doi.org/10.35321/term26-04

Extração de unidades lexicais para identificar quadros semânticos especializados¹

ANA OSTROŠKI ANIĆ

Instituto de Língua e Linguística Croata

MAJA LONČAR

Instituto de Língua e Linguística Croata

MARTINA PAVIĆ

Instituto de Língua e Linguística Croata

R E S U M O

O artigo discute a ideia de usar corpora paralelos para extrair unidades terminológicas empregadas na identificação de quadros semânticos da aviação, como primeiro passo para desenvolver um método de determinação de quadros semânticos especializados. Primeiro, descreve-se o processo de compilação do corpus paralelo de textos provenientes da base de dados Eur-Lex com o uso das ferramentas do Sketch Engine. Em seguida, apresenta-se a metodologia de extração de candidatos a termos e sua verificação manual, bem como o processo de extração e verificação dos verbos relevantes. Discutem-se os resultados da verificação dos termos, com foco no papel dos verbos e das colocações verbais na identificação de quadros semânticos e elementos de quadro relevantes.

PALAVRAS-CHAVE: terminologia da aviação, corpus inglês-croata, quadros semânticos, conhecimento especializado, terminologia.

R E S U M O

O artigo examina como os corpora paralelos podem ser utilizados para extrair unidades terminológicas empregadas na identificação de frames semânticos da aviação. Esta é a primeira etapa do desenvolvimento de um método para determinar frames semânticos especializados. Primeiro, descreve-se a compilação de um corpus paralelo de textos extraídos da base de dados Eur-Lex com as ferramentas do Sketch Engine. Em seguida, são apresentados os métodos de extração de candidatos a termos e de sua verificação manual, bem como

¹ Este artigo baseia-se na comunicação «From parallel corpora to specialized semantic frames», apresentada na 3rd international conference on terminology Scientific, Administrative and Educational Dimensions of Terminology, em Vilnius, nos dias 17 e 18 de outubro de 2019. Este trabalho contou com o apoio integral da Fundação Croata de Ciência, no âmbito do projeto HRZZ-UIP-2017-05-7169.

Terminologija | 2019 | 26

73

o processo de extração e verificação dos verbos pertinentes. Na discussão dos resultados da verificação dos termos, dá-se especial atenção ao papel dos verbos e das colocações verbais na identificação dos frames semânticos pertinentes e dos seus elementos.

PALAVRAS-CHAVE: terminologia da aviação, corpus de inglês e croata, frames semânticos, conhecimento especializado, terminologia.

INTRODUÇÃO

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).

Não foi desenvolvido para a língua croata nenhum recurso lexical que se baseie integralmente na metodologia e no inventário semântico do FrameNet. Alguns frames semânticos foram definidos no âmbito de uma base de dados mais ampla de metáforas conceptuais em croata (Despot et al. 2019). No entanto, uma base de dados de frames semânticos da aviação, desenvolvida no âmbito do projeto de investigação Dynamicity of Specialized Knowledge Categories (DIKA, ihjj.hr/dika), constitui a primeira tentativa de criar uma base de dados especializada deste tipo para o croata. O projeto trata da descrição dos níveis conceptual e linguístico das categorias de conhecimento especializado no âmbito da natureza dinâmica dos frames semânticos. O principal resultado do projeto é uma base de dados terminológica multilingue na qual a terminologia da aviação é definida por meio de frames semânticos, incluindo elementos de frame, relações conceptuais e unidades terminológicas figurativas e fraseológicas. Para efeitos de análise semântica e sintática, foi compilado um corpus paralelo de textos em inglês e croata no domínio do tráfego aéreo, que servirá de

74

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

ponto de partida para a extração e análise de termos. O subdomínio do tráfego aéreo foi escolhido como o aspeto mais representativo do vasto e interdisciplinar campo da aviação.

Este artigo examina a ideia de utilizar corpora paralelos para extrair unidades terminológicas referentes a frames semânticos específicos da aviação, como primeira etapa do desenvolvimento de um método para determinar frames semânticos e as suas relações conceptuais no domínio da aviação. Embora os corpora paralelos sejam há muito reconhecidos como fontes inestimáveis de candidatos a termos para a criação de diversos recursos especializados (Vintar 2000), até agora têm sido pouco utilizados na investigação aplicada relacionada com a Semântica de Frames.² Descreve-se primeiro o processo de compilação do corpus paralelo de textos extraídos da base de dados Eur-Lex com as ferramentas do Sketch Engine. Em seguida, apresenta-se a metodologia de extração de candidatos a termos e da sua verificação manual, bem como o processo de extração e verificação dos verbos pertinentes. Apresentam-se e comentam-se os resultados da verificação dos termos, seguindo-se a discussão do potencial uso de verbos e colocações verbais na identificação de frames semânticos e elementos de frame pertinentes no domínio da aviação.³

1. FUNDAMENTAÇÃO TEÓRICA

Nas comunidades contemporâneas de terminologia e de línguas para fins específicos, os recursos de conhecimento especializado já não se baseiam apenas na descrição de relações hierárquicas, pois considera-se que estas não refletem a natureza dinâmica das categorias de conhecimento (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). Além disso, a distinção formal entre dicionário e léxico, na qual se baseia toda a terminografia tradicional, parece ter-se esbatido, com cada vez mais recursos especializados a empregarem métodos de compilação e apresentação do conhecimento que, de outro modo, são utilizados na criação de recursos para a língua geral (L’Homme et al. 2016; L’Homme 2018). Os recursos lexicais e semânticos assentes nos princípios da Semântica de Frames definem o conhecimento em termos de frames semânticos, enquanto tipo de categorias dinâmicas constituídas por elementos complexos e relações mútuas.

Cada frame semântico é definido como um tipo de evento ou estado com os seus participantes, denominados elementos de frame (FEs). Os frames semânticos são evocados por

² Os corpora paralelos certamente atingiriam todo o seu potencial na criação de repositórios lexicais multilingues baseados em frames semânticos (Boas 2005).

³ Agradecemos aos revisores anónimos os seus valiosos comentários e sugestões.

Terminologija | 2019 | 26

75

unidades lexicais, isto é, palavras da língua corrente ou termos do conhecimento especializado, que instanciam elementos de frame. O critério básico para delimitar um frame em relação a outro é que todas as unidades lexicais devem «evocar o mesmo tipo de evento e partilhar o mesmo inventário e configuração de FEs» (Ruppenhofer et al. 2017: 384–385). Este método para determinar o âmbito dos frames semânticos e as respetivas definições poderia, contudo, ser considerado arbitrário, uma vez que não exige uma «visão geral» prévia dos dados lexicais disponíveis. Como muitos frames seguem uma composição semelhante à de um cenário, a sua descrição começa geralmente pela seleção de verbos relevantes (Ruppenhofer et al. 2010), aos quais se acrescentam argumentos apropriados, seguindo a anotação de exemplos extraídos do corpus. Embora as unidades lexicais e os elementos de frame sejam definidos de acordo com os dados do corpus analisado, os frames semânticos são, ainda assim, identificados e nomeados sobretudo de forma intuitiva. Para identificar frames semânticos de um determinado domínio de conhecimento especializado, seria mais adequado delimitar primeiro o âmbito do conhecimento a definir, o que, no trabalho terminológico, se faz através da identificação dos conceitos-chave e das relações conceptuais do domínio.

A investigação terminológica tem acompanhado de perto os desenvolvimentos da linguística ao longo das últimas duas décadas e deslocou o seu foco teórico para a análise de processos e eventos como estruturas de conhecimento especializado mais dinâmicas. Por conseguinte, tornou-se evidente que os termos predicativos (verbos, adjetivos, advérbios e determinados nomes) denotam frequentemente conceitos-chave da terminologia de um domínio (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Por exemplo, termos comunicar, voar, descolar e transportar estão normalmente presentes no domínio da aviação, assim como termos que designam vários procedimentos que, do ponto de vista ontológico, definimos como processos ou atividades. Embora a noção de caráter terminológico seja relativamente bem compreendida entre os terminólogos quando se trata de determinar o nível conceptual dos termos, os critérios para escolher que tipos de unidades lexicais devem ser incluídos como termos num recurso terminológico continuam a variar consoante o domínio analisado e o quadro teórico aplicado. Os critérios propostos por L’Homme (1998, 2015) para definir tipos de verbos que veiculam significado especializado são os mais citados na literatura terminológica, juntamente com os critérios de Lorente e a sua tipologia dos verbos no discurso especializado (2002, 2007).

L’Homme distingue três tipos de verbos em textos especializados: verbos específicos de um determinado domínio (por exemplo, aterrar, descolar), verbos que adquirem significado especializado no domínio (por exemplo, operar) e verbos da língua geral

76

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

guagem.⁴ Os verbos que pertencem ao primeiro e ao segundo tipo podem ser classificados como termos, mas os verbos do segundo tipo constituem um grupo mais interessante para a análise terminológica, pois há casos em que não é claro se o significado difere suficientemente do significado geral canónico ou predefinido do verbo, conforme apresentado nos dicionários.

Os critérios para decidir se um verbo adquire um novo significado especializado num determinado contexto devem ainda ser definidos com maior precisão. Segundo L’Homme (1998, 2015), os critérios para decidir se um verbo pode ser classificado como termo dependem dos seus argumentos e da sua relação morfológica e semântica com unidades lexicais de significado semelhante definidas como termos. Em suma, se um verbo tem argumentos definidos como termos, é provável que ele próprio seja um termo, como na frase The pilot flies the helicopter. Além disso, se o substantivo takeoff for definido como termo, então o verbo take off também deverá ser definido como tal. Aplicámos estes critérios na nossa análise dos verbos extraídos, sobre a qual se fala mais na secção 4.

2. M É T O D O S

Para desenvolver uma metodologia válida para identificar quadros semânticos especializados, foi necessário seguir várias etapas. Primeiro, foi criado um corpus paralelo inglês-croata. A segunda etapa consistiu na extração de termos e na validação das listas de candidatos a termo. A terceira etapa incluiu a extração de uma lista de verbos e a análise das suas colocações com significado especializado.

2.1. Compilação do corpus

O corpus foi compilado a partir do Diretório de atos jurídicos da União Europeia, capítulo Política de transportes, subcapítulo Transporte aéreo, em inglês e croata. Dos 220 documentos do subcapítulo Transporte aéreo, foram selecionados 178 atos jurídicos que dispõem de versões em ambas as línguas (inglês e croata). Os textos são descarregados da base de dados EUR-Lex,⁵ e introduzidos no módulo de compilação de corpus do Sketch Engine.⁶ A forma mais simples de criar um corpus paralelo no Sketch Engine é carregar os dados

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 Disponível em: https://eur-lex.europa.eu/browse/directories/legislation.html [consultado em 05.09.2019].

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

Terminologija | 2019 | 26

77

em formato tabular, como uma folha de cálculo (Excel). As folhas de cálculo devem conter os nomes dos idiomas na primeira linha e, em seguida, segmentos alinhados (palavras, frases ou parágrafos) lado a lado.

Cada documento (ato jurídico) foi processado para obter uma coluna para cada idioma. Para isso, foram removidos os marcadores e a numeração, bem como a parte numérica das tabelas dos documentos. Cada idioma do ficheiro de origem foi processado como um corpus monolingue separado e alinhado com o corpus correspondente no outro idioma.

Tabela 1. Dimensão do corpus paralelo inglês-croata

ENGLISH

CROATIAN

ENGLISH

CROATIAN

Tokens

1,151,297

1,059,406

Frases

72,045

75,638

Palavras

951,156

855,560

Documentos

178

178

Além de extrair os termos mais frequentes, tanto de palavra única como de várias palavras, utilizados como candidatos a elementos de frames semânticos, o corpus também pode ser utilizado para extrair termos, definições e exemplos do contexto linguístico que serão introduzidos na base de dados terminológica AirFrame. O corpus também servirá para analisar o nível sintático dos termos, isto é, as suas colocações, relações fraseológicas e construções predicado-argumento.

2.2. Extração e verificação de termos

A extração automática de termos foi realizada para cada idioma, com a opção de extrair uma lista de 1000 palavras-chave de uma ou várias palavras. O corpus EUR-Lex English 2/2016 foi usado como corpus de referência para extrair candidatos a termos de uma só palavra em inglês, enquanto o English Web 2013 foi usado como corpus de referência para extrair candidatos a termos de várias palavras. Opções semelhantes eram possíveis para a extração de termos em croata. O corpus EUR-Lex Croatian 2/2016 serviu como corpus de referência para extrair candidatos a termos de uma só palavra mais relevantes, ao passo que essa opção não era possível para extrair palavras-chave com vários termos. Portanto, foi usado em seu lugar o corpus Croatian Web hrWaC 2.2.

Para testar a confiabilidade do método, os primeiros 100 candidatos a termos retirados da lista inglesa de termos de várias palavras foram validados manualmente. Após verificar suas concordâncias, dos 100 candidatos a termos, 70 foram reconhecidos como termos válidos por um terminólogo com ampla experiência em

78

Ana Ostroški Anić

Maja Lončar

Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

terminologia da aviação. A lista de palavras-chave inglesas (ou termos de uma só palavra) consistia, em grande parte, em abreviaturas da aviação e alguns termos aeronáuticos fundamentais. Em seguida, foi realizada a análise manual e a verificação dos termos de ambas as listas de candidatos a termos extraídos em inglês e croata. O processo de verificação consistiu em duas fases: 1. remoção de todas as abreviaturas e palavras e colocações claramente pertencentes à língua geral; e 2. análise das concordâncias dos termos restantes para verificar se eram, de fato, termos da aviação. As abreviaturas são comumente usadas como termos na aviação; assim, não as incluir em um dicionário ou glossário de aviação seria entendido como uma apresentação deficiente da terminologia aeronáutica em uso. No entanto, como pretendíamos chegar a uma lista de termos ou construções de várias palavras que pudessem ser usadas para nomear os elementos de quadros semânticos da aviação, as abreviaturas, como substitutos lexicais de termos completos, não foram tratadas aqui com essa função. Além disso, não havia motivo para manter as abreviaturas nas listas de candidatos a termos croatas, pois eram usadas nos textos como elementos de língua estrangeira.

2.3. Extração e análise de verbos

As listas de verbos em inglês e croata foram extraídas automaticamente usando a opção Keywords do Sketch Engine. Os verbos be, have e do não foram considerados no corpus inglês, enquanto biti “ser”, imati “ter”, moći “poder” e morati “dever” foram omitidos da análise no corpus croata. Os primeiros 100 verbos de cada lista são então analisados mediante validação manual de seus esboços de palavras. As colocações consideradas termos de várias palavras ou colocações de relevância relativa para a terminologia da aviação, com base em sua frequência, são anotadas em uma planilha do Excel ao lado do verbo analisado.

3. RESULTADOS E DISCUSSÃO

A verificação manual dos candidatos a termos ingleses e croatas de uma ou várias palavras produziu resultados surpreendentes quanto à precisão e à abrangência do processo de extração automática no Sketch Engine. Por exemplo, após a primeira fase de verificação dos termos, dos 1000 termos, restaram apenas 400 termos croatas de uma só palavra que não eram abreviaturas nem palavras da língua geral. As listas finais de termos croatas consistem em 199 termos de uma só palavra e 455 termos de várias palavras. Há um pouco mais de termos ingleses de várias palavras, mas não tantos quanto se esperaria. Após a análise, restaram 664 termos ingleses de várias palavras, mas apenas 148

Terminologija | 2019 | 26

79

termos ingleses de uma única palavra, o que resulta num resultado significativamente fraco: apenas 14,8% de termos válidos da lista inicial de termos ingleses com várias palavras.

Como esperado, a segunda fase da verificação dos termos apresentou várias questões relativas ao caráter terminológico dos candidatos. Se tanto o substantivo quanto o adjetivo referentes a determinado conceito apareciam na lista, mantinha-se o substantivo como realização terminológica mais prototípica.⁷ Isso ocorreu sobretudo com os termos croatas, pois, em inglês, um substantivo e um adjetivo frequentemente têm a mesma forma morfológica, como nos exemplos a seguir: kabina, kabinski “cabine”, navigacija, navigacijski “navegação, navegacional”, helikopter, helikopterski “helicóptero”, identifikacija, identifikacijski “identificação”. Do mesmo modo, se tanto um adjetivo quanto um advérbio apareciam nas listas, mantinha-se a forma adjetival: instrumentalni, instrumentalno “instrumental”, enquanto, no caso da diferença entre verbo e adjetivo, normalmente se mantinha o verbo na lista: certificirati, certificiran “certificar, certificado”. Quando apareciam dois substantivos referentes ao mesmo conceito, ambos eram mantidos se um se referisse à ação e o outro ao resultado, como no exemplo de identifikacija e identificiranje “identificação”. Parece que essa distinção não existe nos correspondentes ingleses.

As listas de candidatos a termos ingleses incluíam muitas informações que precisavam ser filtradas, como nomes de países, nomes próprios (por exemplo, Juncker), palavras em outras línguas estrangeiras e até algumas palavras funcionais (por exemplo, o pronome this). Aparentemente, o algoritmo de extração de palavras-chave e termos com várias palavras também reconhece elementos estrangeiros, isto é, palavras não inglesas do corpus, como termos. Isso poderia ter sido evitado se as frases (em todas as línguas da UE) que costumam aparecer no final de cada documento tivessem sido removidas antes de os documentos serem adicionados ao corpus, mas decidiu-se que seria mais fácil ignorá-las posteriormente nas listas de candidatos.

A segunda fase de verificação dos candidatos a termos ingleses revelou que a maior deficiência do algoritmo aplicado era sua incapacidade de distinguir construções com várias palavras de duas partes daquelas de três partes, um erro comum em muitas ferramentas estatísticas de extração de termos. Bound air e simulated engine são, portanto, partes de termos maiores e corretos com várias palavras, bound air cargo e simulated engine failure (ambas as versões apareciam na lista), bem como instrument ground e crew compartment (em vez de

⁷ Esse tipo de raciocínio está mais alinhado com o trabalho terminológico tradicional, no qual os substantivos tinham prioridade nos dicionários terminológicos sobre os adjetivos e verbos correspondentes referentes ao mesmo conceito (Sager 1990: 58). No entanto, ambos seriam incluídos como unidades lexicais associadas ao quadro semântico que evocam.

80

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

instrument ground time e flight crew compartment). Alguns candidatos a termos com várias palavras parecem formalmente termos legítimos, e é necessário conhecimento específico do domínio para classificá-los como incorretos ou falsos positivos, por exemplo: 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. As formas mais curtas são muitas vezes simplesmente sinônimos, como controller licence de air traffic controller licence.

Outro grupo de falsos positivos de termos com várias palavras consiste em expressões que poderiam ser classificadas como pertencentes à língua geral: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Embora sejam formas morfossintaticamente válidas, não se referem a nenhum conceito específico e, portanto, não podem ser consideradas termos.

Após analisar todas as listas, chegamos a um número muito pequeno de termos de uma única palavra: 199 termos croatas e 148 termos ingleses. Para verificar se haviam sido extraídos os termos que poderiam ser considerados como denotadores de conceitos “-chave” do domínio, foram analisados os esboços lexicais dos 10 primeiros termos em cada língua. Os esboços lexicais são resumos automáticos, derivados de corpus, dos padrões gramaticais e colocacionais das palavras, e constituem uma excelente fonte para gerar um grande número de candidatos a termos em seu contexto sintático (Kilgarriff et al. 2014). Além das colocações típicas de adjetivo/substantivo (wet-leased aircraft) ou substantivo/substantivo (aircraft noise, aircraft position), as colocações verbais (operate an aircraft) e as locuções prepositivas (aircraft entering into) fornecem informações terminológicas inestimáveis, muito úteis para terminólogos e tradutores. A relação mais relevante para esse propósito era a relação de coordenação entre a palavra-alvo e as palavras relacionadas. Como se pode ver na Figura 1, as palavras relacionadas a aircraft são occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment e type. Comparamos a lista dos termos coordenados com a lista dos termos de uma única palavra e assinalamos os que apareciam em ambas. A segunda etapa da verificação dos resultados consistiu em comparar as colocações mais frequentes dos termos nos esboços lexicais com aquelas da lista de termos com várias palavras. Quando as colocações do esboço lexical (por exemplo, aircraft identification ou aircraft operator na Figura 1) correspondiam às da lista de termos extraídos do corpus, também eram assinaladas como unidades lexicais a serem incluídas na descrição de um quadro semântico.

Terminologija | 2019 | 26

81

Figura 1. Esboço de palavras do termo aircraft

A análise dos verbos extraídos também consistiu em duas etapas. Primeiro, foram assinalados manualmente os verbos especializados ou específicos da aviação, por exemplo, fly, land, operate, communicate, etc. A segunda etapa consistiu em assinalar os verbos que potencialmente adquirem um significado especializado no contexto da aviação. Para isso, foram analisados os esboços de palavras dos 100 verbos mais frequentes, e, a partir deles, as colocações relevantes foram posteriormente verificadas nas concordâncias. As colocações foram selecionadas com base na sua frequência, mas todas tinham um termo da aviação como segundo elemento.

Quando ordenados pela sua frequência no corpus, o maior número de verbos correspondia a verbos frequentemente designados como verbos de suporte (Lerat 2002; Pimentel 2012) e verbos fraseológicos (Lorente 2002; 2007).⁸ Os verbos fraseológicos adquirem o seu significado especializado em unidades sintagmáticas nas quais pelo menos uma unidade terminológica desempenha a função sintática de sujeito ou objeto (Pimentel 2012: 87). Verbos como provide, ensure, require, refer to, or establish encontram-se frequentemente no discurso legislativo que constitui o corpus paralelo inglês-croata, mas não é possível determinar se têm um significado especial-

⁸ Na sua redefinição da classificação dos verbos presentes em textos especializados (2007), Lorente define os verbos fraseológicos como aqueles que incluem verbos presentes em colocações e expressões fixas, bem como verbos de suporte.

82

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

izado relacionado com a aviação só pode ser avaliado a partir das suas colocações com termos da aviação extraídos previamente. Como se pode ver nos exemplos (1) e (2), ensure e establish aparecem aqui como partes de argumentos, e não como predicados nas respetivas frases:

(1) «Taxiway» significa um percurso definido num aeródromo terrestre, established para a circulação de aeronaves em taxiamento e destinado a estabelecer uma ligação entre uma parte do aeródromo e outra.

(2) Todos os documentos <...> devem ser conservados para fornecer as informações necessárias para ensure a manutenção da aeronavegabilidade da aeronave.

(3) Uma transportadora aérea operadora que recuse o embarque ou cancele um voo shall provide a cada passageiro afetado um aviso escrito que indique as regras de indemnização e assistência em conformidade com o Regulamento 261/2004.

Provide, por outro lado, funciona efetivamente como predicado cujos argumentos são termos da aviação, mas não tem um significado que se possa considerar diferente do seu significado canónico. Embora seja seguro classificar as colocações establish aerodrome e ensure airworthiness (of the aircraft) que aparecem nos exemplos (1) e (2) como colocações de significado especializado, e os verbos establish e ensure como verbos fraseológicos em textos especializados relacionados com a aviação, não podemos classificá-los como verbos especializados por duas razões. Primeiro, não são os predicados destas frases e, segundo, o seu significado primário não se altera nestas unidades sintagmáticas.

Os verbos de suporte constituem outra subcategoria de verbos fraseológicos que, segundo Lorente (2007), não podem ser equiparados a verbos especializados ou terminológicos. Lerat (2002) apresenta take (fr. prendre) como exemplo de verbo de suporte, que pode ocorrer em colocações com termos, mas não é ele próprio um termo, como na colocação take the flight (4):

(4) Se não for feita qualquer notificação em conformidade com as regras nacionais aplicáveis, o organismo de gestão deve envidar todos os esforços razoáveis para prestar assistência de modo que a pessoa em causa possa take the flight para o qual tem uma reserva.

A maioria dos verbos extraídos, tanto em inglês como em croata, comporta-se da mesma maneira. No entanto, o verbo frásico take off não é apenas um verbo «específico de um determinado domínio» (L’Homme 1998), isto é, específico do contexto da aviação. É um dos termos-chave da aviação, utilizado com frequência igualmente elevada na sua forma derivada takeoff:

(5) Uma aeronave em taxiamento na área de manobras de um aeródromo deve ceder passagem às aeronaves que taking off ou estejam prestes a take off.

Terminologija | 2019 | 26 83

Quanto ao verbo frásico give way, não é possível defini-lo como termo apenas com base no contexto ou nos seus argumentos. Segundo um dos critérios de L’Homme para determinar verbos especializados, é provável que um verbo seja um termo se «as realizações linguísticas dos actantes (isto é, dos argumentos) de um verbo forem definidas como termos» (L’Homme 2015: 80). No exemplo (5), ambos os argumentos são, de facto, termos, mas o significado do verbo frásico give way, contudo, é o mesmo que num contexto mais geral. Portanto, não se justificaria classificá-lo como verbo terminológico da aviação.⁹

Entre os 100 verbos mais frequentes na parte inglesa do corpus paralelo de aviação, apenas dois podem ser considerados verbos especializados propriamente ditos ou verbos específicos da área da aviação: operate e fly. O verbo operate ocorre em várias colocações ou unidades sintagmáticas mais amplas, nas quais surge frequentemente noutras funções morfossintáticas (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating), sendo algumas delas reconhecidas como termos (aerodrome operating minima). Tendo em conta o discurso dos textos do corpus, verbos como communicate, land, taxi or transfer figuram entre os verbos menos frequentes.

Entre os 100 verbos croatas mais frequentes, o verbo letjeti, «voar», surge como o único verbo especializado. No entanto, dado que também é um verbo da língua geral que conserva o mesmo significado num contexto especializado quando usado na função predicativa, os seus argumentos e colocações são mais relevantes para a análise dos termos predicativos da aviação (por exemplo, letovi koji lete, «voos que voam», ou fly the aircraft, em inglês).

CONCLUSÃO

Espera-se que o trabalho apresentado neste artigo aponte para a conclusão de que os dados terminológicos e linguísticos extraídos de corpora paralelos especializados podem ser bem utilizados para estabelecer as bases da definição de frames semânticos especializados. Embora a validação dos termos tenha evidenciado algumas dificuldades na extração de termos de corpora compilados a partir de legislação da UE, como a influência do discurso jurídico na terminologia do domínio, demonstrou, ainda assim, que os corpora paralelos continuam a ser uma fonte fiável para obter rapidamente equivalentes terminológicos noutras línguas.

A análise dos verbos extraídos e a sua classificação segundo várias tipologias estabelecidas de verbos no discurso especializado (L’Homme

⁹ A conclusão mantém-se desde que consideremos apenas aircraft como o termo aqui, uma vez que uma oração inteira — independentemente do facto de conter vários termos da aviação — não pode ser considerada um termo.

84

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

1998; Lerat 2002; Lorente 2007) também produziu resultados interessantes, mas, ao mesmo tempo, algo desanimadores no que respeita à potencial condição terminológica dos candidatos extraídos. Embora o número de verbos especializados ou específicos da área da aviação fosse muito reduzido na lista de candidatos potenciais, as colocações desses verbos revelaram-se terminologicamente relevantes, por serem termos polilexicais ou colocações verbais de termos. Como a base de dados AirFrame inclui unidades terminológicas fraseológicas, como colocações de termos, os perfis lexicais dos verbos em questão forneceram muitas unidades terminológicas relevantes. A análise dos verbos realizada aponta para a conclusão de que utilizar verbos como ponto de partida para definir frames semânticos especializados da aviação poderá ser menos produtivo do que analisar perfis lexicais. Obtiveram-se dados terminológicos mais relevantes determinando primeiro as entidades-chave da área e, em seguida, definindo os processos em que participam através da análise das suas colocações. Os verbos que ocorrem nessas colocações devem remeter para os processos e eventos mais relevantes da aviação. Rajh e Grčić Simeunović (2019) chegaram a conclusões semelhantes no seu artigo sobre a classificação do comportamento combinatório dos verbos no domínio do marketing. Embora assente numa abordagem teórica diferente, o seu trabalho corrobora a ideia de que os verbos especializados relevantes num determinado domínio são mais bem identificados através da análise do comportamento sintático-semântico dos conceitos-chave desse domínio, sobretudo das entidades.

Depois de extraídas as unidades lexicais e validados os termos da aviação, o passo seguinte na identificação de frames semânticos da aviação consiste em agrupar os conceitos relevantes a que os termos se referem e em nomear as categorias mais abrangentes a eles associadas, isto é, os frames que evocam. Portanto, as unidades lexicais do mesmo tipo semântico que ocorram como argumentos dos mesmos verbos devem ser agrupadas e associadas a um frame. A delimitação do frame semântico depende em grande medida do grau de granularidade da descrição conceptual, bem como da ideia geral sobre a utilização potencial da base de dados planeada. Se, no futuro, os frames semânticos especializados forem integrados noutro recurso lexical com frames que definem a língua geral, a descrição das categorias especializadas do domínio deverá incluir também uma categorização mais abstrata e de nível 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