Improving Compatibility of Terminological Collections with a Bridging Classification of Data Categories

Підвищення сумісності термінологічних колекцій за допомогою класифікації категорій даних, що виконує роль сполучної ланки IGOR KUDASHEV University of Helsinki В С Т У П Попри існування стандартизованого набору категорій даних (ISO 12620:1999) і стандартизованих методів термінологічної роботи (ISO 704:2000), досі важко знайти дві термінологічні бази даних, створені в різних організаціях, які можна було б легко об’єднати без втрати даних або спотворення первісних принципів формування кожної з баз даних. Найочевидніші причини цього такі: національні мови й традиції різняться; галузі спеціальної мови (LSP) різняться; підготовка й підходи укладачів різняться; технічні рішення різняться. Водночас однією з тенденцій в управлінні термінологічними ресурсами та іншими типами даних стало об’єднання розрізнених ресурсів у більші портали або сервіси, зазвичай без їхнього фізичного злиття. Одним із прикладів є портал EuroTermBank (http://www.eurotermbank.com), який забезпечує пошук у багатьох внутрішніх і зовнішніх термінологічних базах даних і може формувати зведення результатів. Зі зростанням вимог користувачів і обсягів даних виникає потреба забезпечити розширений пошук, який охоплює всі поля запису, а не лише заголовні слова, і адаптувати записи відповідно до вподобань користувачів. У цій статті ми пропонуємо класифікацію категорій даних, яка може слугувати сполучною ланкою між термінологічними колекціями. Класифікація розв’язує такі проблеми, пов’язані з управлінням термінологічними колекціями з різними наборами категорій даних: об’єднання й злиття термінологічних ресурсів; організація пошуку, який охоплює всі поля записів; адаптація записів із кількох колекцій відповідно до вподобань користувачів. 36 Igor Kudashev | Improving Compatibility of Terminological... Термінологічна база даних може містити різні типи даних, окрім власне термінологічних даних, наприклад інформацію про джерела, користувачів і операції з управління термінологією. У цій статті ми зосереджуємося на класифікації категорій даних, пов’язаних з описом виразів МП. ЩО ТАКЕ КАТЕГОРІЯ ДАНИХ? Різні типи даних розміщують у різних полях термінологічних баз даних. Категорія даних є результатом специфікації певного поля даних (ISO 1087-2:2000: 13). Термінологи використовують різні метафори, щоб пояснити поняття категорії даних. Одна з метафор — шафа, де різні шухляди призначені для зберігання різних видів одягу. Інша метафора — кошик для покупок, у якому кожен вид товару загорнуто в окреме паковання, щоб товари не змішувалися. ТИПОВІ НЕВІДПОВІДНОСТІ МІЖ КАТЕГОРІЯМИ ДАНИХ Категорії даних є результатом класифікації даних. Дані можна класифікувати багатьма різними способами залежно від поглядів класифікатора та потреб користувачів. Використовуючи метафору шафи, можна сказати, що в різних шафах різна кількість шухляд, які можуть мати різні форму, розмір тощо. Між категоріями даних у термінологічних базах даних можливі щонайменше шість типів невідповідностей: - невідповідність назв категорій даних; - невідповідність «розмірів» категорій даних, тобто різна «гранулярність»; - невідповідність «місць» категорій даних, тобто їхнього розташування в класифікаційній схемі; - невідповідність принципів класифікації (перекриття); - невідповідність змісту категорій даних; - змішані випадки. Нижче наведено кілька прикладів, що ілюструють деякі поширені невідповідності. Випадок 1: категорії даних мають різні назви. Приклад: категорія даних в одній базі даних називається note, в іншій — comment, у третій — remark, а в четвертій — NB. Terminologija | 2009 | 16 37 Випадок 2: назву категорії даних уживають у різних значеннях. Приклад: категорія даних синонім може відповідати поняттям «повний синонім», «частковий синонім» або «повний чи частковий синонім». Випадок 3: назви категорій даних є «хибними друзями». Приклад: англійські скорочення та акронім у визначенні стандарту ISO (ISO 12620:1999: 6–7) і російські аббревиатура та акроним відповідають одне одному перехресно (Kudashev & Hajutin 2003: 104–105). Випадок 4: грануляція категорій даних різниться. Приклад: категорію даних скорочена форма терміна поділено на п’ять підкласів (абревіатура, коротка форма терміна, ініціалізм, акронім і усічений термін) у стандарті ISO 12620:1999, але в ISO 12616:2002 («Термінологія, орієнтована на переклад») такого поділу немає. Випадок 5: перекриття категорій даних. Приклад: категорії даних приклад і контекст перекриваються. Деякі приклади є контекстами, а деякі контексти можуть слугувати прикладами, але ці дві категорії не є тотожними. Випадок 6: ту саму категорію даних відносять до різних ширших категорій. Приклад: категорію даних контекст у стандарті ISO 12620:1999 вважають даними, пов’язаними з поняттям, очевидно, тому що контексти можуть надавати додаткову інформацію про поняття. Однак частіше контексти слугують для надання інформації про вживання терміна та його сполучуваність, тому «багато баз даних класифікують контекст як категорію, пов’язану з терміном» (ISO 12620:1999: 25). Випадок 7: мова, знакова система або система позначень даних різняться. Приклад: частину мови в одній базі даних можна закодувати як noun, в іншій — як n., у третій — як subst., а в четвертій — графічним символом. Випадок 8: однакові або подібні значення категорій даних уживаються в різних значеннях і різних зв’язках. Приклад: значення неологізм у категорії даних походження терміна стандарту ISO 12620:1999 звучить як хронологічна позначка, тоді як насправді воно стосується методології, застосованої під час створення терміна. 38 Igor Kudashev | Improving Compatibility of Terminological... Випадок 9: значення напівзакритих класів відрізняються через різну класифікацію мовних явищ у різних мовах і різні традиції. Приклад: в ISO 12620:1999 до позначень для опису виразів LSP, що належать до «нижчого стилю», входять slang register і vulgar register. Вони приблизно відповідають позначенням профессиональный жаргонизм (професійний жаргонізм) і профессиональное просторечие (професійне просторіччя) у російській мові. У фінській мові, однак, є лише одна категорія — ammattislangi (професійний жаргон; див. Sanastotyön käsikirja 1989: 12). Також слід зазначити, що деякі дані можуть бути виражені в термінологічних колекціях неявно. Приклад 1: наявність позначки obsolete в одних випадках і її відсутність в інших у термінологічній колекції означає, що терміни, не позначені цією міткою, належать до активного складу LSP. Приклад 2: якщо два або більше термінів наведено в одній статті, це зазвичай означає, що вони є синонімами або еквівалентами. Обмін даними або агрегування термінологічних ресурсів може вимагати явного подання таких неявних даних. Наприклад, якщо дані зберігаються у формі онтології, а не статичних статей, то згадану вище неявну інформацію про синоніми й еквіваленти потрібно зробити явною та зберегти під час «розбирання» статей. ІНВЕНТАРІ ТА КЛАСИФІКАЦІЇ КАТЕГОРІЙ ДАНИХ ISO ISO 12620:1999 визначає набір категорій даних для фіксації термінологічної інформації. У стандарті не приписується, які саме категорії даних слід використовувати; він радше слугує інвентарем. Цей набір категорій даних розширюється в межах проєкту ISOcat (www.isocat.org), що документує загальновизнані мовні категорії даних. Хоча проєкт ISOcat безсумнівно корисний для мовознавців, які отримують змогу краще класифікувати й визначати мовні поняття, а також для розробників термінологічних банків, які можуть вибирати готові категорії даних із великого інвентарю, навряд чи він допоможе розв’язати проблему обміну даними, їх агрегування та повнотекстового пошуку за статтями в багатьох базах даних. По-перше, він не може завадити укладачам термінологічних продуктів Terminologija | 2009 | 16 39 класифікуючи дані іншим способом і використовуючи власні категорії даних. По-друге, що більше категорій даних застосовується в термінологічних колекціях, то різноманітнішими вони стають, що ще більше ускладнює обмін даними. Теоретично перелік категорій даних нескінченний, а на практиці — досить об’ємний. Наприклад, перелік категорій даних, пов’язаних із термінологією, в інвентарі ISOcat уже налічує понад 500 позицій. Одна з практик, що застосовуються в проєкті ISOcat, може збільшити цю кількість у багато разів. Йдеться про подання значень замкнених і напівзамкнених класів як окремих категорій даних. Наприклад, значення категорії даних register, як-от vulgarRegister, slangRegister тощо, тепер представлені як самостійні категорії даних. Так само категорію даних reliabilityCode поділено на reliabilityCode1, reliabilityCode2 тощо. Можуть існувати різні погляди на те, чи є це доцільним із практичного погляду, але дані можна організовувати багатьма різними способами, тож формальних обмежень на поділ категорій даних аж до примітивних класів, які можуть приймати лише значення yes і no, немає. Однак очевидно, що цю сукупність категорій даних потрібно належним чином структурувати й класифікувати, щоб вона залишалася керованою та добре впорядкованою. Водночас класифікація категорій даних, запропонована в ISO 12620:1999, є проблематичною з кількох поглядів. Насамперед є певні неузгодженості щодо основного поділу даних. Згідно з розділом 6.2 (Типологія категорій даних), категорії даних поділяються на три основні групи: терміни та пов’язана з термінами інформація, описові дані й адміністративні дані. Проте в Додатку D (Систематичний перелік категорій даних) другу групу названо Категорії даних, пов’язані з описом поняття. Водночас до цієї групи входить підгрупа Примітка, яка «становить окрему категорію, оскільки може бути пов’язана з будь-якою іншою категорією, а тому не може бути підпорядкована жодній іншій конкретній підгрупі» (ISO 12620:1999: 4). Якщо припустити, що передбачений поділ охоплював чотири групи: терміни та пов’язану з термінами інформацію, інформацію, пов’язану з поняттями, адміністративні дані та Примітку, ця класифікація все одно викликає багато запитань. Наведемо лише кілька: - Чому приклади і контексти належать до даних, пов’язаних із поняттями, а не до даних, пов’язаних із термінами? Пор. опис категорії даних контекст: «Текст або частина тексту, у якій трапляється термін» (ISO 12620:1999: 25). - Чому синонім і еквівалентність належать до даних, пов’язаних із термінами, тоді як усе інше, пов’язане зі значенням, належить до даних, пов’язаних із поняттями? Пор. опис категорії даних ступінь еквівалентності: «Ступінь перекриття інтенсіоналів двох або більше понять» (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Чому антонім і омограф є адміністративними даними, а не даними, пов’язаними з термінами чи поняттями? Чому аудіо, відео тощо є (лише) даними, пов’язаними з поняттями? Яке точне визначення адміністративних даних? Чому цей клас охоплює такі неоднорідні категорії? Поділ термінологічних даних на дані, пов’язані з поняттями, і дані, пов’язані з термінами, може бути корисним із технічного погляду, оскільки підтримує концептоорієнтований підхід, який зменшує кількість зв’язків між термінами, пов’язуючи синонімічні терміни з тим самим поняттям. Однак такий поділ загалом, а його впровадження в ISO 12620:1999 зокрема, може створювати труднощі для звичайних користувачів термінологічних баз даних — перекладачів і фахівців певних галузей. Справді, нелегко зрозуміти, чому синоніми слід шукати серед даних, пов’язаних із термінами, антоніми — серед адміністративних даних, а приклади — серед даних, пов’язаних із поняттями. Звичайні користувачі працюють із термінами — словами та словосполученнями, тому для них природніше говорити про значення терміна, синоніми терміна, приклади вживання терміна тощо. Звідси випливає, що класифікація категорій даних, призначена для повнотекстового пошуку в кількох колекціях, має бути терміноорієнтованою, інтуїтивно зрозумілою та ґрунтуватися на загальноприйнятих лінгвістичних категоріях. УСУНЕННЯ НЕВІДПОВІДНОСТЕЙ МІЖ КАТЕГОРІЯМИ ДАНИХ Проблему невідповідностей між категоріями даних можна розв’язати за допомогою зіставлення. Якщо невідповідності є номінальними, наприклад, якщо назви категорій даних відрізняються або однаковий зміст представлено по-різному, можна використати пряме зіставлення категорій даних. Після застосування прямого зіставлення дані в агрегованому ресурсі можна шукати з такою самою точністю, як і в початкових базах даних. Суттєвіші відмінності між категоріями даних вимагають пошуку спільного знаменника шляхом зіставлення класифікацій наборів категорій даних. Використання спільного знаменника дещо знижує точність пошуку, але це єдиний спосіб забезпечити спільний пошук у термінологічних ресурсах із різною структурою. Якщо користувач не готовий поступитися точністю пошуку, йому доведеться виконувати окремий пошук у кожній колекції. Як і у випадку з обміном даними загалом, використання проміжного формату, тобто певної об’єднувальної класифікації категорій даних, є ефективнішим у довгостроковій Terminologija | 2009 | 16 41 перспективі, ніж численні зіставлення між різними класифікаціями. Загальні принципи класифікації категорій даних, призначеної слугувати спільним інтерфейсом для інших класифікацій, такі: 1. Оскільки класи класифікації мають слугувати спільними знаменниками, вони повинні перебувати на вищому рівні абстракції, ніж більшість «примітивних» категорій даних, які далі не поділяються. Водночас рівень абстракції не може бути надто високим, оскільки користувачів не зацікавить класифікація, яка є надто загальною. На практиці достатньо класифікації з двома рівнями абстракції. 2. Класифікація має охоплювати всі типи виразів LSP, які зазвичай описують у термінологічних базах даних, зокрема терміноелементи, власні назви, номенклатуру, сталі словосполучення тощо. 3. Класифікація має містити лише ті категорії даних, які безпосередньо стосуються опису виразів LSP. Опис технічних і адміністративних аспектів (наприклад, носіїв, кодувань, джерел, надійності тощо) є окремим завданням. 4. Класифікація має бути ієрархічною, але на одному рівні абстракції слід дозволити кілька основ поділу. 5. Класифікація має бути розширюваною, тобто на кожному рівні ієрархії вона повинна містити категорію «інше». Ці принципи необхідно поєднати з вимогою зручності для користувача, згаданою вище. На нашу думку, класифікація, заснована на лінгвістичних функціях даних, є особливо перспективною в цьому аспекті. В об’єднувальній класифікації, заснованій на лінгвістичних функціях, акцент зміщується з назв категорій даних на функцію або функції даних, які вони містять. Тут можна провести аналогію з бібліотекою, що має алфавітний і предметний каталоги. Пошук за назвами категорій даних подібний до пошуку за допомогою алфавітного каталогу. Назва дає певне уявлення про зміст книжки, але іноді може вводити в оману. Крім того, користувачі не можуть вгадати всі можливі назви, що охоплюють певну тему. Алфавітний каталог корисний у випадках, коли користувачі точно знають, який саме елемент або елементи хочуть знайти. Однак більшість відвідувачів бібліотеки починають пошук із предметного каталогу, оскільки заздалегідь не знають, які саме матеріали охоплюють тему, що їх цікавить. Термінологічний портал, який агрегує кілька термінологічних колек- 42 Igor Kudashev | Improving Compatibility of Terminological... …цій із різними наборами категорій даних створює для користувачів ту саму проблему, що й царина книжок на бібліотечних полицях. Користувачі знають, яка саме інформація їх цікавить (граматика, значення, уживання тощо), але не обов’язково знають, у яких категоріях даних можна її знайти. У різних термінологічних колекціях подібні типи даних можуть міститися в різних полях даних. Наприклад, інформацію про ареальний статус виразу LSP можна знайти в таких полях, як уживання, регіональна позначка, мовний символ тощо. Якщо пошук ґрунтується на лінгвістичних функціях даних, користувачам не потрібно зважати на точні назви категорій даних. Вони лише вказують, що шукають інформацію про ареальний статус, значення чи синоніми, а система керування термінологією знаходить і відображає повні або скорочені статті в різних базах даних, які містять зазначений тип інформації. Пошук за функцією можна й слід доповнювати пошуком за назвою полів для тих користувачів, які точно знають, у яких полях хочуть шукати. Поля даних, подібно до бібліотечних одиниць, можуть містити різні види лінгвістичної інформації. Наприклад, приклад — це типове багатофункціональне поле, яке може містити інформацію про форму, значення та вживання терміна в різних пропорціях. Кожну категорію даних можна описати як таку, що має одну або кілька функцій. Також має бути можливо вказати, якою мірою певна категорія даних відображає ті чи інші функції. Ця характеристика може бути словесною (наприклад, основна та другорядна функції) або числовою (наприклад, 0–100%). Найпростіший спосіб зіставити певний набір категорій даних із проміжною класифікацією — вважати вміст полів даних певного типу однорідним і скласти просту таблицю відповідності. Точніше, але й складніше зіставлення дало б змогу укладачам зазначати відхилення окремих полів даних від значень, використаних у глобальній таблиці відповідності. Наприклад, контексти зазвичай надають інформацію про вживання та значення терміна. Доцільно включити ці типи інформації до глобальної таблиці відповідності, оскільки вони стосуються кожного контекстного поля. Однак деякі контексти можуть також містити енциклопедичну інформацію. Таке поодиноке використання енциклопедичної інформації можна позначати локально, на рівні поля. Terminologija | 2009 | 16 43 КЛАСИФІКАЦІЯ КАТЕГОРІЙ ДАНИХ НА ОСНОВІ ЛІНГВІСТИЧНИХ ФУНКЦІЙ ДАНИХ Оскільки вирази LSP є лінгвістичними знаками, інформацію про них можна поділити на інформацію про їхню форму, значення, уживання, зв’язки з іншими одиницями, походження та розвиток. Нижче кожен із цих класів описано докладно й наведено приклади даних, що до них належать. Стисле подання класифікації див. у Appendix 1. Дані, пов’язані з формою Вирази LSP мають дві форми — письмову й усну. Крім того, дані, пов’язані з формою виразу LSP, можна поділити на три класи: - дані, пов’язані з канонічною формою; - дані, пов’язані з творенням одиниці; - дані, пов’язані з відмінюванням одиниці. ДАНІ, ПОВ’ЯЗАНІ З КАНОНІЧНОЮ ФОРМОЮ Канонічна форма — це форма, у якій заголовне слово подано в базі даних. Вона слугує «представником» інших форм. Наприклад, у більшості європейських мов канонічною формою іменників є називний відмінок однини, а дієслів — інфінітив теперішнього часу. Однак правила вибору канонічної форми різняться в різних мовах і лексикографічних традиціях. Наведемо кілька прикладів даних, пов’язаних із письмовою канонічною формою: - тип виразу за його письмовою формою (наприклад, повна форма, скорочена форма, символ, формула тощо); - написання форми; - варіанти написання форми; - перенесення слів. Приклади даних, пов’язаних з усною канонічною формою: - тип виразу за його усною формою (наприклад, ініціалізм, акронім); - вимова; - варіанти вимови форми; - поділ на склади. Як бачимо, деякі категорії даних можуть стосуватися як письмових, так і усних форм. Наприклад, указівка на те, що певний вираз є ініціалізмом, тобто скороченою формою, утвореною з початкових літер повного терміна, у якій ці літери вимовляються окремо (наприклад, United Nations – UN), надає інформацію про обидві форми — письмову й усну. Крім того, це може 44 Igor Kudashev | Improving Compatibility of Terminological... можна сказати, що вона надає інформацію про термінотворення, походження та розвиток. ДАНІ, ПОВ’ЯЗАНІ З ТЕРМІНОТВОРЕННЯМ Приклади даних, пов’язаних із творенням фахових мовних виразів: - компоненти терміна та терміноелементи; - морфемна структура; - синтаксична модель; - модель термінотворення; - спосіб (способи) термінотворення; - морфологічні варіанти; - похідні. ДАНІ, ПОВ’ЯЗАНІ ЗІ СЛОВОЗМІНОЮ Приклади даних, пов’язаних зі словозміною виразів LSP: - граматичні параметри (число, рід, істотність тощо); - повна або часткова парадигма форм; - моделі словозміни, дієвідмінювання тощо. Дані, пов’язані зі значенням Ця частина класифікації починається з досить периферійної категорії, щоб узгоджуватися з іншими розділами. Вирази LSP можна поділити на кілька класів залежно від того, наскільки їхня внутрішня форма відображає їхнє значення. Наприклад, стійкий вираз є одиницею, значення якої не можна вивести зі сукупного значення слів, що утворюють цей вираз. Крім того, дані, пов’язані зі значенням виразів LSP, можна поділити на дві великі категорії. Перша — логічне значення — опис логічного поняття, позначеного виразом LSP. Цей тип інформації зазвичай подається в термінологічних визначеннях і описах, подібних до визначень. Друга категорія охоплює доволі неоднорідні складники значення, які можна назвати індукованим значенням. До цих складників належать, наприклад: - різні конотації, тобто оцінні складники значення; - внутрішня форма виразу (його «буквальне», морфема за морфемою, значення); Terminologija | 2009 | 16 45 – інші значення того самого виразу у фаховій мові (LSP) або загальній мові (LGP); – компоненти значення, що випливають з антонімічних, синонімічних, паронімічних та інших системних відношень виразу; – різні види асоціацій; – компоненти значення, що виникають завдяки співзвучності, римам тощо. Ми називаємо ці компоненти значення «наведеними», оскільки вони зумовлені ставленням мовців до об’єктів, позначених виразами фахової мови (LSP), асоціаціями мовців або відношеннями виразу фахової мови до інших мовних одиниць. У цьому сенсі мовці, інші мовні одиниці або і ті, й ті «наводять» додаткові компоненти значення на вираз фахової мови. Докладніше про представлення наведеного значення у словниках фахової мови див. (Kudashev 2006; Kudashev 2007: 254–258). Наведені компоненти вітаються і навіть навмисно культивуються, коли вони створюють позитивні асоціації та конотації або дають змогу мовцям висловити своє ставлення до предмета в неформальному спілкуванні. Однак у більшості випадків вони лише відволікають увагу мовців від логічного значення, яке має лежати в основі спілкування фаховою мовою. Імовірно, це одна з причин, чому компонентам наведеного значення значною мірою не приділяли уваги в теорії термінології. Водночас їх урахування є важливою передумовою успішної термінологічної номінації та ефективного спілкування фаховою мовою. Дані, пов’язані з енциклопедичним описом Енциклопедичний опис надає інформацію про об’єкти, позначені виразами фахової мови (LSP), і в більшості випадків ця інформація є позамовною. Однак іноді непросто провести межу між описом поняття та описом об’єкта, позначеного виразом фахової мови. Багато термінологічних баз даних уже містять інформацію, яку можна вважати енциклопедичним описом, і очікується, що частка такої інформації зростатиме в майбутньому, оскільки різні типи довідкових видань тяжіють до зближення (пор. Hartmann 2001: 5). Щоб визнати цей факт, ми вирішили включити енциклопедичний опис до класифікації категорій даних, пов’язаних з описом виразів фахової мови. Дані, пов’язані з уживанням Інформація, пов’язана з уживанням, видається найбільш затребуваним типом даних 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - обмеження у вживанні; - частотність уживання. ДАНІ, ПОВ’ЯЗАНІ З ОБМЕЖЕННЯМИ У ВЖИВАННІ Уживання будь-якого виразу фахової мови обмежене щонайменше певною національною мовою, галуззю та хронологічним періодом. Крім того, уживання може бути обмежене певною географічною територією, професійною групою, організацією, регістром тощо. Нижче наведено перелік найпоширеніших обмежень уживання з кількома прикладами в дужках: - національна мова (en, fi, ru); - галузь і підгалузь (фізика – атомна фізика – фізика високих енергій); - наукова школа/теорія (фізика Ньютона, фізика Ейнштейна; данський структуралізм у мовознавстві); - хронологічне обмеження (застаріле слово, неологізм, уживалося під час Другої світової війни); - географічне обмеження (en-US, en-GB, діалектний вираз); - організаційне обмеження (термін, уживаний у Nokia, Microsoft, ООН, ВООЗ); - обмеження, пов’язане з правом власності (торговельна марка, комерційна назва); - обмеження регістру (офіційний термін, неформальний термін, професійний сленг); - обмеження, пов’язані з професійною групою (лікарі, медсестри, помічники лікарів); - комбінаторні обмеження (провести/здійснити/виконати/розпочати розслідування); - обмеження щодо відповідності (стандартизований, бажаний, рекомендований, не рекомендований термін). Два останні типи обмежень, імовірно, потребують докладнішого коментаря. Дані щодо комбінаторних обмежень Комбінаторна спроможність — це здатність мовних одиниць утворювати більші одиниці. Комбінаторну спроможність можна поділити на семантичну, лексичну та синтаксичну. Семантична комбінаторна спроможність означає, що вирази не містять суперечливих компонентів значення. Лексична комбінаторна спроможність виявляється у здатності виразів сполучатися з певними іншими лексичними засобами. Синтаксична комбінаторна спроможність — це здатність вираз- Terminologija | 2009 | 16 47 у сполучатися з певними граматичними формами інших виразів і службовими словами. Комбінаторні обмеження зазвичай описують за допомогою синтаксичних моделей, прикладів і контекстів. Дані щодо обмежень відповідності Термінологічні продукти за своєю природою більшою чи меншою мірою мають приписовий характер. Ця нормативність може варіюватися від рекомендацій укладачів або залучених ними фахівців у відповідній галузі до нормативного затвердження. У будь-якому разі йдеться про відповідність виразу фахової мови «належному» чи «правильному» стилю (з погляду укладачів), а у випадку стандартів — також певному нормативному документу. ДАНІ ЩОДО ЧАСТОТНОСТІ ВЖИВАННЯ Інформація про частотність уживання може ґрунтуватися на корпусних даних і виражатися чисельно або бути більш чи менш суб’єктивною оцінкою, сформульованою словами (наприклад, часто вживаний — нечасто вживаний — рідко вживаний). Дані, пов’язані із системними відношеннями Під системними відношеннями ми розуміємо онтологічні відношення (відношення, що містять знання про світ), системні лексичні відношення та відношення міжмовної еквівалентності. Нижче наведено приклади найпоширеніших системних відношень: – синонімічні відношення; – антонімічні відношення; – омонімічні відношення; – паронімічні відношення; – родові відношення; – партитивні відношення; – неієрархічні онтологічні відношення (асоціативні, послідовні, часові, причинно-наслідкові тощо); – (міжмовні) відношення еквівалентності. Відношення, що стосуються словотвору, словозміни та комбінаторного потенціалу виразів, не належать до цієї категорії, оскільки вони не є системними лексичними відношеннями. Дані про походження та розвиток Цей тип даних близький до етимологічних даних, але не обмежується ними. Він може включати, наприклад: 48 Igor Kudashev | Improving Compatibility of Terminological... - інформацію про форми, від яких, як вважається, походить певний вираз ФММ; - інформацію про етапи розвитку певного виразу ФММ; - інформацію про попередні форми, значення, уживання тощо певного виразу ФММ. ВИСНОВКИ У цій статті ми розглянули принципи класифікації даних, спрямованої на подолання структурних невідповідностей між категоріями даних у різних термінологічних колекціях. Передбачені сфери застосування класифікації охоплюють агрегування та об’єднання термінологічних даних, організацію пошуку за повними статтями в кількох термінологічних колекціях і налаштування статей відповідно до уподобань користувачів. Два останні завдання вимагають, щоб класифікація була досить простою та інтуїтивно зрозумілою для звичайних користувачів термінологічних продуктів. Класифікація, заснована на мовних функціях даних, здається одним із найкращих варіантів у цьому відношенні. Пошук, заснований на мовних функціях даних, ефективно доповнює пошук за назвами категорій даних і виконує ту саму функцію, що й предметний каталог у бібліотеці. У цій статті ми зосередилися на класифікації даних, пов’язаних з описом виразів ФММ, оскільки це найважливіший тип даних, представлений у термінологічних базах даних. Класифікації інших типів даних, як-от інформації про джерела, користувачів і транзакції з керування термінологією, будуть наведені у специфікаціях проєкту ContentFactory, метою якого є розроблення платформи на основі онтологій для розподіленої спільної роботи з термінологією. Проєкт завершується у 2010 році, і значну частину його внутрішньої документації буде оприлюднено. BIBLIOGRAPHY Hartmann R. R. K. 2001: Teaching and Researching Lexicography. New York: Longman. ISO 1087-2:2000 Terminology Work – Vocabulary. Part 2: Computer Applications. ISO 12616:2002 Translation-Oriented Terminography. ISO 12620:1999 Computer Applications in Terminology – Data Categories. ISO 704:2000 Terminology Work – Principles and Methods. Kudashev I. 2006: Additional Meaning Components of Terms and their Treatment in LSP Dictionaries. – Lehtinen, Esa – Niemelä, Nina (toim.) Erikoiskielet ja käännösteoria. VAKKI-symposiumi XXVI. Vaasa 11.–12.2.2006. Vaasa: Vaasan yliopisto, 143–149. Кудашев И. С. 2007: Проектирование переводческих словарей специальной лексики. Хельсинки: Yliopistopaino. Terminologija | 2009 | 16 49 Кудашев И. С., Хаютин А. Д. 2003: К вопросу о формах терминоэлементов и терминов. – Лексикология. Терминоведение. Стилистика: Сборник научных трудов, Москва, Рязань, 101–107. Sanastotyön käsikirja 1989: Sanastotyön käsikirja. Soveltavan terminologian periaatteet ja työmenetelmät / Toimittanut Tekniikan sanastokeskus. Helsinki: Suomen Standardoimisliitto. APPENDIX 1. CLASSIFICATION OF TERMINOLOGICAL DATA BASED ON ITS LINGUISTIC FUNCTIONS Values in angle brackets are candidates for the formal representation of the categories. These values are used in Appendix 2 for the sake of brevity. 1. Data related to form. <termForm> 1.1. Type of LSP expression by its form. <termForm: termType> 1.2.1. Data related to written form. <termForm: writtenForm> 1.2.2. Data related to oral form. <termForm: oralForm> 1.3.1. Data related to canonical form. <termForm: canonicalForm> 1.3.2. Data related to term formation. <termForm: termFormation> 1.3.3. Data related to inflection. <termForm: termInflection> 2. Data related to meaning. <termMeaning> 2.1. Type of LSP expression by correspondence of its meaning to its form. <termMeaning: termType> 2.2. Data related to logical meaning. <termMeaning: logicalMeaning> 2.3. Data related to induced meaning. <termMeaning: inducedMeaning> 3. Encyclopedic description. <termEncyclopedicDescription> 4. Data related to usage. <termUsage> 4.1. Data related to restrictions of usage. <termUsage: restrictions> 4.1.1. Data related to national language restrictions. <termUsage: restrictions: language> 4.1.2. Data related to domain restrictions. <termUsage: restrictions: domain> 4.1.3. Data related to scientific school or theory restrictions. <termUsage: restrictions: schoolOrTheory> 4.1.4. Data related to chronological restrictions. <termUsage: restrictions: chronological> 4.1.5. Data related to geographical restrictions. <termUsage: restrictions: geographical> 4.1.6. Data related to organizational restrictions. <termUsage: restrictions: organizational> 4.1.7. Data related to proprietary restrictions. <termUsage: restrictions: proprietary> 50 Igor Kudashev | Improving Compatibility of Terminological... 4.1.8. Data related to register restrictions. <termUsage: restrictions: register> 4.1.9. Data related to professional group restrictions. <termUsage: restrictions: professionalGroup> 4.1.10. Data related to combinatory restrictions. <termUsage: restrictions: combinatory> 4.1.11. Data related to compliance restrictions. <termUsage: restrictions: compliance> 4.2. Data related to frequency of use. <termUsage: frequency> 5. Data related to systematic relations. <termRelations> 5.1. Data related to synonymous relations. <termRelations: synonymousRelation> 5.2. Data related to antonymous relations. <termRelations: antonymousRelation> 5.3. Data related to homonymous relations. <termRelations: homonymousRelation> 5.4. Data related to paronymous relations. <termRelations: paronymousRelation> 5.5. Data related to generic relations. <termRelations: genericRelation> 5.6. Data related to partitive relations. <termRelations: partitiveRelation> 5.7. Data related to non-hierarchical ontological relations. <termRelations: non-hierarchicalOntologicalRelation> 5.8. Data related to equivalence relations. <termRelations: equivalenceRelation> 6. Data related to origin and development. <termOriginAndDevelopment> 7. Other types of data related to the description of an LSP expression <termOtherRelatedData> APPENDIX 2. EXAMPLE OF MAPPING OF SOME ISO 12620:1999 DATA CATEGORIES INTO THE FUNCTIONAL CLASSIFICATION OF TERMINOLOGICAL DATA See Appendix 1 for the decryption of the formal representation of the categories which are used for the sake of brevity. Question mark after a data category means that the presence of the specified kind of data is subject to the interpretation of the data category. If subcategories can be mapped in the exact same way as their parent category, only the parent category is described. Terminologija | 2009 | 16 51 Due to space limitations only the first subgroup of data categories from the ISO 12620:1999 standard is covered. A.1 term Note: term (headword) lies outside the scope of classification which covers data categories related to the description of LSP expressions. However, technically data category term is identical to the written form of the term. Functional classification: not applicable or <termForm: writtenForm> A.2.1 term type Note: in the ISO 12620:1999 standard this category includes various kinds of LSP expressions and may contain different types of data. See subcategories for more information. A.2.1.1 main entry term Note: information about the structure of the entry is not data related to the description of LSP expressions. However, this category indirectly reflects preference. Functional classification: not applicable or <termUsage: restrictions: compliance> A.2.1.2 synonym Note: when opposed to main entry term, this category reflects preference. Its primary function is, however, reflection of synonymous relations. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.3 quasi-synonym Note: same as previous. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.4 international scientific term Note: depending on the interpretation of this category and its contents, this data category may provide information about compliance, language restrictions, origination and development. Functional classification: <termUsage: restrictions: compliance>; <termUsage: restrictions: language>?; <termOriginAndDevelopment>? A.2.1.5 common name Note: common name is a synonym of an international scientific term that is used in general discourse. This data category may provide information about restrictions related to register, compliance and professional group. 52 Igor Kudashev | Improving Compatibility of Terminological... Functional classification: <termUsage: restrictions: register>; <termUsage: restrictions: compliance>; <termUsage: restrictions: professionalGroup>? A.2.1.6 internationalism Note: depending on the contents this data category may provide information related to language restrictions, term formation, origination and development. Functional classification: <termUsage: restrictions: language>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.7 full form Note: this data category provides information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.8 abbreviated form of term Note: depending on the contents, this data category and all its subcategories (A.2.1.8.1 abbreviation, A.2.1.8.2 short form of term, A.2.1.8.3 initialism, A.2.1.8.4 acronym and A.2.1.8.5 clipped term) may provide information related to type of term by its form, oral form; term formation, origin and development. Functional classification: <termForm: termType>; <termForm: oralForm>?; <termForm: termFormation>?; <termOriginAndDevelopment> A.2.1.9 variant Note: depending on the contents, this data category may provide information about preference, term formation, origin and development. Functional classification: <termUsage: restrictions: compliance>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.10–A.2.1.14 (transliterated form, transcribed form, romanized form, symbol and formula) Note: these data categories provide information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.15–A.2.1.17 (equation, logical expression, materials management categories) Note: these units can not be headwords in terminological databases. Functional classification: not applicable. A.2.1.18 phraseological unit Note: in ISO 12620:1999 this category is split into three subcategories: collocation, set phrase and synonymous phrase. Collocation can not be counted Terminologija | 2009 | 16 53 as a phraseological unit as it does not correspond to the definition of a phraseological unit provided in the standard. Synonymous phrase seems to be an unnecessary category. The same information can be expressed with two other data categories: set phrase and synonym. Functional classification: not applicable. A.2.1.18.1 collocation Note: this data category provides information about combinatory restrictions. Functional classification: <termUsage: restrictions: combinatory> A.2.1.18.2 set phrase Note: this data category provides information about the type of term by correspondence of its meaning to its form. Functional classification: <termMeaning: termType> A.2.18.3 synonymous phrase Note: as was stated above, this category is probably unnecessary. If used, it provides information about the type of term by correspondence of its meaning to its form and also about synonymous relations. Functional classification: <termMeaning: termType>; <termRelations: synonymousRelation> A.2.1.19 standard text Note: standard texts can not be headwords in terminological databases. Functional classification: not applicable. TERMINIJOS RINKINIŲ SUDERINAMUMO GERINIMAS TAIKANT DUOMENŲ KATEGORIJŲ KLASIFIKACIJĄ Viena iš informacijos ir ypač terminologijos išteklių plėtros tendencijų yra atskirų duomenų bazių jungimas į didelius portalus ir sąsajų tarp tokių portalų kūrimas. To pavyzdys gali būti EuroTermBankas (http://www.eurotermbank.com). Didėjant informacijos apimčiai ir vartotojų tokiems produktams keliamiems reikalavimams, auga poreikis užtikrinti išplėstinę paiešką, apimančią visus žodynų straipsnių laukus, ir galimybę pateikti tik tas informacijos kategorijas, kurios tuo metu domina vartotoją. Šiems uždaviniams spręsti reikalinga duomenų kategorijų klasifikacija, kurią būtų galima taikyti kaip terminologinių bazių, turinčių skirtingą struktūrą, „bendrą vardiklį“. Svarbus tokios klasifikacijos reikalavimas – jos paprastumas ir aiškumas paprastiems terminologijos produktų vartotojams. Straipsnyje aptariama lingvistinėmis duomenų funkcijomis paremta klasifikacija galėtų tapti tokiu „bendru vardikliu“. 54 Igor Kudashev | Improving Compatibility of Terminological... ИСПОЛЬЗОВАНИЕ МЕТАКЛАССОВ ДАННЫХ КАК СРЕДСТВО УЛУЧШЕНИЯ СОВМЕСТИМОСТИ ТЕРМИНОЛОГИЧЕСКИХ КОЛЛЕКЦИЙ Одной из тенденций развития информационных ресурсов в целом и терминологических в частности стало объединение разрозненных баз данных в крупные порталы и создание общих интерфейсов к ним. Примером может служить Евро-ТермБанк (http://www.eurotermbank.com). По мере роста объемов информации и требований пользователей к подобным продуктам растет потребность в обеспечении расширенного поиска, охватывающего все поля словарных статей, а также возможности отображения лишь тех категорий информации, которые в данный момент интересуют пользователя. Эти задачи требуют наличия классификации информационных категорий, которая могла бы служить «общим знаменателем» для терминологических баз с различной структурой. Немаловажным требованием к подобной классификации является ее простота и понятность для простых пользователей терминологических продуктов. В статье описывается один из возможных кандидатов на роль «общего знаменателя» – классификация, основанная на лингвистических функциях данных. Gauta 2009-10-14 Igor Kudashev University of Helsinki Palmenia Centre for Continuing Education P.O. Box 239 (Paraatikenttä 6) FIN-45100 Kouvola, Finland E-mail: [email protected] Terminologija | 2009 | 16 55