High Quality Syntactic Annotated Corpus of Lithuanian – VILSINTEKS

252 Ac a Linguis ica Li huanica LXXIII (Li uania y Li uania) DAIVA ŠVEIKAUSKIENĖ Ins i u e o Li huanian Language Campos de in es igación: lingüís ica compu acional, bancos de á boles, capas de ano ación. HIGH QUALITY SYNTACTIC Co pus ano ado de LITUANO […] VILSINTEKS (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) (Li uano) Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS Ano ación de la Comisión Es e documen o p esen a una ano ación doble, que se u iliza pa a la ano ación de al a calidad del co pus li uano. La in o mación comple a sob e una ase se da en una abla y la es uc u a sin ác ica de una ase se p esen a en una imagen. Se u iliza la expe iencia de o os idiomas y se ienen en cuen a las ca ac e ís icas especí icas de la lengua li uana. La insu iciencia de la ep esen ación del á bol pa a la es uc u a sin ác ica de las o aciones li uanas se mues a a a és de los ejemplos ano ados es adís icamen e. También se hace hincapié cla amen e en el obje i o de la c eación del co pus ano ado que con iene in o mación exhaus i a. Se dan ejemplos de las o aciones ano adas, que e lejan las ca ac e ís icas especí icas de la lengua li uana. palab as cla e: co pus sin ác ico ano ado; ep esen ación g á ica de la es uc u a sin ác ica; capas de ano aciones en el co pus li uano; insu iciencia de la ep esen ación de á boles pa a las o aciones li uanas; obje i o del co pus ano ado sin ác ico. ANOTACIJA (en inglés) S aipsnyje ap a iamas d iem lygmenimis a liekamas ano a imas, naudojamas aukš os kokybės ano uo am lie u ių kalbos eks ynui suku i. In o mación sob e la es uc u a sakinį nu odoma len elėje, o sin aksinė sakinio nub aižoma g a iškai. La es uc u a sakinį nu odoma len elėje, o sin aksinė sakinio nub aižoma g a iškai. Naudojamasi o os kalbų pa i imi, eniendo en cuen a el especi icinius lie u ių kalbos b uožus. Medžio Los a ículos 253 y 254 de la Cons i ución High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS nepakankamumas aizduojan lie u ių kalbos sakinių sin aksinę s uk ū ą pa odomas s a is iniu me odu ano uo ų sakinių pa yzdžiais (medžio nepakankamumas aizduojan lie u ių kalbos sakinių sin aksinę s uk ū ą pa odomas s a is iniu me odu ano uo ų sakinių pa yzdžių). S aipsnyje aip pa aiškiai pab ėžiamas ano uo o eks yno, ku iame bus sukaup a išsami in o macija, kū imo ikslas. Pa eikiami ano uo ų sakinių pa yzdžiai, a spindin ys speci inius lie u ių kalbos b uožus. (Exemplos de pa e as ano uo ų sakinių, a spindin ys speci inius lie u ių kalbos b uožus) ESMINIAI ŽODŽIAI: sin aksiškai ano uo as eks ynas, sakinio s uk ū os aizda imas g a u, eks yno ano a imo lygmenys, medžio nepakankamumas aizduojan lie u ių kalbos sakinius, eks yno kū imo ikslas. 1. INTRODUCCIÓN ( éase ambién la sección "In oducción"). La p ime a ano ación de co po a ue una pa e del e ique ado de oz POST [Chu ch 1988: 136]. Tal ano ación se encuen a en el Penn T eebank. Más a de, se in oduje on o as o aciones, que lle aban la in o mación sin ác ica. Fue on ep esen ados median e el uso de a ios esquemas [A well e al. 2000: 12]. En 2012, Köhle mencionó lo siguien e: […]... no exis e un es ánda gene al sob e cómo deben es uc u a se y no a se los co po a […] [Köhle 2012: 32]. Po lo an o, el co pus li uano VILSINTEKS es á ano ado, eniendo en cuen a las ca ac e ís icas especí icas de la lengua li uana […] una g an can idad de in lexión y un o den de palab as lib e en una o ación. De los dos ipos p incipales de ep esen ación de la es uc u a sin ác ica, que son la g amá ica de la es uc u a de la ase y la g amá ica de la dependencia, es a úl ima ue elegida pa a el li uano po que […]... la g amá ica de la dependencia ha a aído más a los es udian es de lenguas con un o den de palab as ela i amen e lib e... […] [Kay, Gaw on y No ig 1994: 55]. La ep esen ación más común de la es uc u a sin ác ica es un á bol [Allen 1987: 41]. El nomb e del co pus ano ado sin ác icamen e […] eebank […] es á elacionado con es e é mino. El nomb e del banco de á boles li uano no con iene la palab a "á bol", po que la es uc u a sin ác ica de algunas o aciones li uanas es á ep esen ada po un g á ico con un ciclo, es deci , no cumple las condiciones es ablecidas po la de inición de un á bol, ya que un á bol es un g á ico acíclico conec ado [Swamy, Thulasi aman 1984: 33]. El ac ónimo VILSINTEKS signi ica VILniaus SIN aksinis TEKS ynas […] Co pus sin ác ico de Vilna. 2. Ano aciones del cue po li uano Recien emen e, se ha dicho y esc i o mucho sob e el bajo g ado de in o ma ización de la lengua li uana. Según los da os de la META-NET DAIVA ŠVEIKAUSKIENĖ Según el p oyec o Ac a Linguis ica Li uanica LXXIII, el li uano pe enece al g upo de las lenguas eu opeas menos compu a izadas [Vaišnienė, Zaba skai ė 2012: 254]. El so wa e c eado pa a o os idiomas no p oduce esul ados sa is ac o ios cuando se aplica al idioma li uano. Ya es ho a de habla no de la baja in o ma ización de la lengua li uana, sino de la calidad de su in o ma ización. Po lo an o, ale la pena mi a hacia a ás en la lengua li uana y a a de c ea su p opia in o ma ización de al a calidad de la lengua li uana. Los p ime os es ue zos en la ano ación sin ác ica del co pus li uano se so wa e o he compu e iza ion o he Li huanian language so as o p oduce hicie on en 2013. El co pus sin ác ico ano ado VILSINTEKS ue c eado en el Ins i u o de la Lengua Li uana en Vilna. Nues o obje i o es p opo ciona la mayo can idad posible de da os sob e una ase, especialmen e si son los da os que se necesi an du an e el p oceso de aducción. Se p opo ciona in o mación exhaus i a en el Banco de Á boles de la Dependencia de P aga, que iene una ano ación de es ni eles [Hajič 2000: 103]. Más ni eles de ano ación en una imagen no pod ían FIGURA 1. Ejemplo de la es uc u a sin ác ica de la ase li uana Jie gali bū i ki okie […] Pueden se di e en es Los a ículos 255 y 255 del T a ado High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS FIGURA 2. El núme o de miemb os de la Comisión es el siguien e: La ase analizada es adís icamen e Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia (Quien no se a iesga, que no bebe champán pe o ampoco llo a llo ando) [Kapočiū ė, Ni e, K upa ičius 2013: 15] FIREGU 3. La o ación analizada es adís icamen e Be š ai p o medį, ku iame sėdėjau, p aslinko didelis šešėlis (Pe o aquí a a és del á bol en el que me sen é pasó una pequeña somb a) [Kapočiū ė, Ni e, K upa ičius 2013: 15] se log a así que decidimos di idi la ep esen ación de la in o mación en dos pa es cuando a amos con las o aciones li uanas: una abla, que con iene los mo con ains. El a ibu o p edica i o depende de dos pa es de la phological, syn ac ic and seman ic in o ma ion, while he syn ac ic s uc u e should be p esen ed in a pic u e. A g aph wi h cycles is used o Li huanian sen ences because a ee is no able o e lec he en i e syn ac ic in o ma ion which he Li huanian sen ence o ación: del suje o u obje o y del p edicado. Es as elaciones se exp esan o malmen e y no pod ían igno a se (pa a más de alles, éase Š eikauskienė 2005: 412). La igu a 1 mues a la es uc u a sin ác ica de una ase de í ulo. Con iene un p edica i o, que ha exp esado o malmen e elaciones con el suje o y el p edicado, y ambas elaciones deben se ep esen adas ano ando el co pus. DAIVA ŠVEIKAUSKIENĖ 256 Ac a Linguis ica Li uanica LXXIII (Li uania y Li uania) El p edica i o debe ene el inal de acue do con el suje o y, al mismo iempo, es á adjun o al p edicado; Es deci , no es un a ibu o del suje o. Los p ime os in en os de ano a sin ác icamen e el co pus li uano demos a on que el so wa e c eado pa a o os idiomas no p odujo buenos esul ados en el idioma li uano. Al ededo de 1500 o aciones ue on ano adas es adís icamen e en la Uni e sidad de Tecnología de Kaunas [Kapočiū ė, Ni e, K upa ičius 2013: 12]. Los esul ados p esen ados mos a on la insu iciencia de la in o mación ocul a en la FIGURA 4. VILSINTEKS ha analizado la o ación Kas ne izikuoja, as nege ia šampano, be g audžiai i ne e kia Los a ículos 257 y 258 de la Cons i ución High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS FIGURA 5. El núme o de pe sonas que abajan en el sec o de la cons ucción es de VILSINTEKS se ha analizado la ase Be š ai p o medį, ku iame sėdėjau, p aslinko nedidelis šešėlis DAIVA ŠVEIKAUSKIENĖ Ac a Linguis ica Li huanica LXXIII es uc u a de las o aciones. Las dos igu as ilus an dos o aciones analizadas, an o en la segunda ase no se mues a la lacking e y impo an in o ma ion. The i s sen ence lacks he a ow be ween he p edica e nege ia and subjec as (Figu e 2). elación de acue do en e dos palab as medį y ku iame, que ienen e minaciones de acue do ( igu a 3) cuando los au o es en el mismo a ículo esc ibie on: […]un adje i o que modi ica un sus an i o iene que es a de acue do en Géne o, núme o y caso. Las palab as medį y ku iame ienen que es a de acue do en géne o y núme o, y es a in o mación es á ausen e en la es uc u a de la o ación. Es di ícil es a de acue do en que las elaciones en e las palab as ku iame sėdėjau - en el que me sen é y p o medį a a és del á bol son del mismo ipo. Es as o aciones ano adas de acue do con el mé odo u ilizado en VILSINTEKS se mues an en la Figu a 4 y la Figu a 5, espec i amen e. 3. capas de ano ación en la abla La in o mación de la abla iene es ipos: • In o mación sob e la ase en e a, • In o mación sob e las palab as de la ase, • In o mación no g ama ical sob e las palab as y la ase. 3.1 In o mación sob e la sen encia en su o alidad La in o mación sob e oda la o ación consis e en su código, es deci , su posición en el co pus, su ipo y sus ca ac e ís icas. La ca ac e ís ica de la ase es su ca ac e ís ica eniendo en cuen a su unción en el ex o, es deci , si se a a de un í ulo, un au o , un sub í ulo o una ase de ex o. El ipo de o ación indica la in o mación comunica i a, es deci , si es decla a i a, impe a i a, in e oga i e, e c., and s uc u al in o ma ion: pe sonal, impe sonal, ellip ical, simple, composi e sen ence, e c. [Amb azas 1997: 573]. 3.2 In o mación sob e las palab as de la ase Cada palab a se p opo ciona con los da os sob e su núme o en la o ación, da os mo ológicos ( enso, caso, géne o, e c.), lema, da os sob e su semán ica léxica, Los a ículos 259 y 259 de la Cons i ución High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS unción sin ác ica, elaciones sin ác icas di ec as con o as palab as en la o ación y casos p o undos. Dado que el o den de las palab as en la lengua li uana gene almen e no iene ninguna in o mación sin ác ica, las ca ac e ís icas de la semán ica léxica son muy impo an es pa a iden i ica su unción sin ác ica. El sus an i o en el caso acusa i o con la ca ac e ís ica del iempo es un modi icado ad e bial y sin él […] un obje o. Si dos sus an i os en el caso acusa i o apa ecen en la o ación, la ca ac e ís ica de la semán ica léxica es a eces el único c i e io, que pe mi e decidi la unción sin ác ica. 3.3 In o mación no g ama ical sob e las palab as y la ase La in o mación es ilís ica sob e la palab a se da en la abla. Ayuda a elegi el equi alen e co ec o en el o o idioma al aduci la palab a. El an eceden e del p onomb e es necesa io. Mille, Wanne y Bu ga [2012: 5] desc iben la es uc u a co e e encial, que une el p onomb e con su an eceden e en una ase. El banco de á boles li uano p opo ciona la in o mación sob e el an eceden e del p onomb e si ambién es á ue a de la o ación. Es muy impo an e pa a la aducción po que el géne o del sus an i o (o p onomb e en consecuencia) puede di e i en a ios idiomas. Po ejemplo, la ase li uana Ji bu o g aži iene es aducciones al alemán. Si es "una chica", la aducción co ec a es Es wa schön. Si es "un ga o", la aducción co ec a es Sie wa schön, y si es "un día", la aducción co ec a es E wa schön. Los es p onomb es en li uano son emeninos po que los es sus an i os son emeninos, mien as que en el caso de la lengua alemana es e p onomb e iene es equi alen es di e en es eniendo en cuen a el sus an i o que eemplaza. La abla con iene las palab as que al an en o aciones elíp icas y las omi idas en ed subjec , which is exp essed by a pe sonal p onoun. I is e y o en he case el idioma li uano. Podemos adi ina lo po el inal del e bo. La cópula del p edicado en el iempo p esen e gene almen e ambién se omi e, po lo que la abla con iene es as palab as que al an. Los ac ónimos es án ep esen ados en palab as comple as en la abla. Los núme os es án ep esen ados adicionalmen e en la abla po núme os y los núme os po núme os po que la exp esión léxica de los núme os en a ios idiomas puede di e i . DAIVA ŠVEIKAUSKIENĖ 260 Ac a Linguis ica Li uanica LXXIII (Li uania y Li uania) 4. Tipos de in o mación En la es uc u a sin ác ica En la es uc u a sin ác ica, la o ación se di ide en la p ime a e apa en un g upo de sus an i os, un g upo de e bos y el ca ác e inal de la o ación. La lengua li uana iene un o den de palab as lib e y a eces el ca ác e inal de la ase es el único medio pa a de e mina el ipo de o ación, es deci , si es una o ación decla a i a o in e oga i a, po ejemplo, Tu šiandien laimėjai p izą. Hoy has ganado un p emio. ¿Y ú hoy ganas e el p emio? ¿Has ganado un p emio hoy? La igu a 6 mues a la es uc u a sin ác ica de la o ación in e oga i a. La aducción de la ase se elige de acue do con el ca ác e del inal de la ase. las palab as que lo expanden, y la cabeza del g upo Fu he mo e, he s uc u e o he sen ence is ep esen ed using dependency g amma . The head o he subjec g oup is he subjec and below a e depic ed de p edicados es el p edicado con las palab as subo dinadas ubicadas debajo. O os dos campos, que son muy impo an es pa a ano a el co pus li uano, son el ipo de las elaciones sin ác icas en e las palab as y los g upos de palab as semán icamen e i esolubles. FIGURA 6. El núme o de pe sonas que abajan en el sec o de la cons ucción es de ¿La es uc u a sin ác ica de la o ación in e oga i a Tu šiandien laimėjai p izą? – ¿Has ganado un p emio hoy? S aipsniai A ículos 267 y 267 High Quali y Syn ac ic Anno a ed Co pus o Li huanian – VILSINTEKS Aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas VILSINTEKS SANTRAUKA (en inglés) Pas a uoju me u labai daug kalbama i ašoma apie ai, kad lie u ių kalba mažai kompiu e izuo a. (La lengua li uana es muy conocida po los li uanos) Pe kama ki oms kalboms suku a p og aminė į anga, ku i lie u ių kalbos a eju dažniausiai neduoda pa enkinamų ezul a ų. (En caso de que las lenguas li uanas no sean u ilizadas, el esul ado de las lenguas li uanas no se á el mismo que el esul ado de las lenguas li uanas). a Jauėjo me as, kai eikia p adė i ap a i lie u ių kalbos kompiu e iza imo kokybę, užuo kalbėjus apie menką jos išsami in o macija apie sakinį nu odoma len elėje i sin aksinė s uk ū a nub aižoma g a- kompiu e iza imą. S aipsnyje ap ašomas aukš os kokybės sin aksiškai ano uo as lie u ių kalbos eks ynas, ku iame pa eik a pa ikima in o macija. Ano a imas a liekamas d iem lygmenimis: iškai. Ano uojan didelis dėmesys ski iamas sin aksinių yšių aizda imui. (En inglés) Se e ie e a las pe sonas que se enca gan de la p o ección de los de echos de au o . Jie pa odomi di e en es spal ų i ipų linijomis. S aipsnyje ap ašomi neskaidomi žodžių junginiai ai žodžių g upės, ku ios ik ka u gali išplės i ki ą žodį, i ik isą g upę gali pažymė i ją išplečian is žodis. Ki ų sakinio žodžių yšys su ienu iš neskaidomo junginio dėmenų ne u i p asmės. S uk ū oje neskaidomi junginiai sudedami į ieną bloką pa odan idinius sin aksinius yšius. (En la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección). Los ejemplos de las ano aciones de la sin axis de S aipsnyje pa eikiami. Sakinio s uk ū ai aizduo i naudojamas g a as, nes medis, ku is sėkmingai aikomas anglų kalbos sakinių s uk ū ai, negali a spindė i isos sin aksinės in o macijos, esančios lie u iškame sakinyje. Sakinio s uk ū ai aizduo i naudojamas g a as, nes medis, ku is sėkmingai aikomas anglų kalbos sakinių s uk ū ai, negali a spindė i isos sin aksinės in o macijos, esančios lie u iškame sakinyje. Tai labai ge ai ma y i s a is iniu me odu ano uo ų sakinių pa yzdžiuose, ku ie pa eikiami šiame s aipsnyje. (Es oy muy de acue do con es e a ículo. Pa odomos de dos sakinių s uk ū os, ku iose ūks a labai s a bios in o maciones: ienoje nepa ody as sin aksinis yšys a p eiksnio i a inio, ki oje nė a yšio a p žodžių, ku ie de skaičiumi i gimine. Palygin s aipsnyje pa eikiami šie sakiniai, ano uo i i VILSINTEKS naudojamu me odu. (En inglés) El mé odo de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización de los mé odos de la u ilización. P adė o ku i eks yno ikslas sukaup i išsamią i pa ikimą in o maciją apie lie u ių kalbos g ama iką, a liekan sakinio analizę be klaidų, . y. kai kompiu e io da bo ezul a ai da pe žiū i žmogus. Ano as eks ynas bus iešai p ieinamas in e ne e. (En inglés) Kaip daba iš VDU eks yno galima gau i pa eik o žodžio pa a ojimo pa yzdžius, aip VILSINTEKS inklapyje bus galima gau i sin aksinių s uk ū ų, ku ios u i am ik ų požymių pa yzdžiui, ien isinių sakinių, ku iuose eiksniu eina į a dis i pan., pa yzdžių. Ano uojan naudojamos Excel len elės, nes jos pe mi e aizdžiai pa eik i sakinio s uk ū ą i leng ai pe a ky i in o maciones en XML o ma ą, ku is plačiai aikomas paieškai. Taigi ano uo ą eks yną bus galima panaudo i s a is iniams lie u ių kalbos y imams, aip pa in o macijai apie lie u ių kalbos g ama ika ą išgau i i k . (En la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección de la sección.) Į eik a 2013 m. oc ub e 28 d. (en inglés) DAIVA ŠVEIKAUSKIENĖ Ins i u os de lenguas li uanas Pe o Vileišio g. 5-216, LT-10308 Vilnius, Li uania dai a. m @gmail.com (en inglés) El nomb e de la emp esa es Pe o Vileišio g.