Extracting Lexical Units for Identifying Specialized Semantic Frames

doi.org/10.35321/term26-04 Extragerea unităților lexicale pentru identificarea cadrelor semantice specializate1 ANA OSTROŠKI ANIĆ Institutul de Lingvistică și Limba Croată MAJA LONČAR Institutul de Lingvistică și Limba Croată MARTINA PAVIĆ Institutul de Lingvistică și Limba Croată R E Z U M A T Articolul discută ideea utilizării corpusurilor paralele pentru extragerea unităților terminologice folosite la identificarea cadrelor semantice din domeniul aviației, ca prim pas în dezvoltarea unei metode de determinare a cadrelor semantice specializate. Mai întâi este descris procesul de alcătuire a corpusului paralel de texte preluate din baza de date Eur-Lex, cu ajutorul instrumentelor Sketch Engine. Apoi sunt prezentate metodologia de extragere a candidaților terminologici și verificarea lor manuală, precum și procesul de extragere și verificare a verbelor relevante. Sunt discutate rezultatele verificării termenilor, punându-se accentul pe rolul verbelor și al colocărilor verbale în identificarea cadrelor semantice relevante și a elementelor cadrelor. CUVINTE-CHEIE: terminologia aviației, corpus engleză-croată, cadre semantice, cunoștințe specializate, terminologie. A B S T R A C T Articolul analizează modul în care corpusurile paralele pot fi utilizate pentru extragerea unităților terminologice folosite la identificarea cadrelor semantice din domeniul aviației, ca primă etapă în dezvoltarea unei metode de determinare a cadrelor semantice specializate. Mai întâi este descrisă alcătuirea corpusului paralel de texte preluate din baza de date Eur-Lex cu ajutorul instrumentelor Sketch Engine. Apoi sunt prezentate metodele de extragere a candidaților la statutul de termeni și de verificare manuală a acestora, precum și 1 Această lucrare se bazează pe comunicarea „From parallel corpora to specialized semantic frames”, prezentată la cea de-a 3-a conferință internațională de terminologie Scientific, Administrative and Educational Dimensions of Terminology, desfășurată la Vilnius în perioada 17–18 octombrie 2019. Această lucrare a beneficiat de sprijin integral din partea Fundației Croate pentru Știință, în cadrul proiectului HRZZ-UIP-2017-05-7169. Terminologija | 2019 | 26 73 procesul de extragere și verificare a verbelor relevante. În prezentarea rezultatelor verificării termenilor, o atenție deosebită este acordată rolului verbelor și al colocărilor verbale în identificarea cadrelor semantice relevante și a elementelor acestora. CUVINTE-CHEIE: terminologia aviației, corpus englez-croat, cadre semantice, cunoștințe specializate, terminologie. INTRODUCERE 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). Pentru limba croată nu a fost elaborată nicio resursă lexicală bazată în întregime pe metodologia și inventarul semantic ale FrameNet. Anumite cadre semantice au fost definite ca parte a unei baze de date mai ample de metafore conceptuale în limba croată (Despot et al. 2019). Cu toate acestea, o bază de date a cadrelor semantice din domeniul aviației, aflată în curs de elaborare în cadrul proiectului de cercetare Dinamica categoriilor de cunoștințe specializate (DIKA, ihjj.hr/dika), reprezintă prima încercare de a construi o astfel de bază de date specializată pentru limba croată. Proiectul vizează descrierea nivelurilor conceptual și lingvistic ale categoriilor de cunoștințe specializate în contextul naturii dinamice a cadrelor semantice. Principalul rezultat al proiectului este o bază de date terminologică multilingvă în care terminologia aviației este definită prin cadre semantice, incluzând elemente de cadru, relații conceptuale și unități terminologice figurative și frazeologice. În scopul analizei semantice și sintactice a fost alcătuit un corpus paralel de texte în engleză și croată din domeniul traficului aerian, care va servi drept 74 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames punct de plecare pentru extragerea și analiza termenilor. Subdomeniul traficului aerian a fost ales ca aspectul cel mai reprezentativ al vastului și interdisciplinarului domeniu al aviației. Această lucrare analizează ideea utilizării corpusurilor paralele pentru extragerea unităților terminologice care se referă la cadre semantice specifice din domeniul aviației, ca prim pas în dezvoltarea unei metode de determinare a cadrelor semantice și a relațiilor conceptuale dintre acestea în domeniul aviației. Deși corpusurile paralele sunt recunoscute de multă vreme drept surse inestimabile de candidați la statutul de termeni pentru alcătuirea diverselor resurse specializate (Vintar 2000), până în prezent ele au fost puțin utilizate în cercetarea aplicată din domeniul semanticii cadrelor.2 Mai întâi este descrisă alcătuirea corpusului paralel de texte preluate din baza de date Eur-Lex cu ajutorul instrumentelor Sketch Engine. Apoi sunt prezentate metodologia de extragere a candidaților la statutul de termeni și verificarea manuală a acestora, precum și procesul de extragere și verificare a verbelor relevante. Rezultatele verificării termenilor sunt prezentate și comentate, după care este discutată posibila utilizare a verbelor și a colocărilor verbale pentru identificarea cadrelor semantice relevante și a elementelor de cadru din domeniul aviației.3 1. CADRUL TEORETIC În comunitățile contemporane de terminologie și de limbaje specializate (LSP), resursele de cunoștințe specializate nu mai sunt construite doar în jurul descrierii relațiilor ierarhice, deoarece se consideră că acestea nu reflectă natura dinamică a categoriilor de cunoștințe (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Mai mult, distincția formală dintre un dicționar și un lexicon, pe care se bazează întreaga terminografie tradițională, pare să se fi estompat, tot mai multe resurse specializate folosind metode de compilare și de prezentare a cunoștințelor utilizate de altfel la crearea resurselor pentru limbajul general (L’Homme et al. 2016; L’Homme 2018). Resursele lexicale și semantice construite pe premisele semanticii cadrelor definesc cunoștințele în termeni de cadre semantice, ca tip de categorii dinamice alcătuite din elemente complexe și relații reciproce. Fiecare cadru semantic este definit ca un tip de eveniment sau de stare, cu participanții săi, numiți elemente ale cadrului (FEs). Cadrele semantice sunt evocate de 2 Corpusurile paralele și-ar valorifica cu siguranță întregul potențial în crearea unor depozite lexicale multilingve bazate pe cadre semantice (Boas 2005). 3 Le mulțumim recenzenților anonimi pentru comentariile și sugestiile lor neprețuite. Terminologija | 2019 | 26 75 unități lexicale, adică cuvinte din limbajul cotidian sau termeni din cunoștințele specializate, care instanțiază elementele cadrului. Criteriul de bază pentru delimitarea unui cadru de altul este ca toate unitățile lexicale să „evoce același tip de eveniment și să împărtășească același inventar și aceeași configurație de FEs” (Ruppenhofer et al. 2017: 384–385). Totuși, această metodă de stabilire a sferei cadrelor semantice și a definițiilor lor ar putea fi considerată arbitrară, deoarece nu necesită o „privire de ansamblu” prealabilă asupra datelor lexicale disponibile. Întrucât multe cadre urmează o compoziție de tip scenariu, descrierea lor începe, de obicei, prin selectarea verbelor relevante (Ruppenhofer et al. 2010), cărora li se adaugă argumente adecvate pe baza adnotării exemplelor extrase din corpus. Deși unitățile lexicale și elementele cadrului sunt definite în funcție de datele corpusului analizat, cadrele semantice sunt totuși identificate și denumite în mare parte intuitiv. Pentru identificarea cadrelor semantice dintr-un anumit domeniu al cunoașterii specializate, ar fi mai potrivit să se delimiteze mai întâi sfera cunoștințelor definite, lucru realizat în terminologie prin identificarea conceptelor-cheie și a relațiilor conceptuale din domeniu. Cercetarea terminologică a urmărit îndeaproape evoluțiile din lingvistică în ultimele două decenii și și-a mutat accentul teoretic către analiza proceselor și evenimentelor ca structuri de cunoștințe specializate mai dinamice. Prin urmare, a devenit clar că termenii predicativi (verbe, adjective, adverbe și anumite substantive) desemnează adesea concepte-cheie ale terminologiei unui domeniu (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). De exemplu, termenii communicate, fly, take off, and transport sunt întâlniți de obicei în domeniul aviației, la fel ca termenii pentru o serie de proceduri pe care le definim ontologic drept procese sau activități. Deși noțiunea de termhood este destul de bine înțeleasă de terminologi în ceea ce privește stabilirea nivelului conceptual al termenilor, criteriile de alegere a tipurilor de unități lexicale care ar trebui incluse ca termeni într-o resursă terminologică diferă în continuare în funcție de domeniul analizat și de cadrul teoretic aplicat. Criteriile propuse de L’Homme (1998, 2015) pentru definirea tipurilor de verbe cu sens specializat sunt cel mai des invocate în literatura terminologică, alături de criteriile Lorente și de tipologia sa a verbelor din discursul specializat (2002, 2007). L’Homme distinge trei tipuri de verbe în textele specializate: verbe specifice unui anumit domeniu (de exemplu, land, take off), verbe care dobândesc un sens specializat în domeniu (de exemplu, operate) și verbe din limbajul general 76 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames guage.4 Verbele care aparțin primului și celui de-al doilea tip pot fi etichetate drept termeni, însă verbele din al doilea tip formează un grup mai interesant pentru analiza terminologică, deoarece există cazuri în care nu este clar dacă sensul diferă suficient de sensul canonic sau implicit al verbului din dicționarul general. Criteriile pentru a decide dacă un verb dobândește un sens nou, specializat, într-un anumit context ar trebui totuși definite mai precis. Potrivit lui L’Homme (1998, 2015), criteriile pentru a decide dacă un verb poate fi clasificat drept termen depind de argumentele sale și de relația sa morfologică și semantică cu unitățile lexicale cu același sens definite ca termeni. Pe scurt, dacă un verb are argumente definite ca termeni, este probabil ca el însuși să fie un termen, ca în propoziția The pilot flies the helicopter. De asemenea, dacă substantivul takeoff este definit ca termen, atunci și verbul take off ar trebui definit ca atare. Am aplicat aceste criterii în analiza verbelor extrase, despre care se spune mai multe în secțiunea 4. 2. M E T O D E Pentru a elabora o metodologie validă de identificare a cadrelor semantice specializate, au fost necesari mai mulți pași. Mai întâi, a fost creat un corpus paralel engleză-croată. A doua etapă a constat în extragerea termenilor și validarea listelor de candidați la statutul de termen. Al treilea pas a inclus extragerea unei liste de verbe și analiza colocărilor acestora cu sens specializat. 2.1. Compilarea corpusului Corpusul este compilat din Directoriul actelor juridice ale Uniunii Europene, capitolul Transport policy, subcapitolul Air transport, în limbile engleză și croată. Din cele 220 de documente din subcapitolul Air transport, au fost selectate 178 de acte juridice care au versiuni în ambele limbi (engleză și croată). Textele sunt descărcate din baza de date EUR-Lex,5 și introduse în modulul de compilare a corpusurilor din Sketch Engine.6 Cea mai simplă modalitate de a crea un corpus paralel în Sketch Engine este să încărcați datele 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 Disponibil la: https://eur-lex.europa.eu/browse/directories/legislation.html [accesat la 05.09.2019]. 6 Disponibil la: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [accesat la 05.09.2019]. Terminologija | 2019 | 26 77 într-un format tabelar, precum o foaie de calcul (Excel). Foile de calcul trebuie să conțină numele limbilor pe primul rând, urmate de segmente aliniate (cuvinte, propoziții sau paragrafe), dispuse unul lângă altul. Fiecare document (act juridic) a fost prelucrat astfel încât să se obțină câte o coloană pentru fiecare limbă. Pentru aceasta, au fost eliminate marcatorii de listă și numerotarea, precum și partea numerică a tabelelor din documente. Fiecare limbă din fișierul-sursă a fost prelucrată într-un corpus monolingv separat și aliniată cu corpusul corespunzător din cealaltă limbă. Tabelul 1. Dimensiunea corpusului paralel engleză-croată ENGLEZĂ CROATĂ ENGLEZĂ CROATĂ Tokenuri 1,151,297 1,059,406 Propoziții 72,045 75,638 Cuvinte 951,156 855,560 Documente 178 178 Pe lângă extragerea celor mai frecvenți termeni dintr-un singur cuvânt și din mai multe cuvinte, utilizați drept candidați pentru elementele cadrelor semantice, corpusul poate fi folosit și pentru extragerea termenilor, a definițiilor și a exemplelor de context lingvistic care vor fi introduse în baza de date terminologică AirFrame. Corpusul va servi, de asemenea, la analiza nivelului sintactic al termenilor, adică a colocărilor, relațiilor frazeologice și construcțiilor predicat-argument. 2.2. Extragerea termenilor și verificarea termenilor Extragerea automată a termenilor a fost efectuată pentru fiecare limbă, cu opțiunea de a extrage o listă de 1000 de cuvinte-cheie mono- și pluriverbale. Corpusul EUR-Lex English 2/2016 a fost utilizat ca corpus de referință pentru extragerea candidaților la statutul de termeni englezi monoverbali, în timp ce English Web 2013 a fost utilizat ca corpus de referință pentru extragerea candidaților la statutul de termeni pluriverbali. Opțiuni similare au fost disponibile pentru extragerea termenilor în croată. Corpusul EUR-Lex Croatian 2/2016 a servit drept corpus de referință pentru extragerea unor candidați mai relevanți la statutul de termeni monoverbali, însă această opțiune nu a fost posibilă pentru extragerea cuvintelor-cheie pluriverbale. Prin urmare, a fost utilizat în schimb corpusul Croatian Web hrWaC 2.2. Pentru a testa fiabilitatea metodei, primii 100 de candidați la statutul de termeni din lista engleză de termeni pluriverbali au fost validați manual. După verificarea concordanțelor acestora, dintre cei 100 de candidați la statutul de termeni, 70 au fost recunoscuți drept termeni valabili de către un terminolog cu o vastă experiență în 78 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames terminologia aviației. Lista cuvintelor-cheie engleze (sau a termenilor monoverbali) consta în mare parte din abrevieri din domeniul aviației și câțiva termeni-cheie din aviație. A fost apoi efectuată analiza manuală și verificarea termenilor din ambele liste de candidați la statutul de termeni extrași, englezi și croați. Procesul de verificare a constat în două etape: 1. eliminarea tuturor abrevierilor și a cuvintelor și colocărilor evidente din limbajul general; și 2. analizarea concordanțelor termenilor rămași pentru a verifica dacă aceștia erau într-adevăr termeni din domeniul aviației. Abrevierile sunt utilizate în mod obișnuit ca termeni în aviație, astfel că neincluderea lor într-un dicționar sau glosar de aviație ar fi considerată o prezentare deficitară a terminologiei aviatice utilizate. Totuși, întrucât ne-am propus să obținem o listă de termeni sau construcții pluriverbale care ar putea fi folosite pentru denumirea elementelor cadrelor semantice din aviație, abrevierile, ca substitute lexicale ale termenilor integrali, nu au fost tratate aici cu aceeași funcție. În afară de aceasta, nu exista niciun motiv pentru a păstra abrevierile în listele de candidați la statutul de termeni croați, deoarece în texte erau utilizate ca elemente dintr-o limbă străină. 2.3. Extragerea și analiza verbelor Listele verbelor engleze și croate au fost extrase automat folosind opțiunea Keywords din Sketch Engine. Verbele be, have și do nu au fost luate în considerare în corpusul englez, în timp ce biti „be”, imati „have”, moći „can” și morati „must” au fost omise din analiza corpusului croat. Primii 100 de verbe din fiecare listă sunt apoi analizați prin validarea manuală a schițelor lor lexicale. Colocările considerate termeni pluriverbali sau colocări de importanță relativă pentru terminologia aviației pe baza frecvenței lor sunt notate într-o foaie Excel, alături de verbul analizat. 3. REZULTATE ȘI DISCUȚII Verificarea manuală a candidaților la statutul de termeni monoverbali și pluriverbali, englezi și croați, a produs rezultate surprinzătoare în ceea ce privește precizia și exhaustivitatea procesului de extragere automată din Sketch Engine. De exemplu, după prima etapă de verificare a termenilor, din 1000 de termeni au rămas doar 400 de termeni croați monoverbali care nu erau abrevieri sau cuvinte din limbajul general. Listele finale de termeni croați constau din 199 de termeni monoverbali și 455 de termeni pluriverbali. Există ceva mai mulți termeni pluriverbali englezi, dar nu atât de mulți pe cât ne-am aștepta. După analiză au rămas 664 de termeni pluriverbali englezi, însă doar 148 Terminologija | 2019 | 26 79 termeni englezești dintr-un singur cuvânt, ceea ce conduce la un rezultat semnificativ de slab, de doar 14,8% termeni valizi din lista inițială de termeni englezești pluri-lexicali. Așa cum era de așteptat, a doua etapă a verificării termenilor a evidențiat mai multe probleme privind statutul terminologic al candidaților. Dacă atât substantivul, cât și adjectivul care se referă la un anumit concept apăreau pe listă, substantivul era păstrat ca realizare terminologică mai prototipică.7 Acest lucru s-a întâmplat mai ales în cazul termenilor croați, deoarece în engleză substantivul și adjectivul au adesea aceeași formă morfologică, ca în exemplele următoare: kabina, kabinski „cabină”, navigacija, navigacijski „navigație, de navigație”, helikopter, helikopterski „elicopter”, identifikacija, identifikacijski „identificare”. În mod similar, dacă atât un adjectiv, cât și un adverb apăreau în liste, se păstra forma adjectivală: instrumentalni, instrumentalno „instrumental”, în timp ce, în cazul diferenței dintre verb și adjectiv, de regulă se păstra verbul în listă: certificirati, certificiran „a certifica, certificat”. Când apăreau două substantive care se refereau la același concept, se păstrau ambele dacă unul se referea la acțiune, iar celălalt la rezultat, ca în exemplul identifikacija și identificiranje „identificare”. Se pare că o astfel de diferență nu există în echivalentele englezești. Listele de candidați la termeni englezești cuprindeau multe informații care trebuiau filtrate, precum nume de țări, nume de persoane (de exemplu, Juncker), cuvinte din alte limbi străine și chiar unele cuvinte gramaticale (de exemplu, pronumele this). Aparent, algoritmul de extragere a cuvintelor-cheie și a termenilor pluri-lexicali recunoaște și elementele străine, adică cuvintele care nu sunt în engleză din corpus, drept termeni. Acest lucru ar fi putut fi evitat dacă frazele (în toate limbile UE) care apar de obicei la sfârșitul fiecărui document ar fi fost eliminate înainte de adăugarea documentelor în corpus, dar s-a considerat că era mai ușor să fie ignorate ulterior în listele de candidați. A doua etapă a verificării candidaților englezești la termeni a arătat că principala capcană a algoritmului aplicat era incapacitatea de a distinge construcțiile pluri-lexicale din două componente de cele din trei componente; aceasta este o eroare frecventă în multe instrumente statistice de extragere a termenilor. Bound air și simulated engine sunt, așadar, părți ale unor termeni pluri-lexicali corecți și mai lungi, bound air cargo și simulated engine failure (ambele versiuni apăreau pe listă), precum și instrument ground și crew compartment (în loc de 7 Acest tip de raționament este mai apropiat de practica terminologică tradițională, în care substantivele aveau prioritate în dicționarele terminologice față de adjectivele și verbele corespunzătoare care se refereau la același concept (Sager 1990: 58). Totuși, ambele ar fi incluse ca unități lexicale asociate cadrului semantic pe care îl evocă. 80 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames instrument ground time și flight crew compartment). Unii candidați la termeni pluri-lexicali par formal a fi termeni propriu-ziși, iar pentru a-i eticheta drept incorecți sau rezultate fals pozitive sunt necesare cunoștințe de specialitate în domeniu; de exemplu: 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. Formele mai scurte sunt adesea pur și simplu sinonime, precum controller licence pentru air traffic controller licence. O altă categorie de termeni pluri-lexicali fals pozitivi este alcătuită din expresii pluri-lexicale care ar putea fi considerate ca aparținând limbii generale: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Deși sunt forme morfosintactice valide, ele nu se referă la niciun concept anume și, prin urmare, nu pot fi considerate termeni. După analizarea tuturor listelor, am obținut un număr foarte mic de termeni dintr-un singur cuvânt: 199 de termeni croați și 148 de termeni englezești. Pentru a verifica dacă fuseseră extrași termenii care puteau fi considerați ca desemnând concepte „cheie” ale domeniului, au fost analizate schițele lexicale ale primilor 10 termeni din fiecare limbă. Schițele lexicale sunt rezumate automate, derivate din corpus, ale tiparelor gramaticale și colocative ale cuvintelor și reprezintă o sursă excelentă pentru generarea unui număr mare de candidați la termeni în contextul lor sintactic (Kilgarriff et al. 2014). Pe lângă colocările tipice adjectiv/substantiv (wet-leased aircraft) sau substantiv/substantiv (aircraft noise, aircraft position), colocările verbale (operate an aircraft) și sintagmele prepoziționale (aircraft entering into) oferă informații terminologice neprețuite, foarte utile terminologilor și traducătorilor. Cea mai relevantă relație în acest scop a fost relația de coordonare dintre cuvântul-țintă și cuvintele înrudite. După cum se poate vedea în Figura 1, cuvintele asociate cu aircraft sunt occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment și type. Am comparat lista termenilor coordonați cu lista termenilor dintr-un singur cuvânt și i-am marcat pe cei care apăreau în ambele liste. Al doilea pas al verificării rezultatelor a constat în compararea celor mai frecvente colocări ale termenilor din schițele lexicale cu cele din lista termenilor pluri-lexicali. Atunci când colocările din schița lexicală (de exemplu, aircraft identification sau aircraft operator din Figura 1) corespundeau celor din lista termenilor extrași din corpus, ele erau, de asemenea, marcate ca unități lexicale care urmau să fie incluse în descrierea unui cadru semantic. Terminologija | 2019 | 26 81 Figura 1. Schița de cuvinte a termenului aircraft Analiza verbelor extrase a constat, de asemenea, în două etape. Mai întâi, au fost marcate manual verbele specializate sau specifice aviației, de exemplu fly, land, operate, communicate etc. A doua etapă a constat în marcarea verbelor care dobândesc potențial un sens specializat în contextul aviației. În acest scop, au fost analizate schițele de cuvinte ale primelor 100 de verbe cu cea mai mare frecvență, iar dintre acestea, colocațiile relevante au fost verificate ulterior în concordanțele lor. Colocațiile au fost selectate pe baza frecvenței, dar toate aveau un termen din domeniul aviației ca al doilea element. Dacă sunt ordonate după frecvența lor în corpus, cel mai mare număr de verbe îl reprezintă verbele numite adesea verbe-suport (Lerat 2002; Pimentel 2012) și verbe frazeologice (Lorente 2002; 2007).8 Verbele frazeologice dobândesc sensul lor specializat în unități sintagmatice în care cel puțin o unitate terminologică are rolul sintactic de subiect sau obiect (Pimentel 2012: 87). Verbele precum provide, ensure, require, refer to, or establish se întâlnesc frecvent în discursul legislativ care alcătuiește corpusul paralel englez-croat, însă dacă acestea au un sens special- 8 În redefinirea clasificării verbelor care apar în textele specializate (2007), Lorente definește verbele frazeologice ca verbe care apar în colocații și expresii fixe, precum și ca verbe-suport. 82 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames izat legat de aviație poate fi stabilit numai pe baza colocațiilor lor cu termenii din domeniul aviației extrași anterior. După cum se poate observa în exemplele (1) și (2), ensure și establish apar aici ca părți ale argumentelor, nu ca predicate în propozițiile respective: (1) „Cale de rulare” înseamnă o cale definită pe un aerodrom terestru established pentru rularea aeronavelor și destinată să asigure legătura dintre o parte a aerodromului și alta. (2) Toate documentele <...> trebuie păstrate pentru a furniza informațiile necesare pentru ensure menținerea navigabilității aeronavei. (3) Un operator de transport aerian care refuză îmbarcarea sau anulează un zbor shall provide fiecărui pasager afectat o notificare scrisă în care sunt prezentate normele privind despăgubirea și asistența, în conformitate cu Regulamentul 261/2004. Provide, pe de altă parte, funcționează într-adevăr ca predicat ale cărui argumente sunt termeni din domeniul aviației, însă nu are un sens despre care s-ar putea spune că diferă de sensul său canonic. Deși ar fi rezonabil să considerăm colocațiile establish aerodrome și ensure airworthiness (of the aircraft) din exemplele (1) și (2) drept colocații cu sens specializat, iar verbele establish și ensure drept verbe frazeologice în textele specializate legate de aviație, nu le putem clasifica drept verbe specializate din două motive. În primul rând, ele nu sunt predicatele acestor propoziții și, în al doilea rând, sensul lor primar nu se schimbă în aceste unități sintagmatice. Verbele-suport constituie o altă subcategorie a verbelor frazeologice care, potrivit lui Lorente (2007), nu pot fi echivalate cu verbele specializate sau terminologice. Lerat (2002) oferă verbul take (fr. prendre) ca exemplu de verb-suport, care poate apărea în colocații cu termeni, dar nu este el însuși un termen, ca în colocația take the flight (4): (4) Dacă nu se face nicio notificare în conformitate cu normele naționale relevante, organismul de conducere depune toate eforturile rezonabile pentru a acorda asistență astfel încât persoana în cauză să poată take the flight pentru care deține o rezervare. Majoritatea verbelor extrase, atât în engleză, cât și în croată, se comportă în același mod. Totuși, verbul frazal take off nu este doar un verb „specific unui anumit domeniu” (L’Homme 1998), adică specific contextului aviației. Este unul dintre termenii-cheie în aviație, utilizat cu aceeași frecvență ca derivatul său takeoff: (5) O aeronavă care rulează pe suprafața de manevră a unui aerodrom trebuie să acorde prioritate aeronavelor taking off sau care urmează să take off. Terminologija | 2019 | 26 83 În ceea ce privește verbul frazeologic give way, nu este posibil să îl definim drept termen exclusiv pe baza contextului sau a argumentelor sale. Conform unuia dintre criteriile lui L’Homme pentru identificarea verbelor specializate, un verb poate fi considerat termen dacă „realizările lingvistice ale actanților (adică ale argumentelor) unui verb sunt definite ca termeni” (L’Homme 2015: 80). În exemplul (5), ambele argumente sunt, de fapt, termeni, însă sensul verbului frazeologic give way este același ca într-un context mai general. Prin urmare, nu ar fi justificat să îl etichetăm drept verb terminologic în domeniul aviației.9 Dintre primele 100 de verbe cele mai frecvente din partea engleză a corpusului paralel din domeniul aviației, doar două pot fi considerate verbe specializate propriu-zise sau verbe specifice domeniului aviației: operate și fly. Verbul operate apare în numeroase colocări sau unități sintagmatice mai ample, în care este folosit adesea cu alte funcții morfosintactice (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating), unele dintre acestea fiind recunoscute ca termeni (aerodrome operating minima). Având în vedere discursul textelor din corpus, verbe precum communicate, land, taxi or transfer se numără printre verbele mai puțin frecvente. Dintre primele 100 de verbe croate cele mai frecvente, verbul letjeti „a zbura” este singurul verb specializat. Totuși, având în vedere că este și un verb al limbii generale, care își păstrează același sens într-un context specializat atunci când este folosit cu funcție predicativă, argumentele și colocările sale sunt mai relevante pentru analiza termenilor predicativi din domeniul aviației (de exemplu, letovi koji lete „zboruri care zboară” sau fly the aircraft în engleză). CONCLUZIE Sperăm că lucrarea prezentată în acest articol conduce la concluzia că datele terminologice și lingvistice extrase din corpusuri paralele specializate pot fi folosite în mod eficient ca fundament pentru definirea cadrelor semantice specializate. Deși validarea termenilor a evidențiat anumite capcane ale extragerii termenilor din corpusuri alcătuite din legislația UE, precum influența discursului juridic asupra terminologiei domeniului, aceasta a demonstrat totuși că corpusurile paralele rămân o sursă fiabilă pentru obținerea rapidă a echivalentelor termenilor în alte limbi. Analiza verbelor extrase și clasificarea lor în funcție de mai multe tipologii consacrate ale verbelor din discursul specializat (L’Homme 9 Concluzia este valabilă cu condiția să considerăm că numai aircraft este termenul aici, întrucât o propoziție întreagă – indiferent de faptul că include mai mulți termeni din domeniul aviației – nu poate fi considerată un termen. 84 Ana Ostroški Anić Maja Lončar Martina Pavić Extracting Lexical Units for Identifying Specialized Semantic Frames 1998; Lerat 2002; Lorente 2007) a produs, de asemenea, rezultate interesante, dar totodată oarecum descurajante în ceea ce privește statutul terminologic potențial al candidaților extrași. Deși numărul verbelor specializate sau al verbelor specifice domeniului aviației a fost foarte mic în lista candidaților potențiali, colocările acestor verbe s-au dovedit relevante din punct de vedere terminologic, deoarece erau fie termeni pluriverbali, fie colocări verbale de termeni. Întrucât baza de date AirFrame include unități terminologice frazeologice precum colocările de termeni, schițele lexicale ale verbelor respective au furnizat numeroase unități terminologice relevante. Analiza verbelor realizată conduce la concluzia că folosirea verbelor ca punct de plecare pentru definirea cadrelor semantice specializate din domeniul aviației ar putea fi o opțiune mai puțin productivă decât analiza schițelor lexicale. S-au obținut date terminologice mai relevante prin identificarea mai întâi a entităților-cheie din domeniu, apoi prin definirea proceselor la care acestea participă, pe baza analizei colocărilor lor. Verbele care apar în aceste colocări ar trebui să desemneze cele mai relevante procese și evenimente din aviație. Rajh și Grčić Simeunović (2019) au ajuns la concluzii similare în articolul lor despre clasificarea comportamentului combinatoriu al verbelor din domeniul marketingului. Deși se bazează pe o abordare teoretică diferită, lucrarea lor susține ideea că verbele specializate relevante într-un anumit domeniu sunt cel mai bine identificate prin analiza comportamentului sintactico-semantic al conceptelor-cheie din domeniu, în special al entităților. După extragerea unităților lexicale și validarea termenilor din domeniul aviației, următorul pas în identificarea cadrelor semantice ale aviației constă în gruparea conceptelor relevante la care se referă termenii și în denumirea categoriilor mai ample asociate acestora, adică a cadrelor pe care le evocă. Prin urmare, unitățile lexicale de același tip semantic, care apar ca argumente ale acelorași verbe, ar trebui grupate și conectate printr-un cadru. Delimitarea cadrului semantic depinde în mare măsură de granularitatea descrierii conceptuale, precum și de ideea generală privind utilizarea potențială a bazei de date planificate. Dacă, într-o zi, cadrele semantice specializate urmează să fie integrate într-o altă resursă lexicală care conține cadre ce definesc limba generală, descrierea categoriilor specializate ale domeniului ar trebui să includă și o clasificare mai abstractă, de nivel superior. 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