Extracting Lexical Units for Identifying Specialized Semantic Frames

doi.org/10.35321/term26-04 Extrakce lexikálních jednotek pro identifikaci specializovaných sémantických rámců1 ANA OSTROŠKI ANIĆ Ústav chorvatského jazyka a lingvistiky MAJA LONČAR Ústav chorvatského jazyka a lingvistiky MARTINA PAVIĆ Ústav chorvatského jazyka a lingvistiky A B S T R A K T Článek pojednává o myšlence využití paralelních korpusů k extrakci terminologických jednotek sloužících k identifikaci sémantických rámců letectví jako prvního kroku při vývoji metody určování specializovaných sémantických rámců. Nejprve je popsán postup sestavení paralelního korpusu textů převzatých z databáze Eur-Lex s využitím nástrojů Sketch Engine. Následně je představena metodika extrakce kandidátů na termíny a jejich ručního ověřování, jakož i postup extrakce a ověřování relevantních sloves. Jsou diskutovány výsledky ověřování termínů se zaměřením na úlohu sloves a slovesných kolokací při identifikaci příslušných sémantických rámců a prvků rámce. KLÍČOVÁ SLOVA: letecká terminologie, anglicko-chorvatský korpus, sémantické rámce, specializované znalosti, terminologie. A N O T A C E Článek pojednává o tom, jak lze paralelní korpusy využít k výběru terminologických jednotek používaných k identifikaci sémantických rámců v letectví. Jde o první krok při vývoji metody určování specializovaných sémantických rámců. Nejprve je popsáno sestavení paralelního souboru textů z databáze Eur-Lex s využitím nástrojů Sketch Engine. Následně jsou představeny metody získávání kandidátů na termíny a jejich ručního ověřování a také 1 Tento článek vychází z přednášky „Od paralelních korpusů ke specializovaným sémantickým rámcům“, přednesené na 3. mezinárodní konferenci o terminologii Vědecké, správní a vzdělávací dimenze terminologie ve Vilniusu ve dnech 17.–18. října 2019. Tuto práci plně podpořila Chorvatská vědecká nadace v rámci projektu HRZZ-UIP-2017-05-7169. Terminologija | 2019 | 26 73 proces získávání a ověřování vhodných sloves. Při rozboru výsledků ověřování termínů je zvláštní pozornost věnována úloze sloves a slovních spojení; určují se vhodné sémantické rámce a jejich prvky. KLÍČOVÁ SLOVA: letecká terminologie, anglicko-chorvatský korpus, sémantické rámce, specializované znalosti, terminologie. ÚVOD There have been numerous applications of the theory of Frame Semantics (Fillmore 1976, 1982) in lexicography and computational linguistics, most known of which is certainly the lexical knowledge database FrameNet (Fillmore et al. 2003; Ruppenhofer et al. 2017). The work on mapping relations between syntax and semantics, which FrameNet essentially is, has not only inspired similar projects concerning other languages besides English, but has also paved the way for research on specialized knowledge and the organization of specialized knowledge categories based on semantic frames. Regardless of whether they adhere to FrameNet’s methodology closely or they apply a modified approach to identifying and delineating semantic frames as types of categories, the projects created around building resources designed for specialized knowledge communities needed to take into account the specifics of terminology and the context of languages for specific purposes as opposed to general language and its use (Faber et al. 2006; 2009; L’Homme 2012). Pro chorvatštinu dosud nebyl vytvořen lexikální zdroj, který by zcela vycházel z metodologie a sémantického inventáře FrameNetu. Některé sémantické rámce byly definovány jako součást rozsáhlejší databáze pojmových metafor v chorvatštině (Despot et al. 2019). Databáze sémantických rámců v letectví, která vzniká v rámci výzkumného projektu Dynamika kategorií specializovaných znalostí (DIKA, ihjj.hr/dika), je však prvním pokusem o vytvoření takové specializované databáze pro chorvatštinu. Projekt se zabývá popisem pojmové a jazykové roviny kategorií specializovaných znalostí v dynamické povaze sémantických rámců. Klíčovým výstupem projektu je vícejazyčná terminologická databáze, v níž je letecká terminologie vymezena pomocí sémantických rámců zahrnujících rámcové prvky, pojmové vztahy a obrazné i frazeologické terminologické jednotky. Pro účely sémantické a syntaktické analýzy byl sestaven paralelní korpus anglických a chorvatských textů z oblasti letového provozu, který bude sloužit jako 74 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames východisko pro extrakci a analýzu termínů. Jako nejreprezentativnější aspekt rozsáhlého a interdisciplinárního oboru letectví byla zvolena podoblast letového provozu. Tento článek pojednává o možnosti využít paralelní korpusy k extrakci terminologických jednotek vztahujících se ke konkrétním sémantickým rámcům v letectví. Jde o první krok při vývoji metody určování sémantických rámců a jejich pojmových vztahů v oblasti letectví. Přestože jsou paralelní korpusy již dlouho uznávány jako neocenitelný zdroj kandidátů na termíny pro tvorbu různých specializovaných zdrojů (Vintar 2000), v aplikovaném výzkumu vycházejícím z rámcové sémantiky se dosud využívaly jen v malé míře.2 Nejprve je popsáno sestavení paralelního korpusu textů z databáze Eur-Lex pomocí nástrojů Sketch Engine. Dále je představena metodologie získávání kandidátů na termíny a jejich ručního ověřování, jakož i postup získávání a ověřování relevantních sloves. Výsledky ověřování termínů jsou představeny a komentovány; následuje diskuse o možném využití sloves a slovesných kolokací při identifikaci relevantních sémantických rámců a rámcových prvků v oblasti letectví.3 1. TEORETICKÉ POZADÍ V současných komunitách terminologů a odborného jazyka se zdroje odborných znalostí již nevytvářejí pouze na základě popisu hierarchických vztahů, protože se má za to, že tyto vztahy neodrážejí dynamickou povahu kategorií znalostí (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Navíc se zdá, že formální rozlišení mezi slovníkem a lexikonem, na němž je založena celá tradiční terminografie, se setřelo, neboť stále více odborných zdrojů využívá metody sestavování a prezentace znalostí, které se jinak používají při tvorbě zdrojů obecného jazyka (L’Homme et al. 2016; L’Homme 2018). Lexikální a sémantické zdroje založené na předpokladech rámcové sémantiky definují znalosti prostřednictvím sémantických rámců jako typu dynamických kategorií tvořených složitými prvky a vzájemnými vztahy. Každý sémantický rámec je definován jako typ události nebo stavu s účastníky, kteří se nazývají rámcové elementy (FEs). Sémantické rámce vyvolávají 2 Paralelní korpusy by jistě mohly plně rozvinout svůj potenciál při vytváření vícejazyčných lexikálních úložišť založených na sémantických rámcích (Boas 2005). 3 Děkujeme anonymním recenzentům za jejich neocenitelné připomínky a návrhy. Terminologija | 2019 | 26 75 lexikální jednotky, tj. slova v běžném jazyce nebo termíny v odborných znalostech, které realizují rámcové elementy. Základním kritériem pro odlišení jednoho rámce od druhého je, že všechny lexikální jednotky by měly „vyvolávat stejný typ události a sdílet stejný inventář a uspořádání rámcových elementů“ (Ruppenhofer et al. 2017: 384–385). Tento způsob vymezení rozsahu sémantických rámců a jejich definic lze však považovat za svévolný, protože nevyžaduje předchozí „přehled“ dostupných lexikálních dat. Vzhledem k tomu, že mnohé rámce mají podobu scénáře, jejich popis obvykle začíná výběrem příslušných sloves (Ruppenhofer et al. 2010), k nimž se na základě anotace příkladů získaných z korpusu doplňují vhodná argumentová vyjádření. Ačkoli jsou lexikální jednotky a rámcové elementy definovány podle analyzovaných korpusových dat, sémantické rámce se přesto většinou určují a pojmenovávají intuitivně. Při identifikaci sémantických rámců určité odborné domény by bylo vhodnější nejprve vymezit rozsah definovaných znalostí; v terminologické práci se tak děje prostřednictvím identifikace klíčových pojmů a pojmových vztahů v dané doméně. Terminologický výzkum v posledních dvou desetiletích pozorně sledoval vývoj v lingvistice a přesunul své teoretické zaměření k analýze procesů a událostí jako dynamičtějších struktur odborných znalostí. Proto se ukázalo, že predikativní termíny (slovesa, přídavná jména, příslovce a některá podstatná jména) často označují klíčové pojmy terminologie určité domény (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Například termíny komunikovat, létat, vzlétnout a přepravovat se obvykle vyskytují v oblasti letectví, stejně jako termíny označující řadu postupů, které ontologicky vymezujeme jako procesy nebo činnosti. Ačkoli je pojem terminologičnosti mezi terminology poměrně dobře chápán, pokud jde o určování pojmové úrovně termínů, kritéria pro výběr typů lexikálních jednotek, které mají být do terminologického zdroje zahrnuty jako termíny, se stále liší v závislosti na analyzovaném oboru a uplatňovaném teoretickém rámci. Kritéria pro vymezení typů sloves nesoucích odborný význam, která navrhl L’Homme (1998, 2015), jsou v terminologické literatuře nejčastěji citována spolu s Lorenteové kritérii a její typologií sloves v odborném diskurzu (2002, 2007). L’Homme rozlišuje v odborných textech tři typy sloves: slovesa specifická pro určitý obor (např. přistát, vzlétnout), slovesa, která v daném oboru získávají odborný význam (např. provozovat), a slovesa obecného jazyka 76 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames jazyka.4 Slovesa patřící k prvnímu a druhému typu lze označit jako termíny, avšak slovesa druhého typu představují pro terminologickou analýzu zajímavější skupinu, protože existují případy, kdy není zřejmé, zda se jejich význam dostatečně liší od kanonického či výchozího obecného slovníkového významu slovesa. Kritéria pro rozhodování o tom, zda sloveso v daném kontextu nabývá nového, specializovaného významu, je ještě třeba přesněji definovat. Kritéria pro rozhodování, zda lze sloveso klasifikovat jako termín, závisí podle L’Homme (1998, 2015) na jeho argumentech a na jeho morfologickém a sémantickém vztahu k lexikálním jednotkám téhož významu, které jsou definovány jako termíny. Stručně řečeno, má-li sloveso argumenty definované jako termíny, je pravděpodobné, že samo je termínem, jako ve větě Pilot řídí vrtulník. Také je-li podstatné jméno takeoff definováno jako termín, mělo by být jako termín definováno také sloveso take off. Tato kritéria jsme uplatnili při analýze extrahovaných sloves, o níž pojednává oddíl 4. 2. M E T O D Y Pro vytvoření validní metodologie identifikace specializovaných sémantických rámců bylo třeba podniknout několik kroků. Nejprve byl vytvořen paralelní anglicko-chorvatský korpus. Druhá fáze zahrnovala extrakci termínů a validaci seznamů kandidátů na termíny. Třetí krok zahrnoval extrakci seznamu sloves a analýzu jejich kolokací nesoucích specializovaný význam. 2.1. Sestavení korpusu Korpus je sestaven z adresáře právních aktů Evropské unie, kapitoly Dopravní politika, podkapitoly Letecká doprava, v angličtině a chorvatštině. Z 220 dokumentů podkapitoly Letecká doprava bylo vybráno 178 právních aktů, které mají verze v obou jazycích (angličtině i chorvatštině). Texty jsou staženy z databáze EUR-Lex,5 a vloženy do modulu Sketch Engine pro sestavování korpusu.6 Nejjednodušší způsob, jak vytvořit paralelní korpus v systému Sketch Engine, je nahrát data 4 L’Homme (2015) further classifies general language verbs into support verbs (after Lerat 2002) and discursive verbs (following Lorente and her classification from 2002). See Pimentel (2017) for a recent elaboration of these two approaches to typology of verbs in specialized texts. 5 Dostupné na adrese: https://eur-lex.europa.eu/browse/directories/legislation.html [přístup 05.09.2019]. 6 Dostupné na adrese: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [přístup 05.09.2019]. Terminologija | 2019 | 26 77 v tabulkovém formátu, například v tabulkovém procesoru (Excel). Tabulky musí v prvním řádku obsahovat názvy jazyků a poté vedle sebe zarovnané segmenty (slova, věty nebo odstavce). Každý dokument (právní akt) byl zpracován tak, aby vznikl jeden sloupec pro každý jazyk. Za tímto účelem byly z dokumentů odstraněny odrážky a číslování, stejně jako číselné části tabulek. Každý jazyk ve zdrojovém souboru byl zpracován jako samostatný jednojazyčný korpus a zarovnán s odpovídajícím korpusem v druhém jazyce. Tabulka 1. Velikost paralelního anglicko-chorvatského korpusu ANGLIČTINA CHORVATŠTINA ANGLIČTINA CHORVATŠTINA Tokeny 1,151,297 1,059,406 Věty 72,045 75,638 Slova 951,156 855,560 Dokumenty 178 178 Kromě extrakce nejčastějších jednoslovných a víceslovných termínů používaných jako kandidáti na prvky sémantických rámců lze korpus využít také k extrakci termínů, definic a příkladů jazykového kontextu, které budou zařazeny do terminologické databáze AirFrame. Korpus poslouží také k analýze syntaktické roviny termínů, tj. jejich kolokací, frazeologických vztahů a predikátově-argumentových konstrukcí. 2.2. Extrakce termínů a jejich ověřování Pro každý jazyk byla provedena automatická extrakce termínů s možností získat seznam 1000 jednoslovných a víceslovných klíčových slov. Korpus EUR-Lex English 2/2016 byl použit jako referenční korpus pro extrakci kandidátů na jednoslovné termíny v angličtině, zatímco jako referenční korpus pro extrakci kandidátů na víceslovné termíny byl použit English Web 2013. Pro extrakci termínů v chorvatštině byly dostupné obdobné možnosti. Korpus EUR-Lex Croatian 2/2016 sloužil jako referenční korpus pro extrakci relevantnějších kandidátů na jednoslovné termíny, avšak tuto možnost nebylo možné využít při extrakci víceslovných klíčových slov. Místo něj byl proto použit chorvatský korpus Web hrWaC 2.2. Pro ověření spolehlivosti této metody bylo ručně ověřeno prvních 100 kandidátů na termíny ze seznamu anglických víceslovných termínů. Po kontrole jejich konkordancí bylo ze 100 kandidátů na termíny 70 uznáno za platné termíny terminologem s rozsáhlými zkušenostmi v 78 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames letecké terminologii. Seznam anglických klíčových slov (neboli jednoslovných termínů) sestával převážně z leteckých zkratek a několika klíčových leteckých termínů. Následně byla provedena manuální analýza a ověření termínů v obou seznamech kandidátů na termíny získaných pro angličtinu i chorvatštinu. Proces ověřování se skládal ze dvou fází: 1. odstranění všech zkratek a zjevných slov a kolokací obecného jazyka; a 2. analýzy konkordancí zbývajících termínů s cílem ověřit, zda se skutečně jedná o letecké termíny. Zkratky se v letectví běžně používají jako termíny, takže jejich nezařazení do leteckého slovníku či glosáře by bylo považováno za nedostatečné zachycení používané letecké terminologie. Protože jsme však chtěli sestavit seznam termínů či víceslovných konstrukcí, které by mohly sloužit k pojmenování prvků sémantických rámců v letectví, zkratky jako lexikální náhrady úplných termínů zde nebyly považovány za plnohodnotné termíny. Kromě toho nebyl důvod ponechávat zkratky v seznamech chorvatských kandidátů na termíny, protože se v textech používaly jako prvky cizího jazyka. 2.3. Extrakce a analýza sloves Seznamy anglických a chorvatských sloves byly automaticky extrahovány pomocí možnosti Keywords v nástroji Sketch Engine. Slovesa be, have a do nebyla v anglickém korpusu zohledněna, zatímco biti „be“, imati „have“, moći „can“ a morati „must“ byla z analýzy chorvatského korpusu vynechána. Prvních 100 sloves z každého seznamu je poté analyzováno manuálním ověřením jejich slovních skic. Kolokace považované za víceslovné termíny nebo za kolokace relativního významu pro leteckou terminologii na základě jejich četnosti se zapisují do tabulky Excel vedle analyzovaného slovesa. 3. VÝSLEDKY A DISKUSE Manuální ověření jednoslovných a víceslovných anglických a chorvatských kandidátů na termíny přineslo překvapivé výsledky, pokud jde o přesnost a úplnost automatického procesu extrakce v nástroji Sketch Engine. Například po první fázi ověřování termínů zůstalo z 1000 položek pouze 400 jednoslovných chorvatských termínů, které nebyly zkratkami ani slovy obecného jazyka. Konečné seznamy chorvatských termínů obsahují 199 jednoslovných a 455 víceslovných chorvatských termínů. Víceslovných anglických termínů je o něco více, ale ne tolik, kolik by se dalo očekávat. Po analýze zůstalo 664 víceslovných anglických termínů, ale pouze 148 Terminologija | 2019 | 26 79 jednoslovných anglických termínů, což vedlo k velmi slabému výsledku: z původního seznamu víceslovných anglických termínů bylo platných pouze 14,8%. Jak se očekávalo, druhá fáze ověřování termínů přinesla několik problémů týkajících se terminologičnosti kandidátů. Pokud se na seznamu objevil jak podstatný název, tak přídavné jméno označující určitý pojem, ponechal se podstatný název jako prototypičtější realizace termínu.7 To se týkalo spíše chorvatských termínů, protože v angličtině mají podstatné jméno a přídavné jméno často stejnou morfologickou podobu, jak ukazují následující příklady: kabina, kabinski „kabina“, navigacija, navigacijski „navigace, navigační“, helikopter, helikopterski „vrtulník“, identifikacija, identifikacijski „identifikace“. Podobně, pokud se v seznamech objevilo přídavné jméno i příslovce, ponechala se podoba přídavného jména: instrumentalni, instrumentalno „instrumentální“, zatímco při rozdílu mezi slovesem a přídavným jménem se v seznamu zpravidla ponechalo sloveso: certificirati, certificiran „certifikovat, certifikovaný“. Pokud se objevila dvě podstatná jména označující tentýž pojem, ponechala se obě, jestliže jedno označovalo děj a druhé jeho výsledek, jako v případě identifikacija a identificiranje „identifikace“. Zdá se, že v anglických ekvivalentech takové rozlišení neexistuje. Seznamy anglických kandidátů na termíny obsahovaly mnoho informací, které bylo třeba odfiltrovat, například názvy zemí, osobní jména (např. Juncker), slova v jiných cizích jazycích a dokonce i některá funkční slova (např. zájmeno this). Zdá se, že algoritmus pro extrakci klíčových slov a víceslovných termínů rozpoznává jako termíny také cizí prvky, tj. neanglická slova v korpusu. Tomu se dalo předejít vymazáním frází (ve všech jazycích EU), které se obvykle objevují na konci každého dokumentu, ještě před jeho zařazením do korpusu; dospělo se však k závěru, že jednodušší bude tyto fráze následně ignorovat v seznamech kandidátů. Druhá fáze ověřování anglických kandidátů na termíny ukázala, že největším úskalím použitého algoritmu je neschopnost rozlišit dvousložkové a třísložkové víceslovné konstrukce, což je častá chyba mnoha statistických nástrojů pro extrakci termínů. Bound air a simulated engine jsou tedy součástmi větších správných víceslovných termínů bound air cargo a simulated engine failure (na seznamu se objevily obě podoby), stejně jako instrument ground a crew compartment (místo 7 Tento způsob uvažování je bližší tradiční terminologické práci, v níž měla podstatná jména v terminologických slovnících přednost před odpovídajícími přídavnými jmény a slovesy označujícími tentýž pojem (Sager 1990: 58). Obě podoby by však byly zahrnuty jako lexikální jednotky spojené se sémantickým rámcem, který vyvolávají. 80 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames instrument ground time and flight crew compartment). Někteří kandidáti na víceslovné termíny formálně vypadají jako řádné termíny; k označení za nesprávné nebo falešně pozitivní výsledky je však zapotřebí znalostí dané domény, například: visual flight > visual flight rules, providing air traffic > providing air traffic services, investigation authority > safety investigation authority, maximum take-off > maximum take-off mass, secondary surveillance > secondary surveillance radar. Kratší podoby jsou často jednoduše synonymy, jako například controller licence pro air traffic controller licence. Další skupinu falešně pozitivních víceslovných termínů tvoří víceslovné výrazy, které lze označit za výrazy obecného jazyka: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Ačkoli jde o morfosyntakticky správné tvary, neoznačují žádný konkrétní pojem, a proto je nelze považovat za termíny. Po analýze všech seznamů jsme dospěli k velmi malému počtu jednoslovných termínů: 199 chorvatských a 148 anglických. Abychom ověřili, zda byly extrahovány termíny, které lze považovat za označení „klíčových“ pojmů daného oboru, analyzovali jsme slovní skici prvních 10 termínů v každém jazyce. Slovní skici jsou automatické souhrny gramatických a kolokačních vzorců slov odvozené z korpusu a představují vynikající zdroj pro generování velkého počtu kandidátů na termíny v jejich syntaktickém kontextu (Kilgarriff et al. 2014). Kromě typických kolokací přídavné jméno/podstatné jméno (wet-leased aircraft) nebo podstatné jméno/podstatné jméno (aircraft noise, aircraft position) poskytují neocenitelné terminologické informace, užitečné zejména pro terminology a překladatele také slovesné kolokace (operate an aircraft) a předložkové fráze (aircraft entering into). Pro tento účel byl nejrelevantnějším vztahem koordinační vztah mezi cílovým slovem a příbuznými slovy. Jak je vidět na obrázku 1, slova příbuzná ke slovu aircraft jsou occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment a type. Seznam koordinovaných termínů jsme porovnali se seznamem jednoslovných termínů a označili ty, které se vyskytovaly v obou seznamech. Druhým krokem ověřování výsledků bylo porovnání nejčastějších kolokací termínů ve slovních skicách se seznamem víceslovných termínů. Pokud kolokace ze slovní skici (např. aircraft identification nebo aircraft operator na obrázku 1) odpovídaly termínům extrahovaným z korpusu, byly rovněž označeny jako lexikální jednotky, které mají být zahrnuty do popisu sémantického rámce. Terminologija | 2019 | 26 81 Obrázek 1. Slovní skica termínu aircraft Analýza extrahovaných sloves se rovněž skládala ze dvou kroků. Nejprve byla ručně označena specializovaná slovesa neboli slovesa specifická pro letectví, např. fly, land, operate, communicate atd. Druhý krok spočíval v označení sloves, která v kontextu letectví potenciálně nabývají specializovaného významu. Za tímto účelem byly analyzovány slovní skici prvních 100 nejfrekventovanějších sloves a následně byly u relevantních kolokací prověřeny jejich konkordance. Kolokace byly vybírány na základě frekvence, ale všechny měly jako druhý člen letecký termín. Při seřazení podle frekvence v korpusu tvořila největší část sloves slovesa často označovaná jako podpůrná slovesa (Lerat 2002; Pimentel 2012) a frazeologická slovesa (Lorente 2002; 2007).8 Frazeologická slovesa získávají svůj specializovaný význam v syntagmatických jednotkách, v nichž má alespoň jedna terminologická jednotka syntaktickou funkci podmětu nebo předmětu (Pimentel 2012: 87). Slovesa jako provide, ensure, require, refer to, or establish se často vyskytují v legislativním diskurzu, který tvoří anglicko-chorvatský paralelní korpus, avšak to, zda mají zvláštní- 8 Ve své redefinici klasifikace sloves vyskytujících se v odborných textech (2007) Lorente definuje frazeologická slovesa jako slovesa zahrnující slovesa vyskytující se v kolokacích a ustálených frázích, stejně jako podpůrná slovesa. 82 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames ní význam související s letectvím lze posoudit pouze na základě jejich kolokací s dříve extrahovanými leteckými termíny. Jak je vidět na příkladech (1) a (2), ensure a establish zde vystupují jako součásti argumentů, nikoli jako predikáty příslušných vět: (1) „Pojezdová dráha“ je vymezená cesta na pozemním letišti established pro pojíždění letadel, která má zajišťovat spojení mezi jednou částí letiště a jinou. (2) Všechny dokumenty <...> se uchovávají, aby byly poskytnuty informace nezbytné k ensure zachování pokračující letové způsobilosti letadla. (3) Provozující letecký dopravce, který odmítne přepravu nebo zruší let, shall provide každému dotčenému cestujícímu písemné oznámení uvádějící pravidla pro náhradu a pomoc v souladu s nařízením 261/2004. Provide na druhé straně skutečně funguje jako predikát, jehož argumenty jsou letecké termíny, nenese však význam, o němž by se dalo říci, že se liší od jeho kanonického významu. Ačkoli lze s jistotou určit kolokace establish aerodrome a ensure airworthiness (of the aircraft) vyskytující se v příkladech (1) a (2) jako kolokace se specializovaným významem a slovesa establish a ensure jako frazeologická slovesa v odborných textech souvisejících s letectvím, nemůžeme je klasifikovat jako specializovaná slovesa ze dvou důvodů. Zaprvé v těchto větách nejsou predikáty a zadruhé se jejich primární význam v těchto syntagmatických jednotkách nemění. Podpůrná slovesa představují další podkategorii frazeologických sloves, která podle Lorente (2007) nelze ztotožňovat se specializovanými neboli terminologickými slovesy. Lerat (2002) uvádí take (fr. prendre) jako příklad podpůrného slovesa, které se může vyskytovat v kolokacích s termíny, samo však termínem není, jako v kolokaci take the flight (4): (4) Není-li učiněno oznámení v souladu s příslušnými vnitrostátními pravidly, řídící orgán vyvine veškeré přiměřené úsilí, aby poskytl pomoc takovým způsobem, že dotčená osoba bude moci take the flight, na který má rezervaci. Většina extrahovaných sloves se chová stejně, a to jak v angličtině, tak v chorvatštině. Frázové sloveso take off však není pouze slovesem „specifickým pro určitou oblast“ (L’Homme 1998), tj. specifickým pro kontext letectví. Jde o jeden z klíčových termínů v letectví, který se používá stejně často jako jeho odvozenina takeoff: (5) Letadlo pojíždějící po pohybové ploše letiště musí dát přednost letadlům, která taking off nebo se chystají take off. Terminologija | 2019 | 26 83 Pokud jde o frázové sloveso give way, nelze je definovat jako termín pouze na základě kontextu nebo jeho argumentů. Podle jednoho z kritérií L’Hommeové pro určování specializovaných sloves je pravděpodobné, že sloveso je termínem, pokud „jsou jazykové realizace jeho aktantů (tj. argumentů) definovány jako termíny“ (L’Homme 2015: 80). V příkladu (5) jsou oba argumenty skutečně termíny, význam frázového slovesa give way je však stejný jako v obecnějším kontextu. Nebylo by proto opodstatněné označit je za terminologické sloveso v letectví.9 Mezi prvními 100 nejčastějšími slovesy v anglické části paralelního leteckého korpusu lze pouze dvě slovesa považovat za vlastní specializovaná slovesa neboli slovesa specifická pro oblast letectví, operate a fly. Sloveso operate se vyskytuje v řadě kolokací nebo větších syntagmatických jednotek, v nichž často vystupuje v jiných morfosyntaktických funkcích (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating); některé z nich jsou uznávány jako termíny (aerodrome operating minima). Vzhledem k diskurzu textů korpusu se slovesa jako communicate, land, taxi or transfer řadí mezi méně častá slovesa. Mezi prvními 100 nejčastějšími chorvatskými slovesy se jako jediné specializované sloveso objevuje letjeti „létat“. Jelikož však jde také o sloveso obecného jazyka, které si v predikativní funkci zachovává stejný význam i ve specializovaném kontextu, jsou při analýze predikativních leteckých termínů relevantnější jeho argumenty a kolokace (např. letovi koji lete „lety, které létají“ nebo anglicky fly the aircraft „pilotovat letadlo“). ZÁVĚR Doufejme, že práce představená v tomto článku vede k závěru, že terminologická a jazyková data získaná ze specializovaných paralelních korpusů lze dobře využít jako základ pro definování specializovaných sémantických rámců. Ačkoli ověřování termínů poukázalo na některá úskalí extrakce termínů z korpusů sestavených z právních předpisů EU, například na vliv právního diskurzu na terminologii dané oblasti, přesto se ukázalo, že paralelní korpusy zůstávají spolehlivým zdrojem pro rychlé získávání ekvivalentů termínů v jiných jazycích. Analýza extrahovaných sloves a jejich klasifikace podle několika zavedených typologií sloves ve specializovaném diskurzu (L’Homme 9 Závěr platí za předpokladu, že za termín zde považujeme pouze aircraft, neboť celá věta – bez ohledu na to, že obsahuje několik leteckých termínů – nemůže být považována za termín. 84 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames 1998; Lerat 2002; Lorente 2007) přinesla rovněž zajímavé, avšak zároveň poněkud neuspokojivé výsledky týkající se potenciální terminologičnosti extrahovaných kandidátů. Ačkoli byl počet specializovaných sloves či sloves specifických pro oblast letectví v seznamu potenciálních kandidátů velmi nízký, kolokace těchto sloves se ukázaly jako terminologicky relevantní, protože šlo buď o víceslovné termíny, nebo o slovesné kolokace termínů. Protože databáze AirFrame uvádí frazeologické terminologické jednotky, jako jsou termínové kolokace, slovní náčrty daných sloves poskytly mnoho relevantních terminologických jednotek. Provedená analýza sloves vede k závěru, že použití sloves jako výchozího bodu při definování specializovaných sémantických rámců letectví může být méně přínosné než analýza slovních náčrtů. Relevantnější terminologická data byla získána tak, že se nejprve určily klíčové entity v dané oblasti a poté se analýzou jejich kolokací definovaly procesy, jichž se účastní. Slovesa vyskytující se v těchto kolokacích by měla označovat nejrelevantnější procesy a události v letectví. Rajh a Grčić Simeunović (2019) dospěli k podobným závěrům ve svém článku o klasifikaci kombinačního chování sloves v oblasti marketingu. Ačkoli jejich práce vychází z odlišného teoretického přístupu, podporuje myšlenku, že relevantní specializovaná slovesa v určité oblasti lze nejlépe identifikovat analýzou syntakticko-sémantického chování klíčových pojmů dané oblasti, především entit. Po extrakci lexikálních jednotek a ověření leteckých termínů spočívá další krok při identifikaci sémantických rámců letectví ve seskupení relevantních pojmů, na něž se termíny vztahují, a v pojmenování nadřazených kategorií, s nimiž jsou spojeny, tj. rámců, které evokují. Lexikální jednotky stejného sémantického typu, které se vyskytují jako argumenty týchž sloves, by proto měly být seskupeny a propojeny společným rámcem. Rozsah sémantického rámce závisí do značné míry na míře podrobnosti pojmového popisu i na obecné představě o možném využití plánované databáze. Pokud by se specializované sémantické rámce měly někdy sloučit do jiného lexikálního zdroje obsahujícího rámce obecného jazyka, měl by popis specializovaných kategorií dané oblasti zahrnovat také abstraktnější kategorizaci na nejvyšší úrovni. REFERENCES Boas Hans C. 2005: Semantic Frames as Interlingual Representations for Multilingual Lexical Databases. – International Journal of Lexicography 18(4), 445–478. Despot K., Tonković M., Brdar M., Essert M., Perak B., Ostroški Anić A., Nahod B., Pandžić I. 2019: MetaNet.HR: Croatian Metaphor Repository. – Metaphor and Metonymy in the Digital Age. M. Bolognesi, M. Brdar, K. Despot (eds.), Amsterdam: John Benjamins Publishing Company, 123–146. Terminologija | 2019 | 26 85 Faber P., León Araúz P., Prieto V., Juan A. 2009: Semantic Relations, Dynamicity, and Terminological Knowledge Bases. – Current Issues in Language Studies 1, 1–23. Faber P., Montero Martínez S., Castro P., María R., Senso J. 2008: J., Prieto V., Juan A., León Araúz P., Márquez Linares C., Vega Expósito M. 2006: Process-oriented Terminology Management in the Domain of Coastal Engineering. – Terminology. International Journal of Theoretical and Applied Issues in Specialized Communication 12(2), 189–213. Kilgarriff A., Baisa V., Bušta J., Jakubíček M., Kovář V., Michelfeit J., Rychlý P., Suchomel V. 2014: The Sketch Engine: Ten Years On. – Lexicography 1(1), 7–36. Lerat P. 2002: Qu’est-ce que le verbe spécialisé? Le cas du droit. – Cahiers de Lexicologie 80, 201–211. L’Homme M.-C. 2018: Maintaining the Balance Between Knowledge and the Lexicon in Terminology: A Methodology Based on Frame Semantics. – Lexicography, Journal of ASIALEX 4(1), 3–21. Available at: https://doi.org/10.1007/s40607-018-0034-1. L’Homme M.-C. 2015: Predicative Lexical Units in Terminology. – Language Production, Cognition, and the Lexicon. N. Gala, R. Rapp, G. Bel-Enguix (eds.), Springer International Publishing, 75–93. L’Homme M.-C. 2012: Adding Syntactico-Semantic Information to Specialized Dictionaries: An Application of the FrameNet Methodology. – Lexicographica 23, 233–252. L’Homme M.-C. 1998: Le statut de verbe en langue de spécialité et sa description lexicographique. – Cahiers de lexicologie 73(2), 61–84. L’Homme M.-C., Robichaud B. 2014: Frames and Terminology: Representing Predicative Terms in the Field of the Environment. – Proceedings of the 4th Workshop on Cognitive Aspects of the Lexicon. M. Zock, R. Rapp, C.-R. Huang (eds.), Dublin, 186–197. L’Homme M.-C., Subirats C., Robichaud B. 2016: A Proposal for Combining “general” and Specialized Frames. – Cognitive Aspects of the Lexicon (CogaLex 2016), Coling, Osaka, Japan. Lorente M. 2007: Les unitats lèxiques verbals dels textos especialitzats. Redefinició d’una proposta de classificació. – Estudis de lingüística i de lingüística aplicada en honor de M. Teresa Cabré Castellví. Vol. 2: Deixebles. M. Lorente, R. Estopà, J. Freixa, J. Martí, C. Tebé (eds.), Barcelona: Institut Universitari de Lingüística Aplicada – Universitat Pompeu Fabra, 365–380. Lorente M. 2004: Construcciones verbales en el discurso de la genómica. Tipología verbal y discurso científico. – Studia Romanica Posnaniensia 31, 353–359. Lorente M. 2002: Verbos y discurso especializado. Available at: http://elies.rediris.es/elies16/Lorente.html [accessed 20.09.2019]. Pimentel J. 2012: Criteria for the Validation of Specialized Verb Equivalents: Application in Bilingual Terminography. Doctoral dissertation, Montreal: University of Montreal, 329. Pimentel J. 2017: Specialized Verbs and Specialized Uses of Verbs in a Comparable Corpus of Judgments Produced in Canada, Portugal and Brazil. – Multiple Perspectives on Terminological Variation. P. Drouin, A. Francœur, J. Humbley, A. Picton (eds.), Amsterdam/Philadelphia: John Benjamins, 109–130. Rajh I., Grčić Simeunović L. 2019: Classification of the Combinatorial Behavior of Verbs in the Marketing Domain. – Computation and Corpus-Based Phraseology. Europhras 2019, LNAI 11755. G. Corpas Pastor, R. Mitkov (eds.), Springer, 360–374. Ruppenhofer J., Ellsworth M., Petruck M. RL, Johnson Christopher R., Scheffczyk J. 2010: FrameNet II: Extended Theory and Practice, Berkeley, California: International Computer Science Institute. Sager J. C. 1990: A Practical Course in Terminology Processing, Amsterdam/Philadelphia: John Benjamins Publishing Company. Vintar Š. 2000: Using Parallel Corpora for Translation-oriented Term Extraction. – Suvremena lingvistika 49–50(1), 143–152. LEKSINIŲ VIENETŲ IŠRINKIMAS SPECIALIZUOTIEMS SEMANTINIAMS FREIMAMS NUSTATYTI S a n t r a u k a Kokių nors kroatų kalbai pritaikytų specializuotų leksikos šaltinių, grindžiamų semantinių freimų ir FrameNet metodų taikymu, nebuvo, todėl įgyvendinant tiriamąjį projektą Dynamicity of Specialized Knowledge Categories (DIKA, ihjj.hr/dika) (liet. k. Specializuotų žinių kategorijų dinamiškumas) bus plėtojama aviacijos semantinių freimų 86 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames duomenų bazė. Projekto pagrindinis rezultatas – daugiakalbė terminų duomenų bazė, kurioje aviacijos terminija apibrėžiama semantiniais freimais, įskaitant freimų elementus, konceptualius ryšius ir terminologinius vienetus. Tam tikslui sudarytas lygiagretusis orlaivių eismo anglų ir kroatų kalbų tekstynas – terminų išrinkimo ir analizės atskaitos taškas. Straipsnyje svarstoma, kaip lygiagretieji tekstynai gali būti naudojami terminijos vienetams, taikomiems aviacijos semantiniams freimams nustatyti, atrinkti. Tai pirmoji metodo specializuotiems semantiniams freimams nustatyti kūrimo pakopa. Pirmiausia aprašoma, kaip, remiantis Eur-Lex duomenų baze ir naudojantis Sketch Engine priemonėmis, rengiamas paralelinis tekstų rinkinys. Tada pateikiami terminų variantų išrinkimo ir jų patikrinimo rankiniu būdu metodai bei tinkamų veiksmažodžių išrinkimo ir tikrinimo procesas. Aptariant terminų patikrinimo rezultatus ypatingas dėmesys skiriamas veiksmažodžių ir žodžių junginių vaidmeniui, nustatomi tinkami semantiniai freimai ir jų elementai. Nors į terminus pretenduojančių aviacijai būdingų veiksmažodžių labai mažai, tokių veiksmažodžių kolokacijos terminologiniu požiūriu aktualios, nes jos yra arba iš kelių žodžių sudaryti terminai, arba iš žodžių junginio sudaryti terminai. Taigi, veiksmažodžių analizė leidžia daryti išvadą, kad aktualius terminologijos duomenis geriausiai kaupti pirmiausia nustatant pagrindinius srities subjektus, o vėliau, analizuojant jų junginius, apibrėžti procesus, kuriuose jie dalyvauja. Gauta 2019-09-24 Ana Ostroški Anić Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected] Maja Lončar Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected] Martina Pavić Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected] Terminologija | 2019 | 26 87