SKAISTĖ ALEKSANDRAVIČIŪTĖ

Институт литовского языка

ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ПОИСКОВОЙ СИСТЕМЫ GOOGLE ПРИ ИССЛЕДОВАНИИ ЯЗЫКОВЫХ ЯВЛЕНИЙ

Литовские лингвисты всё чаще указывают в статьях, что при сборе определённых данных — от примеров употребления до числовых показателей частотности — использовалась та или иная интернет-поисковая система. Чаще всего упоминается крупнейшая поисковая система Google, однако, к сожалению, она недостаточно приспособлена для исследования языков. Поэтому довольно странно, что обычно ограничиваются лишь ссылкой на Google как на один из источников, но не указывают метод поиска и не вникают в особенности поисковой системы и языка, которые могут облегчить или затруднить поиск, уточнить или исказить результаты. Метод поиска важен как при сборе примеров употребления, так и при исследовании распространённости различных языковых явлений, для которых существенны числовые показатели.

В этой статье рассматриваются принципы составления поискового запроса с учётом особенностей поисковой системы и литовского языка, определяющих успешность поиска. Статья опирается на исследование относительной частотности новых заимствованных слов (далее — НЗС), проведённое в 2007–2008 гг.; его основная цель — определить границы между НЗС, считающимися редкими, среднечастотными и частотными. Работа основывалась на предположении, что установленные в ходе исследования ориентиры частотности впоследствии пригодятся при оценке распространённости в употреблении и других НЗС. Это могло бы быть полезно и в деятельности по языковой нормализации; таким образом, цель статьи — описать способ составления поискового запроса.

Материал проведённого исследования — НЗС¹, найденные в печатных изданиях и документах за 2005–2006 гг., а также в интернете за 2007 г., — всего 201 слово. Список весьма разнообразен: в нём 33 глагола и 168 именных частей речи, среди которых встретились 25 слов с неполной парадигмой (20 существительных только в единственном числе и 5 — только во множественном); есть слова английского и других

¹ Список составлен на основе Программы нормирования, употребления, развития и распространения государственного языка на 2006–2015 гг. с использованием картотеки проекта «Исследование употребления новых заимствованных слов в литовском языке: 1998–2008», осуществляемого в Отделе культуры литовского языка Института литовского языка.

266

KALBOS KULTŪRA | 81

происхождения других языков. Следует отметить, что некоторые слова, исследуемые как НЗС, включены в Словарь международных слов (СМС, 2001) и могут считаться интернационализмами.

Интернет — чрезвычайно неоднородное и постоянно меняющееся пространство. В ходе исследования веб-страницы не распределялись ни по темам, ни по стилям (хотя в поисковой системе Google это возможно), поскольку хотелось получить общую картину распространённости НЗС в повсеместном употреблении. Из-за специфических особенностей интернет-дискурса в этой статье речь идёт в несколько обобщённой форме, подчёркивается условность выводов, значительное внимание уделяется возможным погрешностям, и во многих случаях автор руководствуется языковой интуицией.

В первой части статьи излагаются основные принципы составления поискового запроса — как общие, так и характерные для конкретного описываемого исследования. Во второй части указываются способы сужения области поиска и причины, по которым это необходимо.

1. ОСНОВНЫЕ ПРИНЦИПЫ СОСТАВЛЕНИЯ ПОИСКОВОГО ЗАПРОСА

Обычно поиск в Google выполняется путем ввода в поисковую строку начальной формы интересующего слова. Такой способ поиска отчасти достаточен для сбора примеров употребления, однако, вероятно, значительная их часть может остаться незамеченной, что еще менее удобно при исследовании частотности слов, где важны числовые показатели.

Проблема заключается в том, что поисковая система Google отчасти понимает, что введенное слово может иметь другую форму, и включает такие формы в результаты. Однако, во-первых, алгоритм поиска не вполне ясен обычному пользователю: неизвестно, сколько и каких словоформ окажется среди результатов. Во-вторых, поисковая система не распознает части речи. Например, если ввести инфинитив глагола, среди результатов встречаются и существительные с тем же корнем; так, при вводе слова autorizuoti система выдаст также тексты, в которых употреблено слово autorizacija.

По двум последним причинам целесообразнее выполнять несколько более сложный, но более полезный для лингвистических исследований поиск. Различные эксперименты показали, что оптимально вводить всю парадигму словоизменения слова или большую ее часть. Поисковая строка ограничена тем, что в поле поиска Google помещается не более 32 ключевых слов.

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

267

Формы словоизменения слова рекомендуется заключать в кавычки, поскольку только текст, отмеченный таким образом, понимается системой Google как точная цитата. Все формы словоизменения соединяются логическим оператором OR (англ. или). Составленная таким способом поисковая строка выглядит так:

„akreditavimas“ OR „akreditavimo“ OR „akreditavimui“ OR „akreditavimą“ OR „akreditavimų“ OR „akreditavime“ OR „akreditavimai“ OR „akreditavimų“ OR „akreditavimams“ OR „akreditavimus“ OR „akreditavimais“ OR „akreditavimuose“

Упомянутое исследование относительной частотности NS было проведено с использованием фильтра поисковой системы Google «на страницах на литовском языке», за что уже приходилось подвергаться критике. В качестве аргумента приводилось то, что теряется примерно две трети информации, то есть около такого же количества примеров употребления, поскольку владельцы не всех веб-сайтов указывают языковые метаданные сайтов. Однако для исследований относительной частотности слов этого вполне достаточно. Кроме того, без этого фильтра крайне трудно отделить тексты на английском языке, выдаваемые поисковой системой; они мешают собирать примеры употребления. Поэтому мы считаем, что поиск на веб-страницах на литовском языке предпочтительнее, но важно последовательно соблюдать это ограничение на протяжении всего исследования.

Знаки препинания

Поисковая система Google одинаково реагирует на любые знаки препинания, даже если они заключены в кавычки и должны пониматься как точная цитата. Следовательно, введенное в поисковую строку «account'as» будет оценено как два отдельных слова и объединено с «account:as», «account as» и другими подобными случаями. Эта особенность поисковой системы важна в двух случаях. Во-первых, когда NS состоит из двух слов, система не позволяет различить такие варианты написания, как «ex post» и «ex-post», что могло бы быть важно при оценке употребления дефиса. В этих случаях результаты частотности объединяются, однако при сравнении общей частотности слов, а не отдельных вариантов их написания, в поиске нет необходимости различать такие формы. Во-вторых, при исследовании вариантов написания NS с апострофом возникают несколько более сложные проблемы, поскольку некоторые литовские окончания совпадают с:

a) некоторыми английскими словами (например: as — «как», is — «есть», us — «нас»);

b) некоторыми словами литовского языка (союзом o, предлогом į, междометиями ei, ai);

c) литовскими словами, записанными без диакритических знаков («без галочек») (is — «из», as — «я»).

268

KALBOS KULTŪRA | 81

При проведении поиска контролировать эти неточности очень трудно, а орфографическое совпадение окончаний NS с литовскими словами и вовсе невозможно. Тем не менее случаи, когда непосредственно после NS идет одно из упомянутых литовских слов, совпадающих с письменным выражением словоизменительного форманта, встречаются не настолько часто, чтобы существенно повлиять на результаты исследования.

Выбор словоизменительных форм, составляющих поисковую строку

Имена

При исследовании частотности именных NS или вариантов их написания в поисковую строку в большинстве случаев вносилась вся словоизменительная парадигма по падежам и числам. Исключение составили слова с неполными словоизменительными парадигмами (20 существительных только в единственном числе и 5 — только во множественном) и случаи многозначности (подробнее рассматриваются во второй части статьи). Кроме того, из-за орфографического совпадения с другими словоизменительными формами и низкой распространенности нецелесообразно включать отдельно звательный падеж. Таким образом можно охватить почти всю словоизменительную парадигму имен.

Говоря о склонении именных NS, следует также обсудить проблемный вопрос рода. В некоторых случаях женский род можно считать вариантом написания NS, например, googlė / gūglė / google‘ė / googl‘ė; puzlė / puzzlė / pūzlė; skypė / skaipė. Эти NS объединяет то, что они обозначают неодушевленные объекты и поэтому в литовском языке не изменяются по родам, а также то, что в конце их аутентичных форм имеется окончание -e, которое не произносится, но обозначается на письме, ср. google, puzzle, skype. В ходе исследования было замечено, что формы женского рода в таких случаях встречаются значительно реже, чем формы мужского рода; это можно объяснить предположением теории оптимальности о том, что «при наличии противоречия выбирается наименее маркированная категория» (Vaicekauskienė 2007: 177).

Мужской и женский род прилагательных и существительных, обозначающих одушевленные объекты, также не считались отдельными леммами, хотя между ними есть некоторое различие в значении. Лорета Вайчяускене, подробно исследовавшая NS в литовском языке, отмечает: «[в] тех случаях, когда существительное может называть лиц обоих полов, по-видимому, сначала обобщается мужской род, от которого при необходимости иногда образуется форма женского рода» (Vaicekauskienė 2007: 175). Формы мужского и женского рода также не считались отдельными леммами при составлении Частотного словаря современного

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

269

rašomosios lietuvių kalbos žodyną (DDRLKŽ 1998: XIV–XV, XVI). Sudarant paieškos eilutes reikia į tai atsižvelgti, nes dirbant su paieškos sistema Google neįmanoma atskirti sutampančių vyriškosios ir moteriškosios giminės kait ybos formų.

Глаголы

С глаголами дело обстоит сложнее, поскольку число грамматических категорий глагола значительно больше. Поскольку, как уже упоминалось выше, длина поисковой строки Google ограничена, необходимо выяснить, какие формы глагола наиболее репрезентативны с точки зрения частотности и должны быть включены в поисковую строку.

Само собой разумеется, что для охвата более широкого распределения глаголов в поисковую строку необходимо внести наиболее употребительные формы. Для этого нужны данные о частотности грамматических категорий в литовском языке, желательно в электронном дискурсе (ЭД). До сих пор ЭД как отдельную разновидность языка наряду с письменной и устной речью подробно исследовала Аста Рыклене, однако выбранная ею методика исследования не дает необходимых данных о распределении грамматических категорий в ЭД. Целью работы этого автора было сопоставить ЭД с письменной и устной речью (Ryklienė 2001: 3), а количественные различия в частях речи и словоформах письменной речи и ЭД изучались путем сопоставления перечней пятидесяти наиболее употребительных в этих разновидностях языка слов и словоформ (Ryklienė 2001: 9).

В этой статье используются исследования Виды Жилинскене и Эрики Римкуте, посвященные употреблению словоформ в литовском языке. Следует отметить, что работы этих авторов различаются: В. Жилинскене, в отличие от Э. Римкуте, при исследовании частотности словоформ сопоставляет два функциональных стиля — публицистический и деловой. Полагая, что язык ЭД ближе к публицистическому, чем к деловому стилю, автор данной статьи опирается на статистику частотности грамматических форм в публицистическом стиле. Данные В. Жилинскене и Э. Римкуте очень близки: прямое наклонение глагола составляет 92,12 проц. (Žilinskienė 2002: 110) и 91,5 проц. (Rimkutė 2006: 35) всего глагольного распределения; личные формы глагола — 55,48 проц. (Žilinskienė 2002: 110) и 50,7 проц. (Rimkutė 2006: 35); инфинитив — 15,85 проц. (Žilinskienė 2002: 111). Вместе с тем Э. Римкуте (2006: 35) приводит несколько иные данные о распространенности инфинитива: по ее утверждению, инфинитив составляет 33,6 проц. неличных форм глагола, общая распространенность которых равна 49,3 проц.

270

KALBOS KULTŪRA | 81

С учетом последних данных, в поисковую строку целесообразнее всего включить все личные формы глагола в изъявительном наклонении, инфинитив и форму именительного падежа множественного числа мужского рода страдательного причастия (ср. орфографическое совпадение с инфинитивом). Все 26 грамматических форм (всего 21 значимое поисковое слово, поскольку совпадает и третье лицо всех времен) составляют немногим более половины всей дистрибуции глагола. Пример поисковой строки:

«baninti» OR «baninu» OR «banini» OR «banina» OR «baniname» OR «baninate» OR «baninau» OR «baninai» OR «banino» OR «baninome» OR «baninote» OR «baninsiu» OR «baninsi» OR «banins» OR «baninsime» OR «baninsite» OR «banindavau» OR «banindavai» OR «banindavo» OR «banindavome» OR «banindavote»

Как уже упоминалось выше, поисковая система Google не учитывает знаки препинания и считает варианты написания с апострофом двумя отдельными словами. Поскольку длина поисковой строки Google ограничена, при изучении вариантов написания глаголов с апострофом в поисковую строку можно не включать формы прошедшего многократного времени, поскольку прошедшее многократное время, согласно данным как В. Жилинскене, так и Э. Римкуте, является самым редким из всех глагольных времен.

Разумеется, если требуется сравнить частотность разных вариантов написания одного и того же слова, можно провести более широкий поиск, то есть составить несколько поисковых строк. Однако при сравнении частотности слов, а не их форм словоизменения, описанный метод, по-видимому, достаточен. Важно лишь соблюдать последовательность во всем и применять одни и те же критерии поиска ко всем глаголам.

Из сказанного в этом подразделе ясно, что в поиске можно охватить более или менее всю парадигму словоизменения имен, тогда как у глаголов — лишь немногим более половины парадигмы словоизменения, поэтому теряется веская основа для сопоставления. Разумеется, можно было бы вычислить некоторый коэффициент соотношения частотности глаголов и имен, но для этого необходимо провести более подробные исследования ED. Пока сравнивать частотность отдельных глаголов и имен нецелесообразно. Таким образом, различный набор форм словоизменения имен и глаголов обусловливает то, что в исследованиях частотности предпочтительнее разделять их на две группы.

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

271

Варианты написания

При изучении употребления с помощью интернет-поиска выполняется действие, обратное тому, которое используется при корпусном методе: составляя поисковую строку, нужно как бы заранее решить, какие варианты написания может иметь каждое слово.

При поиске языковых явлений в интернете следует избегать аутентичных вариантов написания английского происхождения, а случайно попавшие в поисковые строки — удалять. В ходе упомянутого исследования было замечено, что, если этого не сделать, почти невозможно настолько сузить поле поиска, чтобы среди результатов не оказались англоязычные вкрапления или фразы, которые следует считать цитатами. Например, при поиске слов baby или crazy находится очень много текстов, в которых упоминаются названия песен: Baby one more time, Crazy и т. п. Аналогичен случай с funky, поскольку этим NS обозначается не только музыкальный стиль, но и некогда очень популярная литовская музыкальная группа. Тем не менее при оценке относительной частотности таких слов эти варианты написания необходимо учитывать, поскольку в употреблении они довольно частотны.

Исследуются такие варианты написания, которые, исходя из языковой интуиции, кажутся возможными. К орфографически адаптируемому заимствованному слову добавляются словообразовательно возможные флексии. Если NS орфографически не адаптируется, флексии присоединяются непосредственно к неизменяемой форме NS. Особый случай — когда неизменяемая форма NS оканчивается на гласную, поскольку при изучении вариантов написания NS без апострофа она опускается (оказалось, что smileas, skypeas, googleas и подобные им варианты написания в употреблении редки).

При изучении языковых явлений, которые до сих пор не нормированы, часто возникает вопрос, где проходит граница между орфографической ошибкой и вариантом написания. Эту границу определяет частотная характеристика. Например, в упомянутом исследовании NS варианты написания NS, не достигшие порога в 10 употреблений, не включались в расчет общей частотности отдельного NS и считались орфографическими ошибками — единичными оговорками, не отражающими общих тенденций употребления. Однако этот принцип применялся только к словам, превысившим порог в 1000 употреблений, но не к более редким. Тем не менее иногда может иметь значение и то, что исследуемое языковое явление вообще не было найдено в интернете или не достигло порога в 10 употреблений.

Числовые показатели частотности вариантов написания, составленных и отобранных на основе этих принципов, суммируются, и получается приблизительная частотность слова. Ниже приводится таблица, в которой обработка результатов поиска показана нагляднее.

272

KALBOS KULTŪRA | 81

ТАБЛИЦА 1. Способ накопления данных

Вариант написания NS

Поисковый запрос для отдельного варианта написания

Частотность варианта написания NS

puzlas

„puzlas“ OR „puzlo“ OR „puzliui“ OR „puzlą“ OR „puzlų“ OR „puzle“ OR „puzlai“ OR „puzlų“ OR „puzlams“ OR „puzlus“ OR „puzlais“ OR „puzluose“

6430

puzlė

„puzlė“ OR „puzlės“ OR „puzlei“ OR „puzlę“ OR „puzlėje“ OR „puzlėms“ OR „puzles“ OR „puzlėmis“ OR „puzlėse“

3210

puzlis

„puzlis“ OR „puzlio“ OR „puzliui“ OR „puzlį“ OR „puzliu“ OR „puzlyje“ OR „puzliai“ OR „puzlių“ OR „puzliams“ OR „puzlius“ OR „puzliais“ OR „puzliuose“

711

puzzlė

„puzzlė OR „puzzlės“ OR „puzzlei“ OR „puzzlę“ OR „puzzlėje“ OR „puzzlėms“ OR „puzzlėmis“ OR „puzzlėse“

458

puzzlis

„puzzlis“ OR „puzzlio“ OR „puzzliui“ OR „puzzlį“ OR „puzzliu“ OR „puzzlyje“ OR „puzzliai“ OR „puzzlių“ OR „puzzliams“ OR „puzzlius“ OR „puzzliais“ OR „puzzliuose“

315

pūzle

„pūzle“ OR „pūzlės“ OR „pūzlei“ OR „pūzlę“ OR „pūzlėje“ OR „pūzlėms“ OR „pūzles“ OR „pūzlėmis“ OR „pūzlėse“

239

puzzlas

„puzzlas“ OR „puzzlo“ OR „puzzlui“ OR „puzzlą“ OR „puzz-lų“ OR „puzzlai“ OR „puzzlų“ OR „puzzlams“ OR „puzzlus“ OR „puzzlais“ OR „puzzluose“

167

pūzlis

„pūzlis“ OR „pūzlio“ OR „pūzliui“ OR „pūzlį“ OR „pūzliu“ OR „pūzlyje“ OR „pūzliai“ OR „pūzlių“ OR „pūzliams“ OR „pūzlius“ OR „pūzliais“ OR „pūzliuose“

101

puzzle’as

„puzzle’as“ OR „puzzle’o“ OR „puzzle’ui“ OR „puzzle’ą“ OR „puzzle’u“ OR „puzzle’ė“ OR „puzzle’ai“ OR „puzzle’ų“ OR „puzzle’ams“ OR „puzzle’us“ OR „puzzle’ais“ OR „puzzle’uose“ -are

80

11 711

Для каждого исследуемого NS составлялась аналогичная таблица. В первом столбце перечислены все исследованные варианты написания NS, упорядоченные по частотности, поскольку

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

273

в статье не рассматривается вопрос о том, какой вариант написания NS можно считать заголовочным словом (леммой). Во втором столбце приводятся поисковые запросы для каждого варианта написания после сужения области поиска, то есть после исключения всех многозначных форм (см. раздел 2). В третьем столбце указана частотность каждого варианта написания (эти данные носят лишь промежуточный характер); впоследствии их суммируют, получая приблизительную частотность исследуемого слова. Только последние данные имеют значение для определения границ относительной частотности NS (данные, приведённые в таблице, собирались в марте — апреле 2008 г.).

2. СУЖЕНИЕ ОБЛАСТИ ПОИСКА

Из-за избытка результатов на английском языке

Проблему, связанную с английскими омографами (словами с одинаковым написанием) и вариантами написания с апострофом, отчасти можно решить с помощью логической функции «исключить», обозначаемой в системе Google знаком «-». Это означает, что поиск не будет проводиться на веб-страницах, где встречается слово, следующее за этим знаком. Поэтому, указав в конце поискового запроса одно из наиболее частотных английских слов и поставив перед ним упомянутый знак, можно значительно сократить количество результатов на английском языке.

В упомянутом исследовании повсеместно применялось ограничение с использованием одного из наиболее часто употребляемых в английском языке слов are² (есть — третье лицо множественного числа настоящего времени), однако возможен и другой выбор. Следует лишь учесть, что английское слово для этой цели нужно подбирать очень тщательно, поскольку некоторые наиболее частотные английские слова могут совпадать по написанию с некоторыми литовскими словами (англ. it, be), флективными окончаниями (англ. is, as, a, I) или случаями «швеплой» орфографии (англ. is, as, I). Кроме того, значительная часть наиболее частотных английских слов (a, the, of) выполняет служебную функцию и нередко используется в различных названиях, которые могут встречаться и на литовских веб-страницах.

То же ограничение применимо и во всех случаях, когда поисковый запрос состоит из неизменяемой формы NS (с аутентичным или адаптированным написанием), независимо от языка, из которого конкретное слово могло попасть в литовский язык.

² The 500 Most Commonly Used Words in the English Language: http://www.world-english.org/english500.htm (дата обращения: 07.06.2008).

274

KALBOS KULTŪRA | 81

Было замечено, что даже при поиске NS нелатинского происхождения и только на веб-страницах на литовском языке среди результатов всё равно встречается много примеров на английском языке. Это связано со статусом английского языка как lingua franca в ED. Кроме того, некоторые исследуемые NS в английском языке уже могли стать интернациональными словами или просто не адаптироваться.

О многозначности слов и их форм

При использовании поисковой системы Google неизбежно приходится сталкиваться с многозначными словами или их формами.³ Термин «многозначность» выбран прежде всего для того, чтобы избежать путаницы с терминами «омонимы», «омографы», «омофоны» и т. п. в литовском языкознании⁴. Во-вторых, при разъяснении определений последних терминов часто учитывается фонетический план слова, совершенно неактуальный при поиске в интернете. В-третьих, упомянутых терминов недостаточно, чтобы обозначить некоторые случаи многозначности, когда, например, совпадают по написанию формы одного и того же слова, но относящиеся к разным вариантам написания.

Многозначность может проявляться на нескольких уровнях: словообразовательном (один и тот же словообразовательный формант придаёт разные значения), текстовом, синтаксико-семантическом, лексико-семантическом (подразделяемом на омонимию, омографию, омофонию и полисемию) и морфологическом (Rimkutė 2006: 7, 40). В данной статье рассматриваются морфологическая многозначность (далее — MD) и отчасти лексико-семантическая.

Морфологически многозначные формы одного и того же слова

Морфологическая многозначность форм одного и того же слова — систематическое явление, поскольку она связана с особенностями морфологической системы литовского языка и синкретизмом падежей. В данной статье перечислены лишь те случаи морфологической многозначности, с которыми столкнулись в ходе исследования, и указано, как следует поступать в таких случаях в системе Google.

³ Термин «многозначность» использует и подробно рассматривает это явление в своих работах E. Rimkutė (Rimkutė 2002, 2003; Rimkutė, Grybinaitė 2004).

⁴ Ср. определения омонимов, омографов, омофонов, омоформ и особенности их употребления в следующих источниках: Jakaitienė 1980: 42–48; 2005: 53–55, 161–168; Gaivenis, Keinys 1990: 79–80; LKE 1999: 247–249.

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

275

Орфографически совпадающие формы словоизменения одного и того же варианта написания:

Существительных основы (i)o в ед. ч. в именительном и творительном падежах, например:

акредитация, алибидемия, ароматерапия, авторизация, блогосфера / блогсфера, дигитализация, хариса / харисса, конвергенция, лузеришка / лузеришка, медиа / media, милонга, сальса, спамщица;

Существительных основы (i)o в ед. ч. в родительном и мн. ч. в именительном падежах, например:

акредитации, авторизации, блогосферы / блогсферы, харисы / хариссы, лузеришки / лузеришки, медии / медиа, спамщицы;

Существительных основы ė в ед. ч. в родительном и мн. ч. в именительном падежах, например:

байкершки, блогерши / блогер‘ши / блог‘ерши, глянцевые, голболистки, караоке, лузерши / лузерши/ лузер‘ши / лузер‘ши / лузерши, менеджерши / менеджерши, мультиплексные, неформатки, пазлы / паззлы / пъзлы (см. таблицу 1), скайпы / скипы, спонсорши, шоумэнши;

Существительных основы (i)u в ед. ч. в именительном и мн. ч. в винительном падежах, например:

аспиратор, блокатор, эпилятор / эпилятор;

Существительных основы (i)u в ед. ч. в винительном и мн. ч. в родительном падежах, например:

аспираторов, спонсоров.

Эти случаи MD также можно называть грамматическими омонимами, которые в литовском языкознании определяются как «фонетически совпадающие формы одного и того же слова, имеющие различные грамматические значения» (Jakaitienė 1980: 42). Общим для этих форм является то, что при поиске в системе Google они оказываются в одной поисковой строке, соединены между собой логическим оператором OR (или), а их частотность повторно не суммируется. В таких случаях для экономии всё же удобно сокращать поисковую строку, однако на результаты это не влияет.

Другой вид MD — орфографически совпадающие формы словоизменения одного и того же слова, но разных вариантов написания:

существительных мужского и женского рода во мн. ч. в родительном падеже, например:

байкеров, блогеров / блогер‘ов / блог‘еров, глянцевых, лузеров / лузеров / лузеров / лузер‘ов / лузеров, лузерских / лузерских, менеджеров / менеджеров, мультиплексных, пазлов / пъзлов / паззлов (см. таблицу 1), спамеров, спонсоров;

Существительных основы (i)a в ед. ч. в именительном падеже и существительных основы (i)o во мн. ч. в винительном падеже, например:

looser изка / лузерский, спамер;

276

KALBOS KULTŪRA | 81

(i)a существительных основы во мн. ч. им. п. и (i)o существительных основы в ед. ч. дат. п., например:

спамеры;

(i)a существительных основы в ед. ч. мест. п. и ė существительных основы в ед. ч. твор. п., например:

гуглё / google‘ė, internaute, puzle / pūzle (см. 1 таблицу), скайпе, šo(u)mene;

(i)o и (i)a существительных на основы в ед. ч. вин. п., например:

looser изку / лузерскую, спамера.

Последние случаи MD сложнее и требуют большей внимательности. Орфографически совпадающие формы словоизменения разных вариантов написания одного и того же слова попадают в разные поисковые строки, а это значит, что частотность таких форм при подсчёте общей частотности отдельного слова суммируется повторно. Поэтому при исследовании частотности слов совпадающие формы этого типа следует оставлять только в одной из поисковых строк.

Стоит отметить, что при исследовании относительной частотности NS пришлось столкнуться с двумя ещё не описанными видами MD, когда орфографически совпадают (i)a существительных основы во мн. ч. им. п. с (i)o существительных основы в ед. ч. дат. п. (ср. tie varnai и tai várnai), а также (i)a существительных основы в ед. ч. мест. п. с ė существительных основы в ед. ч. твор. п. (ср. tame draugė⁵ и su draugė). Хотя эти два вида MD обнаружены при исследовании употребления NS, из приведённых примеров видно, что они характерны и для литературного литовского языка.

Систематические, но выходящие за пределы литовского языка случаи MD — формы словоизменения морфологически адаптируемых NS, орфографически совпадающие с неисследуемыми неизменяемыми NS в аутентичном написании:

(i)a существительных основы в ед. ч. мест. п., например:

drive (drivas), google (googlas), puzzle (puzzlas, см. таблицу 1), skype (skypas);

(i)o существительных основы в ед. ч. им. п. и ед. ч. твор. п., например:

media;

ė существительных основы в ед. ч. твор. п., например:

google (googlie), karaoke (karaoke), puzzle (puzzle, см. таблицу 1), skype (skype).

Поскольку по уже упомянутым причинам варианты написания НС в аутентичной орфографии трудно исследовать, морфологически многозначные формы последнего типа следует во всех случаях исключать из поисковых строк.

⁵Хотя с точки зрения культуры речи эта форма не рекомендуется к употреблению, теоретически она возможна.

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

277

Морфологически многозначные словоформы с разными лексическими значениями

Иногда все или некоторые формы словоизменения одного слова могут совпадать по написанию с формами словоизменения другого слова. Очевидно, что, в отличие от описанных ранее случаев МФ, будут различаться лексические значения. Кроме того, эти случаи МФ случайны и не носят систематического характера. Далее перечисляются найденные в ходе исследования примеры такого типа МФ с указанием формы варианта написания НС и слова литературного языка, с которым эта форма совпадает:

– blogas, b l o g a s (прилаг.), b l o g a i (нареч.) — поисковая строка сокращена до «blogui» OR «bloge» OR «blogams» (указаны только формы, отличающиеся от слова литературного языка: ед. дательный, ед. местный, мн. дательный);

– smailas, s m a i l a s (прилаг.), s m a i l a i (нареч.) — поисковая строка сокращается так же, как в случае blog: «smailui» OR «smaile» OR «smailams»;

– bodis, b o d u s (прилаг.), b o d ž i a i (нареч.) — поисковая строка сокращается до «bodis» OR «bodžio» OR «bodžiui» OR «bodį» OR «bodyje» OR «bodžiams» (формы, отличающиеся от слова литературного языка: ед. именительный, ед. родительный, ед. дательный, ед. винительный, ед. местный, мн. дательный);

– brendas, b r e n d o (bręsti, bręsta, brendo), b r e n d u (bristi, brenda, brido);

– встречались и такие случаи, когда исследуемый вариант написания НС полностью совпадал со словом литературного языка — ср. bōtas, b ò t a s (высокий женский галош), b õ t a s (такой корабль), а также sáitas и s a ì t a s.

Определить, как поступать в таких случаях омонимии, помогают данные корпуса ВДУ или DDRLKŽ о распространённости слов. Если совпадающее слово литературного языка встречается редко, поисковую строку можно не сокращать, поскольку это не оказывает существенного влияния на результаты поиска. Кроме того, иногда достаточно результатов по одному варианту написания, чтобы считать исследуемое слово частотным.

По другим причинам

Бывают случаи, когда исследуемое слово может употребляться в каком-либо широко распространённом названии компании, учреждения или ином названии либо использоваться в качестве псевдонима. В интернете названий обычно предостаточно; это скорее связано с рекламными стратегиями или принципами построения дискуссионных форумов, чем с особенностями употребления слов, использованных для составления этих названий. Поэтому при поиске стараются исключать такие случаи.

278

KALBOS KULTŪRA | 81

Поисковое поле можно сузить двумя способами. Во-первых — по контексту: в поисковой строке указывают слово, которое следует исключить, поскольку, судя по примерам употребления, в том же контексте оно часто употребляется с исследуемым языковым явлением, но не образует с ним словосочетания. Во-вторых — по коллокации⁶: в поисковой строке указывают слово, которое следует исключить, поскольку оно образует с исследуемым явлением часто встречающееся в употреблении словосочетание. Особые случаи сужения поискового поля, выявленные в проведённом исследовании, представлены в таблице 2 с указанием использованных слов, а также вариантов написания и форм NS, к которым применялось такое сужение (где необходимо, указаны и коллокации).

ТАБЛИЦА 2. Сужение поискового поля по контексту и коллокации

По контексту

-nikas -autorius -vartotojas -narys -blogas -uab -biuro -sklypas

Harissa / harisa, googlis, sasha funke, esesas, twisteris, neformatas, mixas, extremas topas, saitas, respectas, funkaś, autletas, bugo grafitas skypas

По коллокации

-la -centras -eesti -area -baltijos +kava –vakarų

„La speme“ (spemas) „Topo centras“ (topas) „Eesti post“ (post’as) „Cluster area“ (cluster‘is) „Baltijos autletas“ (autletas) Ekspreso kava, Vakarų ekspresas

Больше всего трудностей возникает со словами, выступающими в роли псевдонима (первая и вторая строки таблицы). С учётом результатов поиска приходится выбирать одно или несколько указанных ограничительных слов. В таблице перечислены только наиболее эффективные ограничительные слова, однако окончательный выбор определяется спецификой каждого исследуемого случая.

⁶

Коллокация — очень привычный контекст употребления слова, осмысленное и грамматически правильное сочетание как минимум двух слов, часто употребляемых вместе (Jakaitienė 2005: 25).

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

279

В этом контексте весьма интересен и несколько необычен случай skaipo. При исследовании варианта написания этого НС skypas пришлось сузить область поиска, поскольку в интернете было найдено немало объявлений о продаже земельных участков, написанных с ошибкой (пропущена буква l).

ВЫВОДЫ

1. При составлении поисковой строки прежде всего важен отбор репрезентативных словоформ, который проводится на основании результатов исследований частотности грамматических категорий литовского языка. При исследовании именных частей речи в поисковую строку помещается почти вся парадигма словоизменения, а глаголов — лишь часть. Удобнее всего включить в поисковую строку инфинитив глагола и формы глагола в изъявительном наклонении (настоящего, простого прошедшего, будущего и многократного прошедшего времени). Так можно охватить чуть более половины распределения грамматических категорий глагола.

2. Из-за различного охвата распределения грамматических категорий, обусловленного ограниченной длиной поисковой строки Google, утрачивается надежная основа для сопоставления глаголов и именных частей речи, поэтому удобнее разделить именные части речи и глаголы на группы.

3. Нередко область поиска приходится сужать из-за избытка результатов на английском языке и проблемы многозначности в литовском языке. Для этого используется логическая функция «исключая», которая в синтаксисе поисковой системы Google обозначается знаком «-», либо в поисковую строку не включаются некоторые многозначные формы.

4. При поиске следует учитывать случаи многозначности, по-разному влияющие на результаты поиска; для них соответственно применяются различные ограничения области поиска. Формы словоизменения одного и того же варианта написания, совпадающие орфографически, можно удалить из поисковой строки, однако на результаты это не повлияет. Формы словоизменения одного и того же слова, но разных вариантов написания, рекомендуется оставлять в поисковой строке только для одного из вариантов. Формы слов с разными лексическими значениями, морфологически многозначные, следует оставлять или удалять с учетом данных корпуса VDU и DDRLKŽ.

5. Рассмотренный метод поиска полезен как для сбора различных примеров языковых явлений, так и для исследования их распространенности в употреблении. Кроме того, метод определения относительной частотности НС может применяться и в работе по кодификации языка, например при составлении списков НС, считающихся грубыми языковыми ошибками.

280

KALBOS KULTŪRA | 81

ŠALTINIAI

Paieškos sistema www.google.lt

The 500 Most Commonly Used Words in the English Language: http://www.world-english.org/english500.htm

TŽŽ 2001 – Tarptautinių žodžių žodynas, Vilnius: Alma littera.

VDU Dabartinės lietuvių kalbos tekstynas: http://donelaitis.vdu.lt

LITERATŪRA

DDRLKŽ 1998: L. Grumadienė, V. Žilinskienė. Dažninis dabartinės rašomosios lietuvių kalbos žodynas, Vilnius: Lietuvių kalbos institutas.

Gaivenis K., Keinys S. 1990: Kalbotyros terminų žodynas, Kaunas: Šviesa.

Jakaitienė E. 1980: Lietuvių kalbos leksikologija, Vilnius: Mokslas.

Jakaitienė E. 2005: Leksikografija, Vilnius: Mokslo ir enciklopedijų leidybos institutas.

LKE 1999: Lietuvių kalbos enciklopedija, Vilnius: Mokslo ir enciklopedijų leidybos institutas.

Rimkutė E. 2002: Homoformos dabartinės lietuvių kalbos tekstyne. – Lituanistica 2(50), 86–101.

Rimkutė E. 2003: Morfologinio daugiareikšmiškumo tipologija. – Lituanistica 4(56), 60–78.

Rimkutė E. 2006: Morfologinio daugiareikšmiškumo ribojimas kompiuteriniame tekstyne. Daktaro disertacija, Kaunas.

Rimkutė E., Grybinaitė A. 2004: Dažniausios lietuvių kalbos morfologinio daugiareikšmiškumo rūšys ir jų automatinis vienareikšminimas. – Kalbų studijos 5, 74–78.

Ryklienė A. 2001: Elektroninis diskursas: kalbos ypatybės ir stilius. Daktaro disertacijos santrauka, Vilnius.

Vaicekauskienė L. 2007: Naujieji lietuvių kalbos svetimžodžiai. Kalbos politika ir vartosena, Vilnius: Lietuvių kalbos institutas.

Žilinskienė V. 2002: Žodžių formų vartojimas lietuvių kalbos dalykinio ir publicistinio stilių duomenimis. – Lituanistica 1(49), 106–116.

Gauta 2008 07 08

S. ALEKSANDRAVIČIŪTĖ. Paieškos sistemos Google naudojimo galimybės tiriant kalbos reiškinius

281

POSSIBILITIES OF USING THE SEARCH SYSTEM GOOGLE IN LINGUISTIC RESEARCH

S u m m a r y

The paper introduces the methodology which can be used to implement Google as a tool for data accumulation and storage and investigating the spread of a linguistic phenomenon in the internet. The method is described in the framework of an investigation aimed at identifying relative frequency count of new loanwords between 2007 and 2008. The first section of the article describes the main principles of filling in the slot of a query: general as well as specific for a particular descriptive research. Rather than entering only the main word form, a proposal has been launched to enter the whole grammatical paradigm of the word or its major part considering that in the Google query slot the maximum number of key words is 32.

The second section identifies the ways to narrow down the search domain and reasons why it should be done. This type of research is bound to face a problem of word and word-form ambiguity. The term of ambiguity has been selected to avoid confusion of more specific terms like homonyms, homographs, homophones etc. Moreover, the explication of the above terms often emphasises the phonetic aspect of the word, which for internet search is irrelevant. The above terms are not sufficiently precise for some cases of ambiguity, when, for example, the spelling of one word form coincides with another form of the same word.

The method of search is instrumental in collecting various examples of language use as well as in investigating their frequency. Also the method of relative frequency of loanwords could be applied in language standardisation, e.g. in compiling lists of new loanwords which are considered grave mistakes.

SKAISTĖ ALEKSANDRAVIČIŪTĖ

Lietuvių kalbos institutas

P. Vileišio g. 5, LT-10308 Vilnius

[email protected]

282

KALBOS KULTŪRA | 81