Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Корпусно-ориентированный анализ многословных терминов со словом «Risk» в английском, французском и литовском языках OKSANA SMIRNOVA Университет Миколаса Ромериса, Литва SIGITA RACKEVIČIENĖ Университет Миколаса Ромериса, Литва КЛЮЧЕВЫЕ СЛОВА: дескриптивная терминология, корпусно-ориентированный анализ, финансовые термины, извлечение терминов, модели образования терминов 1. ВВЕДЕНИЕ Вычислительные технологии открыли новые возможности для лингвистических исследований: цифровые корпуса и программное обеспечение для анализа корпусов облегчили доступ к глубинным структурам языка и отношениям между различными языковыми единицами, а также позволили выявлять особенности их употребления в разных областях и в разные периоды времени. Поэтому в настоящее время корпусно-ориентированный анализ естественного языка применяется в широком круге лингвистических областей: лексикографии, преподавании языков, разработке машинного перевода, создании лингвистических баз данных и т. д. Исследования в области терминологии также в значительной степени стали корпусно-ориентированными. Цифровые корпуса позволяют терминологам работать с большим количеством документов, наблюдать характерные особенности специализированного языка, собирать сведения о реальном употреблении терминов и их эволюции, выявлять новые термины, которые невозможно интуитивно обнаружить или предсказать, а также проводить сопоставительный анализ данных нескольких языков. Программное обеспечение для анализа корпусов и инструменты автоматического и полуавтоматического извлечения терминов также способствуют стандартизации терминологии; например, подсчет частотности синонимов может дать полезные статистические данные об их распределении, указывающие на термины, которым статистически отдается предпочтение (Khurshid, Rogers 1992: 36). Таким образом, цифровые корпуса позволяют терминологам пересматривать сведения о терминах в существующих терминографических базах данных и постоянно обновлять их. 86 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian По словам М. Терезы Кабре, М. Амор Монтане и Рохелио Назара, цель современной терминологии — создавать формальные, семантические и функциональные описания лексических единиц, обладающих терминологической ценностью, а также объяснять их связь с остальными единицами языковой системы. Объект терминологических исследований — «живая терминология» (терминология, естественным образом встречающаяся в специализированных текстах) и коммуникативный аспект употребления терминов, наиболее полно представленный в корпусе (Cabré, Montané, Nazar 2012). Цель, объект и задачи исследования. Цель исследования — применить методологию корпусной лингвистики для извлечения и анализа формальной структуры финансовых многословных терминов, включающих слово «risk» в качестве главного существительного в английском, французском и литовском языках. Для достижения этой цели были поставлены следующие задачи: 1) проанализировать принципы дескриптивной корпусно-ориентированной терминологии, включая методы коллокационного и коллигационного анализа; 2) составить корпуса правовых актов ЕС в финансовой сфере на трех языках (английском, французском и литовском) и выбрать программное обеспечение, подходящее для корпусно-ориентированного исследования; 3) извлечь из корпусов наиболее частотные слова на исследуемых языках и выбрать наиболее частотное ключевое слово (существительное) для дальнейшего анализа; 4) провести коллокационный анализ выбранного ключевого слова в английском корпусе и извлечь из его материала многословные термины, включающие выбранное ключевое слово в качестве семантической и синтаксической вершины термина; 5) установить французские и литовские эквиваленты выбранных английских терминов в параллельном англо-французско-литовском корпусе; 6) провести количественный анализ формальной структуры выбранных многословных терминов и определить, какие модели модификации и синтаксические структуры терминов преобладают в исследуемых языках. Данные и рамки исследования. Для целей исследования были составлены четыре корпуса документов ЕС в финансовой сфере: три одноязычных корпуса (английский, французский и литовский) и один параллельный корпус (EN-FR-LT). Объемы корпусов составляют: EN — 802 933 слова, FR — 940 655 слов, LT — 639 279 слов. Всего 210 финансовых Terminologija | 2018 | 25 87 Из корпусов были извлечены специальные термины, включающие слово ‘risk’ в качестве главного существительного: 70 английских терминов и их эквиваленты на французском и литовском языках. Выбор слова ‘risk’ был обусловлен данными корпусов, которые показали, что это слово встречалось чаще всего в отобранных документах ЕС. 2. ТЕОРЕТИЧЕСКИЕ ПРИНЦИПЫ ИССЛЕДОВАНИЯ 2.1. Предписывающее и описательное управление терминологией Развитие вычислительных технологий для исследования естественного языка четко разграничило традиционную и современную терминологию. Существенно изменилось отношение терминологов к понятию термина, источникам терминов, стандартизации терминов и другим вопросам терминологии. Выделяют два направления исследования и управления терминологией: предписывающая терминология и описательная терминология (Zeller 2005; Bielinskienė et al. 2015). Сторонники предписывающей терминологии сосредоточены на стандартизации терминологии, опирающейся на терминологические словари, базы данных, перечни утвержденной терминологии и документы о принципах стандартизации. В предписывающей терминологии понятие термина определяется местом обозначаемого им понятия в понятийной иерархической системе предметной области и его отношениями с другими понятиями (Pearson 1998: 10; Marcinkevičienė 2000: 6). Согласно принципам предписывающей терминологии, для обозначения одного понятия следует использовать один термин: такая взаимно-однозначная связь снижает вероятность неоднозначности, облегчает коммуникацию и одновременно способствует развитию понятийной иерархической системы предметной области. Специалисты по описательной терминологии не придерживаются строгого подхода к понятию термина, однозначности термина, построению иерархической понятийной системы и стандартизации. В описательной терминологии, в отличие от предписывающей, контекст играет ключевую роль при анализе термина, а сам термин рассматривается как лексическая единица, зависящая от контекста. Их цель — не создавать термины согласно определенным принципам, а фиксировать их употребление, разнообразие форм в разных текстах и описывать их особенности, создавая тем самым основу для стандартизации (Bielinskienė et al. 2015: 10–11). Развитие технологий привело к появлению огромного потока информации, представленной в текстах различных типов, и одновременно — к постоянному росту числа используемых в них терминов. В этой непрерывно меняющейся действительности терминологи- 88 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian не могут больше контролировать стремительное развитие терминологии, поскольку термины меняются быстрее, чем их успевают обрабатывать. Поэтому управление терминологией требует более гибкого подхода, основанного на методологии описания, а не предписания. В центре внимания оказалась не стандартизация терминологии, а анализ терминологии в корпусах (Bielinskinė et al. 2015: 11). Описательная терминология привела к развитию коммуникативной теории терминологии, которая сосредоточена на живой терминологии, используемой в специализированных дискурсах, и подчеркивает коммуникативный аспект употребления терминов (Cabré, Montané, Nazar 2012). Согласно этой теории, основная функция терминов — передавать специальные знания; поэтому они рассматриваются «как трехгранный многогранник, имеющий когнитивный компонент (понятие), языковой компонент (термин) и коммуникативный компонент (ситуация)» (Cabré, Montané, Nazar 2012: 1). Терминологические исследования, основанные на коммуникативной теории, интересуются не только терминологией, закрепленной стандартами или включенной в официальные базы данных, но также (и в особенности) терминами, которые действительно используются в текстах на языках для специальных целей. Таким образом, коммуникативная теория «не только применяет подход in vitro, но и изучает термины in vivo» (Cabré, Montané, Nazar 2012: 1–2). Исследования живой терминологии показывают, что традиционное представление об однозначности термина (соответствии один к одному между понятием и конкретными терминами в разных языках) не подтверждается реальным языковым употреблением. Вариативность (синонимия, неоднозначность, перифразы, избыточность) свойственна не только единицам общего языка, но и терминологии; поэтому понятия и термины необходимо изучать «в их динамическом взаимодействии» (Cabré, Montané, Nazar 2012: 2–3). Внимание к употреблению терминов сделало корпуса основной рабочей средой современного терминологического анализа. Цифровые корпуса и программное обеспечение для анализа корпусов обогатили терминологию ресурсами и инструментами, которые позволяют терминологам извлекать термины из большого объема документов, фиксировать новейшие изменения терминологии конкретной предметной области, анализировать ее развитие, а также устанавливать понятийные связи между терминами одной и той же области. Корпуса позволяют получать надежные, основанные на статистике сведения об употреблении терминов в естественном языке, которые ранее были совершенно недоступны. Поэтому корпусно-ориентированная методология стала преобладающей методологией, предоставляющей необходимый инструментарий для исследования и управления терминологией (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015). Terminologija | 2018 | 25 89 2.2. Принципы корпусно-ориентированного анализа: коллокационный и коллигационный методы Корпусно-ориентированное извлечение и анализ терминологии осуществляются с использованием статистических и лингвистических методов. В данном исследовании применяются коллокационный и коллигационный методы. Коллокации представляют собой синтагматическое притяжение между лексическими единицами. По словам Томаса Лехецки (2015), «понятие коллокации основано на представлении о том, что каждое слово в языке предпочитает одни лексические контексты другим, то есть любое слово склонно встречаться совместно с одними словами чаще, чем с другими» (Lehecka 2015: 2). Статистический анализ корпусных данных используется для измерения степени притяжения между словами; его результаты позволяют определить, какие сочетания слов встречаются вместе значительно чаще, чем можно было бы ожидать случайно, учитывая общую частотность этих слов в корпусе (Lehecka 2015: 2). Таким образом устанавливаются наиболее значимые коллокации выбранных слов в анализируемом корпусе. Этот метод используется преимущественно для контекстуального семантического анализа лексических единиц, поскольку позволяет наблюдать всё разнообразие слов, встречающихся совместно с исследуемыми словами, выявлять преобладающие модели совместной встречаемости и тем самым описывать их значения на основе контекстного окружения (Atkins, Rundell, Sato 2003: 340–341). Коллокационный анализ стал незаменимым инструментом для лексикографов; он также широко применяется в компьютерной лингвистике для машинного перевода, обработки естественного языка и в других областях (Lehecka 2015). Коллокационный метод часто используется в сочетании с коллигационным методом. Понятие коллигации относится к притяжению между лексической единицей и грамматической моделью и основано на представлении о том, что слова предпочитают употребляться в одних грамматических моделях и избегают других (Sinclair 1998; Lehecka 2015). Коллигационный анализ может быть расширен и охватывать отношения между лексической единицей и позицией в словосочетании, придаточном предложении, предложении, тексте или дискурсе, в которой эта лексическая единица может употребляться (Hoey 2005: 49–52). Коллигационный анализ широко применялся в сочетании с коллокационным анализом для изучения значений близких синонимов, поскольку исследования в области корпусной лингвистики показали, что они часто употребляются в различных лексических и грамматических контекстах (Lehecka 2015). Исследования корпусной лингвистики 90 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian показали, что даже разные значения многозначных слов могут характеризоваться различными коллокационными и коллигационными моделями (Aston, Burnard 1998). Таким образом, коллокационный и коллигационный анализы подтвердили, что семантику и грамматику не следует рассматривать как независимые, а следует считать тесно взаимосвязанными системами (Lehecka 2015). При анализе необходимо также учитывать прагматический аспект, поскольку коллокационные и коллигационные предпочтения лексической единицы значительно различаются в разных предметных областях и типах текстов (Butler 2004: 157; Newman, Rice 2006). 2.3. Применение коллокационно-коллигационного метода для извлечения и анализа терминов Коллокационно-коллигационный метод также можно использовать для извлечения многословных терминов; он особенно подходит для извлечения терминологии, включающей заранее выбранные ключевые слова — слова, потенциально значимые с терминологической точки зрения и характерные для предметной области, к которой относится корпус. Эта методология основана на предположении, что сложные термины образуются из уже существующих простых терминов (Nakagawa 2001). Инструменты анализа корпуса извлекают слова, совместно встречающиеся с заранее выбранными ключевыми словами, и позволяют установить преобладающие коллокации. Часть этих коллокаций составляют именные группы, которые необходимо отобрать из списков коллокаций с помощью лингвистических методов. Отобранные именные группы используются для дальнейшего анализа данных корпуса и извлечения многословных терминов, состоящих из выбранных именных групп и, возможно, дополнительных коллокатов. В данном исследовании извлечённые термины подвергаются дальнейшему анализу с использованием принципов коллигационного анализа с целью выявить модели формальной структуры терминологии в исследуемых языках и внести вклад в контрастивные многоязычные исследования моделей образования терминов (ср. Janulevičienė, Rackevičienė 2014; Mockienė 2016). 3. СОЗДАНИЕ КОРПУСОВ И ВЫБОР ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АНАЛИЗА По мнению M. Teresa Cabré, M. Amor Montané и Rogelio Nazar, цели составления корпуса документов по конкретной предметной области трояки. Во-первых, терминологам необходимо ознакомиться с типом языка этой области; во-вторых, корпус необходим для извлечения терминологии и проведения статистического анализа терминов; и Terminologija | 2018 | 25 91 наконец, тексты используются для получения дополнительной информации о терминах, например семантических, синтаксических или коллокационных подсказок (Cabré, Montané, Nazar 2012: 3–4). Составленный корпус должен иметь достаточный объём и качество, чтобы считаться репрезентативным для выбранной предметной области. Точных требований к объёму корпуса не существует, однако он должен содержать как можно больше документов, поскольку чем он больше, тем надёжнее выводы об употреблении терминологии в этой области (Cabré, Montané, Nazar 2012: 4). Учитывая все эти аспекты, были составлены корпуса правовых актов ЕС на английском, французском и литовском языках. Правовые акты были загружены из Официального журнала Европейского союза — общедоступного онлайн-источника. Было собрано 101 правовой акт по финансовым вопросам ЕС, принятый в период 2014–2017 годов. Документы были преобразованы в обычный текст и выровнены для извлечения терминов и их анализа. Для составления корпусов, выравнивания текстов и извлечения необходимых данных использовались три программы: AntConc (2014), AntPConc (2017), созданные и сертифицированные Laurence Anthony, и NOVA Text Aligner (2014). AntConc — это бесплатный многоплатформенный инструментарий для корпусных лингвистических исследований и обучения на основе данных, тогда как AntPConc предназначена для создания параллельного корпуса на нескольких языках. Обе программы позволяют исследователю работать с большими объёмами данных и проводить всесторонний многоязычный лингвистический анализ. Программа AntConc предоставляет пользователям следующие инструменты: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. В данном исследовании применялись четыре инструмента AntConc: • Wordlist позволял определять наиболее частотные слова в корпусах; • Collocates позволял определять преобладающие коллокаты слова «risk» и измерять степень их синтагматического притяжения к слову «risk»; • Clusters позволял выявлять наиболее частотные многословные термины, включающие слово «risk» в качестве главного существительного; • Concordances предоставлял широкий набор примеров, иллюстрирующих употребление терминов в текстах. Снимок программы AntConc представлен на рисунке 1. 92 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Рисунок 1. Программа AntConc Перед составлением параллельного корпуса загруженные тексты на трёх языках были вручную выровнены с помощью программы NOVA Text Aligner. После выравнивания текстов параллельный корпус был создан с использованием программы AntPConc (см. рисунок 2). Рисунок 2. Программа AntPConc Terminologija | 2018 | 25 93 Программа AntPConc позволяла одновременно просматривать примеры на трёх языках: можно было щёлкнуть по выбранному предложению и увидеть его эквиваленты на других языках. Программа также позволяла различать ключевые слова и их левые или правые коллокаты с помощью разных цветов. Однако увидеть документ, из которого был извлечён пример, было невозможно. С помощью параллельного корпуса были извлечены французские и литовские эквиваленты 70 английских терминов. 4. АНАЛИЗ КОРПУСОВ И ИЗВЛЕЧЕНИЕ ТЕРМИНОВ С ИСПОЛЬЗОВАНИЕМ ИНСТРУМЕНТОВ ПРОГРАММ AntConc И AntPConc 4.1. Определение наиболее частотных слов в корпусах Для определения наиболее частотных слов в корпусе финансовых документов использовался инструмент Word list программы AntConc. Он предоставил данные о частотности слов в английском, французском и литовском корпусах, что позволило сопоставить частотность слов в исследуемых языках и составить трёхъязычный список 10 наиболее частотных слов (см. таблицу 1). Инструмент Word list также предоставил сведения о количестве словоупотреблений и словоформ в корпусах и обеспечил доступ к контексту, в котором использовались термины (см. таблицу 1). Таблица 1. 10 наиболее частотных слов в корпусах EN (корпус: 802 933 словоупотребления, 9333 словоформы) | FR (корпус: 940 655 словоупотреблений, 12365 словоформ) | LT (корпус: 639 279 словоупотреблений, 24727 словоформ) 1. | risk (3252), risks (592) | risque (2855), risques (997) | rizikos (2549), riziką (1063), rizika (536), rizikai (355), rizikas (4) 2. | credit (3183), credits (18) | credit (3307), credits (222) | kredito (3103), kreditų (52), kreditų (29), kreditą (28), kreditas (8), kreditai (6), kreditais (4), kredítus (3), kreditams (2) 3. | market (1642), markets (424) | marché (1631), marches (484) | rinkos (1355), rinkų (310), rinka (229), rinkoje (226), rinką (76), rinkose (75), rinkai (51), rinkoms (18), rinkas (7), rinkomis (2) 94 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian EN (corpus 802 933 word tokens, 9333 word types) FR (corpus 940 655 word tokens, 12365 word types) LT (corpus 639 279, 24727 word types) 4. amount (1545) montant (1672) suma, sumos (684) 5. instruments (1448) instruments (1489) priemones (1542), priemonių (1393), priemones (649) 6. value (1356) valeur (1754) vertės, vertė (599) 7. securities (1275) titres (1229), titrisation (503) vertybinių popierių (1095), vertybinio popieriaus (691) 8. services (1275) services (1778) paslaugų, paslaugas (485) 9. capital (1093) capital (660) kapitalo (1143) 10. funds (1087) fonds (2773) lėšų (877) Результаты этого анализа показывают, что наиболее частотными словами в корпусах всех трех исследуемых языков являются «risk» и «credit», тогда как слово «market» занимает третье место в частотных списках. Все три слова, особенно «risk» и «credit», часто встречаются вместе в финансовых документах. Это можно объяснить тесной семантической связью между словами: само собой разумеется, что любая денежная операция сопряжена с опасностью; иными словами, «credit» порождает «risk». Наиболее обычной грамматической формой этих слов является единственное число, хотя в исследуемых языках употребляется и множественное число. В литовском языке, который является синтетическим языком с развитой системой словоизменения, эти слова употребляются в разных грамматических падежах, преобладающим из которых является родительный падеж единственного числа. Результаты анализа позволяют утверждать, что слова «risk», «credit» и «market» следует рассматривать как лексические единицы, обозначающие фундаментальные понятия финансовой сферы. Слово «risk», являющееся самым частотным в корпусах, было выбрано для дальнейшего извлечения и анализа терминов. Поскольку объектом исследования являются английские многословные термины, включающие выбранное ключевое слово (слово «risk»), и их французские и литовские эквиваленты, дальнейшая работа по извлечению терминов была организована в несколько этапов: установление наиболее частотных английских коллокаций слова «risk»; извлечение именных групп со словом «risk» в качестве Terminologija | 2018 | 25 95 главного существительного, отбор словосочетаний, имеющих терминологическую ценность, и установление их французских и литовских эквивалентов. 4.2. Установление коллокатов слова ‘risk’ в английском корпусе На втором этапе извлечения терминов были установлены наиболее частотные коллокации слова ‘risk’ в английском корпусе. Для достижения этой цели использовался инструмент Collocates программы AntConc. Этот инструмент предоставил левые и правые коллокаты выбранного ключевого слова и позволил анализировать непоследовательные модели в языках. Инструмент предоставил общую частотность коллокатов, а также их частотность слева и справа от слова ‘risk’. Он также предоставил значения статистических показателей (оценки взаимной информации (MI)), которые показывают степень синтагматического притяжения между ключевым словом и его коллокатами. Результаты коллокационного анализа представлены в таблице 2, содержащей исчерпывающие данные о коллокатах с наивысшими оценками MI (10 лидирующих позиций). Таблица 2. 10 наиболее частотных коллокатов слова ‘risk’ в английском корпусе Общая частотность | Частотность (слева) | Частотность (справа) | Оценка MI 1. dilution | 51 | 37 | 14 | 8.1 2. mitigation | 100 | 9 | 91 | 8.01 3. weights | 65 | 4 | 61 | 7.7 4. systemic | 120 | 119 | 1 | 7.7 5. profile | 87 | 1 | 86 | 7.48 6. low | 68 | 62 | 6 | 7.2 7. assigned | 127 | 95 | 32 | 6.89 8. exposure | 491 | 71 | 420 | 6.4 9. specific | 177 | 148 | 29 | 6.3 10. operational | 129 | 114 | 15 | 5.99 Результаты показывают ближайшее лексическое окружение слова ‘risk’ в английском языке и позволяют наметить преобладающее двухсловное ядро многословных терминов, содержащих слово ‘risk’ в исследуемом корпусе. 96 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 4.3. Извлечение именных групп, включающих слово «risk» в качестве главного существительного в английском корпусе Дальнейший анализ корпуса и извлечение терминов были сосредоточены на коллокациях определённой формальной структуры — именных группах, включающих слово ‘risk’ в качестве главного существительного. Они были извлечены из английского корпуса с помощью инструментов Clusters и Concordance. Инструмент Clusters позволил искать кластеры (сочетания слов), включающие слово ‘risk’ с его левыми и правыми коллокатами. Он позволял задавать минимальную и максимальную длину кластеров (количество слов), а также минимальную частоту отображаемых кластеров. Упорядоченные кластеры можно было отображать либо по частоте, либо по числу файлов корпусов, в которых они встречались. Для извлечения именных групп, включающих слово ‘risk’ в качестве главного существительного, были заданы следующие параметры: размер кластера — от 2 до 5 слов, сортировка по частоте. Также следовало выбрать позицию ключевого слова: сначала были упорядочены кластеры с ключевым словом справа, затем — слева. При параметре «искать ключевое слово справа» инструмент вывел 4814 употреблений кластеров и 181 тип кластеров; при параметре «искать ключевое слово слева» — 4284 употребления кластеров и 137 типов кластеров. Из отображённых списков кластеров вручную были извлечены именные группы, включающие слово ‘risk’ в качестве главного существительного. Их более широкий контекст анализировался с помощью инструмента Concordance, который позволил определить границы именных групп, включающих как левые, так и правые коллокаты слова ‘risk’. В таблице 3 представлены наиболее частотные именные группы. Таблица 3. ТОП-20 именных групп, включающих слово ‘risk’ в качестве главного существительного Именные группы (‘risk’ справа) Част. Именные группы (‘risk’ слева) Част. 1. кредитный риск 471 1. риск чрезмерного использования заёмных средств 18 2. системный риск 113 2. риск долгового инструмента 12 3. операционный риск 102 3. риск убытков 12 4. риск ликвидности 97 4. риск удержания мощности 10 Terminologija | 2018 | 25 97 Именные группы (слово «risk» справа) | Частота | Именные группы (слово «risk» слева) | Частота 5. специфический риск | 86 | 5. риск для третьих лиц | 8 6. рыночный риск | 76 | 6. риск по приобретённой дебиторской задолженности | 7 7. кредитный риск контрагента | 41 | 7. риск изменения цены | 7 8. риск разводнения | 33 | 8. риск нарушения деятельности | 6 9. процентный риск | 32 | 9. риск для финансовой стабильности | 2 10. предпринимательский риск | 26 | 10. риск заёмщика | 2 Результаты показывают, что именные группы, содержащие слово «risk» в крайней правой позиции, встречаются значительно чаще, чем именные группы, содержащие слово «risk» в крайней левой позиции. В корпусе найдено лишь несколько примеров именных групп, содержащих как левые, так и правые коллокаты слова «risk»: кредитный риск по обратным сделкам, кредитный риск по позиции секьюритизации, кредитный риск для третьих лиц. Для дальнейшего исследования был составлен список TOP 70 английских именных групп, в которых слово «risk» выступает главным существительным. В список включались только именные группы, обладающие терминологической ценностью (обозначающие абстрактные понятия финансовой сферы). В дальнейшем анализе они называются многословными терминами. 4.4. Установление французских и литовских эквивалентов отобранных английских терминов На заключительном этапе извлечения терминов были установлены французские и литовские эквиваленты отобранных английских терминов. Для достижения этой цели использовалась программа AntPConc, разработанная для анализа параллельных корпусов. В программу были загружены корпуса на трёх исследуемых языках. При поиске отобранных английских терминов в английском корпусе программа отображала соответствующие параллельные фрагменты французских и литовских текстов, что позволило вручную выбрать необходимые эквиваленты. Всего было установлено 70 французских и 70 литовских эквивалентов отобранных английских терминов. В таблице 4 представлены TOP 10 английских терминов и их французские и литовские эквиваленты. Результаты этого анализа выявили формальные различия между терминами в исследуемых языках, которые рассматриваются и обсуждаются ниже. 98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Таблица 4. 10 наиболее частотных английских терминов и их эквиваленты на французском и литовском языках EN FR LT кредитный риск кредитный риск кредитный риск системный риск системный риск системный риск операционный риск операционный риск операционный риск риск ликвидности риск ликвидности риск ликвидности специфический риск специфический риск специфический риск рыночный риск рыночный риск рыночный риск кредитный риск контрагента кредитный риск контрагента кредитный риск контрагента риск разводнения риск разводнения риск дебиторской задолженности процентный риск риск процентной ставки риск процентной ставки предпринимательский риск экономический риск бизнес-риск 5. АНАЛИЗ ФОРМАЛЬНОЙ СТРУКТУРЫ ИЗВЛЕЧЕННЫХ ТЕРМИНОВ Дальнейший анализ извлечённых терминов проводился с использованием принципов коллигационного анализа, чтобы выявить модели формальной структуры терминологии в разных языках. Компоненты терминов относятся к двум основным категориям: главная существительная лексема «риск» и её модификаторы. В зависимости от положения модификаторов были установлены два типа модификации — препозиционная (модификаторы располагаются перед главной лексемой) и постпозиционная (модификаторы располагаются после главной лексемы). В список TOP 70 терминов, отобранных для статистического анализа, не вошёл ни один термин, включающий как препозиционные, так и постпозиционные модификаторы. Анализ был сосредоточен на следующих аспектах образования терминов: количестве компонентов, моделях модификации и синтаксических структурах терминов (положении модификаторов и их частеречной принадлежности). В таблицах 5 и 6 представлены обобщённые результаты анализа. Результаты, представленные в таблицах, показывают, что в исследуемых языках термины имеют разные модели модификации. Количественный Terminologija | 2018 | 25 99 анализ модификации был проведён для выявления преобладающих моделей модификации в исследуемых языках; его результаты представлены на диаграмме 1. Таблица 5. Синтаксические структуры терминов с моделями препозиционной модификации Синтаксические структуры EN FR LT С + «риск» 19 терминов, например: кредитный риск, риск концентрации, риск ликвидности, бизнес-риск. – 18 терминов, например: риск заёмщика, риск сделок, риск хранения. П + «риск» 18 терминов, например: предпринимательский риск, внутренний риск, потенциальный риск. – 17 терминов, например: системный риск, операционный риск, инвестиционный риск N + N + «риск» 3 термина: кредитный риск и риск ликвидности, процентный риск, кредитный риск контрагента – 9 терминов, например: дневной кредитный риск, риск процентной ставки, риск контрагента A + N + «риск» 12 терминов, например: существенный кредитный риск, специфический кредитный риск, валютный риск. – 9 терминов, например: низкий кредитный риск, специфический кредитный риск, риск дебиторской задолженности A/Num + N + + N + «риск» 1 термин: минимальный кредитный и рыночный риск – 12 терминов, например: минимальный кредитный и рыночный риск, риск ликвидности овернайт, кредитный риск овернайт A + A + N + + «риск» 4 термина, например: специфический и общий кредитный риск, внутридневной и овернайт кредитный риск, внутридневной и овернайт риск ликвидности – 5 терминов, например: риск ошибочных решений, риск приобретённой дебиторской задолженности, общий и специфический кредитный риск 100 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Таблица 6. Синтаксические структуры постпозиционной модификации моделей терминов Синтаксические структуры EN FR LT «риск» + PP 13 терминов, например: риск учреждения, риск для финансовой системы, риск убытков 22 термина, например: кредитный риск, риск концентрации, модельный риск – «риск» + A – 20 терминов, например: внутридневной риск, внутренний риск, специфический риск – «риск» + A + PP – 4 термина, например: специфический риск корреляции, значительный риск корреляции, общий риск корреляции – «риск» + PP + A – 15 терминов, например: специфический кредитный риск, ежедневный кредитный риск, риск по сырьевым товарам – «риск» + PP + A + + PP – 9 терминов, например: внутридневной кредитный риск сроком 24 часа, внутридневной риск ликвидности сроком 24 часа – Диаграмма 1. Модели модификации терминов Terminologija | 2018 | 25 1 0 1 Результаты показывают, что в английском и литовском языках преобладает препозитивная модификация, тогда как для французского языка характерна постпозитивная модификация. Во французском языке не обнаружено терминов с моделью препозитивной модификации, а в литовском — терминов с моделями постпозитивной модификации. Только английские термины представлены обоими типами, хотя число терминов с постпозитивными модификаторами довольно невелико. Все исследованные термины включают один или несколько модификаторов — существительных, прилагательных или предложных групп, занимающих различные позиции в терминологических единицах. Результаты анализа показывают, что в английских и литовских терминах преобладают модификаторы, выраженные существительными и прилагательными, тогда как во французских терминах слово ‘risk’ чаще всего модифицируется предложными группами. Термины, включающие 3 и более слов, можно далее классифицировать по уровням модификации (термины с модификаторами, модифицирующими вершину — существительное, и термины с модификаторами, модифицирующими другие модификаторы), однако из-за ограниченного объёма статьи этот анализ в ней не представлен. Обобщённые данные, представленные в таблицах, также показывают, что термины различаются числом составляющих их компонентов. Количественный анализ длины терминов был проведён для определения преобладающего числа компонентов в терминах исследуемых языков; его результаты представлены на диаграмме 2. Диаграмма показывает две основные тенденции. Во-первых, разработчики терминов ЕС соблюдают главное требование языковой экономии — краткость терминов: во всех трёх языках преобладают двухсловные термины. Во-вторых, лишь немногие английские и французские термины состоят более чем из 2–3 слов, тогда как в Диаграмма 2. Число компонентов термина 102 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Литовские термины, состоящие из 4 и более слов, составляют значительную часть выбранного материала (17 из 70). Преобладание двухсловных терминов согласуется с тенденциями, выявленными другими исследователями терминологии. Исследование автоматического извлечения и определения терминологии в области образования и науки, проведённое Agnė Bielinskienė и др., показало, что большинство литовских терминов этой области являются двухсловными: они составили более двух третей терминов, отобранных среди кандидатов в термины, автоматически извлечённых из специализированного корпуса (Bielinskienė et al. 2015: 62). Сопоставительное исследование терминологии конституционного права, проведённое Liudmila Mockienė, выявило ту же тенденцию в трёх разных языках. В исследованных английских, русских и литовских правовых актах конституционного характера большинство извлечённых многословных терминов состояло из двух компонентов: они составили 78.5% английских многословных терминов, 62% русских многословных терминов и 74.5% литовских многословных терминов (Mockienė 2016: 43–45). Таким образом, разработчики терминов в разных предметных областях и на разных языках, как правило, придерживаются одного и того же принципа языковой экономии и удобства для пользователей. 6. В Ы В О Д Ы Программы AntCont, использованная для анализа одноязычных корпусов, и AntPConc, использованная для анализа параллельного корпуса, позволили извлечь английские, французские и литовские многословные термины, включающие слово ‘risk’ в качестве главного существительного, из специализированных корпусов документов ЕС финансовой тематики, собранных для целей исследования. Извлечение проводилось в следующие этапы: • извлечение ключевых слов из английского, французского и литовского корпусов (слов, обладающих потенциальной терминологической значимостью и характерных для представленной в корпусах предметной области) и выбор наиболее частотного ключевого слова (слова ‘risk’) для дальнейшего анализа; • извлечение коллокаций слова ‘risk’ и именных групп, включающих слово ‘risk’ в качестве главного существительного, с левыми и/или правыми коллокатами из английского корпуса; • отбор лексических единиц, обладающих терминологической ценностью, из списка извлечённых именных групп; • установление французских и литовских эквивалентов отобранных английских терминов в параллельном англо-франко-литовском корпусе. Terminologija | 2018 | 25 1 0 3 Применённая методология оказалась эффективной для извлечения терминологии из многоязычных корпусов; её можно использовать для разработки и обновления терминологических баз или научного анализа терминов. Анализ формальной структуры извлечённых терминов выявил некоторые основные тенденции терминообразования в исследуемых языках: • В английском и литовском языках преобладает препозиционная модификация, тогда как для французского языка характерна постпозиционная модификация; • В английских и литовских терминах в качестве определяющих компонентов преобладают существительные и прилагательные, тогда как во французских терминах слово ‘risk’ чаще всего модифицируется предложными конструкциями; • Преобладающий тип терминов по числу компонентов — двухсловные термины; они составляют наибольшую часть терминов в списках TOP 70 на английском, французском и литовском языках. Это показывает, что разработчики терминологии ЕС соблюдают главный принцип языковой экономии — краткость терминов; • Лишь немногие английские и французские термины состоят более чем из 2–3 слов, тогда как в литовском списке TOP 70 термины из 4 и более слов составляют значительную часть выбранных данных (17 из 70). Результаты анализа формальной структуры раскрывают тенденции терминообразования в исследуемых языках и предоставляют терминологическую информацию, которая может быть полезна разработчикам терминологии и переводчикам. Синтаксические модели, установленные в ходе исследования, можно использовать для разработки автоматических лингвистических методов извлечения терминов без предварительно заданных ключевых слов. REFERENCES Aston G., Burnard L. 1998: The BNC Handbook. Exploring the British National Corpus with SARA, Edinburgh: Edinburgh University Press. Atkins S., Rundell M., Sato H. 2003: The contribution of FrameNet to practical lexicography. – International Journal of Lexicography 16(3), 333–357. Bielinskienė A., Boizou L, Grigonytė G., Kovalevskaitė J., Rimkutė E., Utka A. 2015: Lietuvių kalbos terminų automatinis atpažinimas ir apibrėžimas. Monografija, Kaunas: Vytauto Didžiojo universitetas. Butler C. S. 2004: Corpus studies and functional linguistic theories. – Functions of Language 11(2), 147–186. Cabré M. T., Montané M. A., Nazar R. 2012: Corpus-based Terminology Processing. TKE 2012 Tutorial. Available at http://terminus.iula.upf.edu/tke2012/. Hoey M. 2005: Lexical Priming: A New Theory of Words and Language, London: Routledge. Janulevičienė V., Rackevičienė S. 2014: Formation of criminal law terms in English, Lithuanian and Norwegian. – LSP journal – Language for special purposes, professional communication, knowledge management and cognition 15(1), 4–20. 104 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Lehecka T. 2015: Collocation and colligation. – Handbook of Pragmatics Online. J.-O. Östman, & J. Verschuren (Eds.), Amsterdam: John Benjamins Publishing Company, 1–23. Khurshid A., Rogers M. 1992: Terminology management: a corpus-based approach. – Translating and the Computer 14, 33–44. Marcinkevičienė R. 2000: Terminografija ir tekstynas. – Terminologija 6, 5–23. Mockienė L. 2016: Formation of terminology of constitutional law in English, Lithuanian and Russian. Doctoral Thesis, Vilnius: Mykolas Romeris University. Nakagawa H. 2001: Experimental evaluation of ranking and selection methods in term extraction. – Recent Advances in Computational Terminology. D. Bourigault, Ch. Jacquemin and M.-C. L’Homme (Eds.), Amsterdam/Philadelphia: John Benjamins Publishing Company, 303–325. Newman J., Rice S. 2006: Transitivity schemas of English EAT and DRINK in the BNC. – Corpora in Cognitive Linguistics: Corpus-Based Approaches to Syntax and Lexis. S.T. Gries and A. Stefanowitsch (Eds.), Berlin/New York: Mouton de Gruyter, 225–260. Pearson J. 1998: Terms in Context, Amsterdam/Philadelphia: John Benjamins Publishing Company. Sinclair J. 1998: The lexical item. – Contrastive Lexical Semantics. E. Weigand (Ed.), Amsterdam: John Benjamins Publishing Company, 1–24. Zeller I. 2005: Automatinis terminų atpažinimas ir apdorojimas. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas, Vilnius: Lietuvių kalbos institutas. SOURCES Official Journal of European Union: https://eur-lex.europa.eu/oj/direct-access.html COMPUTER SOFTWARE USED FOR THE ANALYSIS Anthony L. 2014: AntConc (Version 3.4.4w) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp Anthony L. 2017: AntPConc (Version 1.2.0) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp Supernova-soft. NOVA Text Aligner. Available at https://nova-text-aligner.soft112.com/. ANGLŲ, PRANCŪZŲ IR LIETUVIŲ KALBŲ DAUGIAŽODŽIŲ TERMINŲ SU ŽODŽIU RIZIKA ANALIZĖ TEKSTYNŲ LINGVISTIKOS METODAIS Straipsnyje pristatomi deskriptyviosios terminologijos tyrimo principai bei empirinis daugiažodžių terminų su žodžiu rizika tyrimas, kurio tikslas – taikant tekstynų lingvistikos metodus, surinkti terminus iš ES finansų srities dokumentų tekstynų ir atlikti jų formaliosios sandaros analizę. Tyrimo tikslams buvo sukaupti keturi tekstynai: finansų srities dokumentų anglų kalba (802 933 žodžiai), prancūzų kalba (940 655 žodžiai) ir lietuvių kalba (639 279 žodžiai) bei lygiagretusis anglų–prancūzų–lietuvių kalbų tekstynas. Iš tekstynų surinkta 210 terminų, kuriuose žodis rizika eina pagrindiniu dėmeniu: 70 angliškų terminų ir po tiek pat jų atitikmenų prancūzų ir lietuvių kalbomis. Žodžio rizika pasirinkimą lėmė tai, kad šis žodis buvo dažniausias visų trijų kalbų tekstynuose. Terminų atpažinimui ir surinkimui buvo naudojamos dvi kompiuterinės programos – AntConc ir AntPConc. Dirbta tokiais etapais: • dažniausių žodžių, galinčių būti terminų branduoliu, angliškame, prancūziškame ir lietuviškame tekstynuose nustatymas ir vieno iš jų (žodžio rizika) atrinkimas tolesnei analizei; Terminologija | 2018 | 25 105 • žodžio rizika kolokacijų ir daiktavardinių junginių su pagrindiniu dėmeniu rizika ir jo kairiaisiais bei dešiniaisiais kolokatais nustatymas angliškame tekstyne; • daiktavardinių junginių, laikytinų daugiažodžiais terminais, atrinkimas; • atrinktų angliškų terminų prancūziškų ir lietuviškų atitikmenų nustatymas. Pritaikyta metodologija leido rezultatyviai surinkti daugiažodžius terminus iš daugiakalbių tekstynų. Tai duoda pagrindą teigti, kad ji gali būti taikoma terminų kaupimui bei tyrimams. Surinktų terminų formaliosios sandaros analizė atskleidė keletą svarbių terminų darybos tendencijų tiriamose kalbose: • vyraujantis terminų tipas pagal dėmenų skaičių visose trijose tiriamose kalbose yra dvižodžiai terminai; tai rodo, kad ES terminų kūrėjai laikosi kalbos ekonomijos principo ir stengiasi kurti kuo trumpesnius daugiažodžius terminus; • tik keletas angliškų ir prancūziškų terminų turi daugiau kaip 2–3 dėmenis; tuo tarpu lietuviški terminai, susidedantys iš 4 ir daugiau dėmenų, sudaro beveik ketvirtadalį surinktų terminų; • anglų ir lietuvių kalbų terminų darybos modeliuose vyrauja prepozicinė ir postpozicinė modifikacija, o prancūzų kalbos – postpozicinė modifikacija; • daugumos anglų ir lietuvių kalbų terminų priklausomieji dėmenys yra daiktavardžiai ir būdvardžiai, o prancūzų kalboje – prielinksninės konstrukcijos. Formaliosios sandaros analizės rezultatai suteikia informacijos, kuri gali būti naudinga terminų kūrėjams ir vertėjams. Tyrimo metu nustatyti sintaksinių struktūrų modeliai gali būti taikomi, kuriant kompiuterinius lingvistinius metodus automatiniam terminų atpažinimui be iš anksto pasirinktų raktažodžių. Gauta 2018-05-21 Oksana Smirnova Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected] Sigita Rackevičienė Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected] 106 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian