doi.org/10.35321/term26-04

Extracción de unidades léxicas para identificar marcos semánticos especializados¹

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

R E S U M E N

El artículo analiza la idea de utilizar corpus paralelos para extraer unidades terminológicas que permitan identificar marcos semánticos de la aviación, como primer paso en el desarrollo de un método para determinar marcos semánticos especializados. En primer lugar, se describe el proceso de compilación del corpus paralelo de textos extraídos de la base de datos Eur-Lex mediante las herramientas de Sketch Engine. A continuación, se presenta la metodología de extracción de candidatos a términos y su verificación manual, así como el proceso de extracción y verificación de verbos pertinentes. Se analizan los resultados de la verificación de términos, centrándose en el papel de los verbos y las colocaciones verbales en la identificación de marcos semánticos pertinentes y de elementos de marco.

PALABRAS CLAVE: terminología aeronáutica, corpus inglés-croata, marcos semánticos, conocimiento especializado, terminología.

A N O T A C I Ó N

El artículo examina cómo pueden utilizarse corpus paralelos para extraer unidades terminológicas empleadas en la identificación de marcos semánticos de la aviación, como primer paso en el desarrollo de un método para determinar marcos semánticos especializados. En primer lugar, se describe la elaboración de un corpus paralelo de textos extraídos de la base de datos Eur-Lex mediante las herramientas de Sketch Engine. A continuación, se presentan los métodos de extracción de candidatos a términos y de su verificación manual, así como

¹ Este artículo se basa en la ponencia «De los corpus paralelos a los marcos semánticos especializados», presentada en la 3.ª conferencia internacional sobre terminología Dimensiones científicas, administrativas y educativas de la terminología, celebrada en Vilna los días 17 y 18 de octubre de 2019. Este trabajo ha recibido financiación íntegra de la Fundación Croata para la Ciencia, en el marco del proyecto HRZZ-UIP-2017-05-7169.

Terminologija | 2019 | 26

73

el proceso de extracción y verificación de los verbos pertinentes. Al comentar los resultados de la verificación de términos, se presta especial atención al papel de los verbos y las colocaciones verbales, y se identifican los marcos semánticos pertinentes y sus elementos.

PALABRAS CLAVE: terminología aeronáutica, corpus de inglés y croata, marcos semánticos, conocimiento especializado, terminología.

INTRODUCCIÓN

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).

No se ha desarrollado ningún recurso léxico para la lengua croata que se base íntegramente en la metodología y el inventario semántico de FrameNet. Se han definido determinados marcos semánticos como parte de una base de datos más amplia de metáforas conceptuales en croata (Despot et al. 2019). Sin embargo, una base de datos de marcos semánticos de la aviación, que se está desarrollando en el marco del proyecto de investigación Dinamicidad de las categorías de conocimiento especializado (DIKA, ihjj.hr/dika), constituye el primer intento de crear una base de datos especializada de este tipo para el croata. El proyecto aborda la descripción de los niveles conceptual y lingüístico de las categorías de conocimiento especializado en el marco de la naturaleza dinámica de los marcos semánticos. El principal resultado del proyecto es una base de datos terminológica multilingüe en la que la terminología aeronáutica se define mediante marcos semánticos, incluidos elementos de marco, relaciones conceptuales y unidades terminológicas figurativas y fraseológicas. Para realizar análisis semánticos y sintácticos se ha compilado un corpus paralelo de textos en inglés y croata del ámbito del tránsito aéreo, que servirá de

74

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

punto de partida para la extracción y el análisis de términos. Se ha elegido el subdominio del tránsito aéreo por ser el aspecto más representativo del vasto e interdisciplinario campo de la aviación.

Este artículo examina la posibilidad de utilizar corpus paralelos para extraer unidades terminológicas que remiten a marcos semánticos específicos de la aviación, como primer paso en el desarrollo de un método para determinar marcos semánticos y sus relaciones conceptuales en el ámbito de la aviación. Aunque desde hace tiempo se reconoce que los corpus paralelos son fuentes inestimables de candidatos a términos para la creación de diversos recursos especializados (Vintar 2000), hasta ahora apenas se han utilizado en investigaciones aplicadas relacionadas con la semántica de marcos.² En primer lugar, se describe la elaboración de un corpus paralelo de textos extraídos de la base de datos Eur-Lex mediante las herramientas de Sketch Engine. A continuación, se presenta la metodología para extraer candidatos a términos y verificarlos manualmente, así como el proceso de extracción y verificación de los verbos pertinentes. Se exponen y comentan los resultados de la verificación de términos, y luego se analiza el posible uso de los verbos y las colocaciones verbales para identificar marcos semánticos y elementos de marco pertinentes en el ámbito de la aviación.³

1. FUNDAMENTOS TEÓRICOS

En las comunidades contemporáneas de la terminología y de las lenguas para fines específicos, los recursos de conocimiento especializado ya no se construyen únicamente en torno a la descripción de relaciones jerárquicas, pues se considera que estas no reflejan la naturaleza dinámica de las categorías de conocimiento (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Además, la distinción formal entre diccionario y léxico, en la que se basa toda la terminografía tradicional, parece haberse desdibujado, ya que cada vez más recursos especializados emplean métodos de compilación y presentación del conocimiento que, de otro modo, se utilizan para crear recursos de lengua general (L’Homme et al. 2016; L’Homme 2018). Los recursos léxicos y semánticos basados en los principios de la Semántica de Marcos definen el conocimiento en términos de marcos semánticos, entendidos como un tipo de categorías dinámicas compuestas por elementos complejos y relaciones mutuas.

Cada marco semántico se define como un tipo de evento o estado con sus participantes, denominados elementos del marco (FEs). Los marcos semánticos son evocados por

² Sin duda, los corpus paralelos alcanzarían todo su potencial en la creación de repositorios léxicos multilingües basados en marcos semánticos (Boas 2005).

³ Agradecemos a los revisores anónimos sus valiosos comentarios y sugerencias.

Terminologija | 2019 | 26

75

unidades léxicas, es decir, palabras de la lengua cotidiana o términos del conocimiento especializado, que instancian elementos del marco. El criterio básico para delimitar un marco de otro es que todas las unidades léxicas deben «evocar el mismo tipo de evento y compartir el mismo inventario y configuración de FEs» (Ruppenhofer et al. 2017: 384–385). Sin embargo, este método para establecer el alcance de los marcos semánticos y sus definiciones podría considerarse arbitrario, porque no exige una «visión general» previa de los datos léxicos disponibles. Dado que muchos marcos siguen una composición similar a la de un escenario, su descripción suele comenzar con la selección de verbos pertinentes (Ruppenhofer et al. 2010), a los que se añaden argumentos adecuados tras anotar ejemplos extraídos del corpus. Aunque las unidades léxicas y los elementos del marco se definen de acuerdo con los datos del corpus analizado, los marcos semánticos, no obstante, se identifican y nombran mayoritariamente de forma intuitiva. Para identificar los marcos semánticos de un determinado ámbito de conocimiento especializado, sería más adecuado delimitar primero el alcance del conocimiento que se define, algo que, en el trabajo terminológico, se lleva a cabo mediante la identificación de conceptos clave y relaciones conceptuales del ámbito.

La investigación terminológica ha seguido de cerca los avances de la lingüística durante las dos últimas décadas y ha desplazado su foco teórico hacia el análisis de procesos y eventos como estructuras de conocimiento especializado más dinámicas. Por consiguiente, ha quedado claro que los términos predicativos (verbos, adjetivos, adverbios y ciertos sustantivos) suelen denotar conceptos clave de la terminología de un ámbito (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Por ejemplo, los términos communicate, fly, take off, and transport suelen estar presentes en el campo de la aviación, al igual que los términos que designan diversos procedimientos que ontológicamente definimos como procesos o actividades. Aunque los terminólogos comprenden bastante bien la noción de termhood cuando se trata de determinar el nivel conceptual de los términos, los criterios para elegir qué tipos de unidades léxicas deben incluirse como términos en un recurso terminológico siguen variando en función del campo analizado y del marco teórico aplicado. En la bibliografía terminológica se citan con mayor frecuencia los criterios propuestos por L’Homme (1998, 2015) para definir los tipos de verbos que transmiten significado especializado, junto con los criterios de Lorente y su tipología de verbos en el discurso especializado (2002, 2007).

L’Homme distingue tres tipos de verbos en los textos especializados: verbos específicos de un determinado campo (p. ej., land, take off), verbos que adquieren un significado especializado en el campo (p. ej., operate) y verbos de la lengua general

76

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

guaje.⁴ Los verbos que pertenecen al primer y segundo tipo pueden etiquetarse como términos, pero los verbos del segundo tipo constituyen un grupo más interesante para el análisis terminológico, porque hay casos en los que no está claro si el significado difiere lo suficiente del significado general canónico o predeterminado del verbo en el diccionario.

Los criterios para decidir si un verbo adquiere un nuevo significado especializado en un contexto determinado aún deben definirse con mayor precisión. Según L’Homme (1998, 2015), los criterios para decidir si un verbo puede clasificarse como término dependen de sus argumentos y de su relación morfológica y semántica con unidades léxicas del mismo significado que se definen como términos. En resumen, si un verbo tiene argumentos definidos como términos, es probable que el propio verbo también lo sea, como en la oración The pilot flies the helicopter. Además, si el sustantivo takeoff se define como término, entonces el verbo take off también debería definirse como tal. Hemos aplicado estos criterios en nuestro análisis de los verbos extraídos, del que se ofrece más información en la sección 4.

2. M É T O D O S

Para desarrollar una metodología válida para identificar marcos semánticos especializados, fue necesario dar varios pasos. Primero, se creó un corpus paralelo inglés-croata. La segunda etapa consistió en extraer términos y validar las listas de candidatos a término. El tercer paso incluyó extraer una lista de verbos y analizar sus colocaciones con significado especializado.

2.1. Compilación del corpus

El corpus se compila a partir del Directorio de actos jurídicos de la Unión Europea, capítulo Política de transporte, subcapítulo Transporte aéreo, en inglés y croata. De los 220 documentos del subcapítulo Transporte aéreo, se seleccionaron 178 actos jurídicos que cuentan con versiones en ambos idiomas (inglés y croata). Los textos se descargan de la base de datos EUR-Lex,⁵ y se introducen en el módulo de compilación de corpus de Sketch Engine.⁶ La forma más sencilla de crear un corpus paralelo en Sketch Engine consiste en cargar datos

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 Disponible en: https://eur-lex.europa.eu/browse/directories/legislation.html [consultado el 05.09.2019].

⁶ Disponible en: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [consultado el 05.09.2019].

Terminologija | 2019 | 26

77

en un formato tabular, como una hoja de cálculo (Excel). Las hojas de cálculo deben contener los nombres de los idiomas en la primera fila y, a continuación, segmentos alineados (palabras, oraciones o párrafos) uno al lado del otro.

Cada documento (acto jurídico) se procesó para obtener una columna por cada idioma. Para ello, se eliminaron las viñetas y la numeración, así como la parte numérica de las tablas de los documentos. Cada idioma del archivo de origen se procesó en un corpus monolingüe independiente y se alineó con el corpus correspondiente en el otro idioma.

Tabla 1. Tamaño del corpus paralelo inglés-croata

INGLÉS

CROATA

INGLÉS

CROATA

Tokens

1,151,297

1,059,406

Oraciones

72,045

75,638

Palabras

951,156

855,560

Documentos

178

178

Además de extraer los términos más frecuentes, tanto de una sola palabra como de varias, que se utilizan como candidatos a elementos de los marcos semánticos, el corpus también puede emplearse para extraer términos, definiciones y ejemplos del contexto lingüístico que se incorporarán a la base de datos terminológica AirFrame. El corpus también servirá para analizar el nivel sintáctico de los términos, es decir, sus colocaciones, relaciones fraseológicas y construcciones de predicado-argumento.

2.2. Extracción y verificación de términos

La extracción automática de términos se realizó para cada lengua con la opción de extraer una lista de 1000 palabras clave monoléxicas y pluriléxicas. El corpus EUR-Lex English 2/2016 se utilizó como corpus de referencia para extraer candidatos a término monoléxicos en inglés, mientras que English Web 2013 se utilizó como corpus de referencia para extraer candidatos a término pluriléxicos. Se disponía de opciones similares para la extracción de términos en croata. El corpus EUR-Lex Croatian 2/2016 sirvió como corpus de referencia para extraer candidatos a término monoléxicos más pertinentes, mientras que esta opción no estaba disponible para extraer palabras clave pluriléxicas. Por lo tanto, se utilizó en su lugar el corpus Croatian Web hrWaC 2.2.

Para comprobar la fiabilidad del método, se validaron manualmente los primeros 100 candidatos a término de la lista inglesa de términos pluriléxicos. Tras revisar sus concordancias, de los 100 candidatos a término, 70 fueron reconocidos como términos válidos por un terminólogo con amplia experiencia en

78

Ana Ostroški Anić

Maja Lončar

Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

terminología aeronáutica. La lista de palabras clave en inglés (o términos monoléxicos) consistía principalmente en abreviaturas aeronáuticas y algunos términos clave de la aviación. A continuación, se realizó un análisis manual y una verificación de términos de ambas listas de candidatos a términos extraídos, en inglés y en croata. El proceso de verificación constó de dos fases: 1. eliminar todas las abreviaturas y las palabras y colocaciones claramente pertenecientes al lenguaje general; y 2. analizar las concordancias de los términos restantes para verificar si efectivamente eran términos aeronáuticos. En aviación, las abreviaturas se utilizan habitualmente como términos, por lo que no incluirlas en un diccionario o glosario de aviación se consideraría una representación deficiente de la terminología aeronáutica en uso. Sin embargo, como queríamos obtener una lista de términos o construcciones pluriléxicas que pudieran utilizarse para nombrar los elementos de los marcos semánticos de la aviación, las abreviaturas, en tanto que sustitutos léxicos de términos completos, no se trataron aquí con esa misma función. Aparte de esto, no había motivo para conservar las abreviaturas en las listas croatas de candidatos a término, porque en los textos se utilizaban como elementos de una lengua extranjera.

2.3. Extracción y análisis de verbos

Las listas de verbos en inglés y croata se extrajeron automáticamente mediante la opción Keywords de Sketch Engine. En el corpus inglés no se tuvieron en cuenta los verbos be, have y do, mientras que en el corpus croata se omitieron del análisis biti «ser», imati «tener», moći «poder» y morati «deber». A continuación, se analizaron los primeros 100 verbos de cada lista mediante la validación manual de sus perfiles léxicos. Las colocaciones consideradas términos pluriléxicos o colocaciones de relevancia relativa para la terminología aeronáutica, en función de su frecuencia, se anotaron en una hoja de Excel junto al verbo analizado.

3. RESULTADOS Y DISCUSIÓN

La verificación manual de los candidatos a términos monoléxicos y pluriléxicos en inglés y croata arrojó resultados sorprendentes en cuanto a la precisión y la exhaustividad del proceso de extracción automática en Sketch Engine. Por ejemplo, tras la primera fase de verificación de términos, de los 1000 términos solo quedaron 400 términos croatas monoléxicos que no eran abreviaturas ni palabras del lenguaje general. Las listas finales de términos croatas constan de 199 términos monoléxicos y 455 pluriléxicos. Hay algo más de términos pluriléxicos en inglés, aunque no tantos como cabría esperar. Tras el análisis quedaron 664 términos pluriléxicos en inglés, pero solo 148

Terminologija | 2019 | 26

79

términos ingleses de una sola palabra, lo que da como resultado un porcentaje significativamente bajo de solo un 14,8% de términos válidos en la lista inicial de términos ingleses pluriverbales.

Como era de esperar, la segunda fase de verificación de términos planteó varios problemas en cuanto al carácter terminológico de los candidatos. Si en la lista aparecían tanto el sustantivo como el adjetivo que se referían a cierto concepto, se conservaba el sustantivo como realización terminológica más prototípica.⁷ Esto ocurría más a menudo con los términos croatas, ya que en inglés un sustantivo y un adjetivo suelen tener la misma forma morfológica, como en los siguientes ejemplos: kabina, kabinski «cabina», navigacija, navigacijski «navegación, navegacional», helikopter, helikopterski «helicóptero», identifikacija, identifikacijski «identificación». De modo similar, si en las listas aparecían tanto la forma adjetiva como la adverbial, se conservaba la forma adjetiva: instrumentalni, instrumentalno «instrumental», mientras que, en el caso de la diferencia entre verbo y adjetivo, normalmente se conservaba el verbo en la lista: certificirati, certificiran «certificar, certificado». Cuando aparecían dos sustantivos que se referían al mismo concepto, se conservaban ambos si uno se refería a la acción y el otro al resultado, como en el ejemplo de identifikacija y identificiranje «identificación». Parece que no existe tal diferencia en sus equivalentes ingleses.

Las listas de candidatos a término en inglés incluían mucha información que era necesario filtrar, como nombres de países, nombres de personas (p. ej., Juncker), palabras en otros idiomas extranjeros e incluso algunas palabras funcionales (p. ej., el pronombre this). Al parecer, el algoritmo para extraer palabras clave y términos pluriverbales también reconoce como términos los elementos extranjeros, es decir, las palabras no inglesas del corpus. Esto se podría haber evitado eliminando, antes de añadir los documentos al corpus, las frases (en todas las lenguas de la UE) que suelen aparecer al final de cada documento; sin embargo, se decidió que era más sencillo ignorarlas después en las listas de candidatos.

La segunda fase de verificación de los candidatos a término en inglés mostró que la mayor deficiencia del algoritmo aplicado era su incapacidad para distinguir las construcciones pluriverbales de dos elementos de las de tres, un error común en muchas herramientas estadísticas de extracción de términos. Bound air y simulated engine son, por tanto, partes de términos pluriverbales correctos más amplios: bound air cargo y simulated engine failure (ambas versiones aparecían en la lista), así como instrument ground y crew compartment (en lugar de

⁷ Este tipo de razonamiento se ajusta más al trabajo terminológico tradicional, en el que los sustantivos tenían prioridad en los diccionarios terminológicos frente a los adjetivos y verbos correspondientes que se referían al mismo concepto (Sager 1990: 58). Sin embargo, ambos se incluirían como unidades léxicas vinculadas al marco semántico que evocan.

80

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

instrument ground time y flight crew compartment). Algunos candidatos a término pluriverbales parecen formalmente términos legítimos y se requiere conocimiento especializado del dominio para clasificarlos como incorrectos o falsos positivos, por ejemplo: 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. Las formas más cortas suelen ser simplemente sinónimos, como controller licence de air traffic controller licence.

Otro grupo de falsos positivos pluriverbales está formado por expresiones que podrían clasificarse como pertenecientes a la lengua general: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Aunque son formas morfosintácticamente válidas, no se refieren a ningún concepto particular y, por tanto, no pueden considerarse términos.

Tras analizar todas las listas, llegamos a un número muy reducido de términos de una sola palabra: 199 términos croatas y 148 ingleses. Para comprobar si se habían extraído los términos que podían considerarse denotativos de conceptos «clave» del campo, se analizaron los perfiles léxicos de las 10 primeras palabras de cada lengua. Los perfiles léxicos son resúmenes automáticos, derivados de corpus, de los patrones gramaticales y colocacionales de las palabras, y constituyen una excelente fuente para generar un gran número de candidatos a término en su contexto sintáctico (Kilgarriff et al. 2014). Además de las colocaciones típicas adjetivo/sustantivo (wet-leased aircraft) o sustantivo/sustantivo (aircraft noise, aircraft position), las colocaciones verbales (operate an aircraft) y las frases preposicionales (aircraft entering into) aportan información terminológica inestimable, de gran utilidad para terminólogos y traductores. La relación más pertinente para este propósito era la relación de coordinación entre la palabra objetivo y las palabras relacionadas. Como puede verse en la Figura 1, las palabras relacionadas con aircraft son occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment y type. Comparamos la lista de términos coordinados con la lista de términos de una sola palabra y señalamos los que aparecían en ambas. El segundo paso para verificar los resultados consistió en comparar las colocaciones más frecuentes de los términos en los perfiles léxicos con las de la lista de términos pluriverbales. Cuando las colocaciones del perfil léxico (p. ej., aircraft identification o aircraft operator en la Figura 1) coincidían con las de la lista de términos extraídos del corpus, también se señalaban como unidades léxicas que debían incluirse en la descripción de un marco semántico.

Terminologija | 2019 | 26

81

Figura 1. Esbozo de palabras del término aircraft

El análisis de los verbos extraídos también constó de dos pasos. Primero, se marcaron manualmente los verbos especializados o específicos de la aviación, por ejemplo, fly, land, operate, communicate, etc. El segundo paso consistió en marcar los verbos que potencialmente adquieren un significado especializado en el contexto de la aviación. Para ello, se analizaron los esbozos de palabras de los 100 verbos más frecuentes, y luego se comprobaron las concordancias de las colocaciones pertinentes. Las colocaciones se seleccionaron según su frecuencia, pero todas tenían un término de aviación como segundo elemento.

Al ordenar los verbos por frecuencia en el corpus, el mayor número correspondió a verbos que suelen denominarse verbos de apoyo (Lerat 2002; Pimentel 2012) y verbos fraseológicos (Lorente 2002; 2007).⁸ Los verbos fraseológicos adquieren su significado especializado en unidades sintagmáticas en las que al menos una unidad terminológica desempeña la función sintáctica de sujeto u objeto (Pimentel 2012: 87). Los verbos como provide, ensure, require, refer to, or establish aparecen a menudo en el discurso legislativo que constituye el corpus paralelo inglés-croata, pero si tienen un significado especial-

⁸ En su redefinición de la clasificación de los verbos que aparecen en textos especializados (2007), Lorente define los verbos fraseológicos como aquellos que incluyen verbos presentes en colocaciones y expresiones fijas, así como verbos de apoyo.

82

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

izado relacionado con la aviación solo puede determinarse a partir de sus colocaciones con términos de aviación extraídos previamente. Como se observa en los ejemplos (1) y (2), ensure y establish aparecen aquí como partes de argumentos, no como predicados en sus respectivas oraciones:

(1) «Vía de rodaje» significa una trayectoria definida en un aeródromo terrestre establecida para el rodaje de aeronaves y destinada a conectar una parte del aeródromo con otra.

(2) Todos los documentos <...> se conservarán a fin de proporcionar la información necesaria para garantizar la continuidad de la aeronavegabilidad de la aeronave.

(3) Una compañía aérea que deniegue el embarque o cancele un vuelo deberá proporcionar a cada pasajero afectado una notificación escrita en la que se expongan las normas de compensación y asistencia de conformidad con el Reglamento 261/2004.

Provide, por otro lado, sí funciona como predicado cuyos argumentos son términos de aviación, pero no tiene un significado que pueda considerarse distinto de su significado canónico. Aunque sería razonable considerar que las colocaciones establish aerodrome y ensure airworthiness (of the aircraft) que aparecen en los ejemplos (1) y (2) tienen un significado especializado, y que los verbos establish y ensure son verbos fraseológicos en textos especializados relacionados con la aviación, no podemos clasificarlos como verbos especializados por dos razones. En primer lugar, no son los predicados de estas oraciones y, en segundo lugar, su significado primario no cambia en estas unidades sintagmáticas.

Los verbos de apoyo constituyen otra subcategoría de los verbos fraseológicos que, según Lorente (2007), no puede equipararse a los verbos especializados o terminológicos. Lerat (2002) cita take (fr. prendre) como ejemplo de verbo de apoyo, uno que puede aparecer en colocaciones con términos, pero que no es en sí mismo un término, como en la colocación take the flight (4):

(4) Si no se efectúa ninguna notificación de conformidad con las normas nacionales pertinentes, el órgano gestor hará todo lo razonablemente posible para prestar asistencia de manera que la persona interesada pueda tomar el vuelo para el que tiene una reserva.

La mayoría de los verbos extraídos, tanto en inglés como en croata, se comportan de la misma manera. Sin embargo, el verbo frasal take off no solo es un verbo «específico de un determinado campo» (L’Homme 1998), es decir, específico del contexto de la aviación. También es uno de los términos clave de la aviación, usado con una frecuencia equivalente a la de su derivado takeoff:

(5) Una aeronave que circule por el área de maniobras de un aeródromo deberá ceder el paso a las aeronaves que despeguen o estén a punto de despegar.

Terminologija | 2019 | 26 83

En cuanto al verbo frasal give way, no es posible definirlo como término basándose únicamente en el contexto o en sus argumentos. Según uno de los criterios de L’Homme para determinar los verbos especializados, es probable que un verbo sea un término si «las realizaciones lingüísticas de sus actantes (es decir, argumentos) se definen como términos» (L’Homme 2015: 80). En el ejemplo (5), ambos argumentos son, de hecho, términos, pero el significado del verbo frasal give way, sin embargo, es el mismo que en un contexto más general. Por lo tanto, no estaría justificado etiquetarlo como verbo terminológico de la aviación.⁹

Entre los 100 verbos más frecuentes de la parte en inglés del corpus paralelo de aviación, solo dos pueden considerarse verbos especializados propiamente dichos o específicos del ámbito de la aviación: operate y fly. El verbo operate aparece en varias colocaciones o unidades sintagmáticas más amplias, en las que a menudo aparece con otras funciones morfosintácticas (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating), y algunas de ellas se reconocen como términos (aerodrome operating minima). Dado el discurso de los textos del corpus, verbos como communicate, land, taxi or transfer se encuentran entre los verbos menos frecuentes.

Entre los 100 verbos croatas más frecuentes, el verbo letjeti «volar» aparece como el único verbo especializado. Sin embargo, dado que también es un verbo de la lengua general que conserva el mismo significado en un contexto especializado cuando se usa en función predicativa, sus argumentos y colocaciones son más pertinentes para el análisis de los términos predicativos de la aviación (por ejemplo, letovi koji lete «vuelos que vuelan» o fly the aircraft en inglés).

CONCLUSIÓN

El trabajo presentado en este artículo apunta, esperamos, a la conclusión de que los datos terminológicos y lingüísticos extraídos de corpus paralelos especializados pueden servir de manera eficaz como base para definir marcos semánticos especializados. Aunque la validación de términos ha puesto de relieve ciertos escollos de la extracción de términos de corpus compuestos por legislación de la UE, como la influencia del discurso jurídico en la terminología del ámbito, también ha demostrado que los corpus paralelos siguen siendo una fuente fiable para obtener rápidamente equivalentes terminológicos en otros idiomas.

El análisis de los verbos extraídos y su clasificación conforme a varias tipologías establecidas de verbos del discurso especializado (L’Homme

⁹ La conclusión se sostiene siempre que consideremos aircraft como el término en este caso, ya que una cláusula completa —independientemente de que contenga varios términos de aviación— no puede considerarse un término.

84

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

1998; Lerat 2002; Lorente 2007) también arrojó resultados interesantes, aunque algo desalentadores, respecto al potencial carácter terminológico de los candidatos extraídos. Aunque el número de verbos especializados o específicos del ámbito de la aviación era muy bajo en la lista de candidatos potenciales, las colocaciones de esos verbos resultaron ser terminológicamente pertinentes, pues eran términos pluriverbales o colocaciones verbales de términos. Dado que la base de datos AirFrame incluye unidades terminológicas fraseológicas como las colocaciones terminológicas, los perfiles léxicos de los verbos analizados proporcionaron numerosas unidades terminológicas pertinentes. El análisis de los verbos realizado permite concluir que emplear los verbos como punto de partida para definir marcos semánticos especializados de la aviación podría resultar menos fructífero que analizar los perfiles léxicos. Se obtuvieron datos terminológicos más pertinentes identificando primero las entidades clave del ámbito y definiendo después los procesos en los que participan mediante el análisis de sus colocaciones. Los verbos que aparecen en estas colocaciones deberían referirse a los procesos y acontecimientos más pertinentes de la aviación. Rajh y Grčić Simeunović (2019) llegaron a conclusiones similares en su artículo sobre la clasificación del comportamiento combinatorio de los verbos en el ámbito del marketing. Aunque su trabajo se basa en un enfoque teórico diferente, respalda la idea de que los verbos especializados pertinentes de un ámbito determinado se identifican mejor mediante el análisis del comportamiento sintáctico-semántico de los conceptos clave de ese ámbito, especialmente de las entidades.

Una vez extraídas las unidades léxicas y validados los términos de la aviación, el siguiente paso para identificar los marcos semánticos de la aviación consiste en agrupar los conceptos pertinentes a los que se refieren los términos y en denominar las categorías más amplias relacionadas con ellos, es decir, los marcos que estos evocan. Por lo tanto, las unidades léxicas del mismo tipo semántico que aparezcan como argumentos de los mismos verbos deben agruparse y vincularse mediante un marco. La delimitación del marco semántico depende en gran medida de la granularidad de la descripción conceptual, así como de la idea general del posible uso de la base de datos prevista. Si algún día se integraran los marcos semánticos especializados en otro recurso léxico que contenga marcos de la lengua general, también habría que incluir en la descripción de las categorías especializadas del ámbito una categorización más abstracta y 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