieć uznaje się za wyraz o szerokiej łączliwości leksykalnej, ponieważ może tworzyć wiele różnorodnych kolokacji, jednak w całym jego paradygmacie wyróżnia się kolokacja mieć sprawę — uznaje się ją za arbitralną. Z czasownikiem zachmurzyć się używa się wyrazów należących do dwóch leksykalnych grup semantycznych — zjawisk przyrodniczych i uczuć — ale kolokacje tworzy się wyłącznie z rzeczownikami zachmurzyła się pogoda i zachmurzył się nastrój, dlatego oba przypadki są AK;

c) kolokacji należących do jednej dużej grupy semantycznej nie uznaje się za AK. Na przykład w PŽJDB znaleziono tylko jedną kolokację potrącić podatki, ale lingwiści, opierając się na wyczuciu językowym rodzimego użytkownika języka, mogą uzupełnić paradygmat innymi wyrazami (potrącić można pieniądze, pożyczkę i inne kwestie finansowe), dlatego nie uznają potrącić podatki za AK. Jest to leksykalna grupa semantyczna, która w PŽJDB obejmuje jedną kolokację, lecz teoretycznie może być liczna.

Ograniczoną łączliwość leksykalną sprawdzano, oceniając oba wyrazy kolokacji: przymiotnika / czasownika nie można zastąpić innymi synonimami (test 1) lub (i) paradygmat rzeczowników jest ograniczony (test 2). Na przykład kolokacja serwowane jedzenie wskazywałaby, że może istnieć wiele rzeczowników z grupy jedzenia (można serwować jedzenie, napoje, kolację, obiad...). Nie spełnia więc warunku testu 2, ponieważ grupa semantyczna jest jedna, spełnia jednak warunek b, ponieważ czasownika serwować nie można zastąpić czasownikiem podać. Zatem według testu 2 kolokację uznaje się za arbitralną. Inny przykład:

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

Czasownik surengti „zorganizować” jest używany z rzeczownikami nazywającymi wydarzenia (surengti rinkimus, koncertą... „zorganizować wybory, koncert...”); oznacza to, że takich kolokacji nie należałoby uznawać za arbitralne według kryterium liczebności grupy semantycznej, ale można je zaliczyć do AK na podstawie testu 1, ponieważ w tym przypadku surengti nie można zastąpić synonimem suruošti.

Testu synonimii nie zawsze można się posłużyć. Na przykład nie można go zastosować, gdy istnieje kilka wariantów AK, por. kainos kyla ir kainos auga, didėja; klausimas kamuoja ir klausimas kankina; duoti galimybę ir suteikti galimybę; įgyti teisę ir įgauti teisę. Testu tego nie można również zastosować w takich przypadkach jak sumokėti mokesčius, apgyvendintas miestas — trudno nawet hipotetycznie zaproponować synonim czasowników sumokėti, apgyvendinti. Jeśli nie można znaleźć synonimu, nie da się sprawdzić możliwości zastąpienia, ponieważ musi istnieć przynajmniej teoretyczna możliwość wyboru między dwoma (lub większą liczbą) synonimów.

Lingwiści, sprawdzając ograniczoną łączliwość leksykalną zarówno za pomocą testu synonimii (test 1), jak i testu leksykalnych grup semantycznych (test 2), opierali się na swojej kompetencji jako rodzimych użytkowników języka. Na wyniki takiej pracy nieuchronnie wpływa jednak czynnik subiektywności (o problemie ustalania synonimów zob. Divjak, Gries 2006: 24–26). Dlatego do oceny wymienności synonimów wypróbowano również metodę zautomatyzowaną (zob. rozdz. 1.2).

1.1.2. Ustalanie AK na podstawie znaczenia przenośnego

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.

Przymiotniki używane w znaczeniach przenośnych zazwyczaj charakteryzują się również szerszą łączliwością, a kolokacje z przymiotnikami o szerszej łączliwości sprawiają uczącym się większe trudności (Nesselhauf 2005: 238). Ze względu na znaczenie dla nauki języka i tłumaczenia

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 i in. 2016) przy ustalaniu litewskich AK zastosowano kryterium znaczenia przenośnego.

Przy nieautomatycznej analizie kolokacji za cechę AK uznano użycie jednego ze składników kolokacji (przymiotnika, czasownika lub rzeczownika) w znaczeniu niedosłownym. Ustalono to poprzez analizę całego paradygmatu danego wyrazu, wygenerowanego na podstawie danych z korpusu Delfi.lt (zob. kolumna 1 w tabeli 1). Taki paradygmat pokazuje, z jakimi innymi przymiotnikami lub czasownikami dany rzeczownik tworzy kolokacje oraz w jakim znaczeniu używany jest w tych kolokacjach zarówno on sam, jak i jego kolokaty — przymiotniki i czasowniki.

Czasami tylko szerszy kontekst pozwala ustalić, czy wyraz jest użyty w znaczeniu dosłownym, czy przenośnym — wówczas sięgnięto do PŽJDB i korpusu Delfi.lt, por. zielony + samochód:

Przedstawiciel „Unicredit Leasing” na Litwie zauważa jeszcze kilka tendencji na rynku zielonych samochodów.

Zielony samochód, którym pilotował Marius Slaboševičius, žaliasis automobilis stracił pół sekundy <...>.

„Tesla Model S” zdobył kilka nagród dla najlepszego samochodu, w tym tytuł Światowego Zielonego Samochodu Roku 2013 žaliasis automobilis.

Ciekawe koncepcyjne modele zielonych samochodów.

Z przykładów wynika, że przymiotnik žalias opisuje samochód jako ekologiczny, ale nie określa jego koloru⁵. Taką kolokację uznano za arbitralną. Oczywiście w korpusie Delfi.lt, z którego danych utworzono PŽJDB, można znaleźć wiele przypadków, w których žalias określa kolor samochodu.

Połączenia rzeczowników z przymiotnikami i czasownikami uznawano za AK, jeśli co najmniej jeden ze składników był użyty w znaczeniu przenośnym. W takich przypadkach opisanych testów (zob. rozdz. 1.1.1) nie stosowano. Użycie przymiotników i czasowników w znaczeniu przenośnym jest szczególnie charakterystyczne dla kolokacji z rzeczownikami abstrakcyjnymi, a także z kilkoma rzeczownikami oznaczającymi konkretne rzeczy, na przykład dla kolokacji utworzonych z rzeczownikami amžius, aplinka, apsauga, būdas, dalykas, dalis, dėmesys, duomenys, galimybė, gyvenimas, informacija, įstatymas, įvykis, kalba, karas, kartas, klausimas, laikas, metas, pabaiga, pagalba, pradžia, reikalas, rezultatas, saugumas, sprendimas, sveikata, teisė, turtas.

⁵ Zwracamy uwagę, że o wyjątkowym użyciu sygnalizują również formy określone.

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

Kolokacje z rzeczownikami abstrakcyjnymi, jak ustaliła R. Petrauskaitė (zob. Marcinkevičienė 2010), mogą tworzyć metafory konceptualne (np.: łagodny środek, ostra krytyka, suchy wynik, wyciek informacji, podsycać rozmowy, wyciek danych, luka prawna⁶). Jak twierdzi R. Petrauskaitė, „najważniejszym kryterium metaforyczności jest przeniesienie znaczenia, uwidaczniające się w przeciwstawieniu rzeczownika konkretnego i abstrakcyjnego. Kiedy właściwości konkretnego przedmiotu stają się podstawą włączenia abstraktu w kontekst, utworzenia z nim połączenia wyrazowego, rodzi się metafora <...> jedna rzecz, najczęściej abstrakcyjna, jest postrzegana jako inna, konkretna, za pomocą terminologii tej drugiej <...>” (Marcinkevičienė 2010: 178).

Przymiotniki (rzadziej czasowniki) użyte w znaczeniu przenośnym w połączeniach z rzeczownikami konkretnymi nadają im cechy semantycznie dla nich nietypowe (np.: szybkie jedzenie, wyrazista kobieta, widoczny człowiek). Podobnie jak w połączeniach z rzeczownikami abstrakcyjnymi, znaczenie połączenia wyrazowego często odczytuje się nie z poszczególnych wyrazów, lecz z całego połączenia (np.: żelazny człowiek, złoty wiek, dzika kobieta; zob. też podane wcześniej przykłady z rzeczownikiem samochód). W badaniach nad kolokacjami w innych językach (np. Strakatova, Hinrichs 2019) do kolokacji zleksykalizowanych zalicza się kolokacje zawierające kolokat o znaczeniu przenośnym, w których znaczenie przenośne ujawnia się jedynie w połączeniu z ograniczoną liczbą wyrazów należących do określonych leksykalno-semantycznych grup. Na przykład znaczenie przymiotnika heavy w połączeniach z rzeczownikami smoker, rain, traffic (pol. nałogowy palacz, ulewny deszcz, intensywny ruch) nie jest prototypowe, ponieważ oznacza nie wagę, lecz intensywność.

Ustalono, że duży potencjał metaforyzacyjny mają wyrazy o średniej łączliwości leksykalnej⁷, na przykład czasowniki paralyžiuoti (paralyżować ruch), sekti (kończy się czas), sugriauti (zrujnować życie). Wśród przymiotników wiele jest takich, które użyte w znaczeniu dosłownym

⁶ O metaforach przestrzennych, ontologicznych i strukturalnych w kolokacjach zob. także: Drūlienė 2008a, b; Šilinytė 2008. Celem niniejszego artykułu i całego projektu nie jest klasyfikacja zidentyfikowanych metafor, dlatego kwestii tej nie omawia się szerzej, choć wiadomo, że AK mogą być interesującym przedmiotem badań dla specjalistów z zakresu językoznawstwa kognitywnego.

⁷ Na podstawie wzoru przedstawionego przez Susane Handl w 2008 r. Delfi.lt obliczono wartości kolokacyjności składników analizowanych kolokacji w oparciu o korpus tekstów. Badania te będą kontynuowane. Na razie można stwierdzić, że AK powinny być połączeniami o średniej sile, tzn. że wartość kolokacyjności żadnego z dwóch ani trzech składników nie powinna być bardzo niska ani bardzo wysoka. Jeśli, powiedzmy, wartość pierwszego składnika jest wysoka, a drugiego niska, pierwszy składnik może być używany z niewieloma wyrazami, a drugi – z bardzo wieloma, np.: substancja psychoaktywna, dziecko autystyczne, słodka woda, zacienione miejsce, umowa trójstronna, małoletnie dziecko, woda gazowana / destylowana, samochód przejeżdżający

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

znaczeniach, oznacza cechy fizyczne (np.: śliska sprawa, czysta robota, krwawa robota), ale przymiotnik może mieć też inne znaczenia (cenny czas, nurtujące pytanie, wyraziste wydarzenie). Zastosowanie kryterium znaczenia przenośnego ilustruje analiza paradygmatów przymiotnika (nie)czysty, czasownika nutekėti oraz rzeczownika euras (zob. tabela 1):

TABELA 1. Zastosowanie kryterium znaczenia przenośnego

Paradygmat

Identyfikacja AK

1. czysty sport, praca; brudna robota, sprawa, kwestia 2. czysty (-i) woda, środowisko, powietrze, miasto, miejsce, samochód; brudna woda

1. Uznaje się za AK ze względu na przenośne znaczenie przymiotnika w połączeniach z rzeczownikami o znaczeniu abstrakcyjnym. 2. Nie uznaje się za AK, ponieważ w tych kolokacjach przymiotnik jest użyty w znaczeniu dosłownym.

1. nutekėti informacja 2. nutekinta (-i) informacja, materiał, dane

1–2 uznaje się za AK, ponieważ w połączeniach z abstraktami realizowane jest przenośne znaczenie czasownika.

1. euro osłabienie, umocnienie 2. euro kurs, moneta, cent 3. euro zmiana

1. Uznaje się za AK, ponieważ euro przypisuje się cechy charakterystyczne dla żywego obiektu. 2. Są to terminy; nie uznaje się za AK. 3. Nie uznaje się za AK, ponieważ nie występuje znaczenie przenośne.

Jak widać na przykładach przedstawionych w tabeli 1, nie zawsze przymiotnik lub czasownik użyty w znaczeniu dosłownym w paradygmacie kolokacji, a niekiedy nawet nie całe kolokacje z danym przymiotnikiem / czasownikiem mają znaczenie przenośne; jednak znaczenie przenośne jest wyraźne w takich przypadkach: bolesna decyzja / sprawa / wydarzenie; zamknięty człowiek / charakter / życie; otwiera się droga / rynek / widok; wywalczyć prawo / miejsce itd. Takie kolokacje uznaje się za arbitralne.

Podsumowując, można stwierdzić, że kryterium znaczenia przenośnego jest szczególnie istotne w analizie kolokacji utworzonych z przymiotników i rzeczowników – często posługiwano się nim jako

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

głównym i najbardziej oczywistym wskaźnikiem arbitralności. W analizie kolokacji czasownika i rzeczownika częściej stosowano natomiast kryterium ograniczonej łączliwości leksykalnej (oraz test grup semantycznych). Ponieważ znaleziono bardzo niewiele AK utworzonych z dwóch rzeczowników, trudno uogólnić cechy kolokacji o tej strukturze (zob. podrozdz. 1.1.1).

1.2. Automatyczne ustalanie AK

Jedno z kryteriów AK – ograniczona łączliwość leksykalna – sprawdzano również automatycznie, tj. metodą wektorową ustalono synonimy potrzebne do przeprowadzenia testu substytucji. Szczegółowy opis testu substytucji i zastosowania metody wektorowej przedstawiono we wcześniej opublikowanym artykule (Kovalevskaitė i in. 2021). Opisano w nim zastosowanie metody wektorowej do oceny arbitralności kolokacji przymiotnik + rzeczownik, dlatego w niniejszym artykule szczegółowo omówiono jedynie ocenę arbitralności kolokacji czasownik + rzeczownik.

Najpierw krótko przypomnimy główne etapy stosowania metody wektorowej (podrozdz. 1.2.1), następnie omówimy dobór synonimów czasowników za pomocą metody wektorowej (zob. podrozdz. 1.2.2) i podsumujemy wyniki uznania kolokacji czasownikowych i rzeczownikowych za arbitralne (zob. podrozdz. 1.2.3).

1.2.1. Ustalanie AK na podstawie ograniczonej łączliwości leksykalnej z zastosowaniem metody wektorowej

Zastosowanie metody wektorowej miało na celu zautomatyzowanie ustalania AK i ograniczenie wpływu subiektywizmu na ocenę danych. Metodę wektorową do ustalania ograniczonej łączliwości leksykalnej zastosowano w następującej kolejności. Najpierw automatycznie wyodrębniono powiązane słowa z całego korpusu Delfi.lt⁸. W tym celu zastosowano GloVe – model wektorów słów (ang. embeddings) (Pennington i in. 2014). Metoda wektorowa (ang. Word Embedding Approach) należy do grupy metod służących do automatycznej analizy słów na podstawie podobieństwa ich dystrybucji, czyli kontekstu (ang. distributional similarity measures). Metody te stosuje się do automatycznego rozpoznawania różnych relacji (hiperonimii, synonimii, antonimii, meronimii) i są one oparte na

⁸ W ramach wcześniejszego projektu („Automatyczne rozpoznawanie stałych połączeń wyrazowych języka litewskiego (PASTOVU)”, zob. https://pastovu.vdu.lt) ustalone wektory są dostępne tutaj: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. W niniejszym badaniu wykorzystano je do doboru synonimów potrzebnych do ustalania AK.

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

hipotezę, że wyrazy o zbliżonym znaczeniu i/lub semantycznie powiązane występują w podobnych kontekstach (zob. Grigonytė 2010).

Najpierw automatycznie utworzono szeregi wektorów (dalej SW) przymiotników i czasowników występujących w kolokacjach PŽJDB⁹. Przy automatycznym wyborze wyrazów powiązanych pominięto przymiotniki i czasowniki o szerokiej łączliwości leksykalnej lub używane niesamodzielnie, np.: dobry, nowy, świetny; być, potrzebować, zacząć. Przymiotniki lub czasowniki pogrupowane w SW wybrano na podstawie podobieństwa kontekstu. Utworzono około 800 SW z przymiotnikami i ponad 3800 z czasownikami. Chociaż SW zawierały wyrazy powiązane, wśród danych były także wyrazy powiązane innymi relacjami semantycznymi (np. antonimicznymi) lub nawet niepowiązane, dlatego konieczna była redakcja lingwistyczna, aby ustalić, które z wyrazów powiązanych należy uznać za synonimy, które można wykorzystać do oceny, na ile ograniczona jest łączliwość danego synonimu z określonym rzeczownikiem. Za synonimy uznano wyrazy należące do tej samej części mowy, których znaczenie denotatywne (przedmiotowe) jest bardzo podobne, ale których łączliwość leksykalna jest częściowo lub całkowicie różna¹⁰.

Opracowane SW czasowników wykorzystano do oceny arbitralności kolokacji czasownik + rzeczownik. Zamierzano ustalić, w których kolokacjach członu czasownikowego nie można zastąpić czasownikiem o zbliżonym znaczeniu. Przy każdej parze lub grupie synonimów czasownikowych podano kolokacje z określonym rzeczownikiem. Jeżeli dla tego rzeczownika podano kolokację tylko z jednym synonimem z danej pary lub grupy, wnioskowano, że analizowany rzeczownik łączy się tylko z jednym czasownikiem z tej grupy synonimów, a kolokację uznawano za arbitralną. Jeżeli analizowany rzeczownik tworzył kolokacje ze wszystkimi czasownikami z pary lub grupy synonimów, kolokacji nie zaliczano do arbitralnych (zob. tabelę 2).

⁹Wyrazy powiązane wyznaczone metodą wektorową najtrafniej byłoby nazwać szeregami potencjalnych synonimów wyznaczonymi metodą wektorową. Dla zwięzłości dalej używamy określenia szeregi wektorów, a dokładniej — skrótu SW.

¹⁰Koncepcja synonimu przyjęta w tym artykule może być powiązana z bardziej rozpowszechnionym w litewskiej leksykografii terminem synonimy częściowe (zob. 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

TABELA 2. Etapy uznawania kolokacji arbitralnych z wykorzystaniem SW

Uznane za kolokacje arbitralne

Nieuznane za kolokacje arbitralne

Etap 1: przyjmuje się SW z dwiema parami synonimów otrzymać–uzyskać oraz dać–udzielić; etap 2: na podstawie tej SW sprawdza się, z iloma spośród tych synonimów rzeczownik nagroda tworzy kolokacje; stwierdza się dwie kolokacje: otrzymać nagrodę (jeden synonim z pary otrzymać–uzyskać) oraz udzielić nagrody (jeden synonim z pary dać–udzielić); etap 3: podejmuje się decyzję, że otrzymać nagrodę i udzielić nagrody należy uznać za kolokacje arbitralne.

Etap 1: przyjmuje się SW z dwoma synonimami założyć oraz utworzyć; etap 2: na podstawie tej SW sprawdza się, z iloma spośród tych synonimów rzeczownik stowarzyszenie tworzy kolokacje; stwierdza się dwie kolokacje: założyć stowarzyszenie oraz utworzyć stowarzyszenie; etap 3: podejmuje się decyzję, że założyć stowarzyszenie i utworzyć stowarzyszenie nie są kolokacjami arbitralnymi.

Na przykład z rzeczownikiem nagroda podano kolokacje otrzymać nagrodę, udzielić nagrody, ale nie podano *uzyskać nagrodę, *dać nagrodę. A zatem z parami synonimów otrzymać–uzyskać oraz dać–udzielić rzeczownik nagroda tworzy tylko po jednej opcji, toteż kolokacje otrzymać nagrodę oraz udzielić nagrody zaliczono do arbitralnych. Wśród kolokacji z czasownikami często uznawano za arbitralne te, w których używane są czasowniki o zatartym znaczeniu (zdesemantyzowane) (szerzej Kovalevskaitė i in. 2020), np.: przeprowadzić badanie, dać wynik, pobierać opłatę. Arbitralność kolokacji rzeczownika stowarzyszenie oceniono na podstawie SW zawierającej dwa synonimy — założyć i utworzyć; ponieważ rzeczownik ten tworzył kolokacje z oboma synonimami, odrzucono je jako niearbitralne.

Podobnie jak przy ocenie kolokacji z przymiotnikami, w eksperymentalnym badaniu synonimy czasownikowe testowano ręcznie, ponieważ należy uwzględnić znaczenie synonimu i testowanego rzeczownika. Jeśli znaczenie synonimów w SW nie pokrywa się ze znaczeniem czasownika w ocenianej kolokacji, test zastępowalności tego czasownika

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

nie może być stosowana. Na przykład do oceny arbitralności kolokacji prowadzić samochód nie nadawała się VE z prowadzić ze względu na znaczenie „wznosić budynek” (166 VE¹¹).

A zatem etapy stosowania metody zautomatyzowanej są następujące: a) automatyczny (VE tworzy się metodą wektorową), b) nieautomatyczny (lingwista dokonuje przeglądu i w razie potrzeby wprowadza poprawki); c) częściowo automatyczny (kolokacje są automatycznie łączone z konkretnymi VE, a po przeglądzie zatwierdzane lub niezatwierdzane jako AK).

1.2.2. Dobór synonimów czasowników w ciągach wektorowych

Ponieważ w wygenerowanych VE było dużo zbędnych, nieistotnych danych, tak zwanego szumu (ang. noise), lingwista przeglądał każdą VE i usuwał zbędne słowa, które nie były powiązane relacją synonimii, a niektóre VE usuwał w całości. Poniżej omówimy różne przypadki lingwistycznej redakcji VE.

Liczba VE czasowników była znacznie większa niż VE przymiotników (odpowiednio 3800 i 800 VE), ponieważ sam wykaz czasowników był obszerniejszy. VE jest tworzona automatycznie dla każdego czasownika, dlatego niektóre VE są podobne, ale liczba synonimów w podobnych VE może się różnić w zależności od tego, który czasownik pełni funkcję wyrazu centralnego. Wyraz centralny to słowo, do którego podobne są pozostałe podane słowa, innymi słowy — słowo, dla którego wyszukiwano możliwe synonimy (podobieństwo może być ustalone na podstawie relacji hiperonimii, synonimii, antonimii lub meronimii; w grupach synonimów słowo to jest podkreślone). Na przykład w VE 151 wyrazem centralnym jest organizuoti, natomiast VE 40 jest znacznie dłuższa, a jej wyrazem centralnym jest vykdyti:

151 VE: organizuoti, rengti, vykdyti

40 VE: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti

Jak już wspomniano, VE utworzone automatycznie należało jeszcze przejrzeć pod kątem lingwistycznym.

Po wykonaniu tej pracy zauważono, że zarówno w przypadku przymiotników, jak i czasowników automatycznie zebrano wiele długich VE zawierających kilka par synonimów czasownikowych, a niewiele takich, w których występowała tylko jedna para synonimów lub trzy synonimy. Niekiedy po przeglądzie okazywało się, że czasownik centralny, na podstawie którego utworzono VE, nie ma synonimów, choć w tej VE może znajdować się inny

¹¹ Tutaj i dalej podano numery VE potencjalnych synonimów ustalonych metodą wektorową, na których oparto się w niniejszym artykule.

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

odpowiednia para synonimów, na przykład w VE czasownika podporowego kisti znajduje się para synonimów paaštrėti, pablogėti.

Podobnie jak w przypadku przymiotników, „szum” w VE czasowników powodowały antonimy; por. VE pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti tworzyli członkowie jednej leksykalno-semantycznej grupy, którzy nie są synonimami, np.: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. Podczas oczyszczania VE często okazywało się, że któryś z czasowników lub kilka z nich nie pasuje, ponieważ nazywają zbyt konkretny aspekt podobnego działania. Na przykład w VE słowa remtis podano następujące wyrazy: vadovautis, pasikliauti, apsiriboti, kliautis. Usunięto apsiriboti, a za synonimy uznano jedynie vadovautis, pasikliauti, kliautis.

Często zdarzały się również przypadki, gdy jeden wyraz w VE miał szersze znaczenie, na przykład paveikti, a pozostałe przypisane do VE wyrazy konkretniej nazywały aspekty negatywnego oddziaływania, na przykład pakenkti, sutrikdyti. Dlatego za synonimiczne uznawano tylko te ostatnie. Spośród VE pagrįsti, įvardinti, paaiškinti, pateisinti za synonimy uznano pagrįsti i paaiškinti, natomiast pateisinti i įvardyti nie uznano za synonimy, ponieważ ze względu na dodatkowe cechy semantyczne ich znaczenie zbytnio odbiega od znaczenia dwóch pierwszych wyrazów. Zdarzało się, że z powodu takich przypadków trzeba było odrzucić całą VE, na przykład atmesti, ignoruoti, uždrausti.

Niekiedy zupełnie nieodpowiednie były również VE czasowników podporowych, w których, jak można by sądzić, z pewnością dałoby się automatycznie ustalić synonimy, np.: suprastėti (możliwy synonim pablogėti, ale nie było go w VE); sąlygoti (możliwy synonim lemti nie został jednak wskazany; znalazło się tam pakentėti). VE czasowników zawierających negację były nieprecyzyjne, dlatego je odrzucano; na przykład odrzucono następujące czasowniki podporowe: negydyti, nesuskaičiuoti, nepridėti.

Warto wspomnieć, że VE często trzeba było również korygować ze względu na właściwości słowotwórcze czasowników. Na przykład za synonimy nie uznano czasowników niedokonanych i dokonanych (tirti ir ištirti), a także czasowników, które wskutek dodania przedrostka nabrały innego znaczenia, takich jak palyti ir palynoti, naršyti ir panaršyti, oraz czasowników zwrotnych i niezwrotnych (klausyti ir klausytis). Jeśli na przykład czasownik podporowy w VE był zwrotny, rezygnowano z jego formy niezwrotnej. Przykładowo z VE išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis usunięto czasowniki išrinkti, parinkti. Warianty słowotwórcze (np. vardinti ir vardyti, lukterėti ir luktelėti) uznano za synonimy.

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

Podczas oczyszczania VE ujawniła się jeszcze jedna cecha automatycznej selekcji: ponieważ metodą wektorową wyrazy są gromadzone na podstawie podobieństwa ich kontekstów, VE może składać się z synonimów, które tylko na pierwszy rzut oka wydają się nieodpowiednie. Innymi słowy, nie znając konkretnych rzeczowników, z powodu których dwa lub więcej czasowników umieszczono w jednej VE, można błędnie ocenić jakość niektórych VE. Na przykład w 60. VE znalazły się następujące wyrazy: rodyti, demonstruoti, jausti. Natychmiastowe usunięcie wyrazu jausti byłoby błędem, ponieważ znalazł się on tutaj ze względu na wspólny dla tych czasowników kontekst, w którym mowa o uczuciach; por. demonstruoti, rodyti jausmus oraz na przykład jausti pyktį, jausti nusivylimą i in. Czasowniki sumažėti, pigti lub padidėti, ūgtelėti mogą być synonimami, jeśli mowa o cenach. Wszystkie trzy czasowniki z VE apsispręsti, priimti, pasirinkti są synonimami, a czasownik imti, który najczęściej jest usuwany, znalazł się tu dlatego, że oznacza priimti sprendimą, czyli innymi słowy, tę VE należy odczytywać następująco: apsispręsti, priimti sprendimą, pasirinkti¹².

Z tych przykładów wynika, że automatycznie można ustalić więcej synonimów i/lub synonimy innego rodzaju, ponieważ metoda wektorowa ocenia podobieństwo kontekstów, a nie znaczeń poszczególnych wyrazów. Raczej nie połączylibyśmy intuicyjnie jako synonimów czasowników atsikratyti, numesti, sulieknėti, gdybyśmy rozpatrywali je osobno, jednak znajdujemy je w jednej VE, ponieważ zostały użyte we wspólnym kontekście, w którym występował również rzeczownik svoris. Można podać więcej przykładów, por.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis i užsiimti; gerti i vartoti; nusiteikti i pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti.

W kontekście sportowym wszystkie cztery czasowniki – užsitikrinti, iškovoti, pasiekti, išsaugoti – są synonimami, ponieważ niekiedy zdobycie czegoś opisuje się w następujący sposób: užsitikrino sau vietą finale lub išsaugojo titulą. Wyniki te pokazują, że przy ocenie synonimii ważne jest uwzględnianie więcej niż jednego wyrazu, ponieważ członkami grupy synonimów mogą być zarówno pojedyncze wyrazy, jak i stałe połączenia wyrazowe

¹² W VE występują wyrazy powiązane syntagmatycznie, np. įžeisti i nenorėti. Ponieważ nenorėti często występuje we wspólnym kontekście z įžeisti (pojawiając się w połączeniu nenorėjo įžeisti, bet...), umieszczono je w jednej VE. Inny przypadek: liautis: nustoti, verkti. Czasownik verkti znalazł się tu, ponieważ został wybrany na podstawie często występującego dla niego kontekstu liovėsi verkęs / verkusi. Innymi słowy, bardzo długie (i nieodpowiednie) VE tworzone są dla tych czasowników podporowych, które używane są jako posiłkowe i ze względu na swoje właściwości gramatyczne łączą się z wieloma wyrazami, np.: 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

związki. Zastosowanie metody wektorowej, w której porównuje się podobieństwo kontekstów, pozwala właśnie uwidocznić powiązania pojedynczych słów z kontekstem. Lingwiście trudno byłoby objąć tak dużą ilość danych (więcej o wykorzystaniu szerokiego spektrum miar dystrybucyjnych do automatycznej analizy synonimów zob. Divjak, Gries 2006).

Zauważono, że VE czasowników o bardziej specyficznym znaczeniu i węższej łączliwości są często krótsze i bardziej jednorodne, prawdopodobnie ze względu na węższą łączliwość. Porównanie VE synonimów nerimauti, jaudintis, būgštauti i nuogąstauti pokazuje, że VE nerimauti jest dłuższa i mniej jednorodna; zawiera słowa o szerszym znaczeniu, na przykład bijoti (nerimauti: jaudintis, baimintis, bijoti), natomiast VE būgštauti obejmuje tylko te cztery słowa: būgštauti: nerimauti, jaudintis, nuogąstauti. Zauważono także, że VE oparte na czasownikach o bardziej konkretnym znaczeniu (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) mogą zawierać niewiele synonimów lub nie zawierać ich wcale, ponieważ słowa zebrane na podstawie czasownika o konkretnym znaczeniu są powiązane tematycznie, a nie synonimicznie, por.: išimti: išmesti, išbraukti, išnešti; medžioti ir žvejoti; kvėpuoti ir vaikščioti; virti ir kepti; kalėti ir nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. Takie VE składają się również z dwóch słów, ale mogą być dłuższe. Czasami bywają bardzo długie; na przykład dla czasownika bazowego sumenkti zebrano aż 26 czasowników.

Podsumowując, można wspomnieć, że po weryfikacji uzyskano 2634 z 3800 VE (70 proc.).

A zatem automatycznie wygenerowane VE nie są wystarczająco dokładne, by można je było stosować bez redakcji w kolejnym etapie identyfikacji AK. Takie błędy mogą wynikać ze specyfiki korpusu tekstów Delfi.lt – choć jest on obszerny pod względem liczby słów (około 70 mln), różnorodność leksykalna tekstów w jednym stylu może być mniejsza. Do generowania dokładniejszych VE potrzebny byłby korpus o większej różnorodności stylów funkcjonalnych.

1.2.3. Wyniki: jakość VE i uznanie arbitralności

Porównanie VE przymiotników i czasowników przed weryfikacją i po niej wykazało, że w obu przypadkach wiele VE odrzucono jako nieinformatywne:

1) z 1927 VE przymiotników po weryfikacji pozostało 800 VE (41 proc.);

2) z 3800 VE czasowników po weryfikacji pozostało 1166 VE (30 proc.).

Pozostałe VE również wymagały redakcji. Nie oceniono jednak, ile słów zwykle usuwa się z jednej VE. Często trzeba było usuwać wyrazy pomocnicze, niesamodzielne

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

czasowniki: robić, brać, żyć, być wartym, być potrzebnym, musieć, zaczynać, otrzymywać, chcieć, starać się, udawać się. Wiele słów usuwanych znajdowało się na końcu VE, gdzie pojawiały się słowa z najniższym zastosowanym progiem oceny (0,5; najwyższa ocena wynosi 1), ale zdarzało się też wiele przypadków, w których usuwano słowo o wysokiej ocenie, znajdujące się na pozycji 2–5 w danej VE (VE może składać się maksymalnie z 20 słów).

Należy podkreślić, że ocenę przeprowadzono na podstawie VE i uwzględniono wyłącznie słowa znajdujące się w tej VE. Jeżeli mogą istnieć inne synonimy, ale nie było ich w VE, na podstawie której dokonywano oceny (nie zostały wybrane metodą wektorową, nie wystąpiły w korpusie Delfi.lt itp.), niektóre kolokacje mogły zostać zaliczone do niearbitralnych (lub odwrotnie). Na przykład przy ocenie kolokacji spadająca gwiazda i wschodząca gwiazda wykorzystano VE zawierającą czasowniki rosnąć, spadać, wznosić się, maleć, rozwijać się, zwiększać się. W tej VE nie ma czasownika walić się, który mógłby być synonimem spadać, dlatego kolokacji spadająca gwiazda nie uznano za AK.

W trakcie badania dostrzeżono również zalety automatycznej selekcji danych: 1) jak wspomniano w podrozdziale 1.2.2, metodą wektorową można ustalić więcej i inne synonimy niż przy użyciu wyłącznie metody introspekcji; 2) metoda wektorowa nadaje się do przetwarzania dużych ilości danych, a ręczna ocena podobieństwa kontekstu tak wielu słów byłaby raczej niemożliwa.

Po zastosowaniu testu wymienialności do VE z synonimami czasowników 291 kolokację uznano za arbitralną. Jest oczywiste, że to właśnie synonimy zawarte w VE decydują o tym, które kolokacje zostaną uznane za AK. Z jednej strony jest to ograniczenie tej metody, z drugiej zaś — możliwość zautomatyzowania procesu ustalania arbitralności.

Gdy uznanie arbitralności zależy wyłącznie od konkretnej VE, często może się zdarzyć, że niektóre kolokacje nie zostaną wybrane na podstawie jednej VE, ale zostaną wybrane na podstawie innej. Na przykład przy ocenie arbitralności kolokacji tworzyć wizerunek i kształtować wizerunek na podstawie VE nr 368 tworzyć, kształtować żadna z tych kolokacji nie zostałaby zaliczona do AK. Czasowniki tworzyć i kształtować występują jednak także w innych VE, do których przypisano ten sam rzeczownik wizerunek, dlatego kolokacja tworzyć wizerunek zostaje uznana za AK na podstawie innej VE (45): tworzyć, stworzyć, rozwijać, rozbudowywać, realizować, przygotowywać, zakładać.

Możliwy jest również inny przypadek: te same kolokacje mogą zostać uznane za arbitralne na podstawie więcej niż jednej VE; na przykład wykonać ćwiczenia, robić ćwiczenia można ocenić jako AK zarówno na podstawie 11. VE (wykonać, realizować, robić), jak i na podstawie 15. VE (zrobić, wykonać, stworzyć;

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

dokonać). Problem pojawia się wtedy, gdy kolokacji arbitralnej nie uznaje się za arbitralną, jeżeli nie można tego ustalić na podstawie żadnej VE. Dość często zdarzało się to przy ocenie wariantów kolokacji. Na przykład z rzeczownikiem podatki używa się zarówno czasownika podnosić, jak i zwiększać; oba te czasowniki znajdują się w 52. VE, na podstawie której ocenia się arbitralność, dlatego kolokacje te nie zostaną zaliczone do AK. Są one jednak wariantami AK (por. rosną, idą w górę, zwiększają się ceny). Taki sam przypadek stanowi przeprowadzić / realizować / robić badanie (na podstawie 11. VE te połączenia nie zostały uznane za AK). W tej samej VE znajdowały się czasowniki otrzymać i zdobyć, dlatego kolokacji otrzymać dyplom i zdobyć dyplom nie uznano za AK. Przypadki te pokazują, że przy ocenie arbitralności kolokacji według kryterium ograniczonej łączliwości leksykalnej znaczenie mają zarówno stosowane narzędzia testowe, jak i to, że do ustalania wariantów AK bardziej odpowiednia jest metoda nieautomatyczna.

Ponieważ testowanie wymienialności synonimów jest tak silnie związane ze słowami występującymi w konkretnej VE, może się również zdarzyć, że podobne kolokacje o przeciwnych znaczeniach nie zostaną wybrane. Na przykład kolokacja niezadowolenie rośnie została wybrana, a niezadowolenie maleje — nie. Metodą nieautomatyczną obie oceniono by jako AK. Oznacza to, że gdy do oceny arbitralności wykorzystuje się dane ocenione metodą introspekcji lingwistycznej, zachowuje się część AK utraconych metodą 2. Należy jednak zauważyć, że stosowanie nieautomatycznej metody lingwistycznej wiąże się z subiektywnością. Metoda zautomatyzowana jest bardziej obiektywna, choć trzeba przyznać, że dane są bardziej fragmentaryczne (do testowania wykorzystuje się wyłącznie te VE, które zgromadzono). Ponadto nie wszystkie kolokacje będące AK są za takie uznawane.

2. WYNIKI USTALANIA AK

Analizując liczbę ustalonych AK, wyraźnie widać, że liczba AK ustalonych metodą nieautomatyczną i zautomatyzowaną, które się pokrywają, jest bardzo mała (więcej informacji zob. w podrozdz. 2.1 i 2.2), a zatem każda z tych metod z osobna dostarcza istotnych danych.

Danych zebranych metodą analizy nieautomatycznej jest znacznie więcej niż danych ustalonych metodą zautomatyzowaną, ale w analizie nieautomatycznej zastosowano nie jedno, lecz dwa kryteria selekcji (ograniczonej łączliwości leksykalnej i znaczenia przenośnego), natomiast przy zastosowaniu metody wektorowej – tylko ograniczonej

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

łączliwości leksykalnej. Zatem zastosowanie większej liczby kryteriów pozwala zebrać więcej kolokacji z większą różnorodnością przymiotników i czasowników.

Na podstawie przykładów konkretnych AK w tym rozdziale wyjaśnimy, dlaczego uzyskano właśnie takie wyniki oraz jak wpłynęły na nie zastosowane kryteria i wykorzystane dane. Najpierw omówimy, co pokazują uzyskane dane. Wszystkie AK z jednym konkretnym przymiotnikiem lub czasownikiem można ustalić na różne sposoby: a) tylko jedną z dwóch metod; b) część kolokacji jedną metodą, a część drugą; c) część kolokacji jedną metodą, część drugą, a część obiema metodami. W kolejnych podrozdziałach omówimy AK o różnej strukturze, komentując wyniki uzyskane obiema metodami.

2.1. Kolokacje arbitralne złożone z przymiotników i rzeczowników

Łącznie ustalono 1048 AK o strukturze przymiotnik + rzeczownik. Kolokacje te obejmują 320 różnych przymiotników. Warto jednak zauważyć, że jedne przymiotniki (didelis, mažas, atviras, aukštas, modernus, išskirtinis, pagrindinis itp.) tworzą kilka lub kilkanaście AK, a inne (np. netrumpas, nuodugnus, permainingas, pikantiškas) – pojedyncze AK (średnio z tym samym przymiotnikiem utworzono 3,3 kolokacji; więcej informacji zob. w tabeli 3).

TABELA 3. AK ustalone różnymi metodami (przymiotnik + rzeczownik)

AK ustalone metodą nieautomatycznąAK ustalone metodą zautomatyzowanąAK ustalone obiema metodamiLiczba (proc.)Liczba różnych przymiotników (średnia liczba AK utworzonych z tym samym przymiotnikiem)Liczba (proc.)Liczba różnych przymiotników (średnia liczba AK utworzonych z tym samym przymiotnikiem)Liczba (proc.)Liczba różnych przymiotników (średnia liczba AK utworzonych z tym samym przymiotnikiem)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

Jak wynika z tabeli 3, najwięcej AK zidentyfikowano metodą nieautomatyczną – ponad połowę wszystkich AK (np.: žiaurus vaizdas, vergiškas darbas, tiesmukas klausimas, skaudus dalykas); około jednej trzeciej AK zidentyfikowano automatycznie (np.: vertingas turtas, unikalus projektas, sudėtinga diena, optimalus būdas), natomiast najmniejszą część (15,74 proc.) stanowią AK zidentyfikowane obiema metodami (np.: brolžudiškas karas, intensyvi prekyba, milžiniškas projektas, žema kaina). Podobne proporcje widać również w przypadku AK z czasownikami (zob. sekcję 2.2).

Analiza przymiotników w AK pokazuje, że niektóre przymiotniki występują wyłącznie w AK zidentyfikowanych jedną z metod (zob. podane wcześniej przykłady), inne zaś w AK zidentyfikowanych obiema metodami (np.: didelis, mažas, stiprus).

Na początku badania postawiono hipotezę, że AK identyfikowane metodą nieautomatyczną będą cechowały się większą różnorodnością przymiotników, natomiast AK identyfikowane z zastosowaniem zautomatyzowanej metody wektorowej – mniejszą. Hipoteza ta potwierdziła się: w AK zidentyfikowanych pierwszą metodą użyto 235 różnych przymiotników, co oznacza, że ten sam przymiotnik tworzy średnio 2,5 AK. W AK zidentyfikowanych metodą wektorową występuje 86 różnych przymiotników, a zatem średnio 3,56 AK utworzono z tym samym przymiotnikiem. Najmniejszą różnorodnością przymiotników (42) odznaczają się AK zidentyfikowane obiema metodami, ale też takich kolokacji jest najmniej. W tej grupie AK z tym samym przymiotnikiem utworzono średnio 3,93 kolokacji. Można przypuszczać, że tak niewielka różnorodność przymiotników wynika ze stosunkowo małej liczby danych.

Istnieje duże prawdopodobieństwo, że kolokacja będzie arbitralna, jeśli tworzą ją takie przymiotniki, jak didis, didelis, didžiulis, milžiniškas, mažas, įtemptas, pavojingas, rimtas, stiprus, sunkus, połączone z rzeczownikami abstrakcyjnymi, ponieważ przymiotniki te będą użyte w znaczeniu przenośnym.

Omawiając, w jaki sposób zastosowane metody doprowadziły właśnie do takich wyników, chcielibyśmy omówić jako przykład AK z przymiotnikiem protingas, ponieważ widać na nim pełną różnorodność: część kolokacji zidentyfikowano jedną metodą, część – drugą, a część – obiema. Spośród ośmiu kolokacji przymiotnika protingas (protingas sprendimas, protingas miestas, protingas vaikas, protingas vyras, protingas laikas, protingas būdas) za AK uznano sześć: kolokacje tego przymiotnika z rzeczownikami sprendimas i miestas wyselekcjonowano nieautomatycznie, kolokacje z vaikas i vyras – automatycznie, a kolokacje z laikas i būdas wyselekcjonowano obiema metodami.

Językoznawcy ustalili, że grupa semantyczna „osoby” jest typowa dla tego przymiotnika. Ze słowami z tej grupy można łączyć zamiennie przymiotniki o podobnym znaczeniu (może być

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

nie tylko protingas, lecz także išmintingas žmogus), dlatego protingas vaikas ir protingas vyras znalazły się wśród AK wyłącznie jako wynik selekcji automatycznej (kolokacji išmintingas žmogus nie odnotowano w korpusie tekstów Delfi.lt), a następnie, podczas przeglądania danych, zostały odrzucone. Językoznawcy zauważyli, że pozostałe rzeczowniki (sprendimas, laikas, būdas) należą głównie do leksykalno-semantycznej grupy „abstraktów”, jednak kolokacje tworzą się tylko z określonymi rzeczownikami abstrakcyjnymi, co oznacza, że możliwości wyboru w tej grupie są ograniczone, a to wskazuje na arbitralność. Dlatego wszystkie te kolokacje uznano za arbitralne. Tylko dwie z nich (protingas laikas i protingas būdas) zidentyfikowano jako AK automatycznie, ponieważ w metodzie wektorowej nie stosuje się testu grup leksykalno-semantycznych.

AK zidentyfikowane metodą nieautomatyczną. Na przykład za arbitralne uznano dziewięć kolokacji z przymiotnikiem aukštas: aukštas rezultatas, aukštas pareigūnas, aukšta kaina itd. Przymiotnik jest tu używany w znaczeniu przenośnym (i niemal wyłącznie z rzeczownikami abstrakcyjnymi), a zatem kryterium znaczenia przenośnego sprawiło, że językoznawcy zaliczyli te kolokacje do AK. Metodą zautomatyzowaną kolokacje te często nie zostały wykryte, ponieważ do testu wymienności synonimów nie dysponowano VE zawierającymi odpowiedni przymiotnik (aukštas, uždaras, skaudus, silpnas, platus, patogus, lengvas, laisvas, ilgas ar greitas), dlatego nie można było ocenić wymienności. Jak wspomniano w poprzedniej części, wyniki metody zautomatyzowanej w dużym stopniu zależą od tego, czy dostępne są synonimy umożliwiające sprawdzenie wymienności oraz jaka jest jakość szeregu synonimów. Ten przypadek pokazuje, że przy zastosowaniu wyłącznie metody zautomatyzowanej część AK może pozostać nierozpoznana, a kompetencja językoznawcza może zrekompensować braki danych korpusowych.

Kolejnym powodem, dla którego niektóre AK mogą nie zostać rozpoznane automatycznie, jest to, że nie wszystkie rzeczowniki można powiązać z szeregiem synonimów o określonym znaczeniu, ponieważ kontekst części rzeczowników może być inny. Na przykład wśród kolokacji przymiotnika ryškus wiele zidentyfikowano nieautomatycznie (np.: ryški moteris, ryškus žmogus), a tylko jedną AK zidentyfikowano obiema metodami – ryškus įvykis. Oznacza to, że dostępne było VE z tym przymiotnikiem, ale automatycznie powiązano z nim nie wszystkie trzy rzeczowniki, lecz tylko įvykis.

AK zidentyfikowane metodą zautomatyzowaną. AK z przymiotnikiem efektyvus zidentyfikowano wyłącznie metodą wektorową, np.: efektyvi priemonė, efektyvus rezultatas, efektyvi sistema, efektyvus darbas. VE zawierało więcej synonimów (np. veiksmingas), jednak kolokacji veiksminga priemonė, veiksmingas rezultatas itd. nie odnotowano w korpusie, dlatego po zastosowaniu niemożliwego

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

test zastępowalności: kolokacje z efektyvus uznano za AK. Należy tu dodać, że lingwiści, opierając się na kompetencji rodzimych użytkowników języka, ocenili tę kwestię inaczej: zastępowalność jest możliwa (można używać zarówno efektyvi priemonė, jak i veiksminga priemonė), dlatego postanowiono nie uznawać tych kolokacji za AK. Metodą zautomatyzowaną za AK uznano wiele kolokacji, w których przymiotnik ma charakter oceniający, por.: išskirtinis (ponieważ jest powiązany synonimicznie z ypatingas), keistas (powiązany z neįprastas), modernus (powiązany z šiuolaikiškas), pagrindinis (powiązany z esminis), sudėtingas (powiązany z sunkus). Lingwiści częściej skłaniali się ku temu, by nie zaliczać takich przypadków do AK.

Kolokacje z stabilus, na przykład stabilus gyvenimas, stabili kaina, stabili savaitė, stabili valstybė, uznano za arbitralne wyłącznie metodą wektorową, ponieważ zastępowalność sprawdzano z użyciem synonimu pastovus, który nie wystąpił jako kolokat z odpowiednimi rzeczownikami. Lingwiści nie uznali jednak tych kolokacji za arbitralne, ponieważ analiza łączliwości stabilus pokazuje, że jest ona rzeczywiście szeroka i nie stwierdzono żadnych ograniczeń, a pastovus nie uznano za synonim stabilus, por.: stabilus darbas, stabili valstybė, stabili kaina, stabilus rezultatas, stabilus gyvenimas, stabili savaitė.

AK ustalone obiema metodami. Wśród dostępnych danych nie ma ani jednego przypadku, w którym wszystkie kolokacje z tym samym przymiotnikiem uznane za AK zostałyby ustalone obiema metodami. We wszystkich przypadkach obiema metodami ustalono tylko ich część, a wśród tych przymiotników najczęściej występują takie, które mogą być używane w znaczeniu przenośnym, np.: garsus, greitas, liūdnas, mažas, nelengvas, patrauklus, pavojingas, rimtas, stiprus, sunkus, tvirtas. Jak już wspomniano, AK dla większości takich przymiotników ustalono wyłącznie metodą nieautomatyczną, na przykład kolokacje z przymiotnikiem silpnas (zob. także przykłady przytoczone wcześniej). Wynika to z tego, że podczas nieautomatycznego ustalania AK takie przypadki wybierano na podstawie kryterium znaczenia przenośnego, natomiast metodą 2 kwalifikowały się tylko wtedy, gdy były elementami szeregu synonimów używanego w teście zastępowalności.

Sprawdzając, ile kolokacji dla jednego z najbardziej produktywnych rzeczowników, sprendimas, wyodrębnia się poszczególnymi metodami, można dostrzec tendencje podobne do tych przedstawionych w tabeli 3: metodą nieautomatyczną uzyskano najwięcej AK, jednak znaczna część AK została ustalona metodą zautomatyzowaną.

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

TABELA 4. Ustalone AK z rzeczownikiem sprendimas i przymiotnikami

AK ustalone metodą nieautomatyczną

AK ustalone metodami zautomatyzowanymi

AK ustalone obiema metodami

1) odpowiedzialny

2) bezprecedensowy

3) drastyczny

4) odważny

5) formalny

6) surowy

7) inteligentny

8) mądry

9) konstruktywny

10) kreatywny

11) głupi

12) tymczasowy

13) decydujący

14) fatalny

15) lekki

16) nielogiczny

17) nieracjonalny

18) uzasadniony

19) wygodny

20) zaawansowany

21) praktyczny

22) przeciwny

23) inteligentny

24) racjonalny

25) świadomy

26) bezpieczny

27) samodzielny

28) skandaliczny

29) bolesny

30) pochopny

31) pilny

32) bystry

33) pokojowy

34) sprawiedliwy

35) zrównoważony

36) zjednoczony

1) jasny

2) kategoryczny

3) dziwny

4) konkretny

5) kreatywny

6) użyteczny

7) nieoczekiwany

8) optymalny

9) prosty

10) kiepski

11) rzeczywisty

12) skomplikowany

13) wyjątkowy

1) szybki

2) logiczny

3) niełatwy

4) poważny

5) ryzykowny

6) trudny

7) szkodliwy

8) mocny

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

Podając przykład rzeczownika sprendimas, warto wspomnieć o jeszcze jednym aspekcie związanym z metodą zautomatyzowaną: część kolokacji zaliczonych do arbitralnych może budzić wątpliwości, tzn. może się wydawać, że znajdują się na granicy i są bliższe kolokacjom niearbitralnym. Na przykład można się zastanawiać, czy takie kolokacje jak aiškus sprendimas czy keistas sprendimas rzeczywiście należy uznać za arbitralne. Można by sądzić, że przymiotniki aiškus, keistas, kūrybiškas, naudingas, netikėtas i inne można łączyć nie tylko z sprendimas, lecz także z wieloma innymi rzeczownikami, z którymi można je łączyć ze względu na znaczenie; por. wszystkie kolokacje tych przymiotników zidentyfikowane w korpusie 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. Lingwiści sprawdzali ograniczoną łączliwość leksykalną nie tylko za pomocą testu synonimii, lecz także w oparciu o leksykalne grupy semantyczne, dlatego nie zaliczyli kolokacji aiškus sprendimas i keistas sprendimas do arbitralnych. Przy automatycznej ocenie ograniczenia leksykalnego kolokacje te zaliczono do AK, ponieważ sprawdzenie wymienialności synonimów wykazało, że rzeczownik sprendimas tworzył kolokacje tylko z jednym z synonimów z pary aiškus, suprantamas oraz jednym z synonimów z pary keistas, neįprastas. Przykłady te pokazują, że dokładniejszych wyników identyfikacji AK można oczekiwać, jeśli ograniczoną łączliwość leksykalną sprawdza się nie tylko testem synonimii, lecz także testem leksykalnych grup semantycznych.

2.2. Kolokacje arbitralne złożone z czasowników i rzeczowników

Zidentyfikowano 1171 AK złożonych z czasownika i rzeczownika. Jest to liczba zbliżona do liczby AK utworzonych z przymiotnikami – 1048. Podobnie jak w przypadku kolokacji z przymiotnikami (zob. tabela 2), zbliżony jest też rozkład AK zidentyfikowanych różnymi metodami (zob. tabela 3): około połowę AK zidentyfikowano metodą nieautomatyczną (np.: apniukusi diena, aptarti galimybes, iškvies­ti apsaugą), około jedną trzecią – metodą zautomatyzowaną (np.: suskubti į pagalbą, žvelgti į gyvenimą, sugadintas turtas, kaupti turtą), a niemal jedną piątą zidentyfikowano obiema metodami (np.: atlikti tarnybą, duoti komandą, matyti reikalą).

Analizowano również różnorodność leksykalną AK o tej strukturze, czyli liczbę różnych czasowników tworzących AK zidentyfikowane daną metodą. Średnio 2,05 omawianej w tym podrozdziale AK utworzono z tym samym czasownikiem (zob. tabela 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

TABELA 5. AK zidentyfikowane różnymi metodami (czasownik + rzeczownik)

AK zidentyfikowane metodami nieautomatycznymi

AK zidentyfikowane metodami zautomatyzowanymi

AK zidentyfikowane obiema metodami

Liczba (proc.)

Liczba różnych czasowników (średnia liczba AK utworzonych z tym samym czasownikiem)

Liczba (proc.)

Liczba różnych czasowników (średnia liczba AK utworzonych z tym samym czasownikiem)

Liczba (proc.)

Liczba różnych czasowników (średnia liczba AK utworzonych z tym samym czasownikiem)

561 (47,91)

376 (1,5)

382 (32,62)

189 (2,02)

228 (19,47)

102 (2,24)

Funkcje składniowe czasowników w AK są bardziej zróżnicowane niż funkcje przymiotników: mogą występować formy osobowe, które łączą się z rzeczownikami pełniącymi funkcję dopełnienia, podmiotu lub okolicznika (np.: apipilti klausimais, kelti kainą, parodyti laikas¹³, pastatyti į vietą), albo formy nieosobowe, najczęściej imiesłowy, pełniące funkcję przydawki (np.: išpūsta kaina, einamieji metai, neapgalvotas sprendimas, klestinti šalis, negirdėtas dalykas, vykdomas darbas). W AK wielowyrazowych szyk wyrazów może być zmienny, np.: atskubėti į pagalbą / į pagalbą atskubėti; eiti į rinkimus / į rinkimus eiti.

W porównaniu z kolokacjami tworzonymi przez przymiotniki widać większą różnorodność czasowników: w AK wyodrębnionych metodą nieautomatyczną ten sam czasownik tworzy średnio 1,5 kolokacji, w AK wyodrębnionych zautomatyzowaną metodą wektorową – średnio 2,02 kolokacji, natomiast w AK wyodrębnionych obiema metodami różnorodność czasowników jest najmniejsza – ten sam czasownik tworzy średnio 2,24 AK. Prawdopodobnie na taki wynik wpłynął fakt, że kolokacji wyodrębnionych obiema metodami jest najmniej. Z drugiej strony tendencje są podobne: największą różnorodnością leksykalną odznaczają się AK wyodrębnione metodą nieautomatyczną.

¹³ Czasami lematy kolokacji z podmiotem wydają się nietypowe, jednak zdecydowano się podać bezokolicznik, ponieważ mogą być używane bardzo różne formy osobowe, np.: czas pokaże, czas pokazał, czas by pokazał.

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

Analiza danych wskazuje na dużą różnorodność czasowników (za różne czasowniki uznano wyrazy z przedrostkiem i bez przedrostka oraz z różnymi przedrostkami, np.: saugoti, apsaugoti, išsaugoti; formy zwrotne i niezwrotne, jeśli nie zmieniają znaczenia, uznano za ten sam czasownik), jednak istnieją czasowniki łączliwe, z którymi utworzono po kilka, a nawet kilkanaście AK, np.:

suteikti: udzielić ochrony, udzielić informacji, dać możliwość, dać możliwość wyboru, udzielić informacji o;

skirti: poświęcić mało uwagi, poświęcić czas, poświęcić uwagę, poświęcić dużo uwagi, areszt domowy, poświęcić dużą uwagę, poświęcić dużo czasu, poświęcić dużo uwagi, uwagę trzeba poświęcić;

ateiti / ateinantis: przyjść na wybory, przyjść euro, nadejść czas, nadejść pora, nadchodzące lata, nadchodzące wybory, budżet na nadchodzący rok, początek nadchodzącego roku, nadchodzący miesiąc, początek nadchodzącego tygodnia, nadchodzący sezon, nadchodzące lata, nadchodzący dzień, nadchodzący tydzień.

Widać, że znaczna część AK utworzonych z jednym czasownikiem to warianty jednej kolokacji, por. wcześniej podane warianty AK skirti dėmesį. Niemniej wszelkie leksykalne i gramatyczne warianty kolokacji (zmienia się szyk wyrazów, dodawane są dodatkowe wyrazy) liczy się jako odrębne kolokacje. Za odrębne kolokacje uznaje się przypadki, gdy ten sam czasownik jest używany w formie osobowej (wówczas jako lema najczęściej podaje się bezokolicznik) lub nieosobowej (np.: kovoti dėl vietos, kovoti iki pabaigos, kovojanti grupė). Zatem większą różnorodność leksykalną kolokacji z czasownikami (w porównaniu z przymiotnikami) warunkuje cecha czasownika jako części mowy – częste używanie czasownika o tym samym rdzeniu z różnymi przedrostkami. Z jednej strony takie czasowniki można uznać za różne wyrazy, z drugiej zaś takich danych nie da się w pełni porównać z danymi dotyczącymi przymiotników, które za każdym razem są różnymi wyrazami, a nie wariantami słowotwórczymi tego samego wyrazu.

AK wyodrębnione metodą nieautomatyczną. W odróżnieniu od kolokacji przymiotnik + rzeczownik kolokacje z czasownikami często uznawano za arbitralne, stosując nie tylko kryterium znaczenia przenośnego (np.: gadinti gyvenimą, atverti galimybę), lecz także kryterium ograniczonej łączliwości leksykalnej i test leksykalnych grup semantycznych. Na przykład kolokacje z vaizdas, būdas, informacija oceniano, uwzględniając następujące paradygmaty:

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

zniekształcać informację

zniekształcać rynek

zniekształcona informacja

zniekształcony sposób

zniekształcony obraz

Łączliwość czasowników iškraipyti, iškreipti (używanych także atrybutywnie) nie jest szeroka: do kolokacji z iškraipyti można by jeszcze dodać iškraipyti žodžius, ale rzeczownik žodžiai znalazłby się w jednej grupie z informacija, dlatego podjęto decyzję o zaliczeniu obu kolokacji do AK. Z imiesłowem iškreiptas używanym atrybutywnie utworzono trzy kolokacje i wszystkie uznano za AK, ponieważ choć można rozszerzyć paradygmat (np. dodać iškreiptas mąstymas), nadal byłby on ograniczony. Rzeczowniki informacija, vaizdas, būdas, choć przypisane do jednej abstrakcyjnej grupy leksykalno-semantycznej, są zaledwie trzy, a niewielka liczba wyrazów stanowi jeden z warunków stosowania testu grup leksykalno-semantycznych. Zastosowanie testu wymienności synonimów pokazuje, że zamiast iškraipyti, iškreiptas nie można użyć na przykład išdarkyti / išdarkytas.

AK ustalone metodą automatyczną. Należy podkreślić jedno ograniczenie metody automatycznej: część AK może pozostać nierozpoznana, ponieważ takie kolokacje nie zostały wykryte w korpusie Delfi.lt (choć samo połączenie wyrazowe mogło zostać użyte). Na przykład trójwyrazowa kolokacja aiškintis įvykio aplinkybes została uznana za AK na podstawie synonimów analizuoti, aiškintis, tirti, które znalazły się w VE. W korpusie znaleziono tylko kolokację z czasownikiem aiškintis, dlatego uznano ją za AK. Z drugiej strony w innym korpusie mogłaby wystąpić również kolokacja tirti įvykio aplinkybes, a zatem przy testowaniu według tej samej grupy synonimów za arbitralne uznano by dwie kolokacje, a nie jedną.

Wśród kolokacji ustalonych metodą automatyczną są przypadki, których lingwiści nie uznali za AK właśnie dlatego, że na podstawie intuicji językowej nie sądzono, iż istnieje tendencja do wybierania jednego synonimu spośród kilku możliwych. Przykładem mogą być kolokacje suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį. Lingwiści nie uznali żadnej z tych kolokacji za arbitralną. Metodą automatyczną ustalono, że wszystkie trzy są AK, ponieważ wśród kolokacji z korpusu Delfi.lt nie było kolokacji z innymi członkami odpowiednich grup synonimów, tj. występowało suprasti pasaulį, ale nie suvokti pasaulį; występowało pažinti pasaulį, ale nie išmokti pasaulį; występowało žiūrėti į pasaulį, ale nie žvelgti į pasaulį. W ocenie lingwistycznej ustalono, że łączliwość tych trzech czasowników nie wykazuje cech ograniczonej łączliwości.

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

Obydwoma metodami ustalono kolokacje arbitralne (AK). Należy zaznaczyć, że kolokacje arbitralne z tej grupy niekoniecznie ustalono według tego samego kryterium. Przy ocenie arbitralności metodą nieautomatyczną kolokację arbitralną można było ustalić na podstawie któregokolwiek z testów, niekoniecznie testu wymienności synonimów. Jak napisano o kolokacjach przymiotników i rzeczowników, te same kolokacje arbitralne wyselekcjonowano metodą nieautomatyczną na podstawie kryterium znaczenia przenośnego, a metodą zautomatyzowaną – na podstawie kryterium ograniczonej łączliwości leksykalnej (testu wymienności synonimów), por. sutriko eismas oraz sutriko sveikata lingwiści wyselekcjonowali dlatego, że sutr būti łączy się z ograniczoną grupą rzeczowników, natomiast w obu metodach kolokacje te uznano za arbitralne dlatego, że spośród synonimów sugedo i sutriko w kolokacjach z tymi czasownikami odnotowano tylko jeden synonim. Apga l v otas sprendimas uznano za kolokację arbitralną, ponieważ nie było kolokacji z innym synonimem – apmąstytas sprendimas. Zatem należy pamiętać, że kolokacje z tej grupy nie zostały rozpoznane według tego samego kryterium.

TABELA 6. Ustalone kolokacje arbitralne z rzeczownikiem sprendimas i czasownikami

Kolokacje arbitralne ustalone metodą nieautomatyczną

Kolokacje arbitralne ustalone metodą zautomatyzowaną

Kolokacje arbitralne ustalone obydwoma metodami

1) zaskarżyć wyrok (sądu) 2) odroczyć wydanie orzeczenia 3) podejmować decyzję 4) uzasadniać decyzję 5) szukać rozwiązania 6) prawomocny wyrok 7) nieprzemyślana decyzja 8) nie podjąć decyzji 9) nie wykonać wyroku sądu 10) decyzja okazała się słuszna 11) podjąć odpowiednią decyzję podjąć właściwą decyzję 12) podejmować decyzję 13) zgodzić się z decyzją 14) ogłosić wyrok 15) zaskarżyć wyrok (do sądu) 16) wykonać wyrok sądu

1) priimti sprendimą 2) reikalauti sprendimo 3) siūlomas sprendimas 4) laukti sprendimo 5) pasirašyti sprendimą

1) įvykdyti teismo sprendimą 2) padarytas sprendimas 3) pasiūlytas sprendimas 4) paskelbti sprendimą 5) apgalvotas sprendimas

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

Po ocenie, ile kolokacji typu czasownik + rzeczownik z jednym z najbardziej produktywnych rzeczowników sprendimas wyodrębnia się różnymi metodami (zob. tabelę 6), widać, że najwięcej z nich zidentyfikowano metodą nieautomatyczną, natomiast obiema metodami oraz metodą zautomatyzowaną zidentyfikowano po pięć AK.

UWAGI PODSUMOWUJĄCE

Na podstawie analizy dwuwyrazowych i trzywyrazowych AK utworzonych z przymiotników i rzeczowników, a także z czasowników i rzeczowników, można stwierdzić, że metodą nieautomatyczną zidentyfikowano około połowy z nich, metodą zautomatyzowaną – około jednej trzeciej, a obiema metodami – mniej więcej jedną piątą. Zidentyfikowane tymi metodami AK pokrywają się tylko w niewielkim stopniu, co pozwala stwierdzić, że zastosowanie obu metod umożliwia identyfikację większej liczby AK. A zatem, aby rozpoznawać AK, warto korzystać zarówno z możliwości oferowanych przez metodę nieautomatyczną, jak i zautomatyzowaną.

Należy podkreślić, że w analizie nieautomatycznej zastosowano nie jedno, lecz dwa kryteria selekcji, dlatego danych zidentyfikowanych nieautomatycznie jest znacznie więcej niż tych uzyskanych metodą zautomatyzowaną. Analiza nieautomatyczna obejmowała nie tylko kryterium znaczenia przenośnego, lecz także kryterium ograniczonej łączliwości leksykalnej, sprawdzane za pomocą dwóch testów (grup leksykalno-semantycznych i zastępowalności synonimami), podczas gdy w metodzie zautomatyzowanej zastosowano tylko kryterium ograniczonej łączliwości leksykalnej, oparte na teście zastępowalności synonimami.

Ze względu na różną liczbę kryteriów nie można porównać wyników uzyskanych różnymi metodami, ponieważ pierwszą metodą w każdym przypadku zidentyfikowano więcej AK, a liczba pokrywających się kolokacji jest niewielka. Warto byłoby porównać AK zidentyfikowane automatycznie i nieautomatycznie wyłącznie według wspólnego kryterium ograniczonej łączliwości (testu zastępowalności synonimami). Takie porównanie mogłoby wykazać, że część zidentyfikowanych AK jest taka sama, a zarazem pozwoliłoby ocenić, którą metodą wyodrębniono więcej AK i czym różnią się AK, które się nie pokrywają.

Metodą nieautomatyczną zebrano nie tylko więcej danych, lecz także dane o większej różnorodności leksykalnej. AK zidentyfikowane tą metodą tworzą bardziej zróżnicowane przymiotniki i czasowniki, natomiast AK uzyskane metodą zautomatyzowaną charakteryzują się mniejszą różnorodnością leksykalną.

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

Testując metodę zautomatyzowaną, dążono przede wszystkim do ograniczenia czynnika subiektywności przy ocenie arbitralności oraz do opierania się wyłącznie na danych odnotowanych w korpusie. Dysponując parami lub grupami synonimów wyodrębnionymi metodą wektorową z konkretnego korpusu, można uprościć procedurę oceny, ponieważ łatwiej rozstrzygnąć, czy składnik kolokacji można zastąpić, czy nie: jeśli w badanym materiale występują kolokacje ze wszystkimi wyrazami z pary lub grupy synonimów, zastępowalność jest możliwa.

Oczywiście ujawniły się także wady metody zautomatyzowanej. Ponieważ arbitralność ocenianej kolokacji ustala się na podstawie synonimów VE, część AK może pozostać nierozpoznana, gdyż uznanie arbitralności w dużej mierze zależy od dostępnego VE. W testach wykorzystuje się tylko tyle synonimów i tylko te synonimy, które zebrano w VE, dlatego nie wszystkie kolokacje są uznawane za AK.

Choć proces analizy AK można zautomatyzować, na jego początkowym etapie niezbędny jest wkład lingwistów – w VE utworzonych metodą wektorową należy oddzielić synonimy od wyrazów powiązanych innymi relacjami semantycznymi, na przykład antonimów. Po sprawdzeniu, ile automatycznie uzyskanych danych pozostaje po weryfikacji lingwistycznej, widać, że z VE usunięto wiele przymiotników i czasowników, a pozostałe odpowiednio 41 procent i 30 procent danych również wymaga redakcji i uporządkowania. Ponieważ metoda wektorowa identyfikuje nie tylko wyrazy powiązane relacją synonimii, przygotowanie danych synonimicznych do testu zastępowalności zajmuje więcej czasu. Dlatego należałoby wypróbować inne metody identyfikowania relacji synonimii.

Oceniając przydatność metody wektorowej do selekcji synonimów, warto przytoczyć następujące argumenty potwierdzające wartość automatycznie zebranych danych. Po pierwsze, metodą wektorową można zidentyfikować więcej synonimów, a także synonimy innego rodzaju niż wyłącznie za pomocą introspekcji. Po drugie, synonimy zidentyfikowane tą metodą (oczywiście po uprzednim odrzuceniu wyrazów niesynonimicznych) ukazują istotne z punktu widzenia synonimii zjawisko: synonimiczne są nie tylko pojedyncze wyrazy, lecz także związki wyrazowe. Po trzecie, metoda wektorowa nadaje się do przetwarzania dużej ilości danych, czyli do identyfikowania synonimów w dużym korpusie, podczas gdy ręczna ocena podobieństwa kontekstów tak licznych wyrazów byłaby trudna.

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