Extracting Lexical Units for Identifying Specialized Semantic Frames

doi.org/10.35321/term26-04 Ekstrakcja jednostek leksykalnych w celu identyfikacji specjalistycznych ram semantycznych1 ANA OSTROŠKI ANIĆ Instytut Języka i Językoznawstwa Chorwackiego MAJA LONČAR Instytut Języka i Językoznawstwa Chorwackiego MARTINA PAVIĆ Instytut Języka i Językoznawstwa Chorwackiego S T R E S Z C Z E N I E W artykule omówiono koncepcję wykorzystania korpusów równoległych do ekstrakcji jednostek terminologicznych służących identyfikacji ram semantycznych lotnictwa — jako pierwszego kroku w opracowywaniu metody określania specjalistycznych ram semantycznych. W pierwszej kolejności opisano proces tworzenia korpusu równoległego tekstów pochodzących z bazy danych Eur-Lex z wykorzystaniem narzędzi Sketch Engine. Następnie przedstawiono metodologię ekstrakcji kandydatów na terminy i ich ręcznej weryfikacji, a także proces ekstrakcji i weryfikacji odpowiednich czasowników. Omówiono wyniki weryfikacji terminów, koncentrując się na roli czasowników i kolokacji werbalnych w identyfikacji odpowiednich ram semantycznych i elementów ram. SŁOWA KLUCZOWE: terminologia lotnicza, korpus angielsko-chorwacki, ramy semantyczne, wiedza specjalistyczna, terminologia. A B S T R A K T W artykule rozważa się, w jaki sposób korpusy równoległe można wykorzystać do wyodrębniania jednostek terminologicznych stosowanych do identyfikacji ram semantycznych lotnictwa. Jest to pierwszy etap opracowywania metody identyfikacji specjalistycznych ram semantycznych. Najpierw opisano, jak za pomocą bazy danych Eur-Lex i narzędzi Sketch Engine tworzy się równoległy zbiór tekstów. Następnie przedstawiono metody wyodrębniania kandydatów na terminy i ich ręcznej weryfikacji, a także 1 Niniejszy artykuł opiera się na wystąpieniu „Od korpusów równoległych do specjalistycznych ram semantycznych”, wygłoszonym podczas 3. międzynarodowej konferencji terminologicznej Scientific, Administrative and Educational Dimensions of Terminology w Wilnie w dniach 17–18 października 2019 r. Praca została w całości sfinansowana przez Chorwacką Fundację Nauki w ramach projektu HRZZ-UIP-2017-05-7169. Terminologija | 2019 | 26 73 proces wyodrębniania i weryfikacji odpowiednich czasowników. Omawiając wyniki weryfikacji terminów, szczególną uwagę poświęcono roli czasowników i połączeń wyrazowych, a także identyfikacji odpowiednich ram semantycznych i ich elementów. SŁOWA KLUCZOWE: terminologia lotnicza, korpus języka angielskiego i chorwackiego, ramy semantyczne, wiedza specjalistyczna, terminologia. WPROWADZENIE 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). Nie opracowano dotąd zasobu leksykalnego dla języka chorwackiego, który byłby w pełni oparty na metodologii i inwentarzu semantycznym FrameNetu. Niektóre ramy semantyczne zdefiniowano w ramach większej bazy metafor pojęciowych w języku chorwackim (Despot et al. 2019). Baza ram semantycznych lotnictwa, tworzona w ramach projektu badawczego Dynamicity of Specialized Knowledge Categories (DIKA, ihjj.hr/dika), jest jednak pierwszą próbą zbudowania takiej specjalistycznej bazy dla języka chorwackiego. Projekt dotyczy opisu poziomów pojęciowego i językowego kategorii wiedzy specjalistycznej w kontekście dynamicznego charakteru ram semantycznych. Głównym rezultatem projektu jest wielojęzyczna baza terminologiczna, w której terminologia lotnicza została zdefiniowana w ramach semantycznych obejmujących elementy ram, relacje pojęciowe oraz przenośne i frazeologiczne jednostki terminologiczne. Na potrzeby analizy semantycznej i składniowej opracowano równoległy korpus tekstów angielskich i chorwackich z dziedziny ruchu lotniczego, który posłuży jako 74 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames punkt wyjścia do wyodrębniania i analizy terminów. Poddziedzinę ruchu lotniczego wybrano jako najbardziej reprezentatywny aspekt rozległej i interdyscyplinarnej dziedziny lotnictwa. W artykule omówiono możliwość wykorzystania korpusów równoległych do wyodrębniania jednostek terminologicznych odnoszących się do określonych ram semantycznych lotnictwa. Jest to pierwszy etap opracowywania metody identyfikacji ram semantycznych i ich relacji pojęciowych w dziedzinie lotnictwa. Chociaż korpusy równoległe od dawna uznaje się za nieocenione źródła kandydatów na terminy wykorzystywanych do tworzenia różnorodnych zasobów specjalistycznych (Vintar 2000), dotychczas rzadko stosowano je w badaniach stosowanych dotyczących semantyki ramowej.2 Najpierw opisano proces opracowywania równoległego korpusu tekstów pochodzących z bazy Eur-Lex za pomocą narzędzi Sketch Engine. Następnie przedstawiono metodologię wyodrębniania kandydatów na terminy i ich ręcznej weryfikacji, a także proces wyodrębniania i weryfikacji odpowiednich czasowników. Zaprezentowano i omówiono wyniki weryfikacji terminów, po czym podjęto dyskusję nad potencjalnym wykorzystaniem czasowników i połączeń wyrazowych z czasownikami do identyfikacji odpowiednich ram semantycznych i elementów ram w dziedzinie lotnictwa.3 1. TŁO TEORETYCZNE We współczesnych środowiskach terminologicznych i LSP specjalistyczne zasoby wiedzy nie są już budowane wyłącznie wokół opisu relacji hierarchicznych, ponieważ uważa się, że nie odzwierciedlają one dynamicznej natury kategorii wiedzy (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Ponadto formalne rozróżnienie między słownikiem a leksykonem, na którym opiera się cała tradycyjna terminografia, zdaje się zacierać, ponieważ coraz więcej zasobów specjalistycznych wykorzystuje metody kompilacji i prezentacji wiedzy stosowane wcześniej przy tworzeniu zasobów języka ogólnego (L’Homme et al. 2016; L’Homme 2018). Zasoby leksykalne i semantyczne oparte na założeniach semantyki ram definiują wiedzę za pomocą ram semantycznych jako rodzaju dynamicznych kategorii złożonych elementów i wzajemnych relacji. Każda rama semantyczna jest definiowana jako rodzaj zdarzenia lub stanu wraz z jego uczestnikami, zwanymi elementami ramy (FEs). Ramy semantyczne są przywoływane przez 2 Korpusy równoległe z pewnością mogłyby w pełni wykorzystać swój potencjał przy tworzeniu wielojęzycznych repozytoriów leksykalnych opartych na ramach semantycznych (Boas 2005). 3 Dziękujemy anonimowym recenzentom za nieocenione uwagi i sugestie. Terminologija | 2019 | 26 75 jednostki leksykalne, tj. wyrazy używane w języku codziennym lub terminy z zakresu wiedzy specjalistycznej, które realizują elementy ramy. Podstawowym kryterium odróżniania jednej ramy od drugiej jest to, że wszystkie jednostki leksykalne powinny „wywoływać ten sam rodzaj zdarzenia oraz mieć ten sam inwentarz i konfigurację elementów ramy” (Ruppenhofer et al. 2017: 384–385). Metodę tę, stosowaną do wyznaczania zakresu ram semantycznych i ich definicji, można jednak uznać za arbitralną, ponieważ nie wymaga ona wcześniejszego „przeglądu” dostępnych danych leksykalnych. Ponieważ wiele ram ma kompozycję zbliżoną do scenariusza, ich opis zwykle rozpoczyna się od wyboru odpowiednich czasowników (Ruppenhofer et al. 2010), do których następnie dodaje się właściwe argumenty na podstawie anotacji przykładów wyodrębnionych z korpusu. Chociaż jednostki leksykalne i elementy ramy definiuje się na podstawie analizowanych danych korpusowych, ramy semantyczne są jednak najczęściej identyfikowane i nazywane intuicyjnie. Identyfikując ramy semantyczne w określonej dziedzinie wiedzy specjalistycznej, lepiej byłoby najpierw wyznaczyć zakres definiowanej wiedzy; w pracach terminologicznych robi się to przez identyfikację kluczowych pojęć i relacji pojęciowych w danej dziedzinie. Badania terminologiczne uważnie śledziły rozwój językoznawstwa w ciągu ostatnich dwóch dekad i przesunęły swój teoretyczny punkt ciężkości na analizę procesów i zdarzeń jako bardziej dynamicznych struktur wiedzy specjalistycznej. Dlatego stało się jasne, że terminy predykatywne (czasowniki, przymiotniki, przysłówki i niektóre rzeczowniki) często oznaczają kluczowe pojęcia terminologii danej dziedziny (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Na przykład terminy communicate, fly, take off, and transport są typowe dla dziedziny lotnictwa, podobnie jak terminy określające szereg procedur, które ontologicznie definiujemy jako procesy lub działania. Chociaż pojęcie termhood jest dość dobrze rozumiane wśród terminologów, gdy chodzi o ustalanie poziomu pojęciowego terminów, kryteria wyboru typów jednostek leksykalnych, które należy uwzględnić jako terminy w zasobie terminologicznym, nadal różnią się w zależności od analizowanej dziedziny i zastosowanych ram teoretycznych. W literaturze terminologicznej najczęściej przywołuje się kryteria definiowania typów czasowników niosących znaczenie specjalistyczne zaproponowane przez L’Homme (1998, 2015), a także kryteria Lorente i jej typologię czasowników w dyskursie specjalistycznym (2002, 2007). L’Homme wyróżnia trzy typy czasowników w tekstach specjalistycznych: czasowniki charakterystyczne dla określonej dziedziny (np. land, take off), czasowniki nabierające specjalistycznego znaczenia w danej dziedzinie (np. operate) oraz czasowniki języka ogólnego 76 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames zyka.4 Czasowniki należące do pierwszego i drugiego typu można oznaczyć jako terminy, jednak czasowniki drugiego typu stanowią ciekawszą grupę z punktu widzenia analizy terminologicznej, ponieważ zdarzają się przypadki, w których nie jest jasne, czy ich znaczenie różni się wystarczająco od kanonicznego lub domyślnego, ogólnego znaczenia słownikowego czasownika. Kryteria określające, czy czasownik nabiera nowego, specjalistycznego znaczenia w danym kontekście, należy jeszcze precyzyjniej zdefiniować. Kryteria określające, czy czasownik można zaklasyfikować jako termin, zależą, według L’Homme (1998, 2015), od jego argumentów oraz jego morfologicznej i semantycznej relacji do jednostek leksykalnych o tym samym znaczeniu, które zdefiniowano jako terminy. Krótko mówiąc, jeśli czasownik ma argumenty zdefiniowane jako terminy, prawdopodobnie sam jest terminem, jak w zdaniu The pilot flies the helicopter. Ponadto, jeśli rzeczownik takeoff zdefiniowano jako termin, wówczas czasownik take off również należy uznać za termin. Zastosowaliśmy te kryteria w analizie wyodrębnionych czasowników, o czym więcej w sekcji 4. 2. M E T O D Y Aby opracować rzetelną metodologię identyfikacji specjalistycznych ramek semantycznych, należało podjąć kilka kroków. Najpierw utworzono równoległy korpus angielsko-chorwacki. Drugi etap obejmował ekstrakcję terminów i weryfikację list kandydatów na terminy. Trzeci krok polegał na wyodrębnieniu listy czasowników i analizie ich kolokacji o znaczeniu specjalistycznym. 2.1. Kompilacja korpusu Korpus skompilowano z katalogu aktów prawnych Unii Europejskiej, rozdział Polityka transportowa, podrozdział Transport lotniczy, w języku angielskim i chorwackim. Spośród 220 dokumentów z podrozdziału Transport lotniczy uwzględniono 178 aktów prawnych dostępnych w obu wersjach językowych (angielskiej i chorwackiej). Teksty pobrano z bazy EUR-Lex,5 a następnie wprowadzono do modułu kompilacji korpusów Sketch Engine.6 Najprostszym sposobem utworzenia korpusu równoległego w Sketch Engine jest przesłanie danych 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 Dostępne pod adresem: https://eur-lex.europa.eu/browse/directories/legislation.html [dostęp 05.09.2019]. 6 Dostępne pod adresem: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [dostęp 05.09.2019]. Terminologija | 2019 | 26 77 w formacie tabelarycznym, takim jak arkusz kalkulacyjny (Excel). Arkusze kalkulacyjne muszą zawierać nazwy języków w pierwszym wierszu, a następnie wyrównane segmenty (słowa, zdania lub akapity) umieszczone obok siebie. Każdy dokument (akt prawny) przetworzono tak, aby uzyskać osobną kolumnę dla każdego języka. W tym celu usunięto punktory i numerację, a także część numeryczną tabel w dokumentach. Każdy język w pliku źródłowym przetworzono jako odrębny korpus jednojęzyczny i wyrównano z odpowiadającym mu korpusem w drugim języku. Tabela 1. Wielkość równoległego korpusu angielsko-chorwackiego ANGIELSKI CHORWACKI ANGIELSKI CHORWACKI Tokeny 1,151,297 1,059,406 Zdania 72,045 75,638 Słowa 951,156 855,560 Dokumenty 178 178 Oprócz wyodrębniania najczęstszych terminów jedno- i wielowyrazowych, wykorzystywanych jako kandydaci na elementy ram semantycznych, korpus można również wykorzystać do wyodrębniania terminów, definicji i przykładów kontekstu językowego, które zostaną wprowadzone do bazy terminologicznej AirFrame. Korpus posłuży również do analizy syntaktycznego poziomu terminów, tj. ich kolokacji, relacji frazeologicznych oraz konstrukcji predykatowo-argumentowych. 2.2. Ekstrakcja i weryfikacja terminów Automatyczną ekstrakcję terminów przeprowadzono dla każdego języka, korzystając z opcji wyodrębnienia listy 1000 jedno- i wielowyrazowych słów kluczowych. Korpus EUR-Lex English 2/2016 wykorzystano jako korpus referencyjny do ekstrakcji angielskich kandydatów na terminy jednowyrazowe, natomiast English Web 2013 posłużył jako korpus referencyjny do ekstrakcji kandydatów na terminy wielowyrazowe. Podobne opcje były dostępne w przypadku ekstrakcji terminów w języku chorwackim. Korpus EUR-Lex Croatian 2/2016 służył jako korpus referencyjny do ekstrakcji trafniejszych kandydatów na terminy jednowyrazowe, jednak opcja ta nie była dostępna w przypadku ekstrakcji wielowyrazowych słów kluczowych. Dlatego zamiast niego wykorzystano chorwacki korpus Web hrWaC 2.2. Aby sprawdzić wiarygodność metody, ręcznie zweryfikowano pierwszych 100 kandydatów na terminy z angielskiej listy terminów wielowyrazowych. Po sprawdzeniu ich konkordancji spośród 100 kandydatów na terminy terminolog z dużym doświadczeniem w 78 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames terminologii lotniczej uznał 70 za prawidłowe terminy. Angielska lista słów kluczowych (czyli terminów jednowyrazowych) składała się głównie ze skrótów z dziedziny lotnictwa oraz kilku kluczowych terminów lotniczych. Następnie przeprowadzono ręczną analizę i weryfikację terminów na wyodrębnionych listach kandydatów na terminy w języku angielskim i chorwackim. Proces weryfikacji składał się z dwóch etapów: 1. usunięcia wszystkich skrótów oraz oczywistych słów i kolokacji języka ogólnego; 2. analizy konkordancji pozostałych terminów w celu sprawdzenia, czy rzeczywiście były to terminy lotnicze. Skróty są powszechnie używane w lotnictwie jako terminy, dlatego pominięcie ich w słowniku lub glosariuszu lotniczym byłoby uznane za niedostateczne odzwierciedlenie stosowanej terminologii lotniczej. Ponieważ jednak celem było uzyskanie listy terminów lub konstrukcji wielowyrazowych, które można byłoby wykorzystać do nazywania elementów ram semantycznych w lotnictwie, skrótów jako leksykalnych zamienników pełnych terminów nie traktowano tu w ten sam sposób. Ponadto nie było powodu, by zachowywać skróty na chorwackich listach kandydatów na terminy, ponieważ w tekstach występowały jako elementy obcojęzyczne. 2.3. Ekstrakcja i analiza czasowników Listy czasowników angielskich i chorwackich wyodrębniono automatycznie za pomocą opcji Keywords w Sketch Engine. W korpusie angielskim nie uwzględniono czasowników be, have ani do, natomiast w analizie korpusu chorwackiego pominięto biti „być”, imati „mieć”, moći „móc” oraz morati „musieć”. Następnie pierwszych 100 czasowników z każdej listy analizowano, ręcznie weryfikując ich szkice wyrazowe. Kolokacje uznane za terminy wielowyrazowe lub kolokacje istotne dla terminologii lotniczej ze względu na częstotliwość zapisywano w arkuszu Excel obok analizowanego czasownika. 3. WYNIKI I DYSKUSJA Ręczna weryfikacja jednowyrazowych i wielowyrazowych angielskich oraz chorwackich kandydatów na terminy przyniosła zaskakujące wyniki dotyczące precyzji i kompletności automatycznej ekstrakcji w Sketch Engine. Na przykład po pierwszym etapie weryfikacji spośród 1000 terminów pozostało tylko 400 chorwackich terminów jednowyrazowych, które nie były skrótami ani słowami języka ogólnego. Ostateczne listy terminów chorwackich obejmują 199 terminów jednowyrazowych i 455 wielowyrazowych. Angielskich terminów wielowyrazowych jest nieco więcej, ale nie tak dużo, jak można by oczekiwać. Po analizie pozostały 664 angielskie terminy wielowyrazowe, jednak tylko 148 Terminologija | 2019 | 26 79 jednowyrazowe terminy angielskie, co prowadzi do znacznie słabszego wyniku: z początkowej listy angielskich terminów wielowyrazowych zaledwie 14,8% stanowiły terminy poprawne. Jak można się było spodziewać, druga faza weryfikacji terminów ujawniła kilka problemów dotyczących terminologiczności kandydatów. Jeśli na liście występowały zarówno rzeczownik, jak i przymiotnik odnoszący się do danego pojęcia, pozostawiano rzeczownik jako bardziej prototypową realizację terminu.7 Dotyczyło to częściej terminów chorwackich, ponieważ w języku angielskim rzeczownik i przymiotnik często mają tę samą formę morfologiczną, jak w poniższych przykładach: kabina, kabinski „kabina”, navigacija, navigacijski „nawigacja, nawigacyjny”, helikopter, helikopterski „helikopter”, identifikacija, identifikacijski „identyfikacja”. Podobnie, jeśli na listach występowały zarówno przymiotnik, jak i przysłówek, pozostawiano formę przymiotnika: instrumentalni, instrumentalno „instrumentalny, instrumentalnie”, natomiast w przypadku różnicy między czasownikiem a przymiotnikiem na liście zazwyczaj pozostawiano czasownik: certificirati, certificiran „certyfikować, certyfikowany”. Gdy pojawiały się dwa rzeczowniki odnoszące się do tego samego pojęcia, pozostawiano oba, jeśli jeden z nich odnosił się do czynności, a drugi do jej rezultatu, jak w przykładzie identifikacija i identificiranje „identyfikacja”. Wydaje się, że w angielskich odpowiednikach takie rozróżnienie nie występuje. Listy angielskich kandydatów na terminy zawierały wiele informacji wymagających odfiltrowania, takich jak nazwy krajów, imiona i nazwiska (np. Juncker), wyrazy w innych językach obcych, a nawet niektóre wyrazy funkcyjne (np. zaimek this). Algorytm ekstrakcji słów kluczowych i terminów wielowyrazowych najwyraźniej rozpoznaje również elementy obcojęzyczne, czyli wyrazy nieangielskie występujące w korpusie, jako terminy. Można było tego uniknąć, usuwając przed dodaniem dokumentów do korpusu zwroty (we wszystkich językach UE), które zwykle pojawiają się na końcu każdego dokumentu, uznano jednak, że łatwiej będzie później pominąć je na listach kandydatów. Druga faza weryfikacji angielskich kandydatów na terminy wykazała, że największą pułapką zastosowanego algorytmu jest niemożność odróżnienia konstrukcji wielowyrazowych złożonych z dwóch członów od tych złożonych z trzech członów; jest to częsty błąd wielu statystycznych narzędzi do ekstrakcji terminów. Bound air i simulated engine są zatem częściami większych, poprawnych terminów wielowyrazowych bound air cargo i simulated engine failure (obie wersje znalazły się na liście), a także instrument ground i crew compartment (zamiast 7 Tego rodzaju rozumowanie jest bliższe tradycyjnej pracy terminologicznej, w której rzeczowniki miały w słownikach terminologicznych pierwszeństwo przed odpowiadającymi im przymiotnikami i czasownikami odnoszącymi się do tego samego pojęcia (Sager 1990: 58). Jednak oba rodzaje jednostek byłyby uwzględnione jako jednostki leksykalne powiązane z przywoływaną przez nie ramą semantyczną. 80 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames instrument ground time and flight crew compartment). Niektóre kandydaty na terminy wielowyrazowe formalnie wyglądają na poprawne terminy; aby uznać je za niepoprawne lub fałszywie pozytywne wyniki, potrzebna jest wiedza dziedzinowa, np.: 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. Krótsze formy są często po prostu synonimami, jak controller licence w odniesieniu do air traffic controller licence. Inną grupę fałszywie pozytywnych terminów wielowyrazowych stanowią wyrażenia wielowyrazowe, które można uznać za należące do języka ogólnego: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Chociaż są to poprawne formy morfosyntaktyczne, nie odnoszą się do żadnego konkretnego pojęcia, a zatem nie można ich uznać za terminy. Po przeanalizowaniu wszystkich list uzyskaliśmy bardzo niewielką liczbę terminów jednowyrazowych: 199 terminów chorwackich i 148 angielskich. Aby sprawdzić, czy wyodrębniono terminy, które można uznać za oznaczające „kluczowe” pojęcia w tej dziedzinie, przeanalizowano szkice wyrazów dla pierwszych 10 terminów w każdym języku. Szkice wyrazów to automatycznie generowane, oparte na korpusie podsumowania wzorców gramatycznych i kolokacyjnych wyrazów; stanowią doskonałe źródło do tworzenia licznych kandydatów na terminy w ich kontekście składniowym (Kilgarriff et al. 2014). Oprócz typowych kolokacji przymiotnik/rzeczownik (wet-leased aircraft) lub rzeczownik/rzeczownik (aircraft noise, aircraft position), kolokacje czasownikowe (operate an aircraft) i wyrażenia przyimkowe (aircraft entering into) dostarczają nieocenionych informacji terminologicznych, szczególnie przydatnych dla terminologów i tłumaczy. Najistotniejszą dla tego celu relacją była relacja koordynacji między wyrazem docelowym a wyrazami z nim powiązanymi. Jak pokazano na rysunku 1, wyrazami powiązanymi z aircraft są occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment oraz type. Porównaliśmy listę skoordynowanych terminów z listą terminów jednowyrazowych i oznaczyliśmy te, które występowały na obu listach. Drugim krokiem weryfikacji wyników było porównanie najczęstszych kolokacji terminów ze szkiców wyrazów z kolokacjami z listy terminów wielowyrazowych. Gdy kolokacje ze szkicu wyrazu (np. aircraft identification lub aircraft operator na rysunku 1) pokrywały się z terminami wyodrębnionymi z korpusu, oznaczano je również jako jednostki leksykalne, które należy uwzględnić w opisie ramy semantycznej. Terminologija | 2019 | 26 81 Rysunek 1. Szkic słowa terminu aircraft Analiza wyodrębnionych czasowników również składała się z dwóch etapów. Najpierw ręcznie oznaczono czasowniki specjalistyczne lub specyficzne dla lotnictwa, np. fly, land, operate, communicate itd. Drugi etap polegał na oznaczeniu czasowników, które potencjalnie nabierają specjalistycznego znaczenia w kontekście lotnictwa. W tym celu przeanalizowano szkice słów dla pierwszych 100 najczęściej występujących czasowników, a następnie sprawdzono konkordancje odpowiednich kolokacji. Kolokacje wybierano na podstawie ich częstotliwości, lecz wszystkie miały termin lotniczy jako drugi element. Pod względem częstości występowania w korpusie największą grupę stanowiły czasowniki często określane jako czasowniki wspierające (Lerat 2002; Pimentel 2012) oraz czasowniki frazeologiczne (Lorente 2002; 2007).8 Czasowniki frazeologiczne nabierają specjalistycznego znaczenia w jednostkach syntagmatycznych, w których co najmniej jedna jednostka terminologiczna pełni funkcję składniową podmiotu lub dopełnienia (Pimentel 2012: 87). Czasowniki takie jak provide, ensure, require, refer to, or establish często występują w dyskursie legislacyjnym, z którego składa się angielsko-chorwacki korpus równoległy, jednak to, czy mają one specjal- 8W swojej reinterpretacji klasyfikacji czasowników występujących w tekstach specjalistycznych (2007) Lorente definiuje czasowniki frazeologiczne jako obejmujące czasowniki występujące w kolokacjach i utartych wyrażeniach, a także czasowniki wspierające. 82 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames istyczne znaczenie związane z lotnictwem można ocenić jedynie na podstawie ich kolokacji z wcześniej wyodrębnionymi terminami lotniczymi. Jak widać w przykładach (1) i (2), ensure oraz establish występują tu jako części argumentów, a nie jako predykaty w odpowiednich zdaniach: (1) „Droga kołowania” oznacza wyznaczoną trasę na lotnisku naziemnym, established w celu kołowania statków powietrznych i mającą zapewnić połączenie między jedną częścią lotniska a inną. (2) Wszystkie dokumenty <...> należy przechowywać w celu udostępnienia informacji niezbędnych do ensure ciągłej zdatności do lotu statku powietrznego. (3) Przewoźnik lotniczy wykonujący lot, który odmawia przyjęcia pasażera na pokład lub odwołuje lot, shall provide każdemu pasażerowi, którego to dotyczy, pisemną informację określającą zasady odszkodowania i pomocy zgodnie z rozporządzeniem 261/2004. Provide z kolei rzeczywiście pełni funkcję predykatu, którego argumentami są terminy lotnicze, nie ma jednak znaczenia, o którym można by powiedzieć, że różni się od jego znaczenia kanonicznego. Chociaż można bezpiecznie uznać kolokacje establish aerodrome i ensure airworthiness (of the aircraft) występujące w przykładach (1) i (2) za kolokacje o znaczeniu specjalistycznym, a czasowniki establish i ensure za czasowniki frazeologiczne w tekstach specjalistycznych związanych z lotnictwem, nie możemy zaklasyfikować ich jako czasowników specjalistycznych z dwóch powodów. Po pierwsze, nie są predykatami w tych zdaniach, a po drugie, ich podstawowe znaczenie nie zmienia się w tych jednostkach syntagmatycznych. Czasowniki wspierające stanowią kolejną podkategorię czasowników frazeologicznych, których — według Lorente (2007) — nie można utożsamiać z czasownikami specjalistycznymi ani terminologicznymi. Lerat (2002) podaje take (fr. prendre) jako przykład czasownika wspierającego, który może występować w kolokacjach z terminami, ale sam nie jest terminem, jak w kolokacji take the flight (4): (4) Jeżeli nie dokonano powiadomienia zgodnie z odpowiednimi przepisami krajowymi, organ zarządzający podejmuje wszelkie uzasadnione działania, aby udzielić pomocy w taki sposób, by zainteresowana osoba mogła take the flight, na który posiada rezerwację. Większość wyodrębnionych czasowników, zarówno angielskich, jak i chorwackich, zachowuje się w ten sam sposób. Jednak czasownik frazowy take off jest nie tylko czasownikiem „specyficznym dla określonej dziedziny” (L’Homme 1998), tj. specyficznym dla kontekstu lotnictwa. Jest jednym z kluczowych terminów w lotnictwie, równie często używanym jak jego derywat takeoff: (5) Statek powietrzny kołujący w polu manewrowym lotniska ustępuje pierwszeństwa statkom powietrznym taking off lub zamierzającym take off. Terminologija | 2019 | 26 83 Jeśli chodzi o czasownik frazowy give way, nie można uznać go za termin wyłącznie na podstawie kontekstu lub jego argumentów. Według jednego z kryteriów L’Homme służących do określania czasowników specjalistycznych czasownik może być terminem, jeśli „językowe realizacje aktantów (tj. argumentów) czasownika są definiowane jako terminy” (L’Homme 2015: 80). W przykładzie (5) oba argumenty są w istocie terminami, ale znaczenie czasownika frazowego give way jest jednak takie samo jak w bardziej ogólnym kontekście. Nie byłoby zatem uzasadnione oznaczenie go jako czasownika terminologicznego w lotnictwie.9 Wśród pierwszych 100 najczęstszych czasowników w angielskiej części równoległego korpusu lotniczego tylko dwa można uznać za właściwe czasowniki specjalistyczne lub czasowniki specyficzne dla dziedziny lotnictwa: operate i fly. Czasownik operate występuje w wielu kolokacjach lub większych jednostkach syntagmatycznych, w których często pełni inne funkcje morfosyntaktyczne (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating); niektóre z nich uznaje się za terminy (aerodrome operating minima). Biorąc pod uwagę tematykę tekstów korpusowych, czasowniki takie jak communicate, land, taxi or transfer występują wśród czasowników rzadszych. Wśród pierwszych 100 najczęstszych czasowników chorwackich jedynym czasownikiem specjalistycznym jest czasownik letjeti „latać”. Ponieważ jest to jednak również czasownik języka ogólnego, zachowujący to samo znaczenie w kontekście specjalistycznym, gdy używa się go w funkcji predykatywnej, jego argumenty i kolokacje mają większe znaczenie w analizie predykatywnych terminów lotniczych (np. letovi koji lete „loty, które latają” lub fly the aircraft w języku angielskim). WNIOSKI Mamy nadzieję, że przedstawiona w artykule praca prowadzi do wniosku, iż dane terminologiczne i językowe pozyskane ze specjalistycznych korpusów równoległych można z powodzeniem wykorzystać do stworzenia podstaw definiowania specjalistycznych ram semantycznych. Chociaż walidacja terminów uwydatniła pewne pułapki związane z ekstrakcją terminów z korpusów utworzonych z aktów prawnych UE, takie jak wpływ dyskursu prawnego na terminologię dziedzinową, wykazała jednak, że korpusy równoległe pozostają wiarygodnym źródłem umożliwiającym szybkie pozyskiwanie odpowiedników terminów w innych językach. Analiza wyekstrahowanych czasowników i ich klasyfikacja według kilku uznanych typologii czasowników występujących w dyskursie specjalistycznym (L’Homme 9 Wniosek ten pozostaje aktualny, pod warunkiem że za termin uznamy tu wyłącznie aircraft, ponieważ całej klauzuli – niezależnie od tego, że zawiera kilka terminów lotniczych – nie można uznać za termin. 84 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames 1998; Lerat 2002; Lorente 2007) przyniosła również interesujące, choć zarazem nieco rozczarowujące wyniki dotyczące potencjalnego statusu terminologicznego wyekstrahowanych kandydatów. Chociaż na liście potencjalnych kandydatów znalazło się bardzo niewiele czasowników specjalistycznych lub czasowników specyficznych dla dziedziny lotnictwa, kolokacje tych czasowników okazały się istotne terminologicznie, ponieważ były albo terminami wielowyrazowymi, albo kolokacjami czasownikowymi terminów. Ponieważ baza danych AirFrame zawiera frazeologiczne jednostki terminologiczne, takie jak kolokacje terminów, szkice słów dla poszczególnych czasowników dostarczyły wielu istotnych jednostek terminologicznych. Przeprowadzona analiza czasowników wskazuje, że wykorzystanie czasowników jako punktu wyjścia do definiowania specjalistycznych ram semantycznych lotnictwa może być mniej owocne niż analiza szkiców słów. Bardziej istotne dane terminologiczne uzyskano, najpierw określając kluczowe byty w tej dziedzinie, a następnie definiując procesy, w których uczestniczą, poprzez analizę ich kolokacji. Czasowniki występujące w tych kolokacjach powinny odnosić się do najistotniejszych procesów i zdarzeń w lotnictwie. Rajh i Grčić Simeunović (2019) doszli do podobnych wniosków w artykule dotyczącym klasyfikacji zachowań kombinatorycznych czasowników w dziedzinie marketingu. Choć ich praca opiera się na innym podejściu teoretycznym, potwierdza ona pogląd, że istotne czasowniki specjalistyczne w danej dziedzinie najlepiej identyfikuje się poprzez analizę składniowo-semantycznego zachowania kluczowych pojęć tej dziedziny, przede wszystkim bytów. Po wyekstrahowaniu jednostek leksykalnych i zweryfikowaniu terminów lotniczych kolejnym krokiem w identyfikacji lotniczych ram semantycznych jest pogrupowanie istotnych pojęć, do których odnoszą się terminy, oraz nazwanie szerszych kategorii z nimi powiązanych, tj. ram, które przywołują. Należy zatem pogrupować jednostki leksykalne należące do tego samego typu semantycznego i występujące jako argumenty tych samych czasowników, a następnie powiązać je za pomocą ramy. Zakres ramy semantycznej zależy w dużej mierze od szczegółowości opisu pojęciowego, a także od ogólnego zamierzonego sposobu wykorzystania planowanej bazy danych. Jeśli specjalistyczne ramy semantyczne miałyby kiedyś zostać połączone z innym zasobem leksykalnym zawierającym ramy języka ogólnego, opis specjalistycznych kategorii dziedzinowych powinien uwzględniać również bardziej abstrakcyjną kategoryzację nadrzędną. 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