Ця стаття є продовженням попереднього дослідження, присвяченого вживанню та продуктивності п’яти латинських суфіксів у словацькій мові. Аналіз зосереджується на реальній і потенційній продуктивності, порівнюваній у два етапи: 1) словоформи (tokens) і леми, наявні в загальному збалансованому корпусі, порівнюються з такими, що містяться в загальному корпусі спеціалізованих та академічних текстів; 2) словоформи й леми, наявні в загальному корпусі спеціалізованих та академічних текстів, порівнюються з такими у спеціалізованих (під)корпусах медичних, юридичних, економічних і релігійних текстів. Перша мета продовження дослідження полягала у з’ясуванні, чи містять низькочастотні леми новотвори, які могли б сприяти варіюванню продуктивності між предметними галузями. Друга мета полягала у визначенні та впровадженні відповідного статистичного показника, який давав би змогу порівнювати продуктивність корпусних даних у корпусах різного обсягу.
КЛЮЧОВІ СЛОВА: продуктивність, прикметник, суфікс, загальний корпус, спеціалізований корпус, гапакс легоменон, низькочастотна лема, розподіли великої кількості рідкісних подій.
АНОТАЦІЯ
Ця стаття є продовженням попереднього дослідження, присвяченого вживанню та продуктивності п’яти латинських суфіксів у словацькій мові. У дослідженні ставиться за мету визначити реальну й потенційну продуктивність шляхом порівняння у два етапи: 1) словоформи (англ. tokens) і леми (англ. lemmas), наявні в загальному збалансованому корпусі, порівнюються з тими, що містяться в загальному корпусі спеціалізованих та академічних текстів; 2) порівнюються словоформи й леми, наявні в загальному корпусі спеціалізованих та академічних текстів і в спеціалізованому підкорпусі медичних, юридичних, економічних і релігійних текстів. Головна мета продовження дослідження — з’ясувати, чи є серед низькочастотних лем новотвори, які могли б сприяти відмінностям продуктивності в різних галузях. Дослідження також має на меті визначити й застосувати статистичний показник, який дасть змогу порівнювати продуктивність корпусного матеріалу в корпусах різного обсягу.
КЛЮЧОВІ СЛОВА: продуктивність, прикметник, суфікс, загальний корпус, спеціалізований корпус, гапакс, низькочастотна лема, розподіли великої кількості рідкісних подій
54
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 2
1. ВСТУП
Мотивацією нашого дослідження стало зацікавлення термінологічною синонімією і, у межах цієї ширшої теми, синонімічними відносними прикметниками як складниками багатослівних термінів.
Зосередження уваги на прикметниках не є новим для термінологічних досліджень. Детальні аналізи, присвячені прикметникам, можна знайти в працях низки термінологів, особливо 1990-х і 2000-х років1. В історії словацької термінології дослідження, зосереджені на прикметниках і зумовлені потребою уніфікувати та створювати стандартизовані словацькі термінології, можна простежити до 1950-х років (див., наприклад, Ján Horecký 1956).
Важливість прикметників у термінології та мовах спеціального призначення можна також проілюструвати статистичними даними, отриманими з корпусів. Більшість спеціалізованих корпусів, створених у межах проєкту Словацького національного корпусу (далі — проєкт SNC), має вищу частку прикметників порівняно з референтним корпусом (prim-7.0-frk), тобто корпусом, укладеним із рівних часток художніх, спеціалізованих і публіцистичних текстів2. Як видно з Table 1, ця різниця становить майже 2%, за винятком релігійного корпусу (blf-2.0), у якому частка прикметників приблизно така сама, як у референтному корпусі (7.46%). У другому рядку Table 1 наведено частку дієприкметників, які також використовуються з диференціювальними та класифікаційними функціями в словацьких багатослівних термінах. У межах морфологічного анотування проєкту SNC їх класифікують як окрему групу, тому їх тегують окремо від дієслів (Garabík et al. 2004).
Співіснування та конкуренцію прикметників було виявлено й проаналізовано в контексті мови загалом (наприклад, Nábelková 1996). Однак їхнє входження до складу багатослівних термінів є темою, дослідженою недостатньо. Поширеним явищем, що спричиняє синонімію та конкуренцію прикметників, є співіснування прикметників латинського походження та їхніх словацьких відповідників (vnútrožilový – intravenózny «внутрішньовенний»). До останньої групи належить також підгрупа, у якій поєднуються словацький і, з етимологічного погляду, латинський або міжнародний суфікс з тим самим міжнародним коренем (наприклад, bakteriálny – baktérioový «бактеріальний»). Іноді спостерігається варіювання двох міжнародних суфіксів з однаковим внутріш-
1 Див., наприклад, H. Assadi and D. Bourigault 1995; S. Normand and D. Bourigault 2001; B. Daille 2001; F. Maniez 2001; M.-C. L’Homme 2002, 2003; або I. Carrière 2008.
2 Докладнішу інформацію про корпуси, використані в наведеному аналізі, можна знайти в Частині 3.2.
Terminologija | 2021 | 28
55
Page 3
Table 1. Кількість слововживань і частки прикметників та дієприкметників у референтному й спеціалізованих корпусах проєкту SNC
КОРПУС
РЕФЕРЕНТНИЙ КОРПУС
НАУКОВИЙ ПІДКОРПУС
МЕДИЧНИЙ ПІДКОРПУС
ЮРИДИЧНИЙ ПІДКОРПУС
РЕЛІГІЙНИЙ КОРПУС
ЕКОНОМІЧНИЙ КОРПУС
Кількість слововживань у корпусі
253,137,609
149,581,785
7,099,555
33,600,183
65,920,357
164,987,015
Кількість прикметників у слововживаннях
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%
Кількість дієприслівників у слововживаннях
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%
може виникнути інтернаціональний корінь (наприклад, hypersonórny – hypersonický, kontradiktorický – kontradiktórny).
Це дослідження, присвячене вживанню окремих суфіксів у словацькій мові, має на меті з’ясувати, чи деякі з них частіше сприяють такому співіснуванню або частіше трапляються в термінологічних прикметниках, — саме тому в цьому випадку актуальним стає поняття морфологічної продуктивності.
Суфікси, відібрані для аналізу, становлять невелику групу, що використовується для творення відіменникових прикметників у межах широкого набору словацьких прикметникових суфіксів3. За складом п’ять суфіксів утворені поєднанням (адаптованого) інтернаціонального прикметникового суфікса із семантично еквівалентним словацьким -ný/ny: -álny, -árny, -itný, -ívny, -ózny, отже, їхній прикметниковий статус певною мірою подвоєний. Очевидно, що всі п’ять суфіксів латинського походження використовувалися для творення прикметників від латинських іменників (-alis із варіантом -aris, -ītus, -ōsus) або дієслів (-ōrius). Варто, однак, зазначити, що багато словацьких прикметників із досліджуваними суфіксами увійшли
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
до словацького лексикону не лише безпосередньо з латини, а й частіше — через французьку або англійську мову в останні десятиліття (Horecký 1999), після чого відбувся процес адаптації за допомогою згаданого вище словацького прикметникового суфікса. Важливо, що таке запозичення та подальша адаптація стали можливими й були посилені екстралінгвістичними чинниками. Переважно з історичних міркувань словацька мова була дуже відкритою до нових слів латинського походження, тому частка слів латинського походження є високою навіть у загальній лексиці словацької мови (Horecký 1999: 81). Нині, під впливом масмедіа, інтернету та соціальних мереж, цей комбінований словотвірний процес запозичення й деривації надзвичайно продуктивний, а отже, вельми актуальний для лінгвістичного та термінологічного дослідження.
Наша стаття є продовженням попереднього дослідження цієї теми, яке нині готується до друку (Levičká 2021). Заради порівняння та ясності для читача ми вважали за необхідне подати стислий виклад попередніх міркувань і висновків, доповнений новими спостереженнями й теоретичним підґрунтям. Тому деякі таблиці (1–4), хоча й були наведені в нашій першій статті, тут повторюються.
2. ТЕОРЕТИЧНЕ ПІДҐРУНТЯ
Теоретичне поняття морфологічної продуктивності розробляли чимало дослідників і науковців. Огляд попередніх теоретичних поглядів і досліджень XXth століття узагальнено й прокоментовано в низці праць і статей, зокрема Jesús Fernández-Dominguez (2013) та Victoria Hulse (2011). Тут ми зосередимося лише на кількох теоретичних міркуваннях, які надихнули нас і вплинули на вибір підходу та методології.
Найдавніше з наведених тут визначень сформулював 1948 року американський лінгвіст Dwight L. Bolinger (цит. за Säily 2018: 198), який дійшов висновку, що продуктивність — це «статистично визначувана готовність4, з якою елемент вступає в нові сполучення».
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 Фрази або слова, виділені жирним шрифтом, позначають ключові для нашого дослідження ознаки.
Terminologija | 2021 | 28
57
Page 5
І останнє, але не менш важливе: ми хотіли б звернутися до праці з словотвору чеського мовознавця Мілоша Докуліла, який у 1962 році представив складну теорію словотвірної продуктивності у своїй праці Teorie tvoření slov. Насамперед Докуліл визначив продуктивність мовного засобу загалом як «здатність цього мовного засобу (чи то основи, афікса або словотвірної моделі) активно брати участь у творенні нових слів» (1962: 78). Він уточнив, що ця здатність може бути абсолютною, тобто придатністю до творення нових слів у будь-який час і за будь-якою словотвірною моделлю, або відносною, тобто залежною від семантики, а радше від стилю, а також від словотвірної моделі. У теорії Докуліла продуктивність є «поняттям синхронного характеру, тоді як реалізація цієї здатності — творення нових слів за певними правилами — навпаки, є поняттям діахронного характеру» (1962: 80). Докуліл також розрізняв системну та емпіричну продуктивність (Франтішек Штіха 2012 року також називав її «продуктивністю мовлення» або «реальною продуктивністю»), яка дає «загальне уявлення про сукупне використання певної словотвірної моделі чи мовного засобу в системі мови в конкретний час» (Докуліл 1962: 80). Докуліл вважав, що навіть «приблизні дані про кількісне використання певного словотвірного процесу чи елемента мають надзвичайно велике значення для загального уявлення про певну мову та, зокрема, для характеристики її лексикону» (там само: 77).
Серед сучасних чеських мовознавців, які спираються на теорію продуктивності Докуліла й перевіряють його припущення на корпусних даних (див., наприклад, Штіха 2002, 2007, 2009, 2012 або Магда Шевчикова 2014), Штіха пропонує аналізувати емпіричну продуктивність / продуктивність мовлення не лише у великих корпусах, а й за допомогою низки корпусів різного обсягу та складу (2012: 104).
Можна стверджувати, що припущення Докуліла щодо відносної продуктивності знайшли відгук у працях Гаральда Баайєна та інших дослідників, чиї методи й підходи ми розглянемо далі в цьому аналізі. У 1999 році Баайєн і його колеги Інго Плаг та Крістіане Далтон-Пуффер писали, що «твердження про продуктивність певного афікса зазвичай висловлюють, не розрізняючи продуктивності залежно від типу дискурсу, хоча загальноприйнято вважати, що певні типи словотвірних суфіксів доречніші в одних типах текстів, ніж в інших» (1999: 209).
За наявності великих корпусів можна вимірювати, визначати й аналізувати продуктивність словотвірної моделі або елемента не лише в загальній мові певного періоду, а й у спеціалізованих галузях і регістрах.
58
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 6
3. ПОПЕРЕДНІ ДОСЛІДЖЕННЯ
Відповідно до міркувань і припущень мовознавців, цитованих у попередній частині, на початку нашого дослідження, спрямованого на визначення морфологічної продуктивності прикметникових суфіксів, ми сформулювали три ключові дослідницькі запитання:
1) Чи відрізняється морфологічна продуктивність окремих прикметникових суфіксів із вибраної групи в загальних і спеціалізованих текстах? І чи є ці відмінності статистично значущими?
2) Чи може морфологічна продуктивність окремих прикметникових суфіксів із вибраної групи змінюватися залежно від конкретної галузі? Чи є серед цих п’яти суфіксів такі, що більш «схильні» брати участь у кодуванні специфічних для певної галузі або предметної сфери понять?
3) Які методи є доречними для цього конкретного аналізу корпусних даних?
Насамперед, з огляду на специфіку цього типу словотвірної моделі латинська основа + латинський суфікс + етимологічно питомий суфікс, ми вирішили не проводити якісний аналіз, який охоплював би обмеження та правила сполучуваності окремих латинських основ з одним із вибраних прикметникових суфіксів у контексті словацької мови.
Хоча кількісний підхід не дає змоги отримати повну картину продуктивності суфікса чи будь-якої іншої морфологічної форми, його перевага для такого типу досліджень полягає в тому, що він дає змогу представити перспективу й контекст уживання слів, утворених за певною моделлю, а також здійснити конкретні порівняння із семантично та функціонально еквівалентними формами. Загальноприйнято вважати, що кількісний підхід до аналізу морфологічної продуктивності є важливим доповнювальним методом якісного дослідження (див., наприклад, Evert and Lüdeling 2001). Як зазначає Плаг: «кількісні та якісні поняття продуктивності [...] тісно пов’язані. Отже, ідею потенційності, центральну для якісних визначень продуктивності, можна виразити статистичними термінами ймовірності» (цит. за Naccarato 2016: 135). Так само Баайєн і його співавтори стверджують, що продуктивність «схоже, є скалярним поняттям [...] з одними афіксами ймовірність зустріти новоутворені слова вища, ніж з іншими; цей факт перетворює продуктивність на ймовірнісне поняття, придатне до статистичного аналізу» (1999: 10).
Terminologija | 2021 | 28 59
Page 7
3.1. Статистичні методи
На першому етапі нашого аналізу ми скористалися добре відпрацьованим методологічним підходом Гарольда Баайєна та його колег і послідовників (1991, 1992, 1993, 1994, 1996, 1997). Ми визначили так звану реалізовану продуктивність, тобто частотність уживання прикметників, утворених за допомогою вибраних суфіксів, а також кількість різних прикметників, утворених за допомогою цих суфіксів, у різних корпусах. Ця корпусна статистика характеризує продуктивність суфіксів з огляду на мовну ситуацію минулого й сьогодення.
Наступним кроком було визначити потенційну продуктивність аналізованих суфіксів, тобто оцінити швидкість появи нових типів5. Baayen (2009: 7) пропонує обчислювати її як відношення гапакс легоменів6 із афіксом X до всіх слововживань з афіксом X у корпусі. Використання гапакс легоменів для обчислення продуктивності зазнало широкої критики, оскільки ця група безпосередньо не представляє новоутворень, які мають відображати продуктивність елемента або моделі. Plag, Dalton-Puffer і Baayen стверджують, що потенційна продуктивність є ймовірнісним показником, і що зі збільшенням обсягу корпусу «частка неологізмів серед гапакс легоменів зростає, і було показано, що саме серед гапакс легоменів з’являється найбільша кількість неологізмів» (1999: 12). На попередньому етапі нашого дослідження ми вирішили не використовувати метод гапакс/слововживання, натомість обрали метод гапакс/тип відповідно до міркувань van Marle (1992), згідно з якими частота слововживань є менш релевантною змінною для вимірювання продуктивності, ніж кількість лем. Однак найсерйознішим недоліком цього показника є неможливість порівнювати статистичні дані корпусів різного обсягу (Naccarato 2016: 133). До цього питання ми повернемося в частині 5.
3.2. Корпуси, використані в аналізі7
Усі три корпуси й три підкорпуси, використані в цьому аналізі, були оприлюднені департаментом SNC у 2013–2020 роках і доступні всім зареєстрованим користувачам.
5 У корпусній лінгвістиці типи позначають унікальні слова й є синонімами лем (Baker et al. 2006).
6 Гапакс легомен (від грецького вислову, що означає «сказане один раз»), скорочено також гапакс, — це слово, яке трапляється лише один раз у певному корпусі (Baker et al. 2006).
7 Більша частина цього розділу походить зі статті, у якій описано попередній етап нашого дослідження (Levická 2021), однак це повторення необхідне, щоб пояснити природу корпусних даних.
60
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 8
Перший, референтний корпус (prim-7.0-frk), що містить понад 253 мільйони слововживань, складається з однакових часток публіцистичних, спеціалізованих і художніх текстів (64.12% із них написано словацькою мовою, тоді як 29.51% становлять переклади), створених у 1991–2015 роках. Корпус використовували для укладання двох частотних словників словацької мови (2017, 2018), а також зворотного словника (2018).
Другий корпус, prim-9.0-public-prf, — це загальнодоступний підкорпус основного корпусу проєкту SNC (далі — науковий підкорпус). Цей підкорпус, укладений зі спеціалізованих, академічних і науково-популярних текстів, містить понад 149 мільйонів слововживань і документів, а також відображає загальний дискурс науки й досліджень, зокрема спеціалізовану журналістику. Тексти в ньому написано в 1955–2019 роках. Частка текстів, написаних у 1955–1991 роках, становить 8.7% (понад 13 мільйонів слововживань).
Найменший із усіх досліджуваних корпусів (підкорпус) утворився внаслідок фільтрування основного корпусу проєкту SNC [9], версія 9.0. Він складається з текстів медичної тематики, написаних у 1976–2019 роках, і містить трохи більше ніж 7 мільйонів слововживань. Частка текстів, написаних у 1955–1991 роках, становить 1.09%. Далі в тексті називатимемо його медичним підкорпусом.
Щоб мати порівнюване джерело, сформоване з інших спеціалізованих корпусів і референтного корпусу, спеціалізований корпус legal-1.1 (далі — правовий підкорпус), укладений у співпраці з Міністерством юстиції Словаччини, було звужено до законодавчих текстів, створених у період 1991–2011 років. Його обсяг, що становив майже 49 мільйонів слововживань, таким чином скоротився до 33.5 мільйона слововживань.
Спеціалізований корпус blf-2.0, присвячений релігійній тематиці, було оприлюднено у 2014 році. Він містить майже 66 мільйонів слововживань у текстах, написаних у 1989–2014 роках (далі — релігійний корпус). Понад 80% його матеріалів становлять тематичні журнали й газети. Так само спеціалізований корпус ecn-2.0-public (далі — економічний корпус), присвячений економічній тематиці, містить аж 96.24% спеціалізованих текстів, опублікованих у тематичних журналах і газетах. Тексти цього корпусу датуються 1992–2014 роками й налічують майже 165 мільйонів слововживань.
Однак слід зазначити, що ці корпуси неоднорідні й охоплюють широкий спектр текстів.
Terminologija | 2021 | 28
6 1
Page 9
Що стосується пошуку в корпусах, то ми не ґрунтували запити на морфологічному тегуванні, передбаченому для кожного корпусу (підкорпусу), включеного до аналізу, оскільки для слів латинського походження таке тегування виявилося неналежним і помилковим. Тому ми вдалися до простого пошуку за конкретним закінченням слововживання, наприклад [lemma=“. *álny“], поєднаного з автоматичним відфільтровуванням слів, що випадково містять ту саму послідовність символів (див. частину 4.1).
3.3. Результати попереднього етапу
На попередньому етапі статистичні дані з корпусів дали змогу укласти рейтинг фактичної продуктивності досліджуваних суфіксів. Суфікс -álny безперечно є найуживанішим в усіх корпусах (підкорпусах), тоді як -órny посідає протилежний полюс частотної шкали у 5 корпусах (підкорпусах). Як видно з нормалізованих частот уживання чотирьох із п’яти суфіксів, у спеціалізованих та академічних текстах (науковому підкорпусі) вони трапляються частіше, ніж у референтному корпусі. Також варто відзначити, що нормалізовані частоти суфіксів у медичному підкорпусі або дорівнюють, або значно перевищують показник ipm у науковому підкорпусі, тоді як показник ipm суфіксів (випадків на мільйон) у релігійному корпусі помітно нижчий, ніж у референтному корпусі. Частково це можна пояснити типами текстів, включеними до цих корпусів (підкорпусів).
Таблиця 2. Частота й нормалізована частота (IPM, випадків на мільйон) досліджуваних суфіксів у відповідних корпусах (підкорпусах). Корпуси впорядковано від найменшого до найбільшого
Розташування корпусів у таблиці 3, де показано кількість різних слів, утворених за допомогою аналізованих суфіксів, дає змогу порівняти варіативність новотворів спочатку між загальною та спеціалізованою мовою, а потім — від найменшого медичного корпусу до найбільшого економічного корпусу. У таблиці наведено реалізовану продуктивність аналізованих суфіксів за Бааєном. У всіх (під)корпусах суфікс -álny є найчастотнішим і трапляється в різних типах, тоді як найменшу кількість типів, або лем, виявлено для суфікса -órny. Суфікси -itný і -órny, здається, перекриваються в більшості (під)корпусів; для точнішого розмежування між ними потрібна перевірка статистичної значущості. Однак справжнє порівняння корпусів неможливе, оскільки в таблиці наведено абсолютні підрахунки типів.
Таблиця 3. Кількість лем у певному (під)корпусі
СУФІКС РЕФЕРЕНТНИЙ КОРПУС НАУКОВИЙ ПІДКОРПУС МЕДИЧНИЙ ПІДКОРПУС ЮРИДИЧНИЙ ПІДКОРПУС РЕЛІГІЙНИЙ КОРПУС ЕКОНОМІЧНИЙ КОРПУС -álny 1,003 1,178 519 322 611 744 -árny 300 365 179 99 141 200 -itný 90 98 36 41 55 117 -ózny 115 119 72 40 52 82 -órny 25 33 13 10 20 26
Результати оцінювання потенційної продуктивності, наведені в таблиці 4, досить різноманітні, про що свідчить порядок розташування суфіксів.
Terminologija | 2021 | 28
63
Page 11
Таблиця 4. Співвідношення гапаксів і типів у певному (під)корпусі. Суфікси в кожній підтаблиці наведено в порядку спадання співвідношення
СПІВВІДНОШЕННЯ ГАПАКСІВ І ТИПІВ
референтний корпус
науковий підкорпус
медичний підкорпус
-ózny
0.252173913
-órny
0.228571429
-ózny
0.208333333
-árny
0.201342282
-árny
0.210382514
-itný
0.138888889
-альний
0.173956262
-альний
0.209499576
-альний
0.129094412
-ітний
0.122222222
-озний
0.201680672
-арний
0.1
-орний
0.12
-ітний
0.195876289
-орний
0.076923077
юридичний підкорпус
релігійний корпус
економічний корпус
-орний
0.1
-орний
0.2
-ітний
0.237288136
-озний
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
Найпродуктивнішим суфіксом у трьох корпусах є -órny. У трьох інших (під)корпусах рейтинг очолює двічі -ózny і один раз -itný. Крім того, той самий суфікс -órny, імовірно, загалом має найнижчу потенційну продуктивність, а також у загальних і медичних текстах. У трьох (під)корпусах останнє місце в рейтингу продуктивності посідає суфікс -itný. Так само останнє місце в рейтингу продуктивності економічних текстів посідає суфікс -árny.
4. ДОСЛІДНИЦЬКІ ПИТАННЯ ПРЕДСТАВЛЕНОГО АНАЛІЗУ
Попередній етап нашого дослідження виявив помітні відмінності в морфологічній продуктивності аналізованих суфіксів залежно як від типу мови, так і від предметних галузей. Однак на одне питання було дано лише часткову відповідь, що породило нове:
1. Чи варто аналізувати низькочастотні леми заради неологізмів? Насправді кілька дослідників припускають, що частотний розподіл слів із продуктивними афіксами має бути помітно зміщений у бік низькочастотних лем, до яких належать новотвори.
64
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 12
2. Як ми вже зазначали в попередніх розділах, результати щодо потенційної продуктивності аналізованих суфіксів не можна порівнювати між корпусами. Тому необхідно визначити відповідний статистичний метод, який дає змогу здійснити таке порівняння.
4.1. Ручне очищення даних
І попередній, і поточний етапи нашого аналізу ґрунтуються на вручну очищених даних. На важливість цього кропіткого й часозатратного процесу вказували кілька дослідників. Evert і Lüdeling стверджували (і довели), що це необхідна передумова якісного статистичного оцінювання, а не лише у разі застосування складніших показників (2001: 168). Ручне очищення важливе з трьох причин; перша зумовлена природою корпусних даних. Передусім корпусні дані зазвичай містять чималу частку друкарських помилок, особливо серед низькочастотних лем. По-друге, у корпусах трапляються орфографічні помилки, особливо часто — у словах латинського походження. По-третє, потрібно було об’єднати леми із суфіксом X, що відрізняються лише вживанням або невживанням дефіса, а також леми з великою та малою першою літерою (які не є власними назвами), розрізнювані автоматичною лематизацією, застосованою в межах проєкту SNC. Результати цього етапу ручного очищення наведено в Table 5: середня частка гапаксів серед аналізованих суфіксів становить від 24 до 30% загальної кількості лем із відповідним суфіксом. Однак у юридичних текстах для суфікса -itný залишилося менш як 5% лем (можливих неологізмів), тоді як для суфікса -órny у релігійних і загальнонаукових текстах, а також для суфікса -ózny в економічних текстах і, що дивно, у текстах еталонного корпусу залишилося 40% або більше. Ці частки можуть свідчити про (не)продуктивність відповідного корпусу. Як стверджують Baayen і співавтори, кількість гапаксів у продуктивних елементів може сягати половини спостережуваного обсягу словника в «достатньо великому корпусі» (1999: 11).
Друга причина ручного очищення полягала у фільтруванні отриманих корпусних даних, щоб сформувати списки неологізмів з аналізованими суфіксами. Тому ми вилучили леми, які 1) випадково містять ту саму послідовність символів, що й аналізовані суфікси; 2) можна знайти в загальних словацьких словниках і у Dictionary of Foreign Words8, тобто.
8 Ми скористалися інтегрованим пошуковим інструментом словникового порталу https://slovnik.juls.savba.sk/.
Terminologija | 2021 | 28
65
Page 13
Таблиця 5. Частка гапаксів (потенційних неологізмів) у певному (під)корпусі після першого етапу ручного очищення
ЧАСТКА ГАПАКСІВ ІЗ ПЕВНИМ СУФІКСОМ ПІСЛЯ ПЕРШОГО ЕТАПУ РУЧНОГО ОЧИЩЕННЯ
суфікс
медичний підкорпус
юридичний підкорпус
релігійний корпус
науковий підкорпус
економічний корпус
референтний 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%
отже, це не неологізми; 3) були знайдені у двох найоб’ємніших корпусах SNC9 — ці леми мали траплятися принаймні в одному з них три або більше разів за умови, що ці випадки вживання походили з трьох різних джерел і трьох різних років. Цей останній принцип фільтрування було запроваджено з огляду на те, що досліджувані нами слова з одним із аналізованих суфіксів зазвичай є термінами спеціалізованих галузей, а актуальних спеціалізованих словників словацької мови бракує. Слід визнати, що отримані списки лем містять лише потенційні неологізми. Результати наведено у стовпцях під назвою Частка потенційних неологізмів серед гапаксів у таблицях 6 і 7. Порівняно з таблицею 5 частка потенційних неологізмів значно зменшилася.
4.2. Неологізми в низькочастотних лемах
Щоб відповісти на перше дослідницьке запитання, ми застосували ту саму процедуру фільтрування, що й для списку гапаксів. У таблицях 6 і 7 наведено частки потенційних неологізмів серед низькочастотних лем, які трапляються 4–2 рази в (під)корпусах (обчислені від загальної кількості лем із певним суфіксом, див. таблицю 3), а поруч — частки потенційних неологізмів у групі гапаксів.
Хоча частка потенційних неологізмів дещо зростає в спеціалізованих та академічних текстах для кожного аналізованого суфікса, завдяки включенню
9Наразі ці корпуси є найбільшими в межах проєкту SNC: загальний корпус prim-9.0-juls-all і юридичний корпус legal-1.1.
66
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 14
потенційних неологізмів із групи низькочастотних лем, частка потенційних неологізмів у корпусі-еталоні зросла лише незначною мірою для чотирьох суфіксів, тоді як відсоток п’ятого — -órny — залишився незмінним. Такої ситуації можна було очікувати, оскільки новотвори з аналізованими суфіксами ймовірніше з’являються у спеціалізованих текстах.
Таблиця 6. Частка потенційних неологізмів у групі низькочастотних лем (4–1 вживань) і в групі гапаксів від загальної кількості типів після очищення в загальному корпусі та загальному науковому підкорпусі
СУФІКС
КОРПУС-ЕТАЛОН
НАУКОВИЙ ПІДКОРПУС
Частка потенційних неологізмів у низькочастотних лемах (4–1)
Частка потенційних неологізмів серед гапаксів
Частка потенційних неологізмів у низькочастотних лемах (4–1)
Частка потенційних неологізмів серед гапаксів
-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%
Щодо потенційних неологізмів, специфічних для певної сфери, то, як і в науковому підкорпусі, найвищий відсоток спостерігається в економічному корпусі, де суфікс -itný становить аж 35% потенційних неологізмів. Частка решти суфіксів у цьому корпусі сягає приблизно 25% потенційних неологізмів серед низькочастотних лем. З іншого боку, найнижчий відсоток потенційних неологізмів виявлено в юридичних текстах. Варто також згадати випадки, коли включення групи низькочастотних лем подвоїло відсоток: для -órny у медичних текстах, -árny у юридичних текстах і -itný у релігійних текстах. Водночас не дивно, що суфікс -ózny посідає перше місце в медичних текстах, адже це прототипово медичний суфікс. Однак майже такий самий відсоток потенційно нових лем із -ózny виявлено в економічних текстах. Для суфікса -itný у медичних і юридичних текстах, а також для суфікса -órny у юридичних текстах приросту потенційних неологізмів не було.
Terminologija | 2021 | 28 67
Page 15
Таблиця 7. Частка потенційних неологізмів у групі низькочастотних лем (4–1 випадки вживання) та групі гапаксів від загальної кількості типів після очищення в спеціалізованих текстах чотирьох сфер
СУФ–ФІКС | МЕДИЧНИЙ ПІДКОРПУС | ЮРИДИЧНИЙ ПІДКОРПУС | РЕЛІГІЙНИЙ КОРПУС | ЕКОНОМІЧНИЙ КОРПУС Частка потенційних неологізмів у низькочастотних лемах (4–1) | Частка потенційних неологізмів у гапаксах | Частка потенційних неологізмів у низькочастотних лемах (4–1) | Частка потенційних неологізмів у гапаксах | Частка потенційних неологізмів у низькочастотних лемах (4–1) | Частка потенційних неологізмів у гапаксах | Частка потенційних неологізмів у низькочастотних лемах (4–1) | Частка потенційних неологізмів у гапаксах -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 кращої зрозумілості ми також додаємо ще одну таблицю, у якій наведено відсотки потенційних неологізмів у групі низькочастотних лем.
Таблиця 8. Відсоткова різниця між групою низькочастотних лем (4–1 випадки вживання) та групою гапаксів серед загальної кількості типів після очищення
Нарешті, в останній таблиці наведено ранжування суфіксів у відповідних (під)корпусах за повторного застосування адаптованої формули з попереднього етапу — частка низькочастотних лем із певним суфіксом / кількість типів із
68
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 16
Таблиця 9. Відмінність у співвідношенні потенційних неологізмів між групою низькочастотних лем (4–1 вживання) та кількістю типів. Ранжування суфіксів, виділених жирним шрифтом, змінилося порівняно з таблицею 4
певного суфікса. Порівняно з таблицею 4 ранжування змінилося в усіх (під)корпусах, окрім еталонного корпусу. Отже, схоже, що врахування низькочастотних лем виявилося доцільним.
Суфікс -órny є найпродуктивнішим у двох корпусах (порівняно з трьома в таблиці 4), тоді як -ózny залишився на вершині двох рейтингів, а -itný — на вершині рейтингу в економічному корпусі. У юридичному корпусі найпродуктивнішим, схоже, є суфікс -árny, водночас цей самий суфікс є найменш продуктивним у медичних та економічних текстах. Останнє місце в рейтингах продуктивності посідає суфікс -órny як в еталонному корпусі, так і в медичних текстах, суфікс -ózny — у загальнонаукових текстах, а суфікс -itný залишився найменш продуктивним у юридичному та релігійному корпусах.
5. ПОРІВНЯННЯ ПРОДУКТИВНОСТІ В РІЗНИХ (ПІД)КОРПУСАХ
Як ми зазначили в частині 3.1, статистичні показники, що використовують абсолютні частоти та підрахунки типів, не дозволили нам порівняти попередні результати, отримані на основі різних (під)корпусів. Якщо ми погоджуємося з твердженням, точніше гіпотезою, що продуктивність будь-якого словотвірного елемента або
Terminologija | 2021 | 28
69
Page 17
моделі можна визначити за новотворами (і водночас у частині 4.2 ми довели, що ці новотвори можуть траплятися не лише в групах гапаксів, а й серед низькочастотних типів), подальший аналіз можна спирати на розподіли частот слів і частотні спектри. Під «частотним спектром» ми розуміємо список, у якому зазначено, скільки типів зі списку частот можна спостерігати (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 такого статистичного моделювання Baayen у 2001 році запровадив так звані розподіли LNRE10. Перевага цих спеціалізованих моделей полягає в можливості екстраполювати статистику типів і слововживань із певної вибірки на більшу кількість слововживань і таким чином оцінювати потенційні неологізми поза межами цієї вибірки. Вони ґрунтуються на прогнозованих обсягах словника, отриманих шляхом підрахунку низькочастотних типів у корпусі.
Одним із результатів цього моделювання є криві зростання словника, або, точніше, криві зростання типів і слововживань, які показують кількість типів як функцію від кількості слововживань. Типова форма такої кривої для непродуктивного процесу починається зі зростання, але потім вона «вирівнюється й наближається до сталого значення — повного обсягу словника» (2001: 168). Натомість типовій продуктивній моделі властивий нескінченний словник, тобто крива, здається, зростає безмежно.
Використовуючи розподіли LNRE, можна оцінити кількість типів у більших обсягах тексту і навіть кількість типів
10 Теорія LNRE (теорія великої кількості рідкісних подій як окрема галузь статистики) бере початок у 1988 році, коли грузинський статистик Estate Khmaladze опублікував The statistical analysis of a large number of rare events. Як написав його учень Giorgi Kvizhinadze: «Спільною рисою прикладів, які ми наведемо нижче, є те, що поряд із кількома частими подіями існує також дуже велика кількість дуже рідкісних подій, скажімо, з частотою 0, 1 або 2. Загальна кількість цих рідкісних подій порівняно з кількістю спостережень зазвичай невелика, але кількість таких подій серед усіх різних спостережуваних подій завжди дуже значна. Ці рідкісні події зазвичай дуже важливі. Наприклад, кількість слів, ужитих у книжці лише один раз, може здаватися не надто важливою для цієї книжки, але цілком очевидно, що ці слова абсолютно важливі, оскільки становлять половину словникового запасу автора» (2010).
70
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 18
певної словотвірної моделі в усій «популяції», тобто в мові як такій. Водночас можна оцінити або спрогнозувати кількість типів у вибірках однакового розміру, отриманих із більших корпусів. Як зазначено в частині 4.1, ця статистична процедура також потребує якісних підрахунків типів і слововживань; інакше обчислення оціненого обсягу словника, або кількості типів, буде хибним: замість того, щоб вирівнятися й наблизитися до сталої величини, крива може продовжувати зростати.
5.1. Розподіли LNRE
Ми вирішили застосувати моделі LNRE, щоб визначити11 продуктивність у корпусах різного обсягу, частково з огляду на те, що у відкритому доступі є онлайн-інструмент ZipfR, розроблений Evert і Marco Baroni (2007). Цей інструмент із відкритим кодом містить кілька моделей; ми використали скінченну модель Ципфа—Мандельброта (fZM), засновану на законі Ципфа—Мандельброта12. Як зазначають автори, її застосування виходить за межі лінгвістики. ZipfR підтримує кілька форматів вхідних даних, зокрема прості частотні списки та текстові вибірки у форматі «один токен на рядок». Ми могли використати частотні списки з нашого попереднього дослідження, які пройшли ручне очищення на етапі 1st (пор. частину 4.1); це було ще однією перевагою цього методу.
Наші частотні списки пройшли 4 базові операції (Evert, Baroni 2007):
(i) оцінювання параметрів, під час якого параметри моделі LNRE M визначаються за навчальною вибіркою обсягу шляхом порівняння очікуваного спектра частот зі спостережуваним спектром частот;
(ii) оцінювання відповідності моделі даним на основі коваріаційної матриці кількості типів і кількості типів, що трапляються рівно m разів;
(iii) інтерполяція та екстраполяція зростання словника з використанням очікуваних значень;
(iv) прогнозування очікуваного спектра частот для довільного обсягу вибірки.
Як зазначили Evert і Baroni (2007), це моделювання зосереджується не на частотах окремих словоформ, «а радше на розподілі таких частот (у вибірці) та ймовірностей (у популяції)».
11Ми хотіли б подякувати нашому колезі Ján Mášik за неоціненну допомогу в забезпеченні реалізації моделі fZM для корпусних даних.
12Докладний опис закону Ципфа—Мандельброта можна знайти, наприклад, у Baroni 2009.
Terminologija | 2021 | 28 71
Page 19
5.2. Застосування розподілів LNRE та оцінювання
Інструмент ZipfR надав нам частотні спектри слів і криві «тип—слововживання» для кожного суфікса в кожному (під)корпусі. Через брак місця ми подаємо лише графіки з кривими «тип—слововживання», масштаб осі x на яких було вирівняно. Масштаб осі y відрізняється, оскільки він залежить від фактичної кількості типів для конкретного суфікса в певному (під)корпусі та відображає її. Пропонуємо порівняти пари графіків і зрештою оцінити продуктивність суфіксів на матеріалі наших корпусів.
На осі x показано кількість слововживань, тоді як на осі y — (очікувану) кількість різних типів, утворених словотвірною моделлю з одним із аналізованих суфіксів.
В обох корпусах — референтному та науковому — суфікси розташовані в однаковому порядку: на першому місці суфікс -álny, а на останньому — -órny. У референтному корпусі криві трьох суфіксів -álny, -árny, -ózny зростають, що свідчить про їхню продуктивність, тоді як криві суфікса -itný і, особливо, -órny вирівнюються. У науковому підкорпусі продуктивними можна вважати два суфікси: -álny і -árny. Криві трьох решти (-ózny, -itný, -órny) зростають дуже повільно, але наприкінці показаного на графіку діапазону осі x мають тенденцію до вирівнювання.
На графіках медичного підкорпусу та юридичного корпусу видно лише один продуктивний суфікс: -álny13. У медичному підкорпусі криві обох суфіксів — -árny і -ózny — дуже швидко вирівнюються (можливо, вони досягають максимального обсягу словника), а криві -itný і -órny зростають повільно, але стабільно: вони перетинають позначку 100 типів і, можливо, вирівнюються нижче позначки 200 типів.
У юридичних текстах суфікс -álny наближається до позначки 350 типів, тоді як у медичних текстах — до позначки 800 типів (пор. масштаб осі y). Однак у юридичному корпусі порядок дещо відрізняється: суфікс -itný посідає третє місце, випереджаючи суфікс -ózny, який, судячи з кривої, що проходить майже паралельно осі x, практично зовсім непродуктивний. Останній суфікс -órny зростає дуже повільно, після чого його крива має тенденцію до вирівнювання.
Хоча графік релігійного корпусу показує три продуктивні суфікси -álny, -árny та -ózny, варто зазначити, що в економічних текстах продуктивними, схоже, є всі 5 аналізованих суфіксів. Порядок суфіксів в обох корпусах залишається однаковим.
13 На цих двох графіках відсутня інтерполяційна крива для суфікса -álny. Це пов’язано з коригуванням і уніфікацією масштабу осі x для всіх (під)корпусів, що унеможливило побудову такого типу кривої.
7 2
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 20
Рис. 1. Криві зростання словникового складу досліджуваних суфіксів у референтному корпусі
Рис. 2. Криві зростання словникового складу досліджуваних суфіксів у науковому підкорпусі
Рис. 3. Криві зростання словникового складу досліджуваних суфіксів у медичному корпусі
Рис. 4. Криві зростання словникового складу досліджуваних суфіксів у юридичному корпусі
У релігійному корпусі обидві криві суфіксів –itný і –órny вирівнюються значно нижче позначки у 100 типів.
Підсумовуючи наведені вище результати щодо продуктивності досліджуваних суфіксів у корпусних даних, можна стверджувати, що найпродуктивнішим суфіксом є –álny, який посідає перше місце в усіх (під)корпусах. Його продуктивність, схоже, найвища в підкорпусі наукових та академічних текстів і в медичному підкорпусі, далі йде референтний корпус (крива наближається до позначки у 700 типів), релігійний
Terminologija | 2021 | 28
73
Page 21
Рис. 5. Криві зростання словникового складу досліджуваних суфіксів у релігійному корпусі
Рис. 6. Криві зростання словникового складу досліджуваних суфіксів в економічному корпусі
корпус (крива перетинає позначку у 600 типів), економічний корпус (крива наближається до позначки у 500 типів) і, нарешті, юридичний корпус (у найвищій точці крива сягає майже 350 типів).
Суфікс -árny посідає друге місце й демонструє продуктивність у 4 із 6 (під)корпусів. Форма кривих свідчить про його непродуктивність у юридичних і медичних текстах. Найвища продуктивність цього суфікса спостерігається в підкорпусі наукових та академічних текстів (крива перетинає позначку у 400 типів), далі — у референтному корпусі (крива перетинає позначку у 300 типів), тоді як у релігійних та економічних текстах крива проходить поблизу позначки у 300 типів.
Так само суфікс -ózny, схоже, є продуктивним у 4 із 6 корпусів. Цікаво, що він, судячи з усього, непродуктивний у тих самих (під)корпусах, що й суфікс -árny, — у юридичному та медичному корпусах. Найпродуктивніший він в економічних текстах, де крива значно перевищує позначку у 200 типів, далі — у референтному корпусі, де крива перетинає цю саму позначку; у двох інших корпусах крива або сягає цієї позначки, але, схоже, там вирівнюється (prim-9.0-public-prf), або лише наближається до неї в релігійному корпусі.
Крім того, суфікс -itný, схоже, є продуктивним у 4 із 6 корпусів. Криву, що вирівнюється й указує на непродуктивність, видно на графіках юридичного та релігійного корпусів. Найпродуктивніший він в економічних текстах, де крива значно перевищує позначку у 100 типів, тоді як у трьох інших (під)корпусах вона перетинає цю позначку й залишається нижче.
74
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 22
Останній у рейтингу суфікс -órny також є продуктивним у 4 із 6 корпусів. Його непродуктивність виявлено в еталонному та релігійному корпусах. Найвищу продуктивність він має в медичних та економічних текстах, де крива перетинає позначку 100 типів; в академічних і наукових текстах крива проходить близько до цієї позначки, а в юридичних текстах ледь перетинає позначку 25 типів.
Підсумовуючи, можна сказати, що аналізовані суфікси найпродуктивніші в наукових та академічних текстах або в текстах спеціалізованої галузі (економіки чи медицини), що не дивує з огляду на їхню етимологію. Їхня продуктивність, точніше її ступінь, суттєво різниться в різних (під)корпусах. Мабуть, найцікавішим спостереженням є непродуктивність трьох суфіксів у юридичній галузі та найнижча продуктивність решти двох суфіксів у тій самій галузі. Це може свідчити про те, що юридичні тексти не сприяють лексичній творчості під час творення нових прикметників такого типу.
Порівняно з частиною 4, відмінність у рейтингу суфіксів можна частково пояснити явищем, яке спостерігав Вацлав Цврчек (2012) щодо співвідношення гапаксів і типів. За експериментами Цврчека, це співвідношення має тенденцію знижуватися від максимального значення 1 до локального мінімуму (там само: 5). Однак після цієї точки співвідношення знову починає зростати. Цврчек стверджує, що це «своєрідний загальний кількісний принцип великих зібрань текстів» (там само: 14). Форма функції співвідношення гапаксів і типів, схоже, приблизно однакова навіть для типологічно різних мов, однак розмір текстової вибірки залежить від типу мови. Щоб досягти мінімального значення співвідношення гапаксів і типів, корпус англійської мови, за твердженням Цврчека, має містити щонайменше 3 мільйони слововживань, тоді як корпус чеської мови (і, на нашу думку, також словацької через типологічну спорідненість цих двох мов) — аж 58 мільйонів слововживань. Оскільки два підкорпуси з нашого аналізу менші за межу, визначену Цврчеком, їхнє співвідношення гапаксів і типів розташоване на спадній ділянці відповідної функції.
6. ВИСНОВОК
У продовженні нашого дослідження, присвяченого продуктивності вибраних суфіксів у різних корпусах і галузях, нам вдалося відповісти на обидва запитання, поставлені в частині 4.
1. Нам вдалося довести, що серед низькочастотних лем, вилучених із корпусу, є також потенційні неологізми, і, хоча їхній розподіл
Terminologija | 2021 | 28
75
Page 23
може різнитися в корпусних даних, вони здатні змінювати рейтинг продуктивності, визначений за формулою гапаксів/типів.
2. Ми визначили й застосували статистичне моделювання для оцінювання продуктивності в різних корпусах — розподіли LNRE. Завантаживши дані нашого корпусу до інструмента з відкритим вихідним кодом, ми отримали візуальну модель продуктивності, яка дала змогу стверджувати, що продуктивність аналізованих суфіксів відрізняється не лише під час порівняння загальних і наукових текстів, а й між різними спеціалізованими галузями. Ми вважаємо, що моделювання чітко демонструє реальний потенціал кожного з аналізованих суфіксів утворювати нові типи у відповідній галузі.
Однак результати й рейтинги з частин 4 і 5 цієї статті радше не можна безпосередньо порівнювати між собою, оскільки перші ґрунтуються безпосередньо на необроблених даних — кількості типів і гапаксів або низькочастотних типів у конкретному (під)корпусі, — тоді як другі ґрунтуються на очікуваних частотних спектрах для кожного (під)корпусу. Коротко кажучи, перші відображають фактичні дані, а другі мають на меті оцінити продуктивність елемента в конкретній мові як такій. Тому в більших корпусах медичних і юридичних текстів ми мали б виявити більше гапаксів, що могло б призвести до іншого рейтингу суфіксів. Наші припущення зрештою можна було б перевірити в майбутніх дослідженнях, проаналізувавши об’ємніші корпуси, які містять репрезентативну вибірку відповідних типів текстів для конкретних галузей, адже жанри текстів також можуть відігравати роль у морфологічній продуктивності елемента.
Зважаючи на те, що навіть найбільший корпус не міститиме всіх слів, ми вважаємо доцільнішим оцінювати морфологічну продуктивність будь-якого елемента за допомогою складніших методів, а не простого підрахунку типів чи слововживань.
Підсумовуючи, можна сказати, що ми здатні визначити минулу продуктивність словотвірної моделі або елемента. Ми також можемо надати різні оцінки його майбутнього використання, тобто потенційної продуктивності за Бааєном. Крім того, навіть доповнюючи статистичні показники якісним аналізом, ми маємо враховувати ще один факт: як слушно зазначає Fernández-Domínguez, імовірнісні прогнози морфологічної продуктивності слід розглядати в контексті позамовних чинників і, зокрема, тих, що пов’язані з потребами мовної спільноти в найменуванні. «Якщо потреби в найменуванні немає, продуктивне словотворення неможливе» (Fernández-Domínguez 2013: 438).
76
Jana Levická
Usage and Empirical Productivity of International Adjectival Suffixes in Slovak Revisited
Page 24
ПОДЯКИ
Статтю написано в межах проєкту «Словацький національний корпус», який підтримують Словацька академія наук, Міністерство освіти, науки, досліджень і спорту Словацької Республіки, Міністерство культури Словацької Республіки та Інститут мовознавства імені Людовіта Штура Словацької академії наук.
СПИСОК ДЖЕРЕЛ
Slovenský národný korpus. Korpus prim-7.0-frk. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2018. Доступно за адресою: https://korpus.sk.
Slovenský národný korpus. Korpus prim-9.0-public-prf. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Доступно за адресою: https://korpus.sk.
Slovenský národný korpus. Korpus prim-9.0-juls-all. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2020. Доступно за адресою: https://korpus.sk.
Slovenský národný korpus. Korpus legal-1.1. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2013. Доступно за адресою: https://korpus.sk.
Slovenský národný korpus. Korpus blf-2.0. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2014. Доступно за адресою: https://korpus.sk.
Slovenský národný korpus. Korpus ecn-2.0-public. Bratislava: Jazykovedný ústav Ľ. Štúra SAV 2016. Доступно за адресою: https://korpus.sk.
Словниковий портал Інституту мовознавства імені Ľ. Štúra Словацької академії наук https://slovnik.juls.savba.sk/.
Пакет ZipfR. Доступно за адресою: 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
