doi.org/10.35321/term26-04

Lexicale eenheden extraheren voor het identificeren van gespecialiseerde semantische frames¹

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

S A M E N V A T T I N G

Het artikel bespreekt het idee om parallelle corpora te gebruiken voor het extraheren van terminologische eenheden die worden ingezet om semantische frames van de luchtvaart te identificeren, als eerste stap in de ontwikkeling van een methode om gespecialiseerde semantische frames vast te stellen. Eerst wordt het proces beschreven waarmee met behulp van de tools van Sketch Engine het parallelle corpus is samengesteld uit teksten uit de Eur-Lex-database. Vervolgens wordt de methodologie voor het extraheren van termkandidaten en de handmatige verificatie ervan uiteengezet, evenals het proces voor het extraheren en verifiëren van relevante werkwoorden. De resultaten van de verificatie van termen worden besproken, met de nadruk op de rol van werkwoorden en verbale collocaties bij het identificeren van relevante semantische frames en frame-elementen.

TREFWOORDEN: luchtvaartterminologie, Engels-Kroatisch corpus, semantische frames, gespecialiseerde kennis, terminologie.

S A M E N V A T T I N G

In het artikel wordt besproken hoe parallelle corpora kunnen worden gebruikt om terminologische eenheden te selecteren die worden ingezet om semantische frames in de luchtvaart vast te stellen. Dit is de eerste stap in de ontwikkeling van een methode voor het vaststellen van gespecialiseerde semantische frames. Eerst wordt beschreven hoe met behulp van de database Eur-Lex en de hulpmiddelen van Sketch Engine een parallelle tekstverzameling wordt samengesteld. Vervolgens worden de methoden beschreven voor het selecteren van termkandidaten en de handmatige controle ervan, evenals

¹ Dit artikel is gebaseerd op de lezing “From parallel corpora to specialized semantic frames”, gehouden tijdens de 3e internationale conferentie over terminologie Scientific, Administrative and Educational Dimensions of Terminology in Vilnius, op 17–18 oktober 2019. Dit werk is volledig gesteund door de Croatian Science Foundation in het kader van het project HRZZ-UIP-2017-05-7169.

Terminologija | 2019 | 26

73

het proces van selectie en controle van geschikte werkwoorden. Bij de bespreking van de resultaten van de termcontrole wordt bijzondere aandacht besteed aan de rol van werkwoorden en woordcombinaties; geschikte semantische frames en hun elementen worden vastgesteld.

TREFWOORDEN: luchtvaartterminologie, Engels-Kroatisch corpus, semantische frames, gespecialiseerde kennis, terminologie.

INLEIDING

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).

Er is voor het Kroatisch geen lexicale bron ontwikkeld die volledig is gebaseerd op de methodologie en semantische inventaris van FrameNet. Bepaalde semantische frames zijn gedefinieerd als onderdeel van een grotere database van conceptuele metaforen in het Kroatisch (Despot et al. 2019). Een database van semantische frames in de luchtvaart, die wordt ontwikkeld binnen het onderzoeksproject Dynamiek van categorieën van gespecialiseerde kennis (DIKA, ihjj.hr/dika), is echter de eerste poging om een dergelijke gespecialiseerde database voor het Kroatisch op te bouwen. Het project beschrijft de conceptuele en linguïstische niveaus van categorieën van gespecialiseerde kennis binnen de dynamische aard van semantische frames. Het belangrijkste resultaat van het project is een meertalige terminologische database waarin luchtvaartterminologie wordt gedefinieerd aan de hand van semantische frames, met inbegrip van frame-elementen, conceptuele relaties en figuratieve en fraseologische terminologische eenheden. Voor semantische en syntactische analyse is een parallel corpus samengesteld van Engelse en Kroatische teksten op het gebied van het luchtverkeer; dit zal dienen als

74

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

uitgangspunt voor termextractie en termanalyse. Het subdomein luchtverkeer is gekozen als het meest representatieve aspect van het brede en interdisciplinaire vakgebied van de luchtvaart.

Dit artikel bespreekt het idee om parallelle corpora te gebruiken voor de extractie van terminologische eenheden die verwijzen naar specifieke semantische frames in de luchtvaart, als eerste stap in de ontwikkeling van een methode om semantische frames en hun conceptuele relaties binnen de luchtvaart vast te stellen. Hoewel parallelle corpora al lange tijd worden erkend als onmisbare bronnen van termkandidaten voor het samenstellen van uiteenlopende gespecialiseerde bronnen (Vintar 2000), zijn ze tot dusver weinig gebruikt in toegepast onderzoek naar Frame Semantics.² Eerst wordt het proces beschreven van het samenstellen van het parallelle corpus met teksten uit de Eur-Lex-database met behulp van Sketch Engine. Vervolgens wordt de methodologie voor het extraheren van termkandidaten en de handmatige controle daarvan gepresenteerd, evenals het proces van het extraheren en controleren van relevante werkwoorden. De resultaten van de termcontrole worden gepresenteerd en toegelicht, waarna het mogelijke gebruik van werkwoorden en verbale collocaties bij het identificeren van relevante semantische frames en frame-elementen op het gebied van de luchtvaart wordt besproken.³

1. THEORETISCHE ACHTERGROND

In hedendaagse terminologische en vaktaalgemeenschappen worden gespecialiseerde kennisbronnen niet langer uitsluitend opgebouwd rond de beschrijving van hiërarchische relaties, omdat men ervan uitgaat dat deze de dynamische aard van kenniscategorieën niet weerspiegelen (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Bovendien lijkt het formele onderscheid tussen een woordenboek en een lexicon waarop de gehele traditionele terminografie is gebaseerd, vervaagd te zijn doordat steeds meer gespecialiseerde bronnen methoden voor compilatie en kennisrepresentatie toepassen die anders worden gebruikt bij het samenstellen van bronnen voor de algemene taal (L’Homme et al. 2016; L’Homme 2018). Lexicale en semantische bronnen die zijn opgebouwd vanuit de uitgangspunten van de frame-semantiek definiëren kennis in termen van semantische frames, als een soort dynamische categorieën met complexe elementen en onderlinge relaties.

Elk semantisch frame wordt gedefinieerd als een type gebeurtenis of toestand met de bijbehorende participanten, die frame-elementen (FEs) worden genoemd. Semantische frames worden opgeroepen door

² Parallelle corpora zouden ongetwijfeld hun volledige potentieel bereiken bij het samenstellen van meertalige lexicale repositories op basis van semantische frames (Boas 2005).

³ Wij danken de anonieme reviewers voor hun waardevolle opmerkingen en suggesties.

Terminologija | 2019 | 26

75

lexicale eenheden, d.w.z. woorden uit de alledaagse taal of termen uit gespecialiseerde kennis, die frame-elementen instantiëren. Het basiscriterium om het ene frame van het andere af te bakenen, is dat alle lexicale eenheden “hetzelfde type gebeurtenis moeten oproepen en dezelfde inventaris en configuratie van FEs moeten delen” (Ruppenhofer et al. 2017: 384–385). Deze methode om de reikwijdte van semantische frames en hun definities vast te stellen, kan echter als arbitrair worden beschouwd, omdat zij geen voorafgaand “overzicht” van de beschikbare lexicale gegevens vereist. Aangezien veel frames een scenario-achtige opbouw hebben, begint hun beschrijving doorgaans met het selecteren van relevante werkwoorden (Ruppenhofer et al. 2010), waaraan passende argumenten worden toegevoegd op basis van de annotatie van voorbeelden die uit het corpus zijn geëxtraheerd. Hoewel lexicale eenheden en frame-elementen worden gedefinieerd aan de hand van de geanalyseerde corpusgegevens, worden semantische frames niettemin meestal intuïtief geïdentificeerd en benoemd. Bij het identificeren van semantische frames binnen een bepaald gespecialiseerd kennisdomein zou het geschikter zijn om eerst de reikwijdte van de te definiëren kennis af te bakenen; in terminologisch werk gebeurt dat door de belangrijkste concepten en conceptuele relaties binnen het domein te identificeren.

Terminologisch onderzoek heeft de ontwikkelingen in de taalkunde de afgelopen twee decennia nauwgezet gevolgd en heeft zijn theoretische focus verlegd naar het analyseren van processen en gebeurtenissen als dynamischere structuren van gespecialiseerde kennis. Daarom is duidelijk geworden dat predicatieve termen (werkwoorden, bijvoeglijke naamwoorden, bijwoorden en bepaalde zelfstandige naamwoorden) vaak sleutelconcepten in de terminologie van een domein aanduiden (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Zo komen de termen communicate, fly, take off, and transport doorgaans voor in de luchtvaart, evenals termen voor een aantal procedures die we ontologisch definiëren als processen of activiteiten. Hoewel het begrip termhood onder terminologen vrij goed wordt begrepen wanneer het gaat om het bepalen van het conceptuele niveau van termen, verschillen de criteria voor de keuze van de soorten lexicale eenheden die als termen in een terminologische bron moeten worden opgenomen nog steeds naargelang het geanalyseerde vakgebied en het toegepaste theoretische kader. De criteria voor het definiëren van soorten werkwoorden met een gespecialiseerde betekenis die L’Homme (1998, 2015) heeft voorgesteld, worden het vaakst aangehaald in de terminologische literatuur, samen met Lorentes criteria en haar typologie van werkwoorden in gespecialiseerd discours (2002, 2007).

L’Homme onderscheidt drie soorten werkwoorden in gespecialiseerde teksten: werkwoorden die specifiek zijn voor een bepaald vakgebied (bijv. land, take off), werkwoorden die binnen het vakgebied een gespecialiseerde betekenis krijgen (bijv. operate), en werkwoorden uit de algemene taal

76

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

taal.⁴ Werkwoorden die tot het eerste en tweede type behoren, kunnen als termen worden aangemerkt, maar werkwoorden van het tweede type vormen een interessantere groep voor terminologische analyse, omdat er gevallen zijn waarin niet duidelijk is of de betekenis voldoende verschilt van de canonieke of standaardbetekenis van het werkwoord in een algemeen woordenboek.

De criteria om te bepalen of een werkwoord in een bepaalde context een nieuwe, gespecialiseerde betekenis krijgt, moeten nog nauwkeuriger worden gedefinieerd. Volgens L’Homme (1998, 2015) hangen de criteria om te bepalen of een werkwoord als term kan worden geclassificeerd af van de argumenten ervan en van de morfologische en semantische relatie met lexicale eenheden met dezelfde betekenis die als termen zijn gedefinieerd. Kortom, als een werkwoord argumenten heeft die als termen zijn gedefinieerd, is het waarschijnlijk zelf ook een term, zoals in de zin De piloot bestuurt de helikopter. Ook als het zelfstandig naamwoord takeoff als term is gedefinieerd, moet het werkwoord take off eveneens als zodanig worden gedefinieerd. We hebben deze criteria toegepast bij onze analyse van de geëxtraheerde werkwoorden; hierover wordt meer gezegd in paragraaf 4.

2. M E T H O D E N

Om een geldige methodologie voor het identificeren van gespecialiseerde semantische frames te ontwikkelen, moesten verschillende stappen worden doorlopen. Eerst werd een parallel Engels-Kroatisch corpus samengesteld. De tweede fase bestond uit termextractie en de validatie van lijsten met termkandidaten. De derde stap omvatte het extraheren van een lijst werkwoorden en het analyseren van hun collocaties met een gespecialiseerde betekenis.

2.1. Corpuscompilatie

Het corpus is samengesteld uit het register van rechtshandelingen van de Europese Unie, hoofdstuk Vervoersbeleid, subhoofdstuk Luchtvervoer, in het Engels en het Kroatisch. Van de 220 documenten in het subhoofdstuk Luchtvervoer zijn 178 rechtshandelingen geselecteerd die in beide taalversies (Engels en Kroatisch) beschikbaar zijn. De teksten zijn gedownload uit de EUR-Lex-database,⁵ en ingevoerd in de corpuscompilatiemodule van Sketch Engine.⁶ De eenvoudigste manier om in Sketch Engine een parallel corpus samen te stellen, is gegevens te uploaden

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 Beschikbaar op: https://eur-lex.europa.eu/browse/directories/legislation.html [geraadpleegd op 05.09.2019].

⁶ Beschikbaar op: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [geraadpleegd op 05.09.2019].

Terminologija | 2019 | 26

77

in een tabelvorm, zoals een spreadsheet (Excel). Spreadsheets moeten de namen van de talen op de eerste rij bevatten, gevolgd door uitgelijnde segmenten (woorden, zinnen of alinea’s) naast elkaar.

Elk document (rechtshandeling) werd verwerkt zodat er voor elke taal één kolom ontstond. Om dit te bereiken, werden opsommingstekens en nummering, evenals het numerieke gedeelte van tabellen in documenten, verwijderd. Elke taal in het bronbestand werd verwerkt tot een afzonderlijk eentalig corpus en uitgelijnd met het overeenkomstige corpus in de andere taal.

Tabel 1. Omvang van het parallelle Engels-Kroatische corpus

ENGLISH

CROATIAN

ENGLISH

CROATIAN

Tokens

1,151,297

1,059,406

Zinnen

72,045

75,638

Woorden

951,156

855,560

Documenten

178

178

Naast het extraheren van de meest frequente enkel- en meerwoordstermen die als kandidaat-elementen voor semantische frames dienen, kan het corpus ook worden gebruikt voor het extraheren van termen, definities en voorbeelden van de linguïstische context die in de terminologiedatabase AirFrame zullen worden opgenomen. Het corpus zal ook dienen voor de analyse van het syntactische niveau van termen, dat wil zeggen hun collocaties, fraseologische relaties en predicaat-argumentconstructies.

2.2. Termextractie en termverificatie

Voor elke taal werd automatische termextractie uitgevoerd met de optie om een lijst van 1000 trefwoorden van één of meerdere woorden te extraheren. Het EUR-Lex English 2/2016-corpus werd gebruikt als referentiecorpus voor het extraheren van Engelse kandidaat-termen van één woord, terwijl het English Web 2013 werd gebruikt als referentiecorpus voor het extraheren van kandidaat-termen van meerdere woorden. Voor termextractie in het Kroatisch waren vergelijkbare opties mogelijk. Het EUR-Lex Croatian 2/2016-corpus diende als referentiecorpus voor het extraheren van relevantere Kroatische kandidaat-termen van één woord, terwijl deze optie niet mogelijk was voor het extraheren van trefwoorden die uit meerdere termen bestonden. Daarom werd in plaats daarvan het Kroatische webcorpus hrWaC 2.2. gebruikt.

Om de betrouwbaarheid van de methode te testen, werden de eerste 100 kandidaat-termen uit de Engelse lijst van termen van meerdere woorden handmatig gevalideerd. Na controle van de concordanties werden 70 van de 100 kandidaat-termen door een terminoloog met ruime ervaring in

78

Ana Ostroški Anić

Maja Lončar

Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

de luchtvaartterminologie als geldige termen erkend. De lijst van Engelse trefwoorden (of termen van één woord) bestond grotendeels uit afkortingen uit de luchtvaart en enkele belangrijke luchtvaarttermen. Vervolgens werd een handmatige analyse en termverificatie uitgevoerd van zowel de Engelse als de Kroatische lijsten met geëxtraheerde kandidaat-termen. Het verificatieproces bestond uit twee fasen: 1. het verwijderen van alle afkortingen en evidente woorden en collocaties uit de algemene taal; en 2. het analyseren van de concordanties van de resterende termen om na te gaan of het inderdaad luchtvaarttermen waren. In de luchtvaart worden afkortingen vaak als termen gebruikt; ze niet opnemen in een woordenboek of verklarende lijst van de luchtvaart zou dan ook worden opgevat als een gebrekkige weergave van de gebruikte luchtvaartterminologie. Omdat we echter een lijst wilden samenstellen van termen of woordcombinaties die konden worden gebruikt om de elementen van semantische frames in de luchtvaart te benoemen, werden afkortingen als lexicale vervangingen van volledige termen hier niet in dezelfde functie behandeld. Bovendien was er geen reden om afkortingen in de Kroatische lijsten met kandidaat-termen te behouden, omdat ze in de teksten als vreemde-taalelementen werden gebruikt.

2.3. Extractie en analyse van werkwoorden

De lijsten van Engelse en Kroatische werkwoorden werden automatisch geëxtraheerd met de optie Keywords in Sketch Engine. De werkwoorden be, have en do zijn in het Engelse corpus buiten beschouwing gelaten, terwijl biti ‘zijn’, imati ‘hebben’, moći ‘kunnen’ en morati ‘moeten’ buiten de analyse van het Kroatische corpus zijn gehouden. De eerste 100 werkwoorden uit elke lijst werden vervolgens geanalyseerd door hun woordprofielen handmatig te valideren. Collocaties die op basis van hun frequentie als termen van meerdere woorden of als voor de luchtvaartterminologie relatief belangrijke collocaties werden beschouwd, werden naast het geanalyseerde werkwoord in een Excel-spreadsheet genoteerd.

3. RESULTATEN EN DISCUSSIE

De handmatige termverificatie van Engelse en Kroatische kandidaat-termen van één en meerdere woorden leverde verrassende resultaten op wat betreft de precisie en de volledigheid van het automatische extractieproces in Sketch Engine. Zo bleven na de eerste fase van termverificatie van de 1000 termen slechts 400 Kroatische termen van één woord over die geen afkortingen of woorden uit de algemene taal waren. De definitieve lijsten bevatten 199 Kroatische termen van één woord en 455 Kroatische termen van meerdere woorden. Er zijn iets meer Engelse termen van meerdere woorden, maar niet zoveel als men zou verwachten. Na de analyse bleven 664 Engelse termen van meerdere woorden over, maar slechts 148

Terminologija | 2019 | 26

79

Engelse termen van één woord, wat leidt tot een aanzienlijk mager resultaat van slechts 14,8% geldige termen uit de oorspronkelijke lijst van Engelse termen met meerdere woorden.

Zoals verwacht leverde de tweede fase van de termverificatie verschillende problemen op met betrekking tot de terminologische status van de kandidaat-termen. Als zowel het zelfstandig naamwoord als het bijvoeglijk naamwoord dat naar een bepaald concept verwijst op de lijst voorkwam, werd het zelfstandig naamwoord behouden als een prototypischer realisatie van de term.⁷ Dit was vaker het geval bij de Kroatische termen, aangezien een zelfstandig naamwoord en een bijvoeglijk naamwoord in het Engels vaak dezelfde morfologische vorm hebben, zoals in de volgende voorbeelden: kabina, kabinski “cabine”, navigacija, navigacijski “navigatie, navigatie-”, helikopter, helikopterski “helikopter”, identifikacija, identifikacijski “identificatie”. Evenzo werd, als zowel een bijvoeglijk naamwoord als een bijwoord in de lijsten voorkwam, de adjectivische vorm behouden: instrumentalni, instrumentalno “instrument”, terwijl bij het onderscheid tussen werkwoord en bijvoeglijk naamwoord doorgaans het werkwoord op de lijst werd behouden: certificirati, certificiran “certificeren, gecertificeerd”. Wanneer twee zelfstandige naamwoorden die naar hetzelfde concept verwezen voorkwamen, werden beide behouden als het ene naar de handeling verwees en het andere naar het resultaat, zoals bij identifikacija en identificiranje “identificatie”. Het lijkt erop dat een dergelijk onderscheid niet bestaat bij de Engelse equivalenten.

De lijsten met Engelse termkandidaten bevatten veel informatie die moest worden gefilterd, zoals landennamen, persoonsnamen (bijv. Juncker), woorden in andere vreemde talen en zelfs enkele functiewoorden (bijv. het voornaamwoord this). Het algoritme voor het extraheren van trefwoorden en termen met meerdere woorden herkent kennelijk ook vreemde elementen, dat wil zeggen niet-Engelse woorden in het corpus, als termen. Dit had kunnen worden voorkomen door de zinsdelen (in alle EU-talen) die gewoonlijk aan het einde van elk document voorkomen te verwijderen voordat de documenten aan het corpus werden toegevoegd, maar men besloot dat het gemakkelijker was ze achteraf te negeren in de lijsten met kandidaten.

De tweede fase van de termverificatie van de Engelse termkandidaten liet zien dat het onvermogen van het toegepaste algoritme om constructies met meerdere woorden van twee delen te onderscheiden van constructies met drie delen de grootste valkuil was. Dit is een veelvoorkomende fout bij veel statistische tools voor termextractie. Bound air en simulated engine zijn dus delen van grotere, correcte termen met meerdere woorden, namelijk bound air cargo en simulated engine failure (beide versies stonden op de lijst), evenals instrument ground en crew compartment (in plaats van

⁷ Deze manier van redeneren sluit beter aan bij traditioneel terminologisch werk, waarin zelfstandige naamwoorden in terminologische woordenboeken voorrang kregen boven de overeenkomstige bijvoeglijke naamwoorden en werkwoorden die naar hetzelfde concept verwijzen (Sager 1990: 58). Beide zouden echter worden opgenomen als lexicale eenheden die verbonden zijn met het semantische frame dat zij oproepen.

80

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

instrument ground time en flight crew compartment). Sommige kandidaat-termen met meerdere woorden zien er formeel uit als echte termen; domeinspecifieke kennis is nodig om ze als onjuist of als fout-positieve resultaten te bestempelen, bijvoorbeeld: 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. Kortere versies zijn vaak eenvoudigweg synoniemen, zoals controller licence voor air traffic controller licence.

Een andere groep fout-positieve termen met meerdere woorden bestaat uit uitdrukkingen die als behorend tot de algemene taal kunnen worden aangemerkt: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Hoewel het morfosyntactisch geldige vormen zijn, verwijzen ze niet naar een bepaald concept en kunnen ze daarom niet als termen worden beschouwd.

Na analyse van alle lijsten kwamen we uit op een zeer klein aantal termen van één woord: 199 Kroatische en 148 Engelse termen. Om na te gaan of de termen die geacht konden worden de “sleutelconcepten” van het vakgebied aan te duiden waren geëxtraheerd, werden de woordschetsen van de eerste 10 termen in elke taal geanalyseerd. Woordschetsen zijn automatische, uit corpora afgeleide samenvattingen van de grammaticale en collocationele patronen van woorden; ze vormen een uitstekende bron voor het genereren van een groot aantal termkandidaten in hun syntactische context (Kilgarriff et al. 2014). Naast typische collocaties van het type bijvoeglijk naamwoord/zelfstandig naamwoord (wet-leased aircraft) of zelfstandig naamwoord/zelfstandig naamwoord (aircraft noise, aircraft position), leveren werkwoordelijke collocaties (operate an aircraft) en voorzetselgroepen (aircraft entering into) onschatbare terminologische informatie op die bijzonder nuttig is voor terminologen en vertalers. De relevantste relatie hiervoor was de coördinatierelatie tussen het doelwoord en de verwante woorden. Zoals te zien is in Figure 1, zijn de met aircraft verwante woorden occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment en type. We vergeleken de lijst met gecoördineerde termen met de lijst met termen van één woord en markeerden de termen die in beide voorkwamen. De tweede stap bij het verifiëren van de resultaten bestond uit het vergelijken van de meest frequente collocaties van de termen in de woordschetsen met die in de lijst met termen van meerdere woorden. Wanneer de collocaties uit de woordschets (bijvoorbeeld aircraft identification of aircraft operator in Figure 1) overeenkwamen met die in de lijst met termen die uit het corpus waren geëxtraheerd, werden ze eveneens gemarkeerd als lexicale eenheden die in de beschrijving van een semantisch frame moesten worden opgenomen.

Terminologija | 2019 | 26

81

Figuur 1. Woordschets van de term aircraft

De analyse van de geëxtraheerde werkwoorden bestond eveneens uit twee stappen. Eerst werden gespecialiseerde werkwoorden of werkwoorden die specifiek zijn voor de luchtvaart handmatig gemarkeerd, bijvoorbeeld fly, land, operate, communicate, enz. De tweede stap bestond uit het markeren van werkwoorden die in de context van de luchtvaart mogelijk een gespecialiseerde betekenis krijgen. Hiervoor werden de woordschetsen van de eerste 100 meest frequente werkwoorden geanalyseerd; vervolgens werden de relevante collocaties nader gecontroleerd aan de hand van concordanties. De collocaties werden geselecteerd op basis van hun frequentie, maar hadden allemaal een luchtvaartterm als tweede element.

Wanneer ze worden gerangschikt naar hun frequentie in het corpus, omvat de grootste groep werkwoorden werkwoorden die vaak steunwerkwoorden (Lerat 2002; Pimentel 2012) en fraseologische werkwoorden (Lorente 2002; 2007) worden genoemd.⁸ Fraseologische werkwoorden krijgen hun gespecialiseerde betekenis in syntagmatische eenheden waarin ten minste één terminologische eenheid de syntactische functie van onderwerp of object heeft (Pimentel 2012: 87). Werkwoorden als provide, ensure, require, refer to, or establish komen vaak voor in het wetgevingsdiscours waaruit het Engels-Kroatische parallelcorpus bestaat, maar of ze een speciale-

⁸In haar herdefiniëring van de classificatie van werkwoorden in gespecialiseerde teksten (2007) definieert Lorente fraseologische werkwoorden als werkwoorden die voorkomen in collocaties en vaste uitdrukkingen, evenals steunwerkwoorden.

82

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

iseerde betekenis hebben die verband houdt met de luchtvaart, kan alleen worden beoordeeld aan de hand van hun collocaties met eerder geëxtraheerde luchtvaarttermen. Zoals blijkt uit voorbeelden (1) en (2), verschijnen ensure en establish hier als onderdelen van argumenten en niet als predicaten in hun respectieve zinnen:

(1) ‘Taxibaan’ betekent een afgebakende route op een landvliegveld, established voor het taxiën van luchtvaartuigen en bedoeld om een verbinding te vormen tussen een deel van het vliegveld en een ander.

(2) Alle documenten <...> moeten worden bewaard om de informatie te verstrekken die nodig is om de blijvende luchtwaardigheid van het luchtvaartuig te ensure.

(3) Een luchtvaartmaatschappij die vluchten uitvoert en die instappen weigert of een vlucht annuleert, shall provide iedere getroffen passagier een schriftelijke kennisgeving met daarin de regels voor compensatie en bijstand overeenkomstig Verordening 261/2004.

Provide fungeert daarentegen wel als predicaat waarvan de argumenten luchtvaarttermen zijn, maar heeft geen betekenis die afwijkt van de canonieke betekenis ervan. Hoewel het veilig zou zijn de collocaties establish aerodrome en ensure airworthiness (of the aircraft) uit voorbeelden (1) en (2) aan te merken als collocaties met een gespecialiseerde betekenis, en de werkwoorden establish en ensure als fraseologische werkwoorden in gespecialiseerde teksten over de luchtvaart, kunnen we ze om twee redenen niet classificeren als gespecialiseerde werkwoorden. Ten eerste zijn ze in deze zinnen niet de predicaten, en ten tweede verandert hun primaire betekenis niet in deze syntagmatische eenheden.

Steunwerkwoorden vormen een andere subcategorie van fraseologische werkwoorden die volgens Lorente (2007) niet gelijkgesteld kunnen worden aan gespecialiseerde of terminologische werkwoorden. Lerat (2002) noemt take (Fr. prendre) als voorbeeld van een steunwerkwoord: het kan voorkomen in collocaties met termen, maar is zelf geen term, zoals in de collocatie take the flight (4):

(4) Als er geen kennisgeving wordt gedaan overeenkomstig de toepasselijke nationale regels, moet de beheersinstantie alle redelijke inspanningen leveren om bijstand te verlenen zodat de betrokkene de vlucht waarvoor hij of zij een reservering heeft, kan take the flight.

De meeste geëxtraheerde werkwoorden, zowel Engelse als Kroatische, gedragen zich op dezelfde manier. Het phrasal verb take off is echter niet alleen een werkwoord dat ‘specifiek is voor een bepaald vakgebied’ (L’Homme 1998), dat wil zeggen specifiek voor de luchtvaartcontext. Het is een van de belangrijkste termen in de luchtvaart en wordt even frequent gebruikt als de afgeleide vorm takeoff:

(5) Een luchtvaartuig dat zich taxiënd op het manoeuvreergebied van een vliegveld bevindt, moet voorrang verlenen aan luchtvaartuigen die taking off zijn of op het punt staan take off.

Terminologija | 2019 | 26 83

Wat betreft het scheidbare werkwoord give way: het kan niet uitsluitend op basis van de context of de argumenten ervan als term worden gedefinieerd. Volgens een van L’Hommes criteria voor het bepalen van gespecialiseerde werkwoorden is een werkwoord waarschijnlijk een term als “de talige realisaties van de actanten (d.w.z. argumenten) van een werkwoord als termen zijn gedefinieerd” (L’Homme 2015: 80). In voorbeeld (5) zijn beide argumenten inderdaad termen, maar de betekenis van het scheidbare werkwoord give way is echter dezelfde als in een algemenere context. Daarom zou het niet gerechtvaardigd zijn om het als een terminologisch werkwoord in de luchtvaart te classificeren.⁹

Van de eerste 100 meest frequente werkwoorden in het Engelse deel van het parallelle luchtvaartcorpus kunnen slechts twee werkwoorden worden beschouwd als echte gespecialiseerde werkwoorden of als werkwoorden die specifiek zijn voor de luchtvaartsector: operate en fly. Het werkwoord operate komt voor in een aantal collocaties of grotere syntagmatische eenheden, waarin het vaak in andere morfosyntactische functies wordt gebruikt (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating); sommige daarvan zijn als termen erkend (aerodrome operating minima). Gezien het discours van de corpus-teksten komen werkwoorden als communicate, land, taxi or transfer voor onder de minder frequente werkwoorden.

Van de eerste 100 meest frequente Kroatische werkwoorden komt het werkwoord letjeti, ‘vliegen’, als enige gespecialiseerde werkwoord voor. Aangezien het echter ook een algemeen taalwerkwoord is dat in een gespecialiseerde context dezelfde betekenis behoudt wanneer het predicatief wordt gebruikt, zijn de argumenten en collocaties ervan relevanter voor de analyse van predicatieve luchtvaarttermen (bijv. letovi koji lete, ‘vluchten die vliegen’, of fly the aircraft in het Engels).

CONCLUSIE

Het in dit artikel gepresenteerde werk wijst hopelijk op de conclusie dat terminologische en linguïstische gegevens die uit gespecialiseerde parallelle corpora zijn geëxtraheerd, goed kunnen worden gebruikt als basis voor het definiëren van gespecialiseerde semantische frames. Hoewel de termvalidatie bepaalde valkuilen van termextractie uit corpora die zijn samengesteld uit EU-wetgeving aan het licht heeft gebracht, zoals de invloed van het juridische discours op de domeinterminologie, heeft zij niettemin aangetoond dat parallelle corpora een betrouwbare bron blijven om snel term-equivalenten in andere talen te verkrijgen.

De analyse van de geëxtraheerde werkwoorden en hun classificatie volgens verschillende gevestigde typologieën van werkwoorden in gespecialiseerd discours (L’Homme

⁹ De conclusie geldt, mits we aircraft hier uitsluitend als de term beschouwen, aangezien een volledige bijzin – ongeacht het feit dat die meerdere luchtvaarttermen bevat – niet als term kan worden beschouwd.

84

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

1998; Lerat 2002; Lorente 2007) leverde eveneens interessante, maar tegelijkertijd enigszins ontmoedigende resultaten op wat betreft het mogelijke terminologische karakter van de geëxtraheerde kandidaten. Hoewel het aantal gespecialiseerde werkwoorden of werkwoorden die specifiek zijn voor de luchtvaartsector zeer klein was op de lijst van potentiële kandidaten, bleken collocaties van die werkwoorden terminologisch relevant, omdat het meerwoordtermen of verbale collocaties van termen betrof. Omdat de AirFrame-database fraseologische terminologische eenheden zoals termcollocaties bevat, leverden woordprofielen van de betreffende werkwoorden veel relevante terminologische eenheden op. De uitgevoerde werkwoordanalyse leidt tot de conclusie dat het gebruik van werkwoorden als uitgangspunt voor het definiëren van gespecialiseerde semantische frames in de luchtvaart mogelijk minder vruchtbaar is dan de analyse van woordprofielen. Meer relevante terminologische gegevens werden verkregen door eerst de belangrijkste entiteiten in het domein vast te stellen en vervolgens de processen waaraan zij deelnemen te definiëren door hun collocaties te analyseren. De werkwoorden in deze collocaties zouden moeten verwijzen naar de meest relevante processen en gebeurtenissen in de luchtvaart. Rajh en Grčić Simeunović (2019) kwamen in hun artikel over de classificatie van het combinatorische gedrag van werkwoorden in het marketingdomein tot vergelijkbare conclusies. Hoewel hun werk op een andere theoretische benadering is gebaseerd, ondersteunt het de opvatting dat relevante gespecialiseerde werkwoorden in een bepaald domein het best kunnen worden geïdentificeerd door het syntactisch-semantische gedrag van de belangrijkste concepten van het domein te analyseren, met name van entiteiten.

Na de lexicale eenheden te hebben geëxtraheerd en de luchtvaarttermen te hebben gevalideerd, bestaat de volgende stap bij het identificeren van semantische frames voor de luchtvaart uit het groeperen van relevante concepten waarnaar de termen verwijzen en het benoemen van de grotere categorieën waarmee ze verband houden, d.w.z. de frames die ze oproepen. Lexicale eenheden van hetzelfde semantische type die als argumenten van dezelfde werkwoorden voorkomen, moeten daarom worden gegroepeerd en met een frame worden verbonden. De reikwijdte van het semantische frame bepalen hangt grotendeels af van de granulariteit van de conceptuele beschrijving en van het algemene beoogde gebruik van de geplande database. Als gespecialiseerde semantische frames ooit worden samengevoegd met frames die de algemene taal definiëren in een andere lexicale bron, moet de beschrijving van de gespecialiseerde domeincategorieën ook een abstractere categorisering op het hoogste niveau bevatten.

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