Extracting Lexical Units for Identifying Specialized Semantic Frames

doi.org/10.35321/term26-04 Lexikai egységek kinyerése a szakspecifikus szemantikai keretek azonosításához1 ANA OSTROŠKI ANIĆ Institute of Croatian Language and Linguistics MAJA LONČAR Institute of Croatian Language and Linguistics MARTINA PAVIĆ Institute of Croatian Language and Linguistics Ö S S Z E F O G L A L Ó A tanulmány azt vizsgálja, miként használhatók párhuzamos korpuszok a terminológiai egységek kinyerésére, amelyek a repülés szemantikai kereteinek azonosítását szolgálják; ez az első lépés a szakspecifikus szemantikai keretek meghatározására szolgáló módszer kidolgozásában. Elsőként az Eur-Lex adatbázisból származó szövegek párhuzamos korpuszának összeállítási folyamatát ismerteti a Sketch Engine eszközeinek felhasználásával. Ezt követően bemutatja a terminusjelöltek kinyerésének és kézi ellenőrzésének módszertanát, valamint a releváns igék kinyerésének és ellenőrzésének folyamatát. Tárgyalja a terminusok ellenőrzésének eredményeit, különös tekintettel az igék és az igei kollokációk szerepére a releváns szemantikai keretek és keretelemek azonosításában. KULCSSZAVAK: repülési terminológia, angol–horvát korpusz, szemantikai keretek, szakspecifikus ismeretek, terminológia. Ö S S Z E F O G L A L Ó A cikk azt vizsgálja, hogyan használhatók fel párhuzamos szövegkorpuszok az aviatikai szemantikai keretek azonosítására szolgáló terminológiai egységek kiválasztására. Ez az első lépés a specializált szemantikai keretek meghatározására szolgáló módszer kidolgozásában. Elsőként annak a szövegpárhuzamos korpusznak az összeállítását ismerteti, amely az Eur-Lex adatbázisból származó szövegeken alapul, és amelyet a Sketch Engine eszközeivel készítenek. Ezután bemutatja a terminusjelöltek kinyerésének és kézi ellenőrzésének módszereit, valamint 1 Ez a tanulmány a „From parallel corpora to specialized semantic frames” című előadáson alapul, amely a terminológia 3. nemzetközi konferenciáján hangzott el: Scientific, Administrative and Educational Dimensions of Terminology, Vilniusban, 2019. október 17–18-án. Ezt a munkát teljes egészében a Horvát Tudományos Alapítvány támogatta a HRZZ-UIP-2017-05-7169 projekt keretében. Terminologija | 2019 | 26 73 a megfelelő igék kiválasztásának és ellenőrzésének folyamata. A terminusok ellenőrzésének eredményeit tárgyalva különös figyelmet fordít az igék és a szókapcsolatok szerepére a megfelelő szemantikai keretek és azok elemeinek meghatározásában. KULCSSZAVAK: aviatikai terminológia, angol–horvát nyelvi korpusz, szemantikai keretek, specializált tudás, terminológia. BEVEZETÉS 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). A horvát nyelvhez mindeddig nem dolgoztak ki olyan lexikai erőforrást, amely teljes egészében a FrameNet módszertanára és szemantikai leltárára épülne. Egyes szemantikai kereteket a horvát fogalmi metaforák nagyobb adatbázisának részeként határoztak meg (Despot et al. 2019). A A specializált tudáskategóriák dinamikája (DIKA, ihjj.hr/dika) kutatási projekt keretében fejlesztett aviatikai szemantikai keretek adatbázisa azonban az első kísérlet egy ilyen, horvát nyelvű specializált adatbázis létrehozására. A projekt a specializált tudáskategóriák fogalmi és nyelvi szintjeinek leírásával foglalkozik a szemantikai keretek dinamikus természetének figyelembevételével. A projekt legfontosabb eredménye egy többnyelvű terminológiai adatbázis, amelyben az aviatikai terminológiát szemantikai keretek határozzák meg, beleértve a keretelemeket, a fogalmi kapcsolatokat, valamint a figuratív és frazeológiai terminológiai egységeket. A szemantikai és szintaktikai elemzés céljaira angol és horvát, légiforgalmi témájú szövegekből párhuzamos korpuszt állítottak össze, amely a következőként szolgál majd: 74 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames a terminuskinyerés és -elemzés kiindulópontjául. A légiforgalom aldomainjét az aviatika kiterjedt és interdiszciplináris területe legjellemzőbb részének választották. Ez a tanulmány azt vizsgálja, hogyan használhatók fel párhuzamos szövegkorpuszok az aviatika meghatározott szemantikai kereteire utaló terminológiai egységek kinyerésére, az aviatika területén érvényes szemantikai keretek és azok fogalmi kapcsolatainak meghatározására szolgáló módszer kidolgozásának első lépéseként. Bár a párhuzamos korpuszokat már régóta a különféle specializált erőforrások létrehozásához szükséges terminusjelöltek felbecsülhetetlen forrásainak tekintik (Vintar 2000), az alkalmazott, keretszemantikával foglalkozó kutatásokban eddig csak korlátozottan használták őket.2 Elsőként az Eur-Lex adatbázisból származó szövegek párhuzamos korpuszának összeállítását ismerteti a Sketch Engine eszközeivel. Ezután bemutatja a terminusjelöltek kinyerésének és kézi ellenőrzésének módszertanát, valamint a releváns igék kinyerésének és ellenőrzésének folyamatát. Bemutatja és értékeli a terminusok ellenőrzésének eredményeit, majd tárgyalja, hogyan használhatók fel az igék és az igei szókapcsolatok a megfelelő szemantikai keretek és keretelemek azonosítására az aviatika területén.3 1. ELMÉLETI HÁTTÉR A kortárs terminológiai és szaknyelvi közösségekben a speciális tudásforrások már nem csupán a hierarchikus viszonyok leírására épülnek, mivel úgy tartják, hogy ezek nem tükrözik a tudáskategóriák dinamikus természetét (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Emellett úgy tűnik, elmosódott a szótár és a lexikon közötti formális különbség, amelyre a hagyományos terminográfia egésze épül: egyre több szakmai forrás használja a köznyelvi források létrehozásakor alkalmazott összeállítási és tudásmegjelenítési módszereket (L’Homme et al. 2016; L’Homme 2018). A keretszemantika elveire épülő lexikai és szemantikai források a tudást szemantikai keretek formájában határozzák meg: ezek összetett elemekből és kölcsönös kapcsolatokból álló, dinamikus kategóriák. Minden szemantikai keret résztvevőkkel rendelkező eseménytípusként vagy állapotként határozható meg; a résztvevőket keretelemeknek (FE) nevezik. A szemantikai kereteket a következők hívják elő: 2 A párhuzamos korpuszok minden bizonnyal teljes mértékben kiaknázhatnák a szemantikai kereteken alapuló többnyelvű lexikai adattárak létrehozásában rejlő lehetőségeiket (Boas 2005). 3 Köszönjük a névtelen lektorok felbecsülhetetlen értékű észrevételeit és javaslatait. Terminologija | 2019 | 26 75 lexikai egységek, azaz a mindennapi nyelv szavai vagy a speciális tudás szakkifejezései, amelyek megvalósítják a keretelemeket. Az egyik keret másiktól való elhatárolásának alapvető kritériuma, hogy valamennyi lexikai egységnek „ugyanazt az eseménytípust kell felidéznie, és ugyanazokkal a keretelemekkel, valamint azok azonos konfigurációjával kell rendelkeznie” (Ruppenhofer et al. 2017: 384–385). A szemantikai keretek hatókörének és definícióinak meghatározására szolgáló módszer azonban önkényesnek tekinthető, mivel nem követeli meg a rendelkezésre álló lexikai adatok előzetes „áttekintését”. Mivel sok keret forgatókönyvszerű felépítésű, leírásuk rendszerint a releváns igék kiválasztásával kezdődik (Ruppenhofer et al. 2010), amelyekhez a korpuszból kinyert példák annotálása alapján rendelik hozzá a megfelelő bővítményeket. Bár a lexikai egységeket és a keretelemeket az elemzett korpusz adatai alapján határozzák meg, a szemantikai kereteket többnyire mégis intuitív módon azonosítják és nevezik meg. Egy adott szakterület szemantikai kereteinek azonosításakor célszerűbb volna először kijelölni a meghatározandó tudás hatókörét; a terminológiai munkában ezt a terület kulcsfogalmainak és fogalmi viszonyainak azonosításával végzik. A terminológiai kutatás az elmúlt két évtizedben szorosan követte a nyelvészet fejlődését, és elméleti fókuszát a folyamatok és események mint dinamikusabb speciális tudásstruktúrák elemzésére helyezte át. Ezért világossá vált, hogy a predikatív terminusok (igék, melléknevek, határozószók és bizonyos főnevek) gyakran egy szakterület terminológiájának kulcsfogalmait jelölik (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Például a communicate, fly, take off és transport terminusok jellemzően megtalálhatók a repülés területén, csakúgy, mint számos olyan eljárás terminusai, amelyeket ontológiai szempontból folyamatokként vagy tevékenységekként határozunk meg. Bár a terminusjelleg fogalma a terminológusok körében meglehetősen jól ismert, amikor a terminusok fogalmi szintjének meghatározásáról van szó, a terminológiai forrásba felveendő lexikai egységtípusok kiválasztásának kritériumai továbbra is eltérnek az elemzett szakterülettől és az alkalmazott elméleti keretrendszertől függően. A szakmai jelentést hordozó igetípusok meghatározására L’Homme (1998, 2015) által javasolt kritériumokra hivatkoznak leggyakrabban a terminológiai szakirodalomban, Lorente kritériumai és a szaknyelvi igék általa kidolgozott tipológiája (2002, 2007) mellett. L’Homme a szakmai szövegekben előforduló igék három típusát különbözteti meg: az adott szakterületre jellemző igéket (pl. land, take off), a szakterületen belül speciális jelentést felvevő igéket (pl. operate), valamint a köznyelvi igéket 76 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames nyelv.4 Az első és a második típusba tartozó igék terminusként címkézhetők, a második típus igéi azonban érdekesebb csoportot alkotnak a terminológiai elemzés szempontjából, mert előfordul, hogy nem egyértelmű, vajon jelentésük eléggé eltér-e az ige kanonikus vagy alapértelmezett, általános szótári jelentésétől. Azokat a kritériumokat, amelyek alapján eldönthető, hogy egy ige egy adott kontextusban új, specializált jelentést vesz-e fel, még pontosabban meg kell határozni. L’Homme (1998, 2015) szerint annak kritériumai, hogy egy ige terminusként sorolható-e be, az argumentumaitól, valamint az azonos jelentésű, terminusként meghatározott lexikai egységekhez fűződő morfológiai és szemantikai kapcsolatától függenek. Röviden: ha egy igének terminusként meghatározott argumentumai vannak, valószínűleg maga az ige is terminus, mint a következő mondatban: A pilóta vezeti a helikoptert. Továbbá, ha a takeoff főnév terminusként van meghatározva, akkor a take off igét is annak kell tekinteni. Ezeket a kritériumokat alkalmaztuk a kinyert igék elemzésében; erről bővebben a 4. szakaszban írunk. 2. M Ó D S Z E R E K A specializált szemantikai keretek azonosítására alkalmas módszertan kidolgozásához több lépést kellett megtenni. Először létrehoztunk egy angol–horvát párhuzamos korpuszt. A második szakasz a terminuskivonásból és a terminusjelöltek listáinak ellenőrzéséből állt. A harmadik lépés során igelistát állítottunk össze, és elemeztük a specializált jelentést hordozó kollokációikat. 2.1. Korpusz összeállítása A korpusz az Európai Unió jogi aktusainak jegyzékéből, a Közlekedéspolitika fejezet Légi közlekedés alfejezetéből származó angol és horvát szövegekből áll. A Légi közlekedés alfejezet 220 dokumentumából 178 olyan jogi aktust választottunk ki, amely mindkét nyelven (angolul és horvátul) rendelkezik változattal. A szövegeket letöltöttük az EUR-Lex adatbázisból,5 majd bevittük őket a Sketch Engine korpusz-összeállító moduljába.6 A párhuzamos korpusz Sketch Engine-ben történő létrehozásának legegyszerűbb módja az adatok feltöltése 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 Elérhető: https://eur-lex.europa.eu/browse/directories/legislation.html [hozzáférés dátuma: 05.09.2019]. 6 Elérhető: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [hozzáférés dátuma: 05.09.2019]. Terminologija | 2019 | 26 77 táblázatos formátumban, például táblázatkezelőben (Excel). A táblázatok első sorában fel kell tüntetni a nyelvek nevét, majd egymás mellett kell elhelyezni az igazított szegmenseket (szavakat, mondatokat vagy bekezdéseket). Minden dokumentumot (jogi aktust) úgy dolgoztak fel, hogy nyelvenként egy-egy oszlop jöjjön létre. Ennek érdekében eltávolították a dokumentumokból a felsorolásjeleket és számozásokat, valamint a táblázatok számszerű részeit. A forrásfájl minden nyelvi változatát külön egynyelvű korpuszként dolgozták fel, és a másik nyelv megfelelő korpuszához igazították. 1. táblázat. Az angol–horvát párhuzamos korpusz mérete ANGOL HORVÁT ANGOL HORVÁT Tokenek 1,151,297 1,059,406 Mondatok 72,045 75,638 Szavak 951,156 855,560 Dokumentumok 178 178 A szemantikai keretek elemeinek jelöltjeiként használt leggyakoribb egyszavas és többszavas terminusok kinyerésén túl a korpusz terminusok, definíciók, valamint a terminológiai adatbázisba AirFrame felveendő nyelvi kontextus példáinak kinyerésére is felhasználható. A korpusz a terminusok szintaktikai szintjének, vagyis kollokációiknak, frazeológiai kapcsolataiknak és predikátum–argumentum szerkezeteiknek az elemzését is szolgálja. 2.2. Terminuskivonatolás és terminumellenőrzés A terminuskivonatolás mindkét nyelv esetében automatikusan történt, 1000 egy- és többszavas kulcsszó listájának kivonatolására szolgáló beállítással. Az angol egyszavas terminusjelöltek kivonatolásához az EUR-Lex English 2/2016 korpusz szolgált referenciakorpuszként, míg a többszavas terminusjelöltek kivonatolásához az English Web 2013 korpuszt használták. Hasonló beállítások a horvát terminuskivonatolásnál is rendelkezésre álltak. A relevánsabb egyszavas terminusjelöltek kivonatolásához az EUR-Lex Croatian 2/2016 korpusz szolgált referenciakorpuszként, többszavas kulcsszavak kivonatolásához azonban ez a lehetőség nem állt rendelkezésre. Ezért helyette a Croatian Web hrWaC 2.2. korpuszt használták. A módszer megbízhatóságának tesztelése érdekében az angol több szóból álló kifejezések listájáról vett első 100 terminusjelöltet manuálisan ellenőrizték. Konkordanciáikat megvizsgálva a 100 terminusjelölt közül 70-et ismert el érvényes terminusnak egy nagy tapasztalattal rendelkező terminológus 78 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames repülési terminológia területén. Az angol kulcsszavak (vagy egyszavas terminusok) listája nagyrészt repülési rövidítésekből és néhány fontos repülési terminusból állt. Ezt követően sor került mind az angol, mind a horvát kivont terminusjelölt-listák manuális elemzésére és ellenőrzésére. Az ellenőrzési folyamat két szakaszból állt: 1. az összes rövidítés és az egyértelműen általános nyelvi szavak és kollokációk eltávolítása; valamint 2. a fennmaradó terminusok konkordanciáinak elemzése annak ellenőrzésére, hogy valóban repülési terminusok-e. A rövidítéseket a repülésben gyakran terminusként használják, ezért a repülési terminológiát bemutató szótárból vagy glosszáriumból való kihagyásuk a használatban lévő repülési terminológia hiányos bemutatásának számítana. Mivel azonban olyan terminusok vagy többszavas szerkezetek listáját kívántuk összeállítani, amelyek a repülés szemantikai kereteinek elemeit nevezhetik meg, a teljes terminusok lexikai helyettesítőiként használt rövidítéseket itt nem kezeltük azonos funkciójúként. Ezen túlmenően a rövidítések horvát terminusjelölt-listákban való megtartására sem volt ok, mivel a szövegekben idegen nyelvi elemekként szerepeltek. 2.3. Az igék kivonatolása és elemzése Az angol és horvát igék listáját automatikusan vonták ki a Sketch Engine Kulcsszavak beállításával. Az angol korpuszban nem vették figyelembe a be, have és do igéket, míg a horvát korpusz elemzéséből kihagyták a biti „lenni”, imati „birtokolni”, moći „tudni” és morati „kell” igéket. Ezután mindkét listából az első 100 igét a szóvázlatok manuális ellenőrzésével elemezték. Az igék mellett egy Excel-táblázatban jegyezték fel azokat a kollokációkat, amelyeket gyakoriságuk alapján többszavas terminusnak vagy a repülési terminológia szempontjából viszonylag jelentős kollokációnak ítéltek. 3. EREDMÉNYEK ÉS MEGVITATÁS Az angol és horvát egy- és többszavas terminusjelöltek manuális ellenőrzése meglepő eredményeket hozott a Sketch Engine automatikus kivonatolási folyamatának precizitását és visszahívását illetően. Például a terminusok ellenőrzésének első szakasza után 1000 terminusból mindössze 400 olyan horvát egyszavas terminus maradt, amely nem volt rövidítés vagy általános nyelvi szó. A horvát terminusok végleges listája 199 egyszavas és 455 többszavas horvát terminumból áll. Az angol többszavas terminusok száma valamivel nagyobb, de nem annyira, mint amire számítani lehetne. Az elemzés után 664 angol többszavas terminus maradt, de közülük csak 148 Terminologija | 2019 | 26 79 egyszavas angol terminusok, ami jelentősen gyenge, mindössze 14,8%-os eredményt jelent a több szóból álló angol terminusok kezdeti listáján szereplő elemek közül érvényes terminusok tekintetében. A várakozásoknak megfelelően a terminusok ellenőrzésének második szakasza több problémát vetett fel a jelöltek terminusjellegével kapcsolatban. Ha a listán egy adott fogalomra utaló főnév és melléknév egyaránt szerepelt, a főnevet tartottuk meg prototipikusabb terminusmegvalósulásként.7 Ez inkább a horvát terminusok esetében fordult elő, mivel az angolban a főnév és a melléknév gyakran azonos morfológiai alakú, ahogy a következő példákban: kabina, kabinski „kabin”, navigacija, navigacijski „navigáció, navigációs”, helikopter, helikopterski „helikopter”, identifikacija, identifikacijski „azonosítás”. Hasonlóképpen, ha a listákon melléknév és határozószó is szerepelt, a melléknévi alakot tartottuk meg: instrumentalni, instrumentalno „műszer”, míg az ige/melléknév különbség esetében rendszerint az ige maradt a listán: certificirati, certificiran „tanúsít, tanúsított”. Ha két, ugyanarra a fogalomra utaló főnév szerepelt, mindkettőt megtartottuk, amennyiben az egyik a cselekvésre, a másik pedig az eredményre utalt, ahogy az identifikacija és az identificiranje „azonosítás” példájában. Úgy tűnik, az angol megfelelőik között nincs ilyen különbség. Az angol terminusjelöltek listái sok kiszűrendő információt tartalmaztak, például országneveket, személyneveket (pl. Juncker), más idegen nyelvekből származó szavakat, sőt néhány funkciószót is (pl. a this névmást). A kulcsszavak és a több szóból álló terminusok kinyerésére szolgáló algoritmus nyilvánvalóan a korpuszban található idegen elemeket, azaz nem angol szavakat is terminusnak ismeri fel. Ez elkerülhető lett volna, ha a dokumentumok korpuszba való felvétele előtt töröljük azokat a (az EU összes nyelvén szereplő) kifejezéseket, amelyek rendszerint minden dokumentum végén megjelennek; úgy döntöttünk azonban, hogy egyszerűbb utólag figyelmen kívül hagyni őket a jelöltek listáiban. Az angol terminusjelöltekre vonatkozó ellenőrzés második szakaszában az alkalmazott algoritmus legnagyobb buktatójának az bizonyult, hogy nem tudta megkülönböztetni a kéttagú és a háromtagú, több szóból álló szerkezeteket; ez a statisztikai terminuskinyerő eszközök gyakori hibája. Bound air és simulated engine tehát a nagyobb, helyes, több szóból álló terminusok részei: bound air cargo és simulated engine failure (mindkét változat szerepelt a listán), valamint instrument ground és crew compartment (ahelyett, hogy 7 Ez a fajta érvelés közelebb áll a hagyományos terminológiai munkához, amelyben a terminológiai szótárak a főneveket előnyben részesítették az ugyanarra a fogalomra utaló megfelelő melléknevekkel és igékkel szemben (Sager 1990: 58). Mindkettő szerepelne azonban az általuk előhívott szemantikai kerethez kapcsolódó lexikai egységek között. 80 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames instrument ground time and flight crew compartment). Néhány több szóból álló terminusjelölt formailag valódi terminusnak tűnik, és ahhoz, hogy helytelennek vagy téves pozitív eredménynek minősítsük őket, szakterületi ismeretekre van szükség, például: 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. A rövidebb változatok gyakran egyszerűen szinonimák, például a controller licence az air traffic controller licence helyett. A téves pozitív, több szóból álló terminusok egy másik csoportját olyan több szóból álló kifejezések alkotják, amelyek az általános nyelvhez tartozónak minősíthetők: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Bár morfoszintaktikailag helyes alakok, nem utalnak konkrét fogalomra, ezért nem tekinthetők terminusoknak. Az összes lista elemzése után igen kevés egyszavas terminust találtunk: 199 horvát és 148 angol terminust. Annak ellenőrzésére, hogy kinyertük-e a szakterület „kulcsfontosságú” fogalmait jelölőnek tekinthető terminusokat, mindkét nyelv első 10 terminusának szóvázlatait elemeztük. A szóvázlatok a szavak grammatikai és kollokációs mintázatainak automatikus, korpuszból származó összefoglalói; kiváló forrásul szolgálnak nagyszámú terminusjelölt létrehozásához azok szintaktikai környezetében (Kilgarriff et al. 2014). A tipikus melléknév/főnév (wet-leased aircraft) és főnév/főnév (aircraft noise, aircraft position) kollokációk mellett az igei kollokációk (operate an aircraft) és a prepozíciós kifejezések (aircraft entering into) felbecsülhetetlen terminológiai információval szolgálnak, amely különösen hasznos a terminológusok és a fordítók számára. E cél szempontjából a legfontosabb viszony a célszó és a hozzá kapcsolódó szavak közötti koordinációs kapcsolat volt. Amint az 1. ábrán látható, az aircraft szóhoz kapcsolódó szavak a következők: occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment és type. A koordinált terminusok listáját összevetettük az egyszavas terminusok listájával, és megjelöltük azokat, amelyek mindkettőben szerepeltek. Az eredmények ellenőrzésének második lépése során összehasonlítottuk a szóvázlatokban szereplő terminusok leggyakoribb kollokációit a több szóból álló terminusok listájával. Ha a szóvázlatban szereplő kollokációk (például az aircraft identification vagy az aircraft operator az 1. ábrán) megegyeztek a korpuszból kinyert terminusok listáján szereplőkkel, lexikai egységként is megjelöltük őket, amelyeket fel kell venni a szemantikai keret leírásába. Terminologija | 2019 | 26 81 1. ábra. Az aircraft kifejezés szóvázlata A kinyert igék elemzése szintén két lépésből állt. Először kézzel megjelöltük a szakspecifikus, illetve a légi közlekedésre jellemző igéket, például: fly, land, operate, communicate stb. A második lépésben azokat az igéket jelöltük meg, amelyek a légi közlekedés kontextusában potenciálisan szakspecifikus jelentést vesznek fel. Ehhez elemeztük a 100 leggyakoribb ige szóvázlatait, majd a releváns kollokációk konkordanciáit is ellenőriztük. A kollokációkat gyakoriságuk alapján választottuk ki, de mindegyik második eleme egy légi közlekedési terminus volt. Ha korpuszbeli gyakoriságuk szerint soroljuk fel őket, az igék legnagyobb csoportját az úgynevezett segédigék (Lerat 2002; Pimentel 2012) és frazeológiai igék (Lorente 2002; 2007) alkotják.8 A frazeológiai igék olyan szintagmatikus egységekben nyerik el szakspecifikus jelentésüket, amelyekben legalább egy terminológiai egység az alany vagy a tárgy szintaktikai szerepét tölti be (Pimentel 2012: 87). Az olyan igék, mint a provide, ensure, require, refer to, or establish gyakran fordulnak elő az angol–horvát párhuzamos korpuszt alkotó jogalkotási diskurzusban, ám hogy ezek az igék hordoznak-e speciális- 8A szaknyelvi szövegekben előforduló igék osztályozásának újradefiniálásakor (2007) Lorente a frazeológiai igéket úgy határozza meg, mint amelyek kollokációkban és állandósult kifejezésekben szereplő igéket, valamint segédigéket foglalnak magukban. 82 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames A repüléshez kapcsolódó jelentésük csak a korábban kivont repülési terminusokkal alkotott kollokációik alapján ítélhető meg. Amint az (1) és (2) példákban látható, az biztosítani és az megállapítani itt argumentumok részeként, nem pedig a megfelelő mondatok állítmányaként jelenik meg: (1) „Gurulóút”: a földi repülőtéren kijelölt útvonal, amelyet a légi járművek gurulására alakítottak ki, és amelynek célja, hogy összeköttetést biztosítson a repülőtér egyik része és egy másik része között. (2) Valamennyi dokumentumot <...> meg kell őrizni, hogy biztosítsák a légi jármű folyamatos légialkalmasságához szükséges információkat, és biztosítsák annak fenntartását. (3) Az üzemben tartó légifuvarozónak, ha megtagadja a beszállást vagy töröl egy járatot, írásbeli értesítést kell adnia minden érintett utasnak, amely ismerteti a 261/2004 rendelettel összhangban járó kártalanításra és segítségnyújtásra vonatkozó szabályokat. A provide viszont valóban olyan állítmányként működik, amelynek argumentumai légi közlekedési terminusok, jelentése azonban nem tér el a kanonikus jelentésétől. Bár biztonsággal megállapítható, hogy az (1) és (2) példában szereplő establish aerodrome és ensure airworthiness (of the aircraft) kollokációk szakspecifikus jelentésűek, az establish és az ensure igéket pedig a légi közlekedéshez kapcsolódó szaknyelvi szövegek frazeológiai igéinek tekinthetjük, két okból nem sorolhatjuk őket a szakspecifikus igék közé. Először is, ezek nem e mondatok állítmányai, másodszor pedig alapjelentésük nem változik meg ezekben a szintagmatikus egységekben. A segédigék a frazeológiai igék egy másik alkategóriáját alkotják, és Lorente (2007) szerint nem tekinthetők egyenértékűnek a szakspecifikus vagy terminológiai igékkel. Lerat (2002) a take (fr. prendre) igét említi segédigeként: ez terminusokkal alkotott kollokációkban fordulhat elő, de maga nem terminus, ahogyan a take the flight kollokációban (4): (4) Ha az érintett személy a vonatkozó nemzeti szabályoknak megfelelően nem tesz bejelentést, az irányító szerv minden észszerű erőfeszítést megtesz annak érdekében, hogy segítséget nyújtson oly módon, hogy az érintett személy igénybe vehesse azt a járatot, amelyre helyfoglalással rendelkezik. A kinyert igék többsége – angolul és horvátul egyaránt – azonos módon viselkedik. A take off igekötős szerkezet azonban nem csupán egy „adott szakterületre jellemző” ige (L’Homme 1998), vagyis a légi közlekedés kontextusára jellemző. Egyike a légi közlekedés kulcsfontosságú terminusainak, és ugyanolyan gyakori a belőle képzett takeoff főnév is: (5) An aircraft taxiing on the manoeuvring area of an aerodrome shall give way to aircraft taking off or about to take off. Terminologija | 2019 | 26 83 A give way frazális igét illetően önmagában a kontextus vagy az argumentumai alapján nem lehet terminusként meghatározni. L’Homme egyik, a szaknyelvi igék azonosítására szolgáló kritériuma szerint egy ige valószínűleg terminus, ha „az ige aktánsainak (azaz argumentumainak) nyelvi megvalósulásait terminusként határozzák meg” (L’Homme 2015: 80). Az (5) példában mindkét argumentum terminus, a give way frazális ige jelentése azonban megegyezik azzal, amelyet általánosabb kontextusban hordoz. Ezért nem lenne indokolt terminológiai igeként címkézni a repülésügy területén.9 A légi közlekedési párhuzamos korpusz angol nyelvű részének 100 leggyakoribb igéje közül mindössze kettő tekinthető valódi szaknyelvi, illetve a repülésügyre jellemző igének: operate és fly. Az operate ige számos kollokációban vagy nagyobb szintagmatikus egységben fordul elő, amelyekben gyakran más morfoszintaktikai funkcióban szerepel (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating); ezek közül néhányat terminusként ismertek el (aerodrome operating minima). A korpuszszövegek diskurzusát tekintve az olyan igék, mint a communicate, land, taxi or transfer ritkábban fordulnak elő. A 100 leggyakoribb horvát ige között a letjeti „repül” ige az egyetlen szaknyelvi ige. Mivel azonban általános nyelvi ige is, amely predikatív funkcióban használva szaknyelvi kontextusban is megőrzi ugyanazt a jelentést, a predikatív légi közlekedési terminusok elemzése szempontjából relevánsabbak az argumentumai és kollokációi (pl. letovi koji lete „repülő járatok”, illetve angolul fly the aircraft). KÖVETKEZTETÉS A tanulmányban bemutatott munka remélhetőleg arra a következtetésre vezet, hogy a szaknyelvi párhuzamos korpuszokból kinyert terminológiai és nyelvi adatok jól felhasználhatók a szaknyelvi szemantikai keretek meghatározásának megalapozására. Bár a terminusok validálása rámutatott az uniós jogszabályokból összeállított korpuszokból történő terminuskinyerés bizonyos buktatóira – például a jogi diskurzusnak a szakterületi terminológiára gyakorolt hatására –, azt is igazolta, hogy a párhuzamos korpuszok továbbra is megbízható forrást jelentenek más nyelveken megfelelő terminusok gyors kinyeréséhez. A kinyert igék elemzése és a szaknyelvi diskurzusban használatos igék több bevett tipológiája szerinti osztályozása (L’Homme 9 A következtetés akkor állja meg a helyét, ha itt csak az aircraft szót tekintjük terminusnak, mivel egy teljes tagmondat – függetlenül attól, hogy több repülésügyi terminust is tartalmaz – nem tekinthető terminusnak. 84 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames 1998; Lerat 2002; Lorente 2007) szintén érdekes, ugyanakkor némileg kedvezőtlen eredményekkel szolgált a kinyert jelöltek terminusjellegét illetően. Bár a potenciális jelöltek listáján nagyon kevés szaknyelvi vagy a repülésügy területére jellemző ige szerepelt, ezen igék kollokációi terminológiai szempontból relevánsnak bizonyultak, mivel többszavas terminusok vagy terminusokból álló igés kollokációk voltak. Mivel az AirFrame adatbázis a terminusok kollokációihoz hasonló frazeológiai terminológiai egységeket is felsorol, az adott igék szóvázlatai számos releváns terminológiai egységet szolgáltattak. Az igék elemzéséből az a következtetés adódik, hogy a szaknyelvi légi közlekedési szemantikai keretek meghatározásakor az igék kiindulópontként való használata kevésbé eredményes lehet, mint a szóvázlatok elemzése. Relevánsabb terminológiai adatokhoz jutottunk először a szakterület kulcsfontosságú entitásainak meghatározásával, majd az általuk részt vett folyamatok kollokációik elemzésével történő meghatározásával. Az ezekben a kollokációkban előforduló igéknek a repülésügy legfontosabb folyamataira és eseményeire kell utalniuk. Rajh és Grčić Simeunović (2019) hasonló következtetésekre jutott a marketing területén használt igék kombinatorikus viselkedésének osztályozásáról szóló tanulmányukban. Bár munkájuk más elméleti megközelítésen alapul, alátámasztja azt az elképzelést, hogy egy adott szakterület releváns szaknyelvi igéi leginkább a szakterület kulcsfogalmainak, mindenekelőtt az entitásoknak a szintaktikai-szemantikai viselkedését elemezve azonosíthatók. A lexikai egységek kinyerése és a légi közlekedési terminusok validálása után a légi közlekedés szemantikai kereteinek azonosításában a következő lépés az, hogy csoportosítsuk azokat a releváns fogalmakat, amelyekre a terminusok utalnak, és megnevezzük a hozzájuk kapcsolódó nagyobb kategóriákat, vagyis az általuk előhívott kereteket. Ezért az azonos szemantikai típusú, és ugyanazon igék argumentumaként előforduló lexikai egységeket csoportosítani kell, és egy kerethez kell kapcsolni. A szemantikai keret terjedelmének meghatározása nagymértékben függ a fogalmi leírás részletességétől, valamint a tervezett adatbázis lehetséges felhasználására vonatkozó általános elképzeléstől. Ha a szaknyelvi szemantikai kereteket egy napon olyan lexikai erőforrásba olvasztják be, amely az általános nyelv kereteit írja le, akkor a szaknyelvi kategóriák leírásának a magasabb szintű, elvontabb kategóriákat is tartalmaznia kell. 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