Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai

AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ جامعة فيتاوتاس ماغنوس مدونات اللغة الليتوانية الموسومة صرفيًا ونحويًا الكلمات المفتاحية: المدونة، التحليل الصرفي الآلي، التحليل النحوي الآلي، تقنيات اللغة. مقدمة منذ 25 عامًا، يعمل مركز اللسانيات الحاسوبية (KLC) في جامعة فيتاوتاس ماغنوس (VDU)1 على تطوير تقنيات اللغة (Utka وآخرون، 2017). وتشكل الموارد والأدوات الليتوانية التي أعدّها مركز KLC في جامعة VDU أساسًا لا غنى عنه في حوسبة اللغة الليتوانية وتكييف التقنيات الجديدة معها. وفي مطلع عام 2015، أصبحت ليتوانيا عضوًا كامل العضوية في CLARIN ERIC، وفي يوليو 2015 أنشأ مركز KLC وكلية المعلوماتية في جامعة VDU، بالتعاون مع شركاء من جامعة فيلنيوس وجامعة كاوناس للتكنولوجيا، اتحاد CLARIN-LT وشرعوا في تنفيذ مشروع «عضوية ليتوانيا في البنية التحتية الدولية للبحوث – البنية التحتية المشتركة لموارد اللغة وتقنياتها»2، وبذلك اندمجت ليتوانيا في منظومة تقنيات اللغة الأوروبية المشتركة. تهدف هذه المقالة إلى تقديم موردين للغة الليتوانية أعدهما مركز KLC في جامعة VDU، وهما مدونتان ليتوانيتان موسومتان: المدونة الموسومة صرفيًا MATAS والمدونة الموسومة نحويًا ALKSNIS. وهذان الموردان متاحان للعامة في مستودع CLARIN-LT، ويمكن إجراء البحث فيهما باستخدام نظام ANNIS3 (للمزيد، انظر القسم 3). كما يمكن البحث في المدونة الموسومة صرفيًا آليًا على الموقع الإلكتروني http://corpus.vdu.lt4. تُعدّ المدونات الموسومة موارد أساسية تؤدي دورًا مهمًا في تطوير تقنيات اللغة. وعند حوسبة اللغة وإعداد أدوات حاسوبية للتحليل الآلي للغة، لا بد من إجراء تحليل نحوي وتوفير بيانات إحصائية عن اللغة. لذا فإن المدونات المزودة بوسوم نحوية تمثل مادة خام للتحليل الآلي اللاحق للغة. وتُستخدم هذه المدونات في إنشاء موارد وأدوات أخرى لمعالجة اللغة الطبيعية في مجالات مثل 1 متاح على الإنترنت: http://tekstynas.vdu.lt. 2 متاح على الإنترنت: http://clarin-lt.lt/. 3 متاح على الإنترنت: http://158.129.51.247:8080/annis-gui-3.4.4/. 4 هذه مدونة موسومة صرفيًا آليًا، تتألف من 208 ملايين كلمة. ولا تتناول المقالة هذه المدونة فيما يلي. وينصبّ معظم الاهتمام على مدونة MATAS الموسومة صرفيًا، التي راجعها لغوي، وتتألف من 1.6 مليون كلمة. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuo­ti tekstynai | 2 أنظمة التعرف الآلي على اللغة، والتعلّم الآلي، والترجمة الآلية، واستخراج المعلومات، وما إلى ذلك. يعرض المقال فيما يلي النصوص المذكورة كلًّا على حدة، والبحث عن البيانات فيها عبر نظام ANNIS. ويمكن للباحثين والطلاب الذين يدرسون نظام قواعد اللغة الليتوانية، وللمحاضرين والمعلمين عند إعداد التمارين، ولكل المهتمين بتقنيات اللغة، الاستفادة من هذه النصوص وبياناتها. النصوص الليتوانية المشروحة وخصائص إعدادها 1. النص MATAS المشروح صرفيًا يمثل التحليل الصرفي المرحلة الأولى من معالجة اللغة، وغالبًا ما يهيئ النص للتحليل النحوي أو الدلالي اللاحق؛ لذلك من المهم جدًا أن تعمل المحللات الصرفية بأقصى قدر من الدقة، إذ إن الأخطاء المرتكبة على المستوى الصرفي تعيق التحليل الآلي للغة على المستويات الأخرى. أُنشئ أول محلل صرفي للغة الليتوانية قبل نحو 25 عامًا. ومؤلفه هو Vytautas Zinkevičius (انظر بمزيد من التفصيل Zinkevičius 2000). ويتاح حاليًا للغة الليتوانية محللان صرفيان للاستخدام العام: برنامج V. Zinkevičius المذكور، الذي يُسمى عادةً Lemuokliu5 (من كلمة lema، أي الصيغة المعجمية)، ومحلل متاح على بوابة Lietuvių kalbos sintaksinės ir semantinės analizės informacinė sistema (ويُشار إليها فيما يلي باسم semantika.lt). وقد شُرح النص MATAS المعروض في هذا المقال باستخدام Lemuoklį، بينما أُعدّ النص المشروح نحويًا باستخدام المحلل الصرفي لـsemantika.lt.6 على الرغم من أن Lemuoklis يعمل جيدًا إلى حدٍّ ما، فلا يمكن تحديث هذا البرنامج لأنه مغلق المصدر. وقد أُنشئ محلل Semantika.lt على منصة Hunspell بوصفه برنامجًا مفتوح المصدر؛ ويُحدَّث هذا المحلل وتُضاف إليه كلمات جديدة (إذ يضم الآن 171,000 لِمّة)، كما يجري تنقيح قواعده (انظر بمزيد من التفصيل Dadurkevičius 2017). وفي دراسة أُجريت عام 2017 لتقييم جودة المحللين كليهما، تبيّن أن محلل semantika.lt يعمل بدقة أكبر (Kapočiūtė-Dzikienė وآخرون 2017). أُعدّ النص MATAS المعروض فيما يلي خلال الفترة 2002–2014. واتُّخذ أساسًا نصٌّ مؤلف من مليون كلمة أُنشئ عام 2006، ثم أُضيفت إليه نصوص جديدة وأُعيد تنظيمه. أولًا، شُرحت نصوص MATAS صرفيًا آليًا، ثم راجعها لغويٌّ ونقّحها. 5 الوصول عبر الإنترنت: http://tekstynas.vdu.lt/page.xhtml?id=morphological-annotator; لا يقتصر عمل هذا البرنامج على التحليل الصرفي للنص، بل يمكنه أيضًا توليد الصيغ المطلوبة؛ كما أنه مهيأ لتحليل النصوص القديمة. 6 الوصول عبر الإنترنت: http://semantika.lt/SyntaticAndSemanticAnalysis/Analysis. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuo ti tekstynai | 3 يتألف MATAS من 1.6 مليون نص، مستمدة من وثائق وأعمال أدبية ونصوص علمية. وكما هي الحال في مدونة نصوص اللغة الليتوانية المعاصرة، تشكّل النصوص الصحفية النسبة الأكبر (36 في المئة) (انظر الشكل 1). الشكل 1. بنية المدونة الموسومة صرفيًا MATAS (بالنسب المئوية) يتاح MATAS بعدة صيغ: صيغة KLC المسماة، التي تستخدم اختصارات غير مألوفة بعض الشيء لأقسام الكلام والفئات النحوية (وقد وُسِمت بهذه الصيغة أيضًا المدونة المتاحة في مستودع البوابة http://clarin-lt.lt/)، على سبيل المثال: <word="Tarp" lemma="tarp" type="prln"> <space> <word="tankiai" lemma="tankiai" type="prvks teig nelygin.l"> <space> <word="suaugusių" lemma="suaugti(-ga,-go)" type="dly teig nesngr veik.r būt.kart.l neįvardž vyr.gim dgsk K"> <space> <word="medžių" lemma="medis" type="dktv vyr.gim dgsk K"> <space> <word="kur ne kur" lemma="kur ne kur" type="prvks teig nelygin.l"> <space> <word="vis" lemma="vis" type="prvks teig nelygin.l"> <space> <word="pasimatydavo" lemma="pasimatyti(-to,-tė)" type="vksm teig sngr tiesiog.nuos būt.d.l vnsk IIIasm"> <space> <word="dangaus" lemma="dangus" type="dktv vyr.gim vnsk K"> <space> <word="lopinėlis" lemma="lopinėlis" type="dktv vyr.gim vnsk V"> <sep="."> <p> وُسِم MATAS أيضًا وفق معيار TEI P5 الدولي. وفيه تُختصر أقسام الكلام والفئات النحوية بحرف واحد أو رقم، مثلًا، تعني العلامة vatstdv3، على التوالي: BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 4 فعل، صيغة مصرّفة، صيغة مثبتة، انعكاسي، صيغة الخبر، الماضي المعتاد، المفرد، الغائب. وفيما يلي المقطع النصي نفسه بصيغة TEI P5: <w lemma="tarp" ana="#r">Tarp</w> <pc> </pc> <w lemma="tankiai" ana="#ptn">tankiai</w> <pc> </pc> <w lemma="suaugti(-ga,-go)" ana="#vdtnvknvdk">suaugusių</w> <pc> </pc> <w lemma="medis" ana="#dbvdk">medžių</w> <pc> </pc> <w lemma="kur ne kur" ana="#ptn">kur ne kur</w> <pc> </pc> <w lemma="vis" ana="#ptn">vis</w> <pc> </pc> <w lemma="pasimatyti(-to,-tė)" ana="#vatstdv3">pasimatydavo</w> <pc> </pc> <w lemma="dangus" ana="#dbvvk">dangaus</w> <pc> </pc> <w lemma="lopinėlis" ana="#dbvvv">lopinėlis</w> <pc>.</pc> وتستند صيغة أخرى تتاح بها النصوص الموسومة صرفيًا على http://corpus.vdu.ltموقعMULTEXT-East7، إلى نموذج الصيغة. ووفق هذه الصيغة، يختلف عدد الفئات الصرفية لكل قسم من أقسام الكلام (من 2 إلى 14)، وتُدوّن باستخدام اختصارات؛ فمثلًا، تعني العلامة Ncmpnn- N اسمًا، وc اسمًا عامًا، وm المذكر، وp الجمع، وn حالة الرفع، وn اسمًا غير انعكاسي؛ وتشير الشرطة في النهاية إلى أن هذه الكلمة، مثل universitetai، لا تُسنَد إليها أي علامة دلالية8. في الفصل الثالث، سنعرض البحث في مدونتي MATAS وALKSNIS باستخدام نظام ANNIS. ويُستخدم فيه تنسيق آخر للعلامات الصرفية، أُعدّ وفق علامات glossing في لايبزيغ (للمزيد، انظر الفصل 3). لا تقتصر أنظمة الوسم المختلفة على تقنيات اللغة الليتوانية. وقد دفعت هذه المشكلة إلى إنشاء أداة التحويل Pepper (Zipser وآخرون، 2010). وهذا يعكس مراحل تطوير الموارد المختلفة وأدوات الوسم المستخدمة. كما يتضح من الأمثلة الواردة أعلاه، تُستخدم في KLC أربعة أنظمة للعلامات الصرفية. ونشأت صيغ الوسم المختلفة لأن إعداد المدونة الموسومة صرفيًا استغرق وقتًا طويلًا. وفي مرحلة ما لم تُطبّق أي معايير للوسم، بل استُخدمت ببساطة اختصارات أقسام الكلام والفئات النحوية التي وضعها مطوّر المحلل الصرفي V. Zinkevičius. وهي سهلة الفهم للمستخدمين. وبعد فترة، وبفضل التعاون الدولي، أُعيد وسم المدونة الموسومة صرفيًا باستخدام 7 متاح على الإنترنت: http://nl.ijs.si/ME/V4/msd/html/index.html. 8 للاطلاع على مزيد من المعلومات حول هذه العلامات، انظر http://corpus.vdu.lt/lt/morph. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 5 بالمعايير الدولية. وكما ذُكر، يستخدم المحلّل الصرفي semantika.lt (كان الهدف الرئيسي من هذا النظام إنشاء خدمات عبر الإنترنت) وسومًا بتنسيق MULTEXT-East. الوسوم قصيرة، لكنها عسيرة الفهم على البشر، وهي أنسب للتحليل الحاسوبي. أُعدّ المتن الصرفي والنحوي ALKSNIS باستخدام تنسيق MULTEXT-East. وأتاحَت أداة البحث في المتون ANNIS (انظر القسم 3) إمكانية الجمع بين تنسيقي الوسم الصرفي في ALKSNIS وMATAS. وكانت الفكرة الأولى استخدام وسوم Universal Dependency (UD)، إذ إن هذا نظام وسم شائع إلى حدٍّ كبير وسهل القراءة (بالإنجليزية). غير أن وسوم UD طويلة جدًا، وقد تبيّن أن ذلك غير عملي عند البحث عبر ANNIS: إذ تشغل وسوم كل كلمة مساحة كبيرة، ولذلك كان لا بد من تحريك شريط التمرير في النافذة إلى أحد الجانبين عند تحليل سياق الكلمة المطلوبة. وبسبب هذه المشكلة العملية، تقرر تكييف وسوم التلميع في لايبزيغ، لأنها سهلة القراءة وقصيرة نسبيًا. وعلى الرغم من تنوع وسوم الوسم الموصوفة هنا، تجدر الإشارة إلى أن واجهة ANNIS لكلا المتنين تستخدم نظامًا واحدًا فقط (نظام تلميع لايبزيغ المكيّف)، وينبغي أن يسهّل ذلك الأمر كثيرًا على المستخدمين. يُذكر أن MATE لا يحدّد حدود الجمل؛ ويمكن إجراء ذلك بسرعة وبصورة آلية، لكن ينبغي التحقق من النتائج المستحصلة. ومثل المتن ALKSNIS الذي ستتم مناقشته لاحقًا، فإن MATAS متاح في http://clarin-lt.lt/ مستودع البوابة9. ويمكن إجراء عمليات البحث فيه باستخدام نظام ANNIS10 (للمزيد، انظر القسم 3). 2. المتن الموسوم نحويًا ALKSNIS أُعدّ المتن الليتواني الموسوم نحويًا ALKSNIS عام 2016. وقد دعمت إعداده البنية التحتية لموارد اللغة العامة وتقنياتها، واتحاد البنى التحتية البحثية الأوروبية (CLARIN ERIC) (MTI-02/2015). والمتن متاح للعامة في http://clarin-lt.lt/ مستودع البوابة11. وقد شُرح كيفية استخدامه في دليل المستخدم12. صُمّم المتن ليكون معيارًا مرجعيًا للتحليل النحوي للغة الليتوانية. وتتميّز المتون من هذا النوع بصغر حجمها وتوازنها الأمثل من حيث الأنواع النصية، وبأن التحليل النحوي فيها، وإن أُنجز آليًا، قد راجعه اللغويون وصححوه. وبالاستناد إلى هذا المعيار المرجعي للتحليل النحوي، يمكن إنشاء محلّل نحوي قائم على الأساليب الإحصائية (بالإنجليزية statistically-based parser) وتوسيع نطاق التحليل النحوي الآلي (Bielinskienė ir kt. 2016). 9 متاح على الإنترنت: https://clarin.vdu.lt/xmlui/handle/20.500.11821/9. 10 متاح على الإنترنت: http://158.129.51.247:8080/annis-gui-3.4.4. 11 متاح على الإنترنت: https://clarin.vdu.lt/xmlui/handle/20.500.11821/10. 12 متاح على الإنترنت: https://youtu.be/PIEOPWurb4Y. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 6 نظرًا إلى أن ALKSNIS مورد أحدث للغة الليتوانية من MATAS وأقل وصفًا، فسنولي في هذه المقالة اهتمامًا أكبر بـ ALKSNIS، كما سنناقش المسائل التي أثيرت أثناء التحليل النحوي. 2.1. أقسام المدونة النصية تتألف المدونة النصية ALKSNIS من 30 599 كلمة و2355 جملة محللة نحويًا. وبالمقارنة مع مدونات لغات البلدان المجاورة، فإن هذه المدونة مشابهة إلى حد كبير، ويمكن القول إنها ذات حجم كافٍ: تتألف مدونة اللغة اللاتفية13 من 3800 جملة و53 ألف كلمة (Predkalnina وآخرون 2016)؛ ومدونة اللغة الإستونية 14 من 1400 جملة و10 600 كلمة (Muischnek وآخرون 2014)؛ ومدونة اللغة البولندية 15 من 8227 جملة. أما أول مدونة محللة نحويًا، PENN (الولايات المتحدة)، فتضم عددًا أكبر بكثير، نحو 3 ملايين كلمة16. تغطي نصوص ALKSNIS أربعة أقسام نوعية (انظر الشكل 2). ويتساوى تقريبًا حجم قسمي الدوريات العامة والمتخصصة والأدب الروائي، في حين أن قسم النصوص الإدارية هو الأصغر، لأن هذه لغة ليتوانية متخصصة: فكثيرًا ما تكون الجمل طويلة، وتكثر فيها أسماء الوثائق والإحالات إلى وثائق أخرى وما إلى ذلك. ولا يكشف تحليل مثل هذه الجمل عن البنية النحوية النموذجية. الشكل 2. بنية المدونة النصية المحللة نحويًا ALKSNIS استُخدمت في إعداد المدونة النصوص كاملةً، من دون اختصار. واختيرت الجمل من أكبر تنوع ممكن من الأنواع النصية. ويتألف قسم الأدب الروائي من جمل مقتبسة من أعمال كتّاب ليتوانيين. وأُعدّت الجمل المختارة للتحليل الحاسوبي: فتم التحقق من ترميز النص وحُذفت الجداول والصور. 13 متاح على الإنترنت: http://sintakse.korpuss.lv/index.html. 14 متاح على الإنترنت: https://metashare.ut.ee/repository/browse/estonian-treebank/4eb86e5e463411e2a6e4005056b400242c46832883754ad7bd89d07f69d6a0fc/. 15 متاح على الإنترنت: http://zil.ipipan.waw.pl/Sk%C5%82adnica. 16 متاح على الإنترنت: https://catalog.ldc.upenn.edu/ldc99t42. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuo­ti tekstynai | 7 2.2. أدوات توصيف المتون وعرضها بصريًا يعتمد التحليل النحوي الآلي على المحلِّل النحوي الذي أُعِدّ في إطار مشروع مركز اللغويات الحاسوبية بجامعة فيتاوتاس ماغنوس «نظام تحليل نحوي-دلالي للغة الليتوانية للمتون والإنترنت الليتواني وتطبيقات القطاع العام»، وقد طُوّر باستخدام Haskell17. ويستند المحلِّل إلى منهج قائم على القواعد (بالإنجليزية: rule-based). تقرأ هذه الأداة الملفات المشروحة صرفيًا التي تنتجها وحدات التقسيم والتحليل الصرفي في semantika.lt، وتقدّم جملًا مقسمة إلى مكوّنات أو عبارات، وتولّد أشجارًا نحوية، وتحدّد أدوارها الموضوعية (بالإنجليزية: thematic roles) ووظائفها النحوية (Boizou وآخرون 2014: 69). تُولّد الخدمات عبر الإنترنت ملفات JSON فقط، لكن أداة أخرى من مركز اللغويات الحاسوبية تحوّل نتائج التحليل النحوي إلى صيغة PML (Prague Markup Language). وتُنشأ أشجار التبعية (بالإنجليزية: dependency trees) للمتن المشروح نحويًا. وتتيح هذه الصيغة عرض أشجار التبعية بصريًا وتحريرها بصيغة PML باستخدام محرر TrED الذي طوّره UFAL في جامعة تشارلز في براغ18 (انظر الشكل 3). وقد فحص اللغويون جميع الجمل المشروحة آليًا وصححوها. وهكذا يشمل التحليل النحوي ثلاثة مستويات: التقسيم الآلي للكلمات والجمل والتحليل الصرفي، والتحليل النحوي الآلي (بمنهج قائم على القواعد)، والمراجعة اليدوية للجمل (للمزيد، انظر 2.4). 2.3. بنية بيانات ALKSNIS بعد إجراء التحليل النحوي الآلي، تُمثّل الجمل بيانيًا على هيئة أشجار (انظر الشكل 3). وتمثّل كل عقدة في الشجرة كلمةً من الجملة أو علامة ترقيم أو وحدة أخرى من وحدات الجملة (رمزًا أو رقمًا وما إلى ذلك). ويُشار إلى علاقات التبعية بين الكلمات بـ«الفروع» أو الحواف. 17 طوّر L. Boizou وF. Zamblera المحلِّل النحوي في مركز اللغويات الحاسوبية بجامعة فيتاوتاس ماغنوس. 18 متاح على الإنترنت: https://ufal.mff.cuni.cz/tred/. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuo­ti tekstynai | 8 الشكل 3. شجرة التبعية لجملة مشروحة نحويًا بصيغة محرر TrEd تُبيَّن المعلومات الآتية لكل كلمة، بهذا الترتيب (انظر الشكل 3): 1) صيغة الكلمة المحددة المستخدمة في الجملة (مثلًا، gyventojai)؛ 2) الصيغة المعجمية (صيغة القاموس) — اللمة (مثلًا، gyventojas)؛ 3) السمات الصرفية (مثلًا، Ncmpnn-)؛ 4) الوظيفة النحوية (مثلًا، Sub) (لشرح الاختصارات، انظر أدناه). 2.4. مستويات التحليل مستوى التحليل الصرفي. يُعدّ الوسم الصرفي المرحلة الأولى من التحليل الآلي، ولذلك فهو ضروري للتحليل النحوي أو تحليل الجملة على مستوى أعلى. أُجري التحليل الصرفي باستخدام المُحلِّل semantika.lt (Dad urkevičius 2017). وقد أُعدّت الوسوم الصرفية المستخدمة في ALKSNIS استنادًا إلى مثال تنسيق MULTEXT-East (وُصف ذلك بمزيد من التفصيل في الفصل 1). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 9 مستوى التحليل النحوي. يعالج المُحلِّل النحوي الملفات الموسومة صرفيًا، ويعرض الجمل مقسّمة إلى مكوّنات أو عبارات، وينشئ أشجارًا نحوية، ويحدد الوظائف النحوية لعناصرها. ويستند التحليل إلى نموذج نحو التبعية (بالإنجليزية: dependency grammar). ويُطبَّق هذا النموذج عادةً على اللغات المتشابهة نمطيًا، التي تتميز بتصريف صيغ الكلمات وحرية ترتيب الكلمات، مثل اللغات السلافية (PDT19, SynTagRus20)، واللغة اللاتفية، وغيرها. وتُعبَّر عن التبعيات النحوية وفقًا للتسلسل الهرمي. ويبدأ التحليل من مكوّن الجملة الرئيس — قمة الشجرة — الذي تُربط به سائر مكوّنات الجملة بحسب تبعيتها له (أي العلاقات النحوية). تستند اختصارات الوسوم النحوية والمعلومات المتعلقة بالعلاقات النحوية والتبعيات إلى العمل التشيكي (Hajič ir kt. 1999)؛ فقد كانوا من أوائل من طوّروا التحليل النحوي للغة التشيكية ذات النمط التركيبي. ويُستخدم حاليًا في ALKSNIS 18 وسمًا نحويًا أساسيًا (من دون احتساب متغيراتها): Sub – الفاعل، Pred – المسند (المحمول)، Obj – المفعول به، وهكذا (انظر الجدول 1). وتظهر متغيرات الوسوم عندما يُدمج وسمان مزدوجان أو ثنائيان في وسم واحد؛ فمثلًا، تُستخدم وسوم مزدوجة لوسم المسند المركب ذي النوع الاسمي أو الفعلي، وهما على التوالي PredN وPredV؛ ولوسم المكوّن الفرعي الوصفي (الإسنادي) في الجملة المركبة، يُضاف إلى مسند المكوّن الفرعي وسم مزدوج هو Pred_Atr؛ ولإظهار علاقة العطف (التنسيق) بين مكوّنات الجملة المتجانسة، يُدرج _Co بوصفه جزءًا من الوسم المزدوج، أي يُكتب Obj_Co، وما إلى ذلك، بجوار كل مفعول به من المفاعيل المتجانسة المذكورة. وبالمناسبة، قد تظهر في الجمل المركبة أيضًا وسوم ثلاثية، مثلًا عند الحاجة إلى وسم الجمل الفرعية المتجانسة: Pred_Atr_Co – وهذا وسم لجملة فرعية وصفية (إسنادية). الجدول 1. الوظائف النحوية ووسومها في المتن الوسم الوظيفة النحوية مثال Sub الفاعل هو [Sub] قال Pred المحمول (أو الكلمة المساعدة) هو سار [Pred]؛ وكان [Pred] راضيًا PredN الجزء الاسمي من المسند كان راضيًا [Pred] [PredN] PredV الجزء الفعلي من المسند يجب أن يستجيب [Pred] [PredV] Obj المفعول به أنتظر ضيفًا [Obj]؛ يجب حلّ الأمر [Obj] Atr النعت (الوصف) المدرسة الثانوية [Atr]؛ دولة عضو [Atr] Adj الظروف سيبتّ الآن [Adj]؛ في شارع بارتيزانُو [Adj] 19 بنك أشجار التبعية في براغ (Prague Dependency Treebank)، للاطلاع بمزيد من التفصيل، انظر https://ufal.mff.cuni.cz/pdt3.0. 20 متاح على الإنترنت: http://www.ruscorpora.ru/en/. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 10 Aux وظيفة مساعدة (مثل الفواصل أو الرموز الأخرى) AuxC التبعية (الجمل التابعة) قال إن [AuxC]... AuxK علامة ترقيم نهاية الجملة AuxL وحدة معجمية مساعدة (مثل كلمة بلغة أجنبية) شركة أمريكية North [AuxL] American [AuxL] Investment [AuxL] Consulting [AuxL] Inc. [Atr] AuxP حرف جر انتقل إلى [AuxP] المستوى AuxZ أداة مثل [AuxZ] دائمًا Coord الربط المصنّعون وبائعو [Coord] _Co (pvz., Atr_Co) المكوّنات المعطوفة (مثل عناصر الجملة المتجانسة) مصنّعو [Atr_Co] وبائعو [Coord] [Atr_Co] Par الجمل الاعتراضية والمنادى في الواقع [Par]، يبدو ExD الحذف أو غيره من أنواع الإسقاط في الجملة المرأة كائن [Pred_ExD] Pred_ (pvz., Pred_Obj) نوع الجملة التابعة في الجملة الموصولة (يُشار إليه عند المسند) كتب أن الخصائص تحددها [Pred_Obj] مستوى المعالجة اليدوية للجمل. جرى التحقق من جميع الجمل الموسومة آليًا نحويًا على يد لغويين. وكان من الضروري تصحيح وبيان التبعيات الصحيحة في وسم كثير من الجمل، ولا سيما الجمل المركبة. وصُححت في بعض المواضع أيضًا الوسوم الصرفية. تولّى ثلاثة لغويين تصحيح الجمل كلٌّ على حدة، ثم راجع اللغويون الثلاثة جميعًا كل جملة مرة أخرى. وتُوصَف سمات الوسم النحوي فيما يلي. خصائص التحليل النحوي. عند إجراء التحليل النحوي الآلي، تُعدّ كما ذُكر قمة الشجرة النحوية (بالإنجليزية: root) أعلى مكوّن في الجملة من حيث التراتب الهرمي (مثل الفعل، وأحيانًا أداة ربط في بداية الجملة)، أو عنصرًا آخر من عناصر الجملة (مثل أداة الربط أو الكلمة الرابطة في الجملة المركبة)، أما الفرع الذي يدل على ترقيم الجملة فيمثله أحد علامات الترقيم: النقطة أو علامة الاستفهام أو علامة التعجب أو علامة الحذف أو الفاصلة المنقوطة، وغيرها. وسنورد فيما يلي أمثلة محددة لتوضيح خصائص التحليل النحوي. يُعرض في الشكل 4 مثال تكون فيه قمة الجملة فعلًا [Pred]، وفي الشكل 5 مثال تكون فيه أداة ربط [Coord]. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 11 الشكل 4. قمة شجرة التبعية – الفعل BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 12 الشكل 5. قمة شجرة التبعية – أداة ربط في بداية الجملة يُعرض في الشكل 6 مثال تكون فيه قمة الجملة المركبة علامة ترقيم. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 13 الشكل 6. قمة شجرة التبعية – علامة ترقيم بين مكوّنات الجملة المركبة يُفترض في التراكيب التي تتضمن حروف جر أن حرف الجر يشغل موضعًا أعلى، ويُوسم بـ AuxP، أما الكلمة التي تليه فتُوسم بحسب الوظيفة التي تؤديها (مثل المفعول به): أسعار الكهرباء بـ [AuxP] [Obj] (انظر الشكل 7). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA BIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 14 الشكل 7. التحليل في التراكيب الإعرابية تتعلق الجمل الفرعية في الجملة المركبة بمحمول الجملة الرئيسة، وتتعلق أداة ربط الجملة الفرعية به (وتتعلق الفاصلة بأداة الربط). ومن المهم أيضًا تحديد وظيفة الجملة الفرعية. وتُذكر هذه الوظيفة بجوار محمول الجملة الفرعية، مثل Pred_Obj، أي جملة فرعية متممة (مفعولية) (انظر الشكل 8). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 15 الشكل 8. مثال على وسم جمل التبعية في الجملة التابعة يمكن أن يكون مؤشر علاقة العطف (أداة عطف أو وصلة) رأسَ بنية العطف (مثلًا، اقتُرح الجلوس واللعب [Coord]؛ اقتُرح ذلك للأطفال ولوالديهم [Coord]) (انظر الشكل 9). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 16 الشكل 9. مثال على توثيق المكوّنات المرتبطة بروابط العطف إذا كان هناك عطف مختلط متعدد المكوّنات، فإن أداة العطف الموجودة في التركيب تكون الرأس، وتتفرع منها جميع المكوّنات الأخرى غير المعطوفة (وتكون الفواصل، مع الكلمات التي تسردها، في مستوى التبعية نفسه). وتُوسم علامات الترقيم الأخرى بـ Aux (انظر الشكل 10). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 17 الشكل 10. مثال على وسم التراكيب العطفية المختلطة (يظهر في الشكل أيضًا مزيد من حالات العلاقة العطفية) رأس الجمل المعطوفة هو حرف العطف. أما الكلمات الرابطة التي تتكون من ظروف أو ضمائر أو جسيمات (مثل الظرف لذلك)، فتعتمد على المسند في الشطر الثاني من الجملة وتؤدي وظيفة الظرف (Adj)، بينما يؤدي الرابط وظيفة العطف Coord، كما في الجمل الخالية من أدوات الربط أو الجمل ذات أدوات العطف المتكررة التي تُعدّ هنا جسيمات (انظر الشكل 12)، وكذلك في حالة وصل أشطار الجملة (انظر الشكلين 11 و12). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 18 الشكل 11. مثال على وسم جملة وصلية تحتوي على أداة ربط الشكل 12. وسم تركيب وصلي BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 19 من الصعب وسم التعابير العددية، مثل الساعات والسنوات. وقد وُسمت بوصفها متممات ظرفية مع نعت، أو بوصفها نعوتًا (انظر الشكلين 13 و14). الشكل 13. وسم التاريخ الشكل 14. وسم التواريخ والتعابير العددية الأخرى (لا يظهر في الشكل سوى جزء من جملة موسومة نحويًا) BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 20 ليس من السهل دائمًا وسم المسندات المركبة. ففي بعض الحالات تُوسم كما تُفهم في كتب قواعد اللغة الليتوانية، أي بوصفها مسندات اسمية أو فعلية (مثلًا، yra [Pred] paprastas [PredN]; gali [Pred] būti [PredV])، بينما يُعدّ المكوّن الثاني من المسند في بعض الحالات مفعولًا به (مثلًا، ketinu [Pred] sukvies­ti [Obj]). كان من الصعب وسم التراكيب ذات أدوات العطف المزدوجة، لأن أداتي العطف متكافئتان هرميًا. وفي هذه الحالة، عُدّ مسند الجملة الرئيسية شاغلًا الموقع الأعلى في التسلسل الهرمي، ويتعلّق به مكوّن الجملة التابعة (انظر الشكل 15). الشكل 15. مثال على وسم الجمل المركبة ذات أدوات العطف المزدوجة وأخيرًا، نوقشت مكانة بعض أقسام الكلام. فعلى سبيل المثال، تقرر اعتبار أدوات العطف المتكررة التي تربط بين الجمل جسيمات، لأن وظيفتها في بنية شجرة التبعية تشبه وظيفة الجسيمات (انظر الشكل 12). طُرحت مشكلات كثيرة أثناء الوسم النحوي اليدوي، ولم يُذكر هنا سوى بعضها. وقد حُلّت صعوبات كثيرة في الوسم باتباع منظور القواعد التقليدية، مع الاتفاق على طريقة معينة للوسم. وفي حالات أخرى، كان لا بد من التكيف مع خصائص الوسم النحوي والالتزام باتفاق موحد أثناء الوسم. ومن المتوقع معالجة المشكلات التي ظهرت مع مواصلة تطوير التحليل النحوي الآلي. يعرض القسم الفرعي التالي البحث عن البيانات في المدونات الموسومة باستخدام نظام ANNIS. وهذا أحد التحديات التي ينطوي عليها استخدام المدونات الموسومة، إذ ينبغي أن يكون البحث عن البيانات في هذه المدونات، التي تضم عددًا كبيرًا من السمات وحتى عدة مستويات للوسم، متعدد الجوانب. ولهذا السبب، اختيرت أداة ANNIS التي طوّرها باحثون في جامعة هومبولت (ألمانيا). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA BIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 21 3. البحث باستخدام نظام ANNIS Naudoti ANNIS įrankį nėra labai sudėtinga (plačiau žr. Zeldes 2016). Reikia pasirinkti anotuotą tekstyną (MATO tekstyno dalį (šis tekstynas suskirstytas į dokumentus, grožinę literatūrą, mokslinius tekstus ir periodiką) arba ALKSNIO tekstyną (jis įvardytas taip: Alksnis_paula_1.0) ir pateikti užklausą. Užklausų struktūra aprašyta 3.1 ir 3.2 poskyriuose. يعرض ANNIS أسطر التوافق المطابقة مع المعلومات ذات الصلة (انظر الشكل 16). ويمكن توسيع سطر التوافق من 5 إلى 25 كلمة (بما في ذلك علامات الترقيم)، على كلٍّ من اليسار واليمين؛ كما يمكن تصدير النتائج. يستخدم كلا النصين الموسومين علامات نحوية مستندة إلى علامات اللمعان في لايبزيغ21. وقد أُضيفت عدة علامات غير موجودة ضمن العلامات المذكورة، مثل ~COMP التي تدل على صيغة التفضيل. وتسبق هذه العلامات علامة التلدة. وتُحدَّد أقسام الكلام وفقًا لتنسيق Universal Dependency. الشكل 16. مقتطف من نتائج البحث باستخدام أداة ANNIS البحث عن اللمة įsakymas في قسم نصوص MATO 21 متاح عبر الإنترنت: https://www.eva.mpg.de/lingua/resources/glossing-rules.php. تستخدم النصوص الموسومة الأخرى غالبًا علامات Universal Dependency (UD) (انظر http://universaldependencies.org/; وانظر أيضًا الشكل 18). وكما ذُكر في الفصل الأول، فإن علامات UD طويلة جدًا (مثلًا، يُشار إلى حالة النصب والجنس المؤنث والعدد الجمع كما يلي: case=accusative|gender=feminine|number=plural)، وتشغل مساحة كبيرة في واجهة ANNIS، مما يجعل قراءة المعلومات غير مريحة. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anuotuoti tekstynai | 22 الشكل 17. مقتطف من نتائج البحث باستخدام أداة ANNIS البحث عن اللمة įsakymas في نص ALKSNYS (لإظهار العلاقات النحوية بأسهم، يجب النقر على علامة الجمع بجانب deps) 3.1. البحث البسيط يُسمّى البحث عن سمة واحدة بحثًا بسيطًا. وتعتمد التعليقات التوضيحية المعروضة (أسماء الفئات النحوية، والوسوم النحوية المستخدمة، وما إلى ذلك) على بنية كل مدونة نصية، لا على أداة ANNIS. نلفت الانتباه إلى ضرورة التمييز بين الأحرف الكبيرة والصغيرة عند صياغة الاستعلام. 3.1.1. البحث عن صيغ الكلمات الدقيقة (سلاسل المحارف) يُجرى البحث البسيط بتحديد اسم الفئة، وعلامة المساواة، وقيمة الفئة المكتوبة بين علامتي اقتباس إنجليزيتين، مثل: • lemma="kalba" (يعني هذا الاستعلام البحث عن اللِّمّة kalba); • pos="ADJ" (البحث عن الصفات); • gram=".M.SG.GEN." (البحث عن كلمات تحمل فئات نحوية معينة، وفي هذه الحالة كلمات مستعملة بصيغة المضاف إليه للمفرد المذكر). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 23 عند البحث عن صيغة كلمة محددة في النص، يجب تحديد اسم الفئة tok، أو إدخال الصيغة المطلوبة مباشرةً بين علامتي اقتباس، مثل: • tok="pasakė" أو "pasakė". يمكن في كلتا المدونتين المشروحتين البحث عن اللمات وأقسام الكلام والفئات النحوية وصيغ الكلمات المحددة، وفي ALKSNYJE يمكن أيضًا البحث عن السمات النحوية، مثل: • syfun="Atr" (يُبحث عن السمات). يمكن أيضًا البحث في ALKSNYJE عن علاقات التبعية (deps)، لكن البحث عنها يجري وفق مبدأ مختلف (انظر 3.2.3). 3.1.2. البحث عن أنماط المحارف يتيح ANNIS إجراء عمليات البحث باستخدام التعابير النمطية (بالإنجليزية regular expressions)؛ وتُشار إليها برموز خاصة. وتُكتب استعلامات البحث بالتعابير النمطية، في الأساس، بالطريقة نفسها التي تُكتب بها استعلامات البحث عن صيغ الكلمات المطابقة تمامًا، لكن يجب استبدال علامتي الاقتباس الإنجليزية بشرطتين مائلتين. 3.1.2.1. البحث عن أي محارف أهم الرموز الخاصة هو النقطة؛ فهي تحل محل أي محرف واحد (حرف أو رقم وما إلى ذلك)، مثل: • lemma=/pl.t.s/ (يُبحث مثلًا عن platus, plotis, plitus); • /p.sak.s/ أو tok=/p.sak.s/ (يُبحث مثلًا عن pasakys, pasakos, pasakas, pasakęs, pasakis); • /201./ أو tok=/201./ (يُبحث مثلًا عن 2010 و2011 و2012...). بما أن النقطة يمكن أن تحل محل أي رمز، فيجب البحث عن رمز النقطة نفسه باستخدام التركيبة شرطة مائلة عكسية + نقطة (\.)، مثل: • gram=/^\..\SG\.GEN\./ (يُبحث مثلًا عن .M.SG.GEN.,.F.SG.GEN.,...). 3.1.2.2. البحث عن أحد عدة رموز بدلًا من البحث عن رموز غير محددة تمامًا، يمكن تحديد عدة رموز بعينها في استعلام البحث. وتُكتب بين معقوفين، مثلًا: • lemma=/pl[ao]t.s/ (يُبحث، مثلًا، عن platus, plotis، وليس عن plitus)؛ • /t[ei]lp./ أو tok=/t[ei]lp./ (يُبحث، مثلًا، عن telpa, tilpo، وليس عن talpa)؛ • /201[0124]/ أو tok=/201./ (يُبحث عن 2010, 2011, 2012, 2014)؛ BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anuotuoti tekstynai | 24 • gram=/\.[MFN]\.SG\.GEN\./ (يُبحث عن .M.SG.GEN.,.F.SG.GEN.,.N.SG.GEN.). نلفت الانتباه إلى أن هذه الطريقة تبحث عن رمز واحد من مجموعة الرموز المحددة: /dirb[aius]/ تتيح البحث عن dirba, dirbi, dirbu, dirbs، لكن ليس عن dirbau أو dirbsi. 3.1.3. معاملات التكرار يمكن تكرار الرموز (العادية والخاصة)، مثلًا: • lemma=/..važiuoti/ (يُبحث، مثلًا، عن nuvažiuoti, išvažiuoti, apvažiuoti, atvažiuoti, nev ažiuoti)؛ • /dirb[ao][mt]e/ أو tok=/dirb[ao][mt]e/ (للبحث عن dirbame, dirbate, dirbome, dirbote). وهكذا يكون عدد الرموز التي يُبحث عنها ثابتًا؛ فمثلًا، يتكون كل مثال من الرموز المعروضة من رمزين (أو [ao][mt])، ولذلك لن تحصل، عند استخدام الاستعلام lemma=/..važiuoti/، على نتائج تتضمن اللمة įvažiuoti. وتتيح معاملات التكرار إمكانات أكثر، ومعانيها كما يلي: •? – يُستخدم رمز معين مرة واحدة أو لا يُستخدم مطلقًا؛ • + – يُستخدم رمز معين مرة واحدة على الأقل (أي مرة أو مرتين أو ثلاثًا أو أربعًا أو أكثر)؛ • * – يُستخدم رمز معين عددًا من المرات n (أي قد لا يُستخدم مطلقًا، أو يُستخدم مرة أو مرتين أو أكثر) تساعد هذه المعاملات في البحث عن الرموز التي تليها أو تسبقها، مثلًا: • /šild?o/ (يُبحث عن šilo أو šildo); • /Ma+u/ (يُبحث عن Mau, Maau, Maaau, Maaau وما إلى ذلك); • /oi*/ (يُبحث عن o, oi, oii, oiii وما إلى ذلك). تتوافق المعاملات المذكورة سابقًا مع البحث عن أي محرف أو عن أحد محارف متعددة، مثل: • lemma=/. *važiuoti/ (يُبحث، مثلًا، عن važiuoti, išvažiuoti, įvažiuoti, nuvažiuoti, pravažiuoti, nepravažiuoti); • /šauk[aiu]*/ أو tok=/šauk[aiu]*/ (يُبحث، مثلًا، عن šauk, šauki, šaukia, šaukiu); BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anot uoti tekstynai | 25 /šauk[aiu]+/ أو tok=/šauk[aiu]+/ (يُبحث، مثلًا، عن šauki, šaukia, šaukiu، وليس عن šauk); gram=/.*\.F\..*/ (يُبحث عن التسلسل.F. بين أي تسلسلات أخرى من المحارف). يجدر التنبيه إلى أن البنى مثل [aiu]* أو [aiu]+ لا تؤثر في ترتيب المحارف التي يجري البحث عنها. وبناءً عليه، تُعرض النتائج التي تحتوي على a أو i، أو u + a؛ أو i، أو u + a؛ أو i، أو u.... وهكذا تُعرَف توليفات المحارف التالية: aaa, i, uuuuu, uiua, uua وما إلى ذلك. 3.1.4. البحث عن البدائل يسمح الخط العمودي (|) بالبحث عن بدائل، مثل: lemma="سيئ" | lemma="جيد"; /d(au|ū)ž.*/ arba tok=/d(au|ū)ž.*/ (يُبحث عن، مثلًا، daužo, dūžta, daužymas); gram=/.*\.~(COMP|SUP)\..*/ (يُبحث عن.~COMP. و.~SUP. بين سلاسل من الرموز كيفما كانت); "tik" | "tiktai" arba tok="tik" | tok="tiktai" (يُبحث عن tik وtiktai). 3.1.5. الاستعلامات المصاغة بالنفي على الرغم من أن هذه الإمكانية تكون أنفع عند الجمع بين السمات في عمليات البحث المركّبة، فإنه يمكن أيضًا في عمليات البحث البسيطة تحديد ما لا نريد البحث عنه، مثل: pos!="NOUN" (يُبحث عن جميع الكلمات التي ليست أسماءً); tok!=/.*[ąaęeėįiyiouųū]/ (يُبحث عن جميع صيغ الكلمات التي لا تنتهي بحرف علة). إذا لم يُحدَّد استعلام بحث مركّب (انظر 3.2)، فقد تسبّب الاستعلامات البسيطة المصاغة بالنفي مشكلات، ولا سيما إذا شملت عددًا كبيرًا من الكلمات (كما في الحالة الأولى، أي الأسماء)، لذا ينبغي استخدام هذا الاستعلام بحذر. 3.2. البحث المركّب يُنشأ البحث المركّب من عدة عمليات بحث بسيطة. ويلزم أيضًا جزء إضافي يصف العلاقات بين عمليات البحث البسيطة (المحددة بحسب الموضع). ويُربط كل جزء من أجزاء البحث البسيط بعلامة العطف (&). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoji tekstynai | 26 3.2.1. توليفات السمات لكلمة واحدة يبحث البحث البسيط عن الكلمة نفسها، ويُعبَّر عن الصلة بين عمليات البحث البسيطة بواسطة عامل التوليف (_=_)، مثلًا: • "mano" & pos="PRON" & #1 _=_ #2 (للبحث عن الضمير mano، لا عن الفعل manyti بصيغة الغائب المفرد من المضارع). تعني صياغة الاستعلام هذه أن البحث البسيط الأول (#1، أي "mano" أو tok="mano") والبحث البسيط الثاني (#2، أي pos="PRON") يتعلقان بالكلمة نفسها. 3.2.2. توليفات الكلمات إذا صيغ استعلام، استنادًا إلى البحث البسيط، لكلمات مختلفة، يُستبدل عامل التوليف بعامل التسلسل (النقطة)، مثلًا: • lemma="pilnas" & gram=/.*\.GEN\..*/ & #1.1 #2 (للبحث عن كلمة مستعملة في حالة المضاف إليه بعد الكلمة pilnas). يشير الرقم 1 بعد النقطة إلى أن #2 يأتي مباشرةً (من دون كلمة فاصلة) بعد #1. ويشير الرقم 2 إلى وجود كلمة واحدة فاصلة، والرقم 3 إلى وجود كلمتين، وهكذا. وبدلًا من.1 يمكن كتابة نقطة من دون أي رقم (lemma="pilnas" & gram=/.*\.GEN\..*/ & #1. #2). ويمكن تحديد المجال بدقة باستخدام فاصلة، مثلًا.2,4 (مع وجود كلمة إلى ثلاث كلمات فاصلة). وإذا لم يكن عدد الكلمات الفاصلة مهمًا، فينبغي كتابة نقطة ونجمة (*). يمكن استخدام عاملي التسلسل والتوليف في استعلام مركّب واحد، مثلًا: • lemma="pilnas" & gram=/.*\.GEN\..*/ & pos!="ADJ" & #1.1 #2 & #2 _=_ #3 (للبحث عن كلمات بصيغة المضاف إليه ليست صفات، بعد الكلمة pilnas). 3.2.3. البحث عن التبعيات النحوية يمكن أيضًا البحث عن بُنى التبعية عبر البحث المركب باستخدام عامل التحكم المباشر ->، مثلًا: • pos="NOUN" & pos="ADJ" & #1 ->deps #2 (يُبحث عن الأسماء التي تتحكم في الصفات، مثل daugiabutis namas); • pos="VERB" & gram!=/.*\.NEG\..*/ & gram=/.*\.GEN\..*/ & syfun="Obj" & #1 _=_ #2 & #3 _=_ #4 & #1 ->deps #3 (يُبحث عن الأفعال المثبتة التي تتحكم في مفاعيل معبَّر عنها بحالة المضاف إليه، مثل laukti klausimų). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotouti tekstynai | 27 ملاحظات ختامية يُعدّ النصّان المدونان MATAS وALKSNIS من الموارد المهمة للغة الليتوانية، وهما ضروريان للمراحل اللاحقة من حوسبة اللغة. ويمكن استخلاص بيانات كمية من هذين النصين المدونين حول توزيع أقسام الكلام والصيغ النحوية والوظائف النحوية، وكذلك أكثر اللمات والصيغ النحوية شيوعًا، وما إلى ذلك (ترد بعض الدراسات الكمية المحددة في الأعمال التالية: Rimkutė 2006; Utka 2009; Brokaitė 2017). وقد استُخدم MATAS في تدريب محلّل semantika.lt (لتقييم جودة الوسم). من الضروري مواصلة تطوير التحليل النحوي الآلي مستقبلًا. ويمكن أولًا تحسين جودة الوسم النحوي، وذلك بتدقيق الوظائف النحوية وإضافة وسوم جديدة (مثل تدقيق الظروف بحسب دلالتها: المكان والكيفية والزمان، إلخ). وقد ظهرت في بدايات الوسم النحوي إشكالات عديدة تتعلق بملتبسات الوسم، لذا ينبغي مناقشة بعض الحالات النحوية، مثل وسم المسندات المركبة، والتمييز بين الحذف والجمل غير الموصولة وأبنية التفسير، فضلًا عن منزلة بعض أقسام الكلام وما إلى ذلك. وثمة اتجاه آخر للعمل يتمثل في زيادة حجم النص المدون نفسه. وينبغي استكمال أقسامه بحسب الأنواع النصية، مثل إدراج مزيد من النصوص العلمية ونصوص تبسيط العلوم. وإضافة إلى ذلك، من الضروري تحويل النص المدون إلى صيغة Universal Dependency الدولية واسعة الاستخدام (انظر الشكل 18؛ لم تُذكر هنا الوسوم النحوية، والمثال عبارة عن عينة فنلندية موسومة نحويًا). الشكل 18. صيغة Universal Dependency أحد الأهداف الرئيسية للتحليل النحوي الآلي هو إنشاء محلّل نحوي قائم على الأساليب الإحصائية (بالإنجليزية statistically-based parser)، يستند إلى ALKSNIS بوصفه معيارًا للتحليل النحوي، ويُستخدم لوسم كميات كبيرة من النصوص. وعند توافر الإمكانات، يمكن توسيع التحليل النحوي ليشمل اتجاهات أخرى أيضًا، مثل وسم الأدوار الموضوعية (بالإنجليزية thematic role annotation). وهذا تمثيل دلالي معين مرتبط بالتكافؤ. وقد أُسنِد هذا المستوى إلى كل كلمة ضمن نظام الوسم النحوي الداخلي، وهو غير متاح حاليًا للعرض العام، لأنه لا يزال تجريبيًا إلى حد كبير، ولم يُطوَّر أو يُختبر بالكامل. وسيكون من المفيد أيضًا وسم التراكيب الثابتة (بالإنجليزية multi-word BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 28 expressions، MWE22)، وهي تشمل المتلازمات والتعبيرات الاصطلاحية. حتى الآن، لم تكن تُوسَم في المتن، باستثناء التراكيب الصرفية التي تُدمج مكوّناتها في وحدة واحدة (مثلًا: في الوقت الحالي، من بعيد)، وتؤدي وظيفة صرفية ونحوية واحدة (وغالبًا ما تُوسَم بوصفها ظروفًا ومتممات ظرفية). ومن المخطط أيضًا وسم العلاقات الإحالية (عندما يُستخدم اسم في جملة، ثم يُستعاض عنه بضمير في جملة أخرى [أو في جزء آخر من الجملة]، أي وسم الصلات بين الضمير والاسم الذي يحلّ محله). LITERATŪRA Bielinskienė A., Boizou L., Kovalevskaitė J., Rimkutė E. 2016: Lithuanian dependency treebank ALKSNIS. – Human language technologies – the Baltic perspective: proceedings of the 7th international conference, Baltic HLT 2016. Amsterdam: IOS Press, 107–114. Prieiga internete: http://ebooks.iospress.nl/volumearticle/45523 (žiūrėta 2017 10 15). Boizou L., Zamblera F. 2014. Syntactic engine for the Lithuanian language. – Human language technologies – the Baltic perspective: proceedings of the 6th international conference, Baltic HLT 2014. Amsterdam: IOS Press, 69–74. Prieiga internete: http://ebooks.iospress.nl/publication/38006 (žiūrėta 2017 10 15). Bro į kaitė K. 2017: Tarinio raiška gramatinėmis formomis sintaksiškai anotuotame lietuvių kalbos tekstyne ALKSNIS. Magistro darbas. Vytauto Didžiojo universitetas. Dadūrkevičius 2017: Lietuvių kalbos gramatika skaitmeniniame atvirojo kodo pasaulyje. – 24-osios Jono Jablonskio konferencijos Skaitmeniniai kalbos ištekliai jų plėtros kryptys ir panaudos galimybės pranešimų tezės. 2017 m. rugsėjo 29 d., Vilnius. Hajič J., Panevová J., Buráňová E., Urešová Z., Bémová A. 1999: ANNOTATIONS AT ANALYTICAL LEVEL. Instructions for annotators (11.10.1999), UK MFF ÚFAL Praha. Prieiga internete https://ufal.mff.cuni.cz/pedt2.0/publications/a-man-en.pdf (žiūrėta 2017 11 05). Kapočiūtė-Dzikienė J., Rimkutė E., Boizou L. 2017: A Comparison of Lithuanian Morphological Analyzers. – 20th International Conference Text, Speech, and Dialogue (TSD 2017). Springer International Publishing AG, 47–56. Muischnek K., Müürisep K., Puolakainen T. 2014: Dependency Parsing of Estonian: Statistical and Rule-based Approaches. – Human Language Technologies – The Baltic Perspective: proceedings of the 6th international conference, Baltic HLT 2014. Amsterdam: 22 Pastoviųjų junginių tyrimams skirtas tarptautinis projektas PARSEME, žr. https://typo.uni-konstanz.de/parseme/. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotuoti tekstynai | 29 IOS Press, 111–118. Prieiga internete: http://ebooks.iospress.nl/publication/38013 (žiūrėta 2017 10 10). Pretkalniņa L., Rituma L., Saulīte B. 2016: Universal Dependency Treebank for Latvian: A Pilot. – Proceedings of the 7th International Conference on Human Language Technologies – the Baltic Perspective: proceedings of the 7th international conference, Baltic HLT 2016. Amsterdam: IOS Press, 136–143. Prieiga internete: http://ebooks.iospress.nl/volumearticle/45527 (žiūrėta 2017 10 10). Rimkutė E. 2006: Morfologinio daugiareikšmiškumo ribojimas kompiuteriniame tekstyne. Daktaro disertacija. Vytauto Didžiojo universitetas. Utka A. 2009: Dažninis rašytinės lietuvių kalbos žodynas: 1 milijono žodžių morfologiškai anotuoto tekstyno pagrindu. Kaunas: Vytauto Didžiojo universiteto leidykla. Prieiga internete: http://donelaitis.vdu.lt/publikacijos/Dazninis_zodynas.pdf (žiūrėta 2017 12 07). Utka A., Bielinskienė A., Boizou L., Kovalevskaitė J., Repečka V., Rimkutė E. 2017: Kalbos technologijos – būtina sąlyga kalbai egzistuoti. BNS Spaudos centras. 2017 m. spalio 5, 1–4. Prieiga internete: http://sc.bns.lt/view/item/246397 (žiūrėta 2017 10 20). Zeldes A. 2016: ANNIS User Guide (Version 3.4.3). Prieiga internete: http://corpus-tools.org/annis/resources/ANNIS_User_Guide_3.4.3.pdf (žiūrėta 2017 10 31). Zinkevičius V. 2000: Lemuoklis – morfologinei analizei. – Darbai ir dienos, 24, 245–274. Prieiga internete: http://donelaitis.vdu.lt/publikacijos/zinkevicius.pdf (žiūrėta 2017 10 07). Zipser F., Romary L. 2010: A model oriented approach to the mapping of annotation formats using standards. – Proceedings of the Workshop on Language Resource and Language Technology Standards, LREC 2010. Malta. Prieiga internete: http://hal.archives-ouvertes.fr/inria-00527799/en/ (žiūrėta 2017 12 07). Įteikta 2017 11 06 Priimta 2017 12 20 BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ. Lietuvių kalbos morfologiškai ir sintaksiškai anotouti tekstynai | 30 LITHUANIAN MORPHOLOGICALLY ANNOTATED CORPUS AND TREEBANK Summary Annotated corpora are fundamental resources, which are very useful to develop language technology. The size, quality, and structure of such annotated corpora has a direct influence on the development of other tools. This article describes two annotated corpora prepared by the Centre of Computational Linguistics at Vytautas Magnus University: MATAS, a morphologically annotated corpus, and ALKSNIS, a treebank. It mainly discusses the structure and the tag set of both corpora, as well as the annotation procedure and tools. Both corpora are available online through ANNIS interface, therefore the syntax of ANNIS simple and complex requests is summarised for the Lithuanian potential users. KEYWORDS: corpus, automatic morphological analysis, automatic syntactic analysis, treebank, language technologies. AGNĖ BIELINSKIENĖ, LOÏC BOIZOU, ERIKA RIMKUTĖ Vytauto Didžiojo universiteto Kompiuterinės lingvistikos centras V. Putvinskio g. 23–216, 44243 Kaunas agnė[email protected] [email protected] [email protected] BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204