Эта статья продолжает предыдущее исследование, посвящённое употреблению и продуктивности пяти латинских суффиксов в словацком языке. Анализ сосредоточен на реальной и потенциальной продуктивности, рассматриваемой в ходе двухэтапного сравнения: 1) словоформ и лемм, встречающихся в общем сбалансированном корпусе, сопоставляемых со словоформами и леммами общего корпуса специализированных и академических текстов; 2) общего корпуса специализированных и академических текстов со специализированными (под)корпусами медицинских, юридических, экономических и религиозных текстов. Первая цель продолжения исследования заключалась в том, чтобы установить, содержатся ли среди низкочастотных лемм новые образования, способные внести вклад в вариативность продуктивности в разных предметных областях. Вторая цель состояла в том, чтобы определить и применить подходящую статистическую меру, позволяющую сравнивать продуктивность корпусных данных в корпусах разного размера.
КЛЮЧЕВЫЕ СЛОВА: продуктивность, прилагательное, суффикс, общий корпус, специализированный корпус, гапакс легомена, низкочастотная лемма, распределения с большим числом редких событий.
АННОТАЦИЯ
Исследование, описанное в этой статье, является продолжением предыдущего исследования, посвящённого употреблению и продуктивности пяти латинских суффиксов в словацком языке. Цель исследования — определить реальную и потенциальную продуктивность, проведя сравнение в два этапа: 1) словоформы (англ. tokens) и заголовочные формы слов, или леммы (англ. lemmas), представленные в общем сбалансированном корпусе, сравниваются с формами и леммами, представленными в общем корпусе специальных и академических текстов; 2) сравниваются словоформы и леммы, представленные в общем корпусе специальных и академических текстов и в специализированных подкорпусах медицинских, юридических, экономических и религиозных текстов. Основная цель продолженного исследования — выяснить, есть ли среди редко употребляемых лемм неологизмы, которые могли бы обусловить различия в продуктивности в разных областях. Исследование также призвано определить и применить статистический инструмент, позволяющий сравнивать продуктивность корпусного материала в корпусах разного объёма.
КЛЮЧЕВЫЕ СЛОВА: продуктивность, прилагательное, суффикс, общий корпус, специализированный корпус, гапакс, низкочастотная лемма, распределения большого числа редких событий
54
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 2
1. ВВЕДЕНИЕ
Мотивацией нашего исследования послужил интерес к терминологической синонимии и, в рамках этой более широкой темы, к синонимичным denominal прилагательным как компонентам многословных терминов.
Сосредоточение внимания на прилагательных не является новшеством в терминологических исследованиях. Подробные анализы, посвящённые прилагательным, можно найти в работах ряда терминологов, особенно в 1990-х и 2000-х годах1. В истории словацкой терминологии исследования, ориентированные на прилагательные и обусловленные необходимостью унифицировать и создавать стандартизированную словацкую терминологию, ведут своё начало с 1950-х годов (см., например, Ján Horecký 1956).
Важность прилагательных в терминологии и языках для специальных целей можно также проиллюстрировать статистическими данными, полученными на основе корпусов. В большинстве специализированных корпусов, созданных в рамках проекта Словацкого национального корпуса (далее — проект SNC), доля прилагательных выше, чем в референсном корпусе (prim-7.0-frk), то есть корпусе, составленном из равных долей художественных, специализированных и публицистических текстов2. Как видно из таблицы 1, это различие составляет почти 2%, за исключением религиозного корпуса (blf-2.0), в котором доля прилагательных примерно такая же, как в референсном корпусе (7,46%). Во второй строке таблицы 1 приведена доля герундиев, которые также используются в словацких многословных терминах для дифференциации и классификации. В рамках морфологической аннотации проекта SNC они отнесены к отдельной группе, поэтому размечаются отдельно от глаголов (Garabík et al. 2004).
Сосуществование и конкуренция прилагательных выявлялись и анализировались в контексте языка в целом (например, Nábelková 1996). Однако их вхождение в многословные термины представляет собой сравнительно малоисследованную тему. Распространённым явлением, приводящим к синонимии и конкуренции прилагательных, является сосуществование прилагательных латинского происхождения и их словацких соответствий (vnútrožilový – intravenózny «внутривенный»). К последней группе относится также подгруппа, в которой словацкий суффикс и суффикс латинского происхождения или международный суффикс, с точки зрения этимологии, сочетаются с одним и тем же международным корнем (например, bakteriálny – baktérioový «бактериальный»). Иногда наблюдается варьирование двух международных суффиксов с одинаковым in-
1 См., например, H. Assadi and D. Bourigault 1995; S. Normand and D. Bourigault 2001; B. Daille 2001; F. Maniez 2001; M.-C. L’Homme 2002, 2003; или I. Carrière 2008.
2 Дополнительные сведения о корпусах, использованных в представленном анализе, приведены в части 3.2.
Terminologija | 2021 | 28
55
Page 3
Таблица 1. Количество словоупотреблений и доли прилагательных и герундиев в референсном и специализированных корпусах проекта SNC
КОРПУС
РЕФЕРЕНСНЫЙ КОРПУС
НАУЧНЫЙ ПОДКОРПУС
МЕДИЦИНСКИЙ ПОДКОРПУС
ЮРИДИЧЕСКИЙ ПОДКОРПУС
РЕЛИГИОЗНЫЙ КОРПУС
ЭКОНОМИЧЕСКИЙ КОРПУС
Количество словоупотреблений в корпусе
253,137,609
149,581,785
7,099,555
33,600,183
65,920,357
164,987,015
Количество прилагательных в словоупотреблениях
19,090,396 7.54%
13,415,554 8.97%
660,025 9.3%
4,841,400 9.88%
4,914,860 7.46%
15,540,381 9.42%
Количество герундиев в словоупотреблениях
3,174,567 1.25%
2,394,914 1.6%
112,164 1.58%
1,267,598 2.59%
761,719 1.16%
2,154,124 1.31%
… международный корень может возникать (например, hypersonórny – hypersonický, kontradiktorický – kontradiktórny).
Это исследование, посвящённое употреблению определённых суффиксов в словацком языке, призвано установить, способствуют ли некоторые из них в большей степени такому сосуществованию или чаще встречаются в терминологических прилагательных; поэтому в данном случае актуальным становится понятие морфологической продуктивности.
Выбранные для анализа суффиксы представляют собой небольшую группу, используемую для образования отымённых прилагательных в рамках широкого набора словацких адъективных суффиксов3. По составу пять суффиксов образованы сочетанием (адаптированного) международного адъективного суффикса с семантически эквивалентным словацким -ný/ny: -álny, -árny, -itný, -ívny, -ózny; таким образом, их адъективный статус как бы усиливается. Очевидно, что все пять суффиксов латинского происхождения использовались для образования прилагательных от латинских существительных (-alis с вариантом -aris, -ītus, -ōsus) или глаголов (-ōrius). Однако следует отметить, что многие словацкие прилагательные с анализируемыми суффиксами вошли
3 Martin Ološtiak and Lucia Ološtiaková (2015: 230) mention as many as 38 suffixes, though 25 suffixes in their sample – derived from the Slovník koreňových morfém slovenčiny comprising 66 500 lexical units – represent only 1% of adjectives.
56
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 4
в словацкий лексикон не только непосредственно из латинского языка, но в последние десятилетия чаще через французский или английский языки (Horecký 1999), после чего подверглись адаптации посредством упомянутого выше словацкого адъективного суффикса. Важно, что заимствование и последующая адаптация стали возможны и получили распространение благодаря экстралингвистическим факторам. В силу преимущественно исторических причин словацкий язык был весьма открыт для новых слов латинского происхождения, поэтому доля латинизмов велика даже в общелексическом составе словацкого языка (Horecký 1999: 81). Сегодня, благодаря влиянию средств массовой информации, интернета и социальных сетей, этот комбинированный словообразовательный процесс, объединяющий заимствование и деривацию, отличается высокой продуктивностью и потому представляет большой интерес для лингвистического и терминологического исследования.
Наша статья продолжает предыдущее исследование той же темы, которое в настоящее время находится в печати (Levičká 2021). Для сравнения и ясности изложения мы сочли необходимым включить краткое изложение прежних рассуждений и выводов, дополнив его новыми наблюдениями и теоретическими сведениями. Поэтому некоторые таблицы (1–4), уже опубликованные в нашей первой статье, воспроизводятся здесь.
2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ
Теоретическое понятие морфологической продуктивности разрабатывалось многими исследователями и учёными. Обзор предшествующих теоретических подходов и исследований XXth века подытожен и прокомментирован в ряде работ и статей, например у Jesús Fernández-Dominguez (2013) и Victoria Hulse (2011). Здесь мы сосредоточимся лишь на нескольких теоретических положениях, которые вдохновили нас и повлияли на выбор подхода и методологии.
Самое раннее из приводимых здесь определений было сформулировано в 1948 году американским лингвистом Dwight L. Bolinger (цит. по Säily 2018: 198), который заключил, что продуктивность — это «статистически определимая готовность4, с которой элемент вступает в новые сочетания».
In 1961, Dutch linguist Henk Schulting (quoted by Stefan Evert and Anke Lüdeling 2001: 165) defined productivity as “the possibility for language users to coin unintentionally and, in principle, unlimited numbers of new formations, by using the morphological procedure that lies behind the form-meaning correspondence of some known words”.
4 Фразы или слова, выделенные жирным шрифтом, обозначают ключевые для нашего исследования особенности.
Terminologija | 2021 | 28
57
Page 5
И последнее, но не менее важное: мы хотели бы обратиться к исследованиям чешского лингвиста Милоша Докулила в области словообразования. В своей работе Teorie tvoření slov, опубликованной в 1962 году, он представил комплексную теорию словообразовательной продуктивности. Прежде всего Докулил определил продуктивность языкового средства в целом как «способность этого языкового средства (будь то основа, аффикс или словообразовательная модель) активно участвовать в создании новых слов» (1962: 78). Он уточнил, что эта способность может быть абсолютной, то есть означать возможность его использования для создания новых слов в любое время и в рамках любой словообразовательной модели, либо относительной, то есть зависеть от семантики или, точнее, от стиля, а также от словообразовательной модели. В теории Докулила продуктивность — это «понятие синхронного характера, тогда как реализация этой способности — создание новых слов по определённым правилам — напротив, понятие диахронного характера» (1962: 80). Докулил также различал системную и эмпирическую продуктивность (Франтишек Штиха (2012) также называет её «продуктивностью речи» или «реальной продуктивностью»); она даёт «общее представление об совокупном использовании определённой словообразовательной модели или языкового средства в языковой системе в данный период» (Докулил 1962: 80). Докулил считал, что даже «приблизительные данные о количественном использовании того или иного словообразовательного процесса или элемента имеют первостепенное значение для общего представления о данном языке и, в частности, для характеристики его лексикона» (там же: 77).
Среди современных чешских лингвистов, развивающих теорию продуктивности Докулила и проверяющих его предположения на корпусных данных (см., например, Štícha 2002, 2007, 2009, 2012 или Magda Ševčíková 2014), Штиха предлагает анализировать эмпирическую продуктивность (продуктивность речи) не только на больших корпусах, но и с помощью ряда корпусов разного объёма и состава (2012: 104).
Можно утверждать, что предположения Докулила относительно относительной продуктивности нашли отражение в работах Харальда Баайена и других исследователей, чьи методы и подходы мы рассмотрим далее в этом анализе. В 1999 году Баайен и его коллеги Инго Плаг и Кристиане Далтон-Пуффер писали: «Утверждения о продуктивности того или иного аффикса обычно делаются без учёта различий в продуктивности в зависимости от типа дискурса, хотя общепринято считать, что одни виды деривационных суффиксов более характерны для определённых типов текстов, чем для других» (1999: 209).
При наличии больших корпусов можно измерять, выявлять и анализировать продуктивность словообразовательной модели или элемента не только в языке в целом в данный период, но и в специализированных областях и регистрах.
58
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 6
3. ПРЕДЫДУЩИЕ ИССЛЕДОВАНИЯ
Исходя из рассуждений и предположений лингвистов, упомянутых в предыдущем разделе, в начале нашего исследования, посвящённого выявлению морфологической продуктивности адъективных суффиксов, мы сформулировали три ключевых исследовательских вопроса:
1) Различается ли морфологическая продуктивность отдельных адъективных суффиксов из выбранной группы в текстах общего и специального характера? И являются ли эти различия статистически значимыми?
2) Может ли морфологическая продуктивность отдельных адъективных суффиксов из выбранной группы варьироваться в зависимости от конкретной области? Способствуют ли некоторые из этих пяти суффиксов «охотнее» выражению понятий, специфичных для той или иной области или сферы?
3) Какие методы подходят для данного конкретного анализа корпусных данных?
Прежде всего, ввиду специфики такой словообразовательной модели латинская основа + латинский суффикс + суффикс этимологически исконного происхождения мы решили отказаться от качественного анализа, касающегося ограничений и правил сочетания отдельных латинских основ с одним из выбранных адъективных суффиксов в словацком языке.
Хотя количественный подход не позволяет получить полную картину продуктивности суффикса или любой другой морфологической формы, его преимущество для исследований такого типа заключается в том, что он позволяет представить перспективу и контекст употребления слов, образованных по определённой модели, а также сопоставить их с семантически и функционально эквивалентными формами. Общепринято считать, что количественный подход к анализу морфологической продуктивности является важным дополнением к качественному исследованию (см., например, Evert and Lüdeling 2001). Как отмечает Plag: «Количественные и качественные представления о продуктивности [...] тесно связаны. Таким образом, идею потенциальности, центральную для качественных определений продуктивности, можно выразить статистически через понятие вероятности» (цит. по: Naccarato 2016: 135). Аналогичным образом Baayen и его соавторы утверждают, что продуктивность «представляется скалярным понятием [...] с одними аффиксами вероятность встретить вновь образованные слова выше, чем с другими; это делает продуктивность вероятностным понятием, поддающимся статистическому анализу» (1999: 10).
Terminologija | 2021 | 28 59
Page 7
3.1. Статистические методы
На первом этапе нашего анализа мы следовали хорошо известному методологическому подходу Harald Baayen и его коллег и последователей (1991, 1992, 1993, 1994, 1996, 1997). Мы определили так называемую реализованную продуктивность, то есть частотность употребления прилагательных, образованных с помощью выбранных суффиксов, а также число различных прилагательных, образованных с помощью этих суффиксов, в разных корпусах. Эта корпусная статистика описывает продуктивность суффиксов с точки зрения языковой ситуации в прошлом и настоящем.
Следующим шагом было определение потенциальной продуктивности исследуемых суффиксов, то есть оценка темпа появления новых типов5. Baayen (2009: 7) предлагает рассчитывать ее как отношение гапаксов6 с аффиксом X ко всем токенам с аффиксом X в корпусе. Использование гапаксов для расчета продуктивности подвергалось широкой критике, поскольку эта группа непосредственно не представляет собой новые образования, которые должны отражать продуктивность элемента или модели. Plag, Dalton-Puffer и Baayen утверждают, что потенциальная продуктивность является вероятностной мерой и что с увеличением размера корпуса «доля неологизмов среди гапаксов возрастает, и было показано, что именно среди гапаксов появляется наибольшее число неологизмов» (1999: 12). На предыдущем этапе нашего исследования мы решили не использовать метод «гапакс/токен», но приняли метод «гапакс/тип», следуя рассуждению van Marle (1992) о том, что частота токенов не столь важна для измерения продуктивности переменная, как число лемм. Однако наиболее серьезный недостаток этой меры заключается в невозможности сопоставлять статистические данные корпусов разного размера (Naccarato 2016: 133). Мы вернемся к этому вопросу в части 5.
3.2. Корпуса, использованные в анализе7
Все три корпуса и три подкорпуса, использованные в этом анализе, были опубликованы Отделом SNC в 2013–2020 годах и доступны всем зарегистрированным пользователям.
5 В корпусной лингвистике типы обозначают уникальные слова и являются синонимами лемм (Baker et al. 2006).
6 Гапакс легоменон (от греч. выражения, означающего «сказанное однажды»), также сокращенно гапакс, — это слово, встречающееся в конкретном корпусе только один раз (Baker et al. 2006).
7 Большая часть этого раздела взята из статьи, описывающей предыдущий этап нашего исследования (Levická 2021); однако это повторение необходимо, чтобы объяснить особенности корпусных данных.
60
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 8
Первый, эталонный корпус (prim-7.0-frk), насчитывающий более 253 миллионов словоупотреблений, состоит из равных долей публицистических, специальных и художественных текстов (64,12% из них изначально написаны на словацком языке, а 29,51% представляют собой переводы), созданных в 1991–2015 годах. Корпус использовался при составлении двух частотных словарей словацкого языка (2017, 2018), а также обратного словаря (2018).
Второй корпус, prim-9.0-public-prf, — общедоступный подкорпус основного корпуса проекта SNC (далее — научный подкорпус). Составленный на основе специальных, академических и научно-популярных текстов, этот подкорпус насчитывает более 149 миллионов словоупотреблений и документирует как общий научный дискурс и дискурс исследований, так и специальную публицистику. Тексты в нём были написаны в 1955–2019 годах. Доля текстов, написанных в 1955–1991 годах, составляет 8,7% (более 13 миллионов словоупотреблений).
Самый малый среди всех исследуемых корпусов (под)корпус получен в результате фильтрации основного корпуса проекта SNC [9], версия 9.0. Он состоит из текстов медицинской тематики, написанных в 1976–2019 годах, и включает немногим более 7 миллионов словоупотреблений. Доля текстов, написанных в 1955–1991 годах, составляет 1,09%. Далее в статье мы будем называть его медицинским подкорпусом.
Чтобы получить сопоставимый источник, сформированный на основе других специальных корпусов и эталонного корпуса, специальный корпус legal-1.1 (далее — юридический подкорпус), созданный в сотрудничестве с Министерством юстиции Словакии, был ограничен законодательными текстами, созданными в 1991–2011 годах. Таким образом, его объём сократился с почти 49 миллионов до 33,5 миллиона словоупотреблений.
Специальный корпус blf-2.0, посвящённый религиозной тематике, был выпущен в 2014 году. Он включает почти 66 миллионов словоупотреблений в текстах, созданных в 1989–2014 годах (далее — религиозный корпус). Более 80% его объёма составляют тематические журналы и газеты. Аналогично, специальный корпус ecn-2.0-public (далее — экономический корпус), посвящённый экономике, включает 96,24% специальных текстов, опубликованных в тематических журналах и газетах. Тексты этого корпуса относятся к 1992–2014 годам и насчитывают почти 165 миллионов словоупотреблений.
Следует, однако, отметить, что эти корпуса неоднородны и охватывают широкий спектр текстов.
Terminologija | 2021 | 28
6 1
Page 9
Что касается поиска по корпусу, мы не основывали запросы на морфологической разметке, предоставленной для каждого из включённых в анализ (под)корпусов, поскольку разметка латинизмов оказалась неудовлетворительной и ошибочной. Поэтому мы выбрали простой поиск по конкретному окончанию словоупотребления, например [lemma=“. *álny“], с последующей автоматической фильтрацией слов со случайно совпадающей последовательностью символов (см. часть 4.1).
3.3. Результаты предыдущего этапа
На предыдущем этапе статистические данные корпусов позволили нам составить рейтинг реализованной продуктивности анализируемых суффиксов. Суффикс -álny определённо является самым широко употребительным во всех (под)корпусах, тогда как -órny занимает противоположный полюс частотной шкалы в 5 (под)корпусах. Как показывают нормализованные частоты употребления четырёх из пяти суффиксов, в специальных и академических текстах (научном подкорпусе) они встречаются чаще, чем в эталонном корпусе. Примечательно также, что нормализованные частоты суффиксов в медицинском подкорпусе либо равны частотам на миллион словоупотреблений (ipm) в научном подкорпусе, либо значительно их превышают, тогда как частоты суффиксов на миллион словоупотреблений в религиозном корпусе явно ниже, чем в эталонном корпусе. Отчасти это можно объяснить типом текстов, включённых в эти (под)корпуса.
Таблица 2. Частота и нормализованная частота (IPM, число случаев на миллион словоупотреблений) анализируемых суффиксов в соответствующих (под)корпусах. Корпуса расположены в порядке возрастания объёма
Порядок корпусов в таблице 3, где показано количество различных слов, образованных с помощью анализируемых суффиксов, позволяет сравнить вариативность новообразований: во-первых, в общелитературном и специализированном языке, а во-вторых, от наименьшего медицинского корпуса до крупнейшего экономического корпуса. В таблице представлена реализованная продуктивность анализируемых суффиксов по Баайену. Во всех (под)корпусах -álny представляет собой наиболее часто употребляемый суффикс, встречающийся у разных типов; наименьшее число типов, или лемм, было выявлено у суффикса -órny. Суффиксы -itný и -órny, по-видимому, пересекаются в большинстве (под)корпусов; для выявления более тонких различий между ними необходим тест на статистическую значимость. Однако прямое сравнение корпусов невозможно, поскольку в таблице приведены абсолютные частоты типов.
Результаты оценки потенциальной продуктивности, представленные в таблице 4, весьма разнообразны, что отражает порядок расположения суффиксов.
Terminologija | 2021 | 28
63
Page 11
Таблица 4. Отношения гапаксов к типам в данном (под)корпусе. Суффиксы в каждой подтаблице перечислены в порядке убывания отношения
ОТНОШЕНИЕ ГАПАКСОВ К ТИПАМ
эталонный корпус
научный подкорпус
медицинский подкорпус
-ózny
0.252173913
-órny
0.228571429
-ózny
0.208333333
-árny
0.201342282
-árny
0.210382514
-itný
0.138888889
-альный
0.173956262
-альный
0.209499576
-альный
0.129094412
-итный
0.122222222
-озный
0.201680672
-арный
0.1
-орный
0.12
-итный
0.195876289
-орный
0.076923077
юридический подкорпус
религиозный корпус
экономический корпус
-орный
0.1
-орный
0.2
-итный
0.237288136
-озный
0.075
-álny
0.188180404
-ózny
0.228915663
-álny
0.052795031
-árny
0.145833333
-órny
0.185185185
-árny
0.05
-ózny
0.134615385
-álny
0.177954847
-itný
0
-itný
0.090909091
-árny
0.142156863
Самый продуктивный суффикс в трёх корпусах — -órny. В оставшихся трёх (под)корпусах первое место в рейтинге дважды занимает -ózny, а один раз — -itný. Кроме того, тот же суффикс -órny, по-видимому, в целом обладает наименьшей потенциальной продуктивностью в общих и медицинских текстах. В трёх (под)корпусах последнее место в рейтинге продуктивности занимает суффикс -itný. Аналогично, последнее место в рейтинге продуктивности экономических текстов занимает суффикс -árny.
4. ИССЛЕДОВАТЕЛЬСКИЕ ВОПРОСЫ ПРЕДСТАВЛЕННОГО АНАЛИЗА
Предыдущий этап нашего исследования выявил существенные различия в морфологической продуктивности анализируемых суффиксов, обусловленные как типом языка, так и тематическими областями. Однако на один вопрос удалось ответить лишь частично, что породило новый вопрос:
1. Имеет ли смысл анализировать низкочастотные леммы в поисках неологизмов? В действительности несколько исследователей предполагают, что распределение слов по частоте для продуктивных аффиксов должно быть заметно смещено в сторону низкочастотных лемм, включающих новые образования.
64
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 12
2. Как мы уже отмечали в предыдущих разделах, результаты, касающиеся потенциальной продуктивности анализируемых суффиксов, невозможно сравнивать между корпусами. Поэтому необходимо определить подходящий статистический метод, позволяющий проводить такое сравнение.
4.1. Ручная очистка данных
Как предыдущий, так и текущий этапы нашего анализа основаны на данных, очищенных вручную. На важность этого кропотливого и требующего много времени процесса указывали несколько исследователей. Эверт и Люделинг утверждали (и доказали), что это необходимое условие качественной статистической оценки, а не только при использовании более сложных мер (2001: 168). Ручная очистка имеет особое значение по трём причинам; первая связана с природой корпусных данных. Прежде всего, в корпусных данных обычно содержится довольно много опечаток, особенно среди низкочастотных лемм. Во-вторых, в корпусах встречаются орфографические ошибки, особенно часто — в словах латинского происхождения. В-третьих, необходимо было объединить леммы с суффиксом X, различающиеся только наличием или отсутствием дефиса, а также леммы с заглавной и строчной первой буквой (не являющиеся именами собственными), которые различаются в результате автоматической лемматизации, используемой в проекте SNC. Результат этого этапа ручной очистки представлен в таблице 5: средняя доля гапаксов для анализируемых суффиксов составляет от 24 до 30% от общего числа лемм с данным суффиксом. Однако в случае -itný в юридических текстах сохранилось менее 5% лемм (возможных неологизмов), тогда как 40% или более осталось для суффикса -órny в религиозных и общенаучных текстах и для суффикса -ózny в экономических текстах и, что удивительно, в текстах справочного корпуса. Эти доли могут свидетельствовать о (не)продуктивности соответствующего корпуса. Как утверждают Баайен и соавторы, число гапаксов у продуктивных элементов может достигать половины наблюдаемого объёма словаря в «достаточно крупном корпусе» (1999: 11).
Вторая причина ручной очистки заключалась в фильтрации извлечённых корпусных данных, чтобы получить списки неологизмов с анализируемыми суффиксами. Поэтому мы исключили леммы, которые 1) случайно содержат ту же последовательность символов, что и анализируемые суффиксы; 2) встречаются в общих словарях словацкого языка и в Словаре иностранных слов8, то есть.
8 Мы использовали встроенный инструмент поиска словарного портала https://slovnik.juls.savba.sk/.
Terminologija | 2021 | 28
65
Page 13
Таблица 5. Доля гапаксов (потенциальных неологизмов) в данном (под)корпусе после первого этапа ручной очистки
ДОЛЯ ГАПАКСОВ С ОПРЕДЕЛЁННЫМ СУФФИКСОМ ПОСЛЕ ПЕРВОГО ЭТАПА РУЧНОЙ ОЧИСТКИ
суффикс
медицинский подкорпус
юридический подкорпус
религиозный корпус
научный подкорпус
экономический корпус
эталонный корпус
-álny
30.8%
24.2%
29.5%
32.7%
29.7%
30%
-árny
29.6%
25.3%
33.3%
35.1%
31%
36%
-itný
36.1%
4.9%
25.5%
29.6%
31.6%
26.7%
-ózny
34.7%
32.5%
38.5%
30.3%
45.1%
42.6%
-órny
30.8%
30%
40%
42.4%
38.5%
28%
следовательно, это не неологизмы; 3) были обнаружены в двух наиболее обширных корпусах SNC9 — эти леммы должны были встретиться хотя бы в одном из них не менее трёх раз, причём эти употребления должны были происходить из трёх разных источников и относиться к трём разным годам. Этот последний принцип фильтрации был установлен в связи с тем, что изучаемые нами слова с одним из анализируемых суффиксов, как правило, являются терминами специальных областей, а в словацком языке отсутствуют актуальные специализированные словари. Следует признать, что полученные списки лемм представляют собой лишь потенциальные неологизмы. Результаты представлены в столбцах «Доля потенциальных неологизмов среди гапаксов» в таблицах 6 и 7. По сравнению с таблицей 5 доля потенциальных неологизмов значительно уменьшилась.
4.2. Неологизмы среди низкочастотных лемм
Чтобы ответить на первый исследовательский вопрос, мы применили ту же процедуру фильтрации, что и при составлении списка гапаксов. В таблицах 6 и 7 представлены процентные доли (рассчитанные от общего числа лемм с данным суффиксом, ср. таблицу 3) потенциальных неологизмов среди низкочастотных лемм, встречающихся 4–2 раза в (под)корпусах, а рядом — процентные доли потенциальных неологизмов в группе гапаксов.
Хотя доля потенциальных неологизмов несколько возрастает в специализированных и академических текстах для каждого анализируемого суффикса, благодаря включению
9На данный момент эти корпусы являются крупнейшими в проекте SNC: общий корпус prim-9.0-juls-all и юридический корпус legal-1.1.
66
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 14
потенциальных неологизмов из группы низкочастотных лемм, доля потенциальных неологизмов в эталонном корпусе для четырёх суффиксов увеличилась лишь весьма незначительно, тогда как процент пятого — -órny — остался неизменным. Такая ситуация ожидаема, поскольку новые образования с анализируемыми суффиксами с большей вероятностью появляются в специализированных текстах.
Таблица 6. Доля потенциальных неологизмов в группе низкочастотных лемм (4–1 употребления) и в группе гапаксов от общего числа типов после очистки в общем корпусе и общем научном подкорпусе
СУФФИКС
ЭТАЛОННЫЙ КОРПУС
НАУЧНЫЙ ПОДКОРПУС
Доля потенциальных неологизмов среди низкочастотных лемм (4–1)
Доля потенциальных неологизмов среди гапаксов
Доля потенциальных неологизмов среди низкочастотных лемм (4–1)
Доля потенциальных неологизмов среди гапаксов
-álny
20.5%
17.3%
27.2%
21%
-árny
24.5%
20%
27.1%
21.1%
-itný
13.3%
12.2%
26.5%
19.4%
-ózny
27.8%
25.2%
24.4%
20.2%
-órny
12%
12%
27.3%
24.2%
Что касается потенциальных неологизмов, специфичных для отдельных областей, то наибольшая доля, как и в научном подкорпусе, наблюдается в экономическом корпусе, где суффикс -itný составляет целых 35% потенциальных неологизмов. Доля остальных суффиксов в этом корпусе достигает приблизительно 25% потенциальных неологизмов среди низкочастотных лемм. С другой стороны, наименьшая доля потенциальных неологизмов выявлена в юридических текстах. Стоит также отметить случаи, когда доля удваивалась при включении группы низкочастотных лемм: для -órny в медицинских текстах, -árny в юридических текстах и -itný в религиозных текстах. В то же время неудивительно, что суффикс -ózny занимает первое место в медицинских текстах, поскольку он является типичным медицинским суффиксом. Однако почти такая же доля потенциальных новых лемм с -ózny обнаружена в экономических текстах. Увеличения числа потенциальных неологизмов для суффикса -itný в медицинских и юридических текстах, а также для суффикса -órny в юридических текстах не наблюдалось.
Terminologija | 2021 | 28 67
Page 15
Таблица 7. Доля потенциальных неологизмов в группе низкочастотных лемм (4–1 употребления) и группе гапаксов от общего числа типов после очистки в специализированных текстах четырёх областей
СУФ–ФИКС | МЕДИЦИНСКИЙ ПОДКОРПУС | ЮРИДИЧЕСКИЙ ПОДКОРПУС | РЕЛИГИОЗНЫЙ КОРПУС | ЭКОНОМИЧЕСКИЙ КОРПУС Доля потенциальных неологизмов среди низкочастотных лемм (4–1) | Доля потенциальных неологизмов среди гапаксов | Доля потенциальных неологизмов среди низкочастотных лемм (4–1) | Доля потенциальных неологизмов среди гапаксов | Доля потенциальных неологизмов среди низкочастотных лемм (4–1) | Доля потенциальных неологизмов среди гапаксов | Доля потенциальных неологизмов среди низкочастотных лемм (4–1) | Доля потенциальных неологизмов среди гапаксов -áľny | 16.8% | 12.9% | 7.8% | 5.3% | 26.5% | 19.7% | 26.5% | 18% -árny | 12.8% | 10.1% | 12.1% | 5.1% | 19.9% | 15% | 22.5% | 14.5% -itný | 13.9% | 13.9% | 0% | 0% | 18.2% | 9.1% | 35.1% | 23.1% -ózny | 26.4% | 20.8% | 10% | 7.5% | 21.2% | 13.5% | 25.6% | 23.2% -órny | 15.4% | 7.7% | 10% | 10% | 30% | 20% | 23.1% | 19.2%
Для большей наглядности мы также добавляем ещё одну таблицу, в которой показана доля потенциальных неологизмов в группе низкочастотных лемм.
Таблица 8. Разница в долях потенциальных неологизмов между группой низкочастотных лемм (4–1 употребления) и группой гапаксов от общего числа типов после очистки
Наконец, в последней таблице представлен рейтинг суффиксов в соответствующих (под)корпусах, рассчитанный с повторным применением адаптированной формулы из предыдущего этапа — доля низкочастотных лемм с данным суффиксом / число типов с
68
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 16
Таблица 9. Различие в соотношении потенциальных неологизмов между группой низкочастотных лемм (4–1 употребления) и количеством типов. По сравнению с таблицей 4 изменился порядок суффиксов, выделенных жирным шрифтом
данного суффикса. По сравнению с таблицей 4 порядок изменился во всех корпусах и подкорпусах, кроме справочного корпуса. Таким образом, включение низкочастотных лемм, по-видимому, оказалось целесообразным.
Суффикс -órny наиболее продуктивен в двух корпусах (по сравнению с тремя в таблице 4), тогда как -ózny остался на верхней позиции в двух рейтингах, а -itný — на верхней позиции рейтинга экономического корпуса. В юридическом корпусе наиболее продуктивным, по-видимому, является суффикс -árny, тогда как этот же суффикс одновременно наименее продуктивен в медицинских и экономических текстах. Последнее место в рейтингах продуктивности занимает суффикс -órny как в справочном корпусе, так и в медицинских текстах; суффикс -ózny — в общих научных текстах, а суффикс -itný остался наименее продуктивным в юридическом и религиозном корпусах.
5. СРАВНЕНИЕ ПРОДУКТИВНОСТИ В РАЗНЫХ КОРПУСАХ И ПОДКОРПУСАХ
Как мы отмечали в части 3.1, статистические показатели, основанные на абсолютных частотах и подсчёте типов, не позволяли нам сопоставить результаты предыдущих исследований, полученные на материале разных корпусов и подкорпусов. Если принять утверждение или, скорее, гипотезу о том, что о продуктивности любого словообразовательного элемента или
Terminologija | 2021 | 28
69
Page 17
модели можно судить по новым образованиям (и при этом в части 4.2 мы доказали, что такие новые образования могут встречаться не только среди гапаксов, но и среди низкочастотных типов), дальнейший анализ можно основывать на распределениях частот слов и частотных спектрах. Под «частотным спектром» мы понимаем список, показывающий, сколько типов в частотном списке встречается с той или иной частотой (Baroni 2009: 807).
From the perspective of word-frequency distribution, Evert and Lüdeling (2001: 166), in line with Schultink’s definition, claim that “a productive pattern is, in theory, characterised by an infinite vocabulary (cf. the notion of un-limitedness in Schultink’s definition), whereas a totally unproductive pattern is expected to have a finite, and often quite small, vocabulary”. They point out that “low frequency types (including hapax legomena, but also types occurring two, three, etc. times) account for a major part of the vocabulary” of productive patterns and conclude that this kind of comparison cannot be based on standard statistical models (2001: 167).
Для статистического моделирования Baayen в 2001 году ввёл так называемые распределения LNRE10. Преимущество этих специализированных моделей заключается в возможности экстраполировать статистику типов и словоупотреблений по конкретной выборке на большие объёмы словоупотреблений и тем самым оценивать потенциальные неологизмы за пределами этой выборки. Модели основаны на прогнозируемых размерах словаря, рассчитанных по числу низкочастотных типов в корпусе.
Одним из результатов такого моделирования являются кривые роста словаря, или, точнее, кривые роста типов относительно словоупотреблений, показывающие число типов в зависимости от числа словоупотреблений. Типичная кривая непродуктивного процесса сначала резко возрастает, но затем «выравнивается и сходится к постоянному значению — полному объёму словаря» (2001: 168). Напротив, для типичной продуктивной модели характерен бесконечный словарь, то есть кривая, по-видимому, растёт без ограничения.
Используя распределения LNRE, можно оценить число типов в более крупных объёмах текста и даже число типов
10 Теория LNRE (теория больших чисел редких событий как самостоятельная область статистики) возникла в 1988 году, когда грузинский статистик Эстате Хмаладзе опубликовал The statistical analysis of a large number of rare events. Как писал его ученик Гиорги Квижинадзе: «Примеры, которые мы приведём ниже, объединяет то, что наряду с несколькими частыми событиями имеется очень большое число весьма редких событий, скажем, с частотой 0, 1 или 2. Общее количество этих редких событий по сравнению с числом наблюдений обычно невелико, однако число таких событий среди всех различных наблюдаемых событий всегда весьма значительно. Эти редкие события обычно очень важны. Например, число слов, употреблённых в книге всего один раз, можно считать не имеющим существенного значения для этой книги, но совершенно очевидно, что эти слова исключительно важны, поскольку составляют половину словаря автора» (2010).
70
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 18
словообразовательной модели во всей «совокупности», то есть в языке как таковом. В то же время можно оценить или предсказать число типов в выборках одинакового объёма, полученных из более крупных корпусов. Как упоминалось в части 4.1, эта статистическая процедура также требует точного подсчёта типов и токенов; в противном случае расчёт оценочного объёма словаря, или числа типов, будет ошибочным: вместо того чтобы выравниваться и сходиться к постоянному значению, кривая может продолжать расти.
5.1. Распределения LNRE
Мы решили применить модели LNRE, чтобы оценить11 продуктивность в корпусах разного объёма, отчасти потому, что в интернете также доступен инструмент с открытым исходным кодом ZipfR, разработанный Evert и Marco Baroni (2007). Этот инструмент с открытым исходным кодом включает несколько моделей; мы использовали конечную модель Zipf-Mandelbrot (fZM), основанную на законе Zipf-Mandelbrot12. Как отмечают авторы, её применение выходит за пределы лингвистики. ZipfR принимает несколько форматов входных данных, включая простые частотные списки и необработанные выборки в формате «один токен на строку». Мы могли использовать частотные списки из нашего предыдущего исследования, прошедшие ручную очистку на этапе 1st (ср. часть 4.1), что стало ещё одним преимуществом этого метода.
Наши частотные списки прошли 4 основные операции (Evert, Baroni 2007):
(i) оценивание параметров, при котором параметры модели LNRE M определяются по обучающей выборке заданного объёма путём сравнения ожидаемого частотного спектра с наблюдаемым частотным спектром;
(ii) оценка качества аппроксимации на основе ковариационной матрицы числа типов и числа типов, встречающихся ровно m раз;
(iii) интерполяция и экстраполяция роста словарного запаса с использованием ожидаемых значений;
(iv) предсказание ожидаемого частотного спектра для выборки произвольного объёма.
Как отмечали Evert и Baroni (2007), это моделирование сосредоточено не на частотах отдельных типов слов, «а скорее на распределении таких частот (в выборке) и вероятностей (в совокупности)».
11 Мы хотели бы поблагодарить нашего коллегу Ján Mášik за неоценимую помощь в обеспечении реализации модели fZM для данных нашего корпуса.
12 Подробное описание закона Zipf-Mandelbrot можно найти, например, у Baroni 2009.
Terminologija | 2021 | 28 71
Page 19
5.2. Применение распределений LNRE и оценка
Инструмент ZipfR предоставил нам спектры частот слов и кривые «тип — словоупотребление» для каждого суффикса в каждом (под)корпусе. Из-за ограниченного объёма статьи мы приводим только графики кривых «тип — словоупотребление», приведённых к одинаковому масштабу по оси x. Масштаб оси y различается, поскольку он зависит от фактического числа типов для конкретного суффикса в данном (под)корпусе и определяется этим числом. Мы предлагаем сравнить пары графиков, а затем оценить продуктивность суффиксов по данным нашего корпуса.
Ось x показывает число словоупотреблений, а ось y — (ожидаемое) число различных типов, образуемых словообразовательной моделью с одним из анализируемых суффиксов.
В обоих корпусах — референсном и научном — суффиксы расположены в одном и том же порядке: на первом месте суффикс -álny, а на последнем — суффикс -órny. В референсном корпусе кривые трёх суффиксов -álny, -árny, -ózny растут, что указывает на их продуктивность, тогда как кривые суффиксов -itný и особенно -órny выравниваются. В научном подкорпусе продуктивными можно считать два суффикса: -álny и -árny. Кривые трёх остальных суффиксов (-ózny, -itný, -órny) растут очень медленно, однако к концу представленного на графике диапазона оси x обнаруживают тенденцию к выравниванию.
Графики медицинского подкорпуса и юридического корпуса показывают только один продуктивный суффикс: -álny13. В медицинском подкорпусе кривые обоих суффиксов — -árny и -ózny — очень быстро выравниваются (возможно, достигая максимального размера словаря); кривые суффиксов -itný и -órny растут медленно, но непрерывно, пересекают отметку в 100 типов и, возможно, выравниваются ниже отметки в 200 типов.
В юридических текстах суффикс -álny приближается к отметке в 350 типов, тогда как в медицинских текстах он достигает отметки в 800 типов (см. шкалу оси y). Однако в юридическом корпусе порядок суффиксов несколько иной: суффикс -itný занимает третье место, опережая суффикс -ózny, который, судя по кривой, идущей почти параллельно оси x, практически совсем непродуктивен. Последний суффикс, -órny, демонстрирует очень медленный рост, а затем тенденцию к выравниванию.
Хотя график религиозного корпуса показывает три продуктивных суффикса — -álny, -árny и -ózny, примечательно, что в экономических текстах продуктивными, по-видимому, являются все пять анализируемых суффиксов. Порядок суффиксов в обоих корпусах остаётся одинаковым.
13 На этих двух графиках отсутствует кривая интерполяции для суффикса -álny. Это объясняется приведением масштабов оси x для всех (под)корпусов к единому значению, что не позволило построить кривую такого типа.
7 2
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 20
Рис. 1. Кривые роста словаря исследуемых суффиксов в эталонном корпусе
Рис. 2. Кривые роста словаря исследуемых суффиксов в научном подкорпусе
Рис. 3. Кривые роста словаря исследуемых суффиксов в медицинском корпусе
Рис. 4. Кривые роста словаря исследуемых суффиксов в юридическом корпусе
В религиозном корпусе обе кривые суффиксов –itný и –órny выходят на плато значительно ниже отметки в 100 типов.
Если обобщить приведённые выше результаты о продуктивности исследуемых суффиксов на материале нашего корпуса, можно утверждать, что наиболее продуктивный суффикс — –álny: он занимает первое место во всех (под)корпусах. Его продуктивность, по-видимому, наиболее высока в подкорпусе научных и академических текстов и в медицинском подкорпусе, за которыми следует эталонный корпус (кривая движется к отметке в 700 типов), затем религиозный
Terminologija | 2021 | 28
73
Page 21
Рис. 5. Кривые роста словаря исследуемых суффиксов в религиозном корпусе
Рис. 6. Кривые роста словаря исследуемых суффиксов в экономическом корпусе
корпус (кривая пересекает отметку в 600 типов), экономический корпус (кривая движется к отметке в 500 типов) и, наконец, юридический корпус (в своей высшей точке кривая приближается к отметке в 350 типов).
Суффикс -árny занимает второе место и демонстрирует продуктивность в 4 из 6 (под)корпусов. Форма кривых указывает на его непродуктивность в юридических и медицинских текстах. Наибольшую продуктивность этот суффикс демонстрирует в подкорпусе научных и академических текстов (кривая пересекает отметку в 400 типов), затем в эталонном корпусе (кривая пересекает отметку в 300 типов), тогда как в религиозных и экономических текстах кривая проходит вблизи отметки в 300 типов.
Аналогичным образом, суффикс -ózny, по-видимому, продуктивен в 4 из 6 корпусов. Примечательно, что он, судя по всему, непродуктивен в тех же (под)корпусах, что и суффикс -árny, — в юридических и медицинских корпусах. Наиболее продуктивен он в экономических текстах, где кривая значительно превышает отметку в 200 типов, затем в эталонном корпусе, где кривая пересекает ту же отметку. В двух остальных корпусах кривая либо достигает той же отметки, но, по-видимому, выходит там на плато (prim-9.0-public-prf), либо лишь движется к этой отметке в религиозном корпусе.
Кроме того, суффикс -itný, по-видимому, продуктивен в 4 из 6 корпусов. Указывающую на непродуктивность кривую, выходящую на плато, можно видеть на графиках юридического и религиозного корпусов. Наиболее продуктивен он в экономических текстах, где кривая значительно превышает отметку в 100 типов, тогда как в трёх остальных (под)корпусах она пересекает эту отметку и проходит ниже неё.
74
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 22
Последний в рейтинге суффикс -órny также продуктивен в 4 из 6 корпусов. Непродуктивность этого суффикса выявлена в эталонном и религиозном корпусах. Наибольшую продуктивность он демонстрирует в медицинских и экономических текстах, где кривая пересекает отметку в 100 типов; в академических и научных текстах кривая проходит вблизи этой отметки, а в юридических текстах едва достигает отметки в 25 типов.
В заключение можно сказать, что анализируемые суффиксы наиболее продуктивны в научных и академических текстах либо в текстах специальных областей (экономики или медицины), что неудивительно с учетом их этимологии. Их продуктивность, точнее степень продуктивности, значительно различается в разных корпусах и подкорпусах. Возможно, наиболее интересным наблюдением является непродуктивность трех суффиксов в юридической сфере и самая низкая продуктивность двух оставшихся суффиксов в той же сфере. Это может указывать на то, что юридические тексты не способствуют лексическому творчеству при образовании новых прилагательных такого рода.
По сравнению с частью 4 различие в рейтинге суффиксов можно частично объяснить явлением, отмеченным Вацлавом Цврчеком (2012) и касающимся соотношения гапаксов и типов. Согласно экспериментам Цврчека, это соотношение имеет тенденцию снижаться от максимального значения 1 до локального минимума (там же: 5). Однако после этой точки соотношение вновь начинает расти. Цврчек считает это «неким общим количественным принципом больших собраний текстов» (там же: 14). Форма функции соотношения гапаксов и типов, по-видимому, примерно одинакова даже для типологически различных языков, однако размер текстовой выборки зависит от типа языка. Для достижения минимального значения соотношения гапаксов и типов, по утверждению Цврчека, английский корпус должен содержать не менее 3 миллионов словоупотреблений, тогда как чешский корпус (и, как мы полагаем, словацкий тоже ввиду типологического родства этих двух языков) должен содержать целых 58 миллионов словоупотреблений. Поскольку два подкорпуса из нашего анализа меньше установленного Цврчеком порога, их соотношение гапаксов и типов находится на нисходящем участке соответствующей функции.
6. ЗАКЛЮЧЕНИЕ
В продолжении нашего исследования, посвященного продуктивности выбранных суффиксов в разных корпусах и областях, нам удалось ответить на оба вопроса, поставленных в части 4.
1. Нам удалось доказать, что среди лемм с низкой частотностью, извлеченных из корпуса, имеются также потенциальные неологизмы и, хотя их распределение
Terminologija | 2021 | 28
75
Page 23
может различаться в корпусных данных, они способны изменить рейтинг продуктивности, основанный на формуле «гапакс/тип».
2. Мы определили и применили статистическое моделирование для оценки продуктивности в разных корпусах — распределения LNRE. Загрузив данные наших корпусов в инструмент с открытым исходным кодом, мы получили визуальную модель продуктивности, которая позволила заключить, что продуктивность анализируемых суффиксов различается не только при сравнении общих и научных текстов, но и в разных специализированных областях. Мы полагаем, что моделирование наглядно демонстрирует реальный потенциал каждого из анализируемых суффиксов к образованию новых типов в соответствующей области.
Однако результаты и рейтинги, представленные в частях 4 и 5 этой статьи, не вполне сопоставимы друг с другом, поскольку первый основан непосредственно на исходных данных — количестве типов и гапаксов либо низкочастотных типов в конкретном корпусе или подкорпусе, — тогда как второй опирается на ожидаемые частотные спектры для каждого корпуса или подкорпуса. Иными словами, первый отражает фактические данные, а второй стремится оценить продуктивность элемента в данном языке как таковом. Поэтому в более крупных корпусах медицинских и юридических текстов следовало бы выявить больше гапаксов, что могло бы привести к иному рейтингу суффиксов. Наши предположения в конечном итоге можно было бы проверить в будущих исследованиях, проанализировав более обширные корпуса, включающие репрезентативную выборку релевантных типов текстов для конкретных областей, поскольку жанры текстов также могут влиять на морфологическую продуктивность элемента.
Учитывая, что даже самый большой корпус не будет содержать всех слов, мы полагаем, что морфологическую продуктивность любого элемента разумнее оценивать более сложными методами, а не простым подсчетом типов или словоупотреблений.
В заключение можно сказать, что мы способны определить продуктивность словообразовательной модели или элемента в прошлом. Мы также можем предложить различные оценки его будущего использования, то есть потенциальной продуктивности в понимании Баайена. Кроме того, даже дополняя статистические измерения качественным анализом, следует учитывать еще один факт: как справедливо отмечает Фернандес-Домингес, вероятностные прогнозы морфологической продуктивности следует рассматривать в контексте экстралингвистических факторов и, в частности, потребностей речевого сообщества в наименовании. «Если потребности в наименовании нет, продуктивное словообразование невозможно» (Fernández-Domínguez 2013: 438).
76
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 24
БЛАГОДАРНОСТИ
Статья написана в рамках проекта «Словацкий национальный корпус», поддерживаемого Словацкой академией наук, Министерством образования, науки, исследований и спорта Словацкой Республики, Министерством культуры Словацкой Республики и Институтом языкознания имени Людовита Штура Словацкой академии наук.
СПИСОК ИСТОЧНИКОВ
Slovenský národný korpus. Korpus prim-7.0-frk. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2018. Accessible at: https://korpus.sk.
Slovenský národný korpus. Korpus prim-9.0-public-prf. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Accessible at: https://korpus.sk.
Slovenský národný korpus. Korpus prim-9.0-juls-all. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Accessible at: https://korpus.sk.
Slovenský národný korpus. Korpus legal-1.1. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2013. Accessible at: https://korpus.sk.
Slovenský národný korpus. Korpus blf-2.0. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2014. Accessible at: https://korpus.sk.
Slovenský národný korpus. Korpus ecn-2.0-public. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2016. Accessible at: https://korpus.sk.
Slovníkový portál Jazykovedného ústavu Ľ. Štúra SAV https://slovnik.juls.savba.sk/.
Пакет ZipfR. Доступен по адресу: http://zipf.r-forge.r-project.org/.
REFERENCES
Assadi Houssem, Bourigault Didier 1995: Classification d’adjectifs extraits d’un corpus pour l’aide à la modélisation de connaissances. – Troisièmes journées internationales d’analyse des données textuelles, 313–320.
Baayen R. Harald, Lieber Rochelle 1991: Productivity and English derivation: a corpus-based study. – Linguistics 29, 801–843.
Baayen R. Harald 1992: Quantitative aspects of morphological productivity. – Yearbook of Morphology 1991, eds. G. E. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 109–149.
Baayen R. Harald 1993: On frequency, transparency, and productivity. – Yearbook of Morphology 1992, eds. G. E. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 181–208.
Baayen R. Harald 1994: Productivity in production. – Language and Cognitive Processes 9, 447–469.
Baayen R. Harald, Renouf Antoinette 1996: Chronicling The Times: Productive Lexical Innovations in an English Newspaper. – Language 72, 69–96.
Baayen R. Harald, Lieber Rochelle 1997: Word frequency distributions and lexical semantics. – Computers and the Humanities 30, 281–291.
Baayen R. Harald 2009: Corpus linguistics in morphology: morphological productivity. – Corpus Linguistics. An international handbook, eds. A. Lüdeling, M. Kyto, Berlin, Mouton De Gruyter, 900–919.
Baker Paul, Hardie Andrew, McEnery Tony 2006: A Glossary of Corpus Linguistics, Edinburgh: Edinburgh University Press Ltd. Available at: https://pdfs.semanticscholar.org/856a/9640311005ff8a97ab98976c9209aa12120a.pdf.
Baroni Marco 2009: Distributions in text. – Corpus Linguistics. An international handbook, eds. A. Lüdeling, M. Kyto, Berlin, Mouton De Gruyter, 803–822. Available at: https://home.sslmit.unibo.it/~baroni/publications/hsk_39_dist_rev2.pdf.
Carrière Isabelle 2008: Méditerm: encodage des adjectifs médicaux. – Corpus et dictionnaires de langues de spécialités, eds. F. Manize, P. Dury, N. Arlin, C. Rougemont, Grenoble: Presses Universitaires de Grenoble, 175–196.
Cvrček Václav 2012: How Large is the Core of Language. – Corpus Linguistics 2011 [online], Birmingham. Available at: https://www.birmingham.ac.uk/Documents/college-artslaw/corpus/conference-archives/2011/Paper-145.pdf.
Daille Béatrice 2001: Qualitative terminology extraction: Identifying relational adjectives. – Recent advances in computational terminology, eds. D. Bourigault, C. Jacquemin, M.-C. L’Homme, Amsterdam: John Benjamins Publishing Co, 149–166.
Terminologija | 2021 | 28
77
Page 25
Dokulil Miloš 1962: Teorie tvoření slov, Praha: Nakladatelství ČSAV.
Evert Stefan, Lüdeling Anke 1991: Constraining psycholinguistic models of morphological processing and representation: the role of productivity. – Yearbook of morphology 1991, eds. G. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 165–183.
Evert Stefan, Baroni Marco 2007: The zipfR library: Words and other rare events in R. Presentation at useR! 2006: The Second R User Conference, Vienna, Austria. Available at: https://zipfr.r-forge.r-project.org.
Evert Stefan 2004: A simple LNRE model for random character sequences. – Proceedings of JADT 2004, 411–422.
Fernández-Domínguez Jesús 2013: Morphological Productivity Measurement: Exploring Qualitative versus Quantitative Approaches. – English Studies 94, 4, 422–447.
Garabík Radovan, Gianitsová Lucia, Horák Alexander, Šimková Mária 2004: Tokenizácia, lematizácia a morfologická anotácia Slovenského národného korpusu: internal document for manual morphological annotation. Unpublished. Available at: https://korpus.sk/attachments/publications/2004-garabik-gianitsova-horak-simkova-tokenizacia.pdf.
Horecký Ján 1956: Základy slovenskej terminológie, Bratislava: VEDA.
Horecký Ján 1999: Internacionalizácia a europeizácia slovenský. – Internacionalizácia v súčasných slovenských jazykoch: za a proti, ed. J. Bosák, Bratislava: Veda, 80–82.
Hulse Victoria 2011: Productivity in morphological negation: a corpus based approach, The University of Manchester. Available at: https://www.research.manchester.ac.uk/portal/en/theses/productivity-in-morphological-negation--a-corpusbased-approach(266d2241-a266-4b99-8fab-e19571381d8f).html.
Kvizinadze Giorgi 2010: Large number of rare events: Diversity analysis in multiple choice questionnaires and related topics, Victoria University of Wellington doctor thesis. Available at https://core.ac.uk/download/pdf/41336663.pdf
Levická Jana 2021: Usage and empirical productivity of international adjectival suffixes in Slovak based on general and specialised corpora. – Jazykovedný časopis 72, 2 (in print).
L’Homme Marie-Claude 2002: Fonctions lexicales pour représenter les relations entre termes. – Traitement automatique des langues 43, 1, 19–41.
L’Homme Marie-Claude 2003: Adjectifs dérivés sémantiques dans la structuration des terminologies. – Journées d’étude Terminologie, Ontologie et représentation des connaissance, Lyon.
Maniez François 2002: Distinguer les termes des collocations: études sur corpus du patron < Adjectif – Nom > en anglais médical. – Actes du colloque TALN de Nancy 1, 24–27 juin 2002, 345–350.
van Marle Jaap 1992: The relationship between Morphological Productivity and Frequency: A Comment on Baayen’s Performance-Orientated Conception of Morphological Productivity. – Yearbook of Morphology 1991, eds. G. Booij, J. van Marle, Dordrecht: Kluwer Academic Publishers, 151–163.
Nábělková Mira 1996: Variantnosť ako prvok dynamiky v adjektívnej paradigme. – Slovenská reč 61, 257–266.
Naccarato Chiara 2016: A corpus-based quantitative approach to the study of morphological productivity in diachrony: The case of samo-compounds in Russian. – A Blend of MaLT Hanna Christ, eds. D. Klenovšak, L. Sönning, V. Werner, Bamberg: University of Bamberg Press, 133–153.
Normand Sylvie, Bourigault Didier 2001: Analysing adjectives used in a histopathology corpus with NLP tools. – Terminology 7, 2, 155–164.
Plag Ingo, Dalton-Puffer Christiane, Baayen Harald 1999: Morphological productivity across speech and writing. – English Language and Linguistics 3, 2, 209–228.
Säily Tanja 2018: Change or variation? Productivity of the suffixes -ness and -ity. – Patterns of Change in 18ᵗʰ Century English. A Sociolinguistic Approach, eds. T. Nevalainen, M. Palander-Collin, T. Säily, Amsterdam: John Benjamins, 197–218.
Ševčíková Magda 2014: Zjišťování slovotvorné produktivity z korpusových dat: přípony odvozující názvy vlastností. – Naše řeč 97, 228–240.
Štícha František 2012: Jak v epoše elektronických korpusů následovat Miloše Dokulila (Miloši Dokulilovi ke stému výročí narození). – Jazykovědné aktuality 49, 95–107.
Štícha František 2002: K Dokulilovu pojmu slovotvorné produktivity (z hlediska korpusové analýzy). – Čeština doma a ve světě 4, 302–310.
Štícha František 2007: Korpusové statistiky a slovotvorná produktivita. – Grammar & Corpora/Gramatika a korpus 2005, eds. F. Štícha, J. Šimandl, Praha: Academia, 250–257.
Štícha František 2009: Slovotvorná produktivita a gramatickosť: gradační expresivní adjektiva s prefixy pra-, pře- a vele- v současné psané češtině. – Eslavística Complutense 9, 145–170.
78
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 26
NAUJAS ŽVILGSNIS Į TARPtautinių BŪDVARDŽIŲ PRIESAGŲ VARTOJIMĄ IR EMPIRINĮ PRODUKTYVUMĄ SLOVAKŲ KALBOJE
Santrauka
Šio straipsnio objektas – morfologinis penkių lotynų kalbos priesagų, dažnai vartojamų slovakų kalbos būdvardžiams sudaryti, produktyvumas. Straipsnyje aprašomas tyrimas yra ankstesnio tekstynų duomenimis paremto tyrimo tęsinys. Tyrime buvo nustatyti reikšmingi priesagų vartojimo ir produktyvumo skirtumai skirtingose srityse. Analizei atlikti naudojami šeši tekstynai ir patekstyniai apima ir bendrąjį tekstyną, ir specialiuosius tekstynus (medicinos, teisės, ekonomikos ir ypač religijos srities). Ankstesnės statistinės analizės atspirties taškas buvo neologizmų dalis hapakso lemų grupėje su analizuojamomis priesagomis. Klausimas, ar tarp retai vartojamų lemų yra neologizmų, liko atviras. Beje, keli tyrėjai teigia, kad produktyviausias priesagas turinčių žodžių dažnumo pasiskirstymas turėtų būti nukreiptas į retai vartojamas lemas, sudarančias naujažodžius. Tokiu atveju statistinis morfologinio tiriamų priesagų produktyvumo įvertinimas galėtų būti kitoks. Be to, ankstesnės analizės rezultatai negalėjo būti palyginti tarp skirtingų tekstynų (patekstynių), nes jie rėmėsi pirminiais duomenimis, labai priklausomais nuo tekstyno (patekstynio) dydžio. Todėl antrasis šio tyrimo tikslas buvo nustatyti tinkamą statistinį metodą, kurį taikant toks palyginimas būtų įmanomas.
Tiek ankstesnis, tiek dabartinis analizės etapai rėmėsi rankiniu būdu ištrinamais tekstyno duomenimis, t. y. lemų vartojimo dažnumo sąrašais, kuriuose nėra nei „tekstyno triukšmo“, nei bendrinės slovakų kalbos žodynuose jau esančių žodžių. Straipsnyje pateiktos analizės rezultatai rodo, kad tarp tekstyne rastų retai vartojamų lemų yra ir neologizmų, ir nors jų pasiskirstymas tekstyno duomenyse gali įvairuoti, jie gali pakeisti produktyvumo eiliškumą pagal hapakso žodžių santykį su visais žodžiais (angl. hapax / type formula).
Antroje analizės dalyje buvo identifikuojami ir taikomi statistiniai modeliai, vadinami LNRE (angl. large number of rare events, liet. didelis retų įvykių skaičius) pasiskirstymais. Naudojantis atvirojo kodo įrankiu, buvo sukurtas vaizdinis priesagos produktyvumo modelis, kuriame atsiskleidžia analizuotų priesagų skirtumai, pirma, tarp mokslinių ir bendrųjų tekstų ir, antra, tarp specialiųjų sričių tekstų. Taigi, šis modelis įrodo realų kiekvienos analizuotos priesagos potencialą sudaryti naujus žodžius atitinkamose srityse.
Gauta 2021-07-08
Jana Levická Ľ. Štúr Institute of Linguistics Slovak Academy of Sciences Panská 26 811 01, Bratislava, Slovakia E-mail janal@ korpus.sk
