Arbitraliųjų lietuvių kalbos kolokacijų nustatymas

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Vytautas Magnus Egyetem A LITVÁN NYELV ARBITRÁLIS KOLLOKÁCIÓINAK AZONOSÍTÁSA KULCSSZAVAK: arbitrális kollokációk, litván nyelv, korlátozott lexikai kollokabilitás, vektormódszer, automatizált azonosítás, lingvisztikai kézi azonosítás. ÖSSZEFOGLALÓ A cikkben bemutatott kutatás tárgya a litván nyelv arbitrális kollokációi. Kollokabilitásuk alapját nem szemantikai, hanem lexikai korlátozások képezik; az ilyen kollokációk nem tükrözik közvetlenül a nyelven kívüli valóságot. Szavaik közötti kapcsolat arbitrális: bár hasonló jelentés alapján elméletileg több kollokációs partner közül is lehetne választani, mégis valamelyik egyetlen használatára hajlunk. A cikk az arbitrális kollokációk azonosításának azokat a módszereit ismerteti, amelyeket az „Automatikus lingvisztikai elemzési és automatizált számítógépes nyelvészeti módszer (ARKA)” című projekt keretében próbáltak ki. A kutatás anyagát a Litván nyelvi állandósult szókapcsolatok adatbázisából vették. ABSTRACT A cikk célja az „Arbitrális kollokációk a litvánban: azonosítás, leírás és használat (ARKA)” projekt keretében kidolgozott, az arbitrális kollokációk (AC) azonosítására szolgáló módszertani megközelítések ismertetése. A kutatás forrása a „Litván többszavas kifejezések adatbázisa” volt. Az arbitrális kollokációkat kézi és félautomatikus számítógépes nyelvészeti módszerek kombinálásával azonosították. BEVEZETÉS Mint ismeretes, a rögzült szókapcsolatok nagy részét kollokációk alkotják, ám amikor ezeket korpuszokból statisztikai vagy hibrid módszerekkel automatikusan azonosítják (bővebben lásd Bielinskienė és mtsai. 2019: 15–22), számos olyan szókapcsolatot is azonosítanak, amelyeket kollokációnak BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 2 doi.org/10.35321/bkalba.2021.94.06 sorolnak be, mivel az őket alkotó szavak együttes előfordulásának gyakoriságát a rendszer statisztikailag szignifikánsként értékeli, például: hat év, napos nap, szép nő és hasonlók. Így a kollokációk között hamis kollokációk is megjelennek, amelyek egyszerű szabad szókapcsolatként, szemantikai, nem pedig lexikai korlátozások alapján jönnek létre (Marcinkevičienė 2010: 90–91). Egyes kutatók csak a valódi kollokációkat (más néven motiválatlan, arbitrárius kollokációkat) tekintik kollokációnak: olyan szokásos szókapcsolatokat, amelyek nem tükrözik közvetlenül a nyelven kívüli valóságot, és szavaik közötti kapcsolat arbitrárius (az arbitraritásról részletesebben lásd Kovalevskaitė és mtsai. 2021). A jelen kutatás tárgya éppen az arbitrárius kollokációk (a továbbiakban: AK), vagyis azok a kollokációk, amelyekre korlátozott lexikai kombinálhatóság jellemző (angolul lexical restrictedness): bár elméletileg a hasonló jelentés alapján több kombinációs partner is választható, a beszélők mégis hajlanak valamelyik egyetlen partner használatára, például megérteni a célzást, nem pedig *felfogni a célzást; kézközelben van, nem pedig *kézzel vehető. Rūta Petrauskaitė ezt írja: „A megnevezett valósággal való közvetlen kapcsolat hiánya azt eredményezi, hogy nemcsak az egyes nyelvekben tér el jelentősen ugyanazon szó kombinálhatósága, hanem még ugyanazon a nyelven belül sem cserélhető fel a kollokáció egyik tagja annak szinonimájával anélkül, hogy kockáztatnánk: a kifejezés szokatlanul hangzik, például az idő megy, fut, múlik, de nem *lépked, rohan, kúszik” (Marcinkevičienė 2010: 91). R. Petrauskaitė szerint a valódi (arbitrárius) kollokációk alapszavának kombinációs partnerei kiszámíthatatlanok; az ilyen kollokációk kombinálhatóságának alapját lexikai korlátozások képezik (Marcinkevičienė 2010: 90). Az AK-k eddig nem keltették fel a litván nyelv kutatóinak nagy figyelmét, pedig azonosításuk lehetővé tenné, hogy ezeket a kollokációkat a litván nyelvi kollokációk magjaként különítsük el, ami különösen hasznos a fordítás, a litván mint idegen nyelv oktatása és a lexikográfia számára. E célokból az AK-kat az „A litván nyelv arbitrárius kollokációi: felismerés, leírás, használat (ARKA)” projekt keretében elemzik1; a projekt célja a litván nyelvi AK-k leírása, valamint AK-kat tartalmazó lexikográfiai és oktatási segédanyagok kidolgozása. A cikk célja annak bemutatása, hogy az ARKA projektben milyen módszereket alkalmaztak a litván nyelvi AK-k felismerésére, valamint a különböző módszerekkel kapott eredmények összehasonlítása. Az AK-kat nem automatikus nyelvészeti elemzési és automatizált számítógépes nyelvészeti módszerekkel elemezték. 1 A projektet a Litván Kutatási Tanács finanszírozza (Nr. S-LIP-20-18); részletesebben lásd: https://arka.pastovu.vdu.lt. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 3 doi.org/10.35321/bkalba.2021.94.06 Források: 1) A litván nyelv állandósult szókapcsolatainak adatbázisa (a továbbiakban: PŽJDB)2, amely mintegy 12 ezer kollokációt tartalmaz; 2) a Delfi.lt korpusz3, amely 70 millió szóból áll, és a Delfi.lt hírportál különböző rovataiban 2014–2016 között publikált szövegeket foglalja magában (a korpuszról bővebben lásd: Bielinskienė és mtsai 2019: 14–15). A vizsgált anyagot 97 főnévből képzett kollokációk alkotják (hely, környezet, mód, férfi, nő, dolog stb.4). Szerkezetük: melléknév / melléknevek + igenév + főnév, ige + főnév, főnév + főnév. A vizsgálat elvégzése után mintegy 2400 kollokációt soroltak az AK közé. Legtöbbjük kétszavas, de vannak köztük háromszavasak is; ez utóbbiak általában igékből, melléknevekből és főnevekből állnak (az összetevők sorrendje változhat). A vizsgált anyag első részét, vagyis a melléknév + főnév szerkezetű kollokációkat egy korábbi tanulmány tárgyalja (Kovalevskaitė és mtsai 2021). Ebben egy kísérletet mutattak be, amely az AK-k felismerésére a számítógépes nyelvészet egyik módszerét, az automatizált (vektoros) módszert alkalmazta; ezt a módszert szintén részletesen ismertették. A jelen tanulmány az AK-felismerési kutatás egészét foglalja össze. Az első fejezet mindkét alkalmazott módszert ismerteti: a nem automatizált módszert (lásd az 1.1. alfejezetet), bemutatva az alkalmazott kritériumokat és teszteket is, valamint az automatizált módszert; utóbbinak az alkalmazását egy ige + főnév szerkezetű kollokációcsoport segítségével szemlélteti (lásd az 1.2. alfejezetet). A második fejezet a kutatás valamennyi szakaszának adatai alapján tárgyalja és veti össze a módszerek alkalmazásának eredményeit, lehetőségeit és hátrányait, amelyek fontosak a megállapított AK-k listájának értékelésekor és a további AK-kutatások megtervezésekor. 1. AZ ARBITRÁLIS KOLLOKÁCIÓK AZONOSÍTÁSÁNAK MÓDSZEREI Az AK-król szóló írásokban rámutatnak, hogy az arbitrális és az úgynevezett triviális kollokációk közötti határ az absztrakt főnevek határán húzható meg: „<...> az absztrakt főneveken alapuló kollokációk tekinthetők valódi, nem motivált kollokációknak, 2 http://resursai.pastovu.vdu.lt/paieska/paprastoji 3 https://klc.vdu.lt/pastovuSearch.html 4 Tehát a Delfi.lt korpuszból azonosított állandósult szókapcsolatokat alkotó konkrét és absztrakt főnevekről egyaránt részletesebben lásd: Bielinskienė és mtsai 2019. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 4 doi.org/10.35321/bkalba.2021.94.06 a konkrét főnevekkel alkotott állandósult szókapcsolatok pedig rendszerint a nyelven kívüli valóságon alapulnak, és triviálisak” (Marcinkevičienė 2010: 91). A kolokációkról szóló munkákban említett egyik kritérium tehát a főnevek szemantikája. A vizsgálat során kiderült, hogy az AK-k többsége valóban absztrakt főnevekkel alkotott, ugyanakkor megfigyelhető, hogy az arbitralitás a konkrét főnevekkel alkotott kolokációkra is jellemző, vö.: korlátozni a sebességet, tornázni, kenőpénzt elfogadni, elhagyni a pályát, hitelt felvenni, telefonon beszélgetni, színdarabot bemutatni stb. A vizsgálat kihívását nemcsak az AK-k felismerési kritériumainak alkalmazása jelentette, hanem annak a módszertannak a kiválasztása is, amely nagy mennyiségű adattal való munkára alkalmas, és amelynek alapján nagy számú kolokáció vizsgálatával össze lehet állítani a litván nyelv AK-listáit (ehhez a PŽJDB anyagát használtuk). A projekt során az AK-k azonosítására szolgáló kettős módszertant próbáltunk ki és alkalmaztunk: egy nem automatizáltat és egy automatizáltat. Először a nem automatizált módszert alkalmaztuk, az AK-k elfogadásának kritériumait kiválasztva (lásd az 1.1. szakaszt). Mivel a PŽJDB nagy mennyiségű adatot tartalmaz, a projekt egyik feladata az volt, hogy a nem automatizált módszer mellett olyan módszert is kipróbáljunk, amely lehetővé teszi az AK-k elfogadási folyamatának legalább részleges automatizálását (lásd az 1.2. szakaszt). 1.1. Az AK-k nem automatizált azonosítása Az AK-k nem automatizált azonosításakor két fő kritériumot alkalmaztunk: 1) a korlátozott lexikai kombinálhatóság kritériuma, amelynek értékeléséhez a szinonimák behelyettesíthetőségének és/vagy a főnevek lexikai-szemantikai csoportjainak módszerét alkalmaztuk; 2) a metaforikus jelentés kritériuma. Ha egy kolokáció legalább az egyik kritériumnak megfelelt, arbitralisnak tekintettük. A továbbiakban azt tárgyaljuk, hogyan alkalmaztuk az egyes kritériumokat annak megítélésére, hogy egy kolokációt arbitralisnak tekintsünk-e. 1.1.1. Az AK-k azonosítása korlátozott lexikai kombinálhatóság alapján Amint a bevezetőben említettük, az arbitralis kolokációkat korlátozott lexikai kombinálhatóság jellemzi, vagyis a főnévvel alkotott szókapcsolatban meghatározott jelentésben használt melléknévre vagy igére bizonyos, többé-kevésbé arbitralis behelyettesíthetőségi korlátozás jellemző (angolul: arbitrary restriction on substitutability; Nesselhauf 2003, 2005). A korlátozott lexikai kombinálhatóság fogalmából kiindulva tehát egy kolokáció bármelyik eleme meghatározott jelentésben nem lehet BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 5 doi.org/10.35321/bkalba.2021.94.06 az összes szintaktikailag és szemantikailag lehetséges kollokátummal előfordul. Bár elméletileg találhatók helyettesítő kollokátumok, ezek vagy egyáltalán nem lennének megfelelőek, vagy szokatlanok lennének, például: kedvező vs. *hasznos környezet; többrétegű vs. *rétegzett regény. A korlátozott lexikai kollokabilitás kritériumát a nyelvészek két teszttel ellenőrizték: 1) az ige vagy melléknév szinonimái alapján (vagyis hogy helyettesíthető-e más, hasonló jelentésű, szinonimának tekinthető szavakkal); 2) a főnevek lexikai-szemantikai csoportjai alapján. Mivel az AK olyan kollokációknak tekinthetők, amelyek egyik tagja rendszerint nem helyettesíthető más, hasonló jelentésű szóval – szinonimával –, az AK felismerésére a szinonimákkal való helyettesíthetőség tesztjét alkalmazták (adaptálva: Nesselhauf 2003): ha a kollokáció egyik tagja nem helyettesíthető más, hasonló jelentésű szinonimával, az ilyen kollokációt AK-nak tekintették. Például a nepaklusti įstatymui, diegti sistemą, įdėtas darbas kollokációk arbitralitásának megítélésekor a lehetséges igeszinonimák alapján ellenőrizték a *nusižengti įstatymui, *įvesti sistemą, *įkištas / įkeltas darbas alakokat, és azt mérlegelték, lehetséges-e a helyettesítés; ha nem, a kollokációkat AK-nak minősítették. A tesztet három nyelvész végezte introspekciós módszerrel, de a Delfi.lt korpuszból azonosított kollokációkra támaszkodtak. El kell azonban ismerni, hogy gyakran meglehetősen nehéz volt szinonimát találni, ezért sokszor a második tesztet is alkalmazták: a főnevek lexikai-szemantikai csoportjainak vizsgálatát. A korlátozott lexikai kollokabilitást a lexikai-szemantikai csoportok változatossága alapján is értékelték: a PŽJDB-ben szereplő kollokációk alapján megállapították, hány lexikai-szemantikai csoport főneveivel kapcsolódik össze a kollokáció mellékneve vagy igéje, és így becsülték meg a lexikai kollokabilitás terjedelmét. Annak minél pontosabb meghatározására, hogy milyen szavakkal használható együtt egy főnév, a teljes paradigmáját elemezték, vagyis az összes, az adott főnévvel alkotott kollokációt. Bár a vizsgált anyag a PŽJDB-ben elérhető mintegy 12 ezer kollokációból állt, olykor úgy tűnt, hogy az információ nem elegendő. Ha a vizsgált anyagban csak egy kollokáció fordult elő egy adott melléknévvel vagy igével, a nyelvészek anyanyelvi beszélőként meglévő nyelvi intuíciójukra támaszkodva egészítették ki a paradigmát; ha az adatbázisban több kollokáció is szerepelt, a korlátozott lexikai kollokabilitás tesztjeit a rendelkezésre álló paradigmára alkalmazták. A kollokabilitás terjedelmét a főnevek lexikai-szemantikai csoportjai alapján, az alábbi feltételek figyelembevételével értékelték: BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 6 doi.org/10.35321/bkalba.2021.94.06 a) a kollokációkat nem tekintették AK-nak, ha egy adott melléknévvel vagy igével számos különböző lexikai-szemantikai csoport főnevei kapcsolódnak össze, és ezek a csoportok nagy létszámúak. Az ilyen melléknév vagy ige kollokabilitását szélesnek, egyértelmű lexikai korlátozások nélkülinek tekintették; vö. a geras kollokációk nagy számát: geras rezultatas, darbas, pasaulis, žmogus, laikas, gyvenimas, būdas, dalykas, šalis, komanda, diena, sprendimas, metai, oras, vieta, pusė, sezonas, galimybė, kaina, rungtynės, automobilis, maistas, ženklas, sveikata, kelias, vyras, vaikas, produktas, klausimas, pradžia, priemonė stb.; vö. még: pirkti: pirkti automobilį, maistą, produktą, turtą, žemę; b) ha a melléknévvel vagy igével számos különböző lexikai-szemantikai csoport főnevei kapcsolódnak össze, de az egyik csoport kiemelkedik, vagy csak néhány, egy adott szemantikai csoportba tartozó főnév használatos, a kollokáció AK-nak tekinthető. Például bár a statyti kollokabilitása széles, ez az ige nem használható minden közlekedési eszköz nevével; vö. statyti automobilį (valamint statyti dviratį, motociklą), de prišvartuoti laivą, nutupdyti lėktuvą. Következésképpen a statyti automobilį kollokáció korlátozott kollokabilitása miatt az AK-k közé sorolandó. A turėti igét széles lexikai kollokabilitású szónak tekintik, mivel sokféle kollokációt alkothat, de teljes paradigmájában kiemelkedik a turėti reikalą kollokáció, amelyet arbitrálisnak tekintenek. A subjurti igével két lexikai-szemantikai csoport szavai használatosak: a természeti jelenségek csoportjáé és az érzelmeké; kollokációk azonban csak a subjuro oras ir subjuro nuotaika főnevekkel alkotnak, ezért mindkét eset AK; c) az egyetlen nagy szemantikai csoportba sorolható kollokációkat nem tekintik AK-nak. Például a PŽJDB-ben csak egy kollokációt találtak: nuskaičiuoti mokesčius, de a nyelvészek anyanyelvi beszélőként meglévő nyelvi intuíciójukra támaszkodva más szavakkal is kiegészíthetik a paradigmát (a nuskaičiuoti ige használható pénzre, kölcsönre és más pénzügyi tételekre), ezért a nuskaičiuoti mokesčius kollokációt nem ismerik el AK-ként. Ez egy olyan, a PŽJDB-ben egyetlen kollokációval képviselt lexikai-szemantikai csoport, amely elméletben nagy számú elemből áll. A korlátozott lexikai kollokabilitást a kollokáció mindkét szavának értékelésével ellenőrizték: a melléknév vagy ige nem helyettesíthető más szinonimákkal (1. teszt), illetve és/vagy a főnévi paradigma korlátozott (2. teszt). Például a patiekiamas maistas kollokáció arra utalhat, hogy az étel szemantikai csoportjába sok főnév tartozik (lehet ételt, italokat, vacsorát, ebédet tálalni...). Így nem felel meg a 2. teszt feltételének, mert csak egy szemantikai csoport van, ugyanakkor megfelel a b) feltételnek, mivel a patiekti nem helyettesíthető a paduoti igével. Tehát a 2. teszt alapján a kollokációt arbitrálisnak minősítik. Egy másik példa: BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas 7 doi.org/10.35321/bkalba.2021.94.06 A surengti ige „rendezni” eseményeket megnevező főnevekkel használatos (surengti rinkimus, koncertą... „választást, koncertet rendezni...”), vagyis az ilyen kollokációkat a szemantikai csoport gazdagságának kritériuma alapján nem kellene arbitrálisnak tekinteni, ám az 1. teszt alapján az AK-k közé sorolhatók, mivel a surengti ebben az esetben nem helyettesíthető a suruošti szinonimával. A szinonímia tesztje nem mindig alkalmazható. Például nem alkalmazható, ha több AK-változat létezik, vö.: kainos kyla ir kainos auga, didėja; klausimas kamuoja ir klausimas kankina; duoti galimybę ir suteikti galimybę; įgyti teisę ir įgauti teisę. Ez a teszt az olyan esetekben sem alkalmazható, mint a sumokėti mokesčius, apgyvendintas miestas („adót fizetni”, „lakott város”) – a sumokėti, apgyvendinti szavakhoz még hipotetikusan is nehéz szinonimát javasolni. Ha nem találunk szinonimát, a helyettesíthetőség nem vizsgálható, mivel legalább elméleti lehetőséget kell biztosítani arra, hogy két (vagy több) szinonima közül válasszunk. A korlátozott lexikai kollokációs képességet mind a szinonímiai teszttel (1. teszt), mind a lexikai-szemantikai csoportok tesztjével (2. teszt) ellenőrző nyelvészek anyanyelvi kompetenciájukra támaszkodtak. Az ilyen munka eredményeit azonban elkerülhetetlenül befolyásolja a szubjektivitás tényezője (a szinonimák meghatározásának problémájáról lásd Divjak, Gries 2006: 24–26). Ezért a szinonimák helyettesíthetőségének értékelésére automatizált módszert is kipróbáltunk (lásd az 1.2. alfejezetet). 1.1.2. Az AK-k meghatározása átvitt jelentés alapján Kai kuriuose ankstesnio laikotarpio tyrimuose (plg. Howarth 1998) tokios kolokacijos, kurių vienas iš dėmenų – perkeltinės reikšmės, vadinamos ribotosiomis kolokacijomis (angl. restricted collocations). Pasak Annos Reder (2006: 82), kolokacijos su perkeltinės reikšmės žodžiu yra riboto junglumo junginiai, kuriuose nenuspėjama ryši tarp kolokacijos narių lemia konvencija, o metaforiškumas yra konvencijos dalis. Todėl šios kolokacijos svarbios kalbos mokymui (Lewis 2000: 29). Tarkim, su anglų kalbos būdvardžiu heavy vartojami įvairūs daiktavardžiai, kurie reiškia dalykus su požymiu „sunkus“, bet žodžių junginyje heavy smoker (liet. užietėjęs rūkalius) minimas ne objektas, o asmuo, todėl mokant kalbos šią kolokaciją verta išskirti kaip įsidėmėtiną žodžių junginį. Az átvitt értelemben használt mellékneveket általában szélesebb kollokációs kör jellemzi, a szélesebb kollokációs körű melléknevekkel alkotott kollokációk pedig nehezebbek a nyelvtanulók számára (Nesselhauf 2005: 238). A nyelvoktatás és a fordítás szempontjából való jelentőségük miatt BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 8 doi.org/10.35321/bkalba.2021.94.06 (Volungevičienė 2010; Stulpinaitė ir kt. 2016) a litván AK-k meghatározásakor az átvitt jelentés kritériumát alkalmaztuk. A kollokációk nem automatizált elemzésekor az AK egyik ismérvének a kollokáció egyik összetevőjének (melléknév, ige vagy főnév) közvetett jelentésben való használatát tekintettük. Ezt egy adott szó teljes paradigmájának elemzésével állapítottuk meg; a paradigmát a Delfi.lt korpusz adataiból állítottuk elő (lásd az 1. táblázat 1. oszlopát). Az ilyen paradigmából kiderül, hogy az adott főnév milyen más melléknevekkel vagy igékkel alkot kollokációkat, és ezekben a kollokációkban milyen jelentésben használatos mind a főnév, mind kollokátumai – a melléknevek és az igék. Néha csak a tágabb kontextus teszi lehetővé annak megállapítását, hogy egy szó szó szerinti vagy átvitt értelemben szerepel-e – ilyenkor a PŽJDB-t és a Delfi.lt korpuszt vettük igénybe, vö. žalias + automobilis: („zöld + autó”): A „Unicredit Leasing” litvániai képviselője még néhány žaliųjų automobilių piaci trendet is megfigyel. Marius Slaboševičius által vezetett žaliasis automobilis fél másodperccel maradt le <...>. A „Tesla Model S” több alkalommal is elnyerte a legjobb autó díját; ezek egyike a 2013-as év žaliasis automobilis. Érdekesek a žaliųjų automobilių koncepciómodelljei. A példákból látható, hogy a žalias melléknév környezetbarátként jellemzi az autót, de nem a színét írja le5. Az ilyen kollokációt arbitrálisnak tekintettük. Természetesen a Delfi.lt korpuszban, amelynek adataiból a PŽJDB készült, számos olyan eset található, amikor a žalias az autó színét jelöli. A melléknevekkel és igékkel alkotott főnévi szerkezeteket akkor tekintettük AK-nak, ha az összetevők közül legalább az egyik átvitt jelentésben szerepelt. Ilyenkor az ismertetett teszteket (lásd az 1.1.1. alfejezetet) nem alkalmaztuk. A melléknevek és igék átvitt értelmű használata különösen jellemző az elvont főnevekkel, valamint néhány konkrét dolgot jelölő főnévvel alkotott kollokációkra, például az amžius, aplinka, apsauga, būdas, dalykas, dalis, dėmesys, duomenys, galimybė, gyvenimas, informacija, įstatymas, įvykis, kalba, karas, kartas, klausimas, laikas, metas, pabaiga, pagalba, pradžia, reikalas, rezultatas, saugumas, sprendimas, sveikata, teisė, turtas főnevekkel alkotott kollokációkra. 5 Felhívjuk a figyelmet arra, hogy a szokatlan használatra a határozott névmási alakok is utalnak. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 9 doi.org/10.35321/bkalba.2021.94.06 Az absztrakt főneveket tartalmazó kollokációk – R. Petrauskaitė megállapítása szerint (lásd Marcinkevičienė 2010) – konceptuális metaforákat alkothatnak (pl.: szelíd intézkedés, éles kritika, száraz eredmény, kiszivárogtatott információ, szítani a vitát, adatszivárogtatás, törvényi kiskapu6). Ahogy R. Petrauskaitė fogalmaz: „a metaforikusság legfontosabb kritériuma a jelentésátvitel, amely a konkrét és az absztrakt főnév szembeállításából bontakozik ki. Amikor egy konkrét dolog tulajdonságait vesszük alapul ahhoz, hogy az absztraktumot bevonjuk a kontextusba, és vele szókapcsolatot alkossunk, akkor metafora születik <...> az egyik, többnyire absztrakt dolgot egy másikként, konkrétként értelmezzük, ez utóbbinak a terminológiáját alkalmazva <...>” (Marcinkevičienė 2010: 178). A konkrét főnevekkel alkotott szókapcsolatokban átvitt értelemben használt melléknevek (ritkábban igék) szemantikailag nem jellemző tulajdonságokat tulajdonítanak nekik (pl.: gyorsétel, feltűnő nő, látható ember). Az absztrakt főnevekkel alkotott szókapcsolatokhoz hasonlóan a szókapcsolat jelentése gyakran nem az egyes szavakból, hanem az egész szókapcsolatból érthető meg (pl.: vasember, aranykor, vad nő; lásd még a korábban megadott példákat az automobilis főnévvel). Más nyelvek kollokációinak vizsgálatában (pl. Strakatova, Hinrichs 2019) a lexikalizálódott kollokációk közé sorolják azokat, amelyek átvitt jelentésű kollokátumot tartalmaznak, és amelyekben az átvitt jelentés csak korlátozott számú, meghatározott lexikai-szemantikai csoportba tartozó szóval válik nyilvánvalóvá. Például a heavy melléknév jelentése a smoker, rain, traffic főnevekkel alkotott szókapcsolatokban (litvánul megrögzött dohányos, heves eső, erős forgalom) nem prototipikus, mivel nem a súlyt, hanem az intenzitást jelöli. Megállapították, hogy a közepes lexikai kollokabilitású7 szavaknak nagy a metaforizációs potenciáljuk, például a paralyžiuoti (megbénítani a forgalmat), sekti (fogy az idő), sugriauti (tönkretenni az életet) igéknek. A melléknevek között sok olyan van, amelyek szó szerinti jelentésben használva fizikai tulajdonságokat jelölnek 6 A kollokációkban megjelenő térbeli, ontológiai és strukturális metaforákról lásd még: Drūlienė 2008a, b; Šilinytė 2008. E cikknek és a teljes projektnek nem célja a feltárt metaforák osztályozása, ezért ezt a kérdést nem tárgyaljuk részletesebben, bár világos, hogy az AK a kognitív nyelvészet szakemberei számára érdekes kutatási tárgy lehet. 7 Susane Handl 2008-ban közölt képlete alapján a Delfi.lt korpuszából meghatároztuk az elemzett kollokációk elemeinek kollokativitási értékeit. Ezeket a vizsgálatokat folytatni fogjuk. Egyelőre annyit mondhatunk, hogy az AK-k közepes erősségű szerkezetek lehetnek, vagyis sem az egyik, sem a másik (vagy a harmadik) elem kollokativitási értéke nem lehet nagyon alacsony vagy nagyon magas. Ha például az első elem értéke magas, a másodiké pedig alacsony, akkor az első elem kevés szóval, a második viszont nagyon sok szóval használható, pl.: pszichoaktív anyag, autista gyermek, édesvíz, árnyékos hely, háromoldalú szerződés, kiskorú gyermek, szénsavas / desztillált víz, stoppoló autó. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 10 doi.org/10.35321/bkalba.2021.94.06 jelentésekben fizikai tulajdonságokat jelölnek (pl.: csúszós ügy, tiszta munka, véres munka), de lehetnek más jelentésű melléknevek is (drága idő, kínzó kérdés, jelentős esemény). Az átvitt jelentés kritériumának alkalmazását a (ne)švarus melléknév, a nutekėti ige és az euras főnév paradigmáinak elemzése szemlélteti (lásd az 1. táblázatot): 1. TÁBLÁZAT. Az átvitt jelentés kritériumának alkalmazása Paradigma AK meghatározása 1. švarus sport, munka; nešvarus munka, dolog, ügy 2. švarus (-i) víz, környezet, levegő, város, hely, autó; nešvarus víz 1. AK-nak tekintendő a melléknév átvitt jelentése miatt, az absztrakció jelentésű főnevekkel alkotott szókapcsolatokban. 2. Nem tekintendő AK-nak, mert ezekben a kollokációkban a melléknév szó szerinti jelentésben szerepel. 1. nutekėti információ 2. nutekinta (-i) információ, anyag, adatok 1–2. AK-nak tekintendő, mert az absztraktumokkal alkotott szókapcsolatokban az ige átvitt jelentése valósul meg. 1. euro gyengülése, erősödése 2. euro árfolyam, érme, cent 3. euro cseréje 1. AK-nak tekintendő, mert az eurónak élő objektumokra jellemző tulajdonságokat tulajdonítanak. 2. Szakkifejezések; nem tekintendő AK-nak. 3. Nem tekintendő AK-nak, mert nincs átvitt jelentése. Amint az 1. táblázat példáiból látható, a kollokációs paradigmában nem mindig átvitt jelentésű a szó szerinti értelemben használt melléknév vagy ige, és néha az sem áll fenn, hogy egy adott melléknévvel/igével alkotott kollokáció egésze átvitt jelentésű; az átvitt jelentés azonban egyértelmű az olyan esetekben, mint: fájdalmas döntés / dolog / esemény; zárkózott ember / jellem / élet; megnyílik az út / piac / kilátás; kivívni a jogot / helyet stb. Az ilyen kollokációkat arbitrarisztikusnak tekintjük. Összefoglalva megállapítható, hogy az átvitt jelentés kritériuma különösen fontos a melléknevekből és főnevekből álló kollokációk elemzésekor – gyakran erre támaszkodtak mint BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 11 doi.org/10.35321/bkalba.2021.94.06 elsődleges, legvilágosabb arbitralitási mutatóra. Az ige és főnév alkotta kollokációk elemzésekor viszont gyakrabban alkalmazták a korlátozott lexikai kombinálhatóság kritériumát (és a szemantikai csoportok tesztjét). Mivel a két főnévből álló AK-ból igen kevés került elő, e szerkezetű kollokációk jellemzőit nehéz általánosítani (lásd az 1.1.1. szakaszt). 1.2. Az AK automatizált azonosítása Az AK egyik kritériumát – a korlátozott lexikai kombinálhatóságot – automatizált módon is ellenőriztük, vagyis a vektormódszerrel határoztuk meg a helyettesítési teszthez szükséges szinonimákat. A helyettesítési teszt és a vektormódszer alkalmazásáról részletesebben egy korábban megjelent tanulmány szól (Kovalevskaitė és mtsai 2021). Ebben a vektormódszer alkalmazását ismertették a melléknév + főnév kollokációk arbitralitásának értékelésére, ezért ebben a tanulmányban csak az ige + főnév kollokációk arbitralitásának értékelését írjuk le részletesen. Először röviden felidézzük a vektormódszer alkalmazásának főbb lépéseit (1.2.1. szakasz), majd tárgyaljuk az igeszinonimák vektormódszerrel történő kiválasztását (lásd az 1.2.2. szakaszt), végül összefoglaljuk az ige- és főnévi kollokációk arbitralisként való besorolásának eredményeit (lásd az 1.2.3. szakaszt). 1.2.1. Az AK azonosítása korlátozott lexikai kombinálhatóság alapján, vektormódszerrel A vektormódszer alkalmazásának célja az AK azonosításának automatizálása és az adatok értékelésében érvényesülő szubjektivitás csökkentése volt. A vektormódszert a korlátozott lexikai kombinálhatóság meghatározására a következő lépések szerint alkalmaztuk. Először automatikusan kiválasztottuk az összefüggő szavakat a teljes Delfi.lt korpuszból8. Ehhez a GloVe szóvektor- (angolul embeddings) modellt alkalmaztuk (Pennington és mtsai 2014). A vektormódszer (angolul Word Embedding Approach) azon módszerek csoportjába tartozik, amelyek a szavak eloszlási, vagyis kontextuális hasonlóságai (angolul distributional similarity measures) alapján automatikusan elemzik őket. Ezeket a módszereket különböző kapcsolatok (hiperonímia, szinonímia, antonímia, partonímia) automatikus felismerésére alkalmazzák, és alapjuk 8 Egy korábbi projekt keretében („A litván nyelv állandósult szókapcsolatainak automatikus felismerése (PASTOVU)”, lásd: https://pastovu.vdu.lt) meghatározott vektorok itt érhetők el: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. Ebben a kutatásban ezeket az AK-k azonosításához szükséges szinonimák kiválasztására használjuk. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 12 doi.org/10.35321/bkalba.2021.94.06 azzal a hipotézissel, hogy a közeli jelentésű és/vagy szemantikailag összefüggő szavak hasonló kontextusban fordulnak elő (lásd Grigonytė 2010). Először automatikusan létrehozták a PŽJDB-kollokációkban előforduló melléknevek és igék vektorlistáit (a továbbiakban: VE)9. A kapcsolódó szavak automatikus kiválasztásakor kihagyták a széles lexikai vonzatképességű, illetve az önállóan nem használt mellékneveket és igéket, például: geras, naujas, puikus; būti, reikėti, pradėti. A VE-kben csoportosított mellékneveket és igéket a kontextusbeli hasonlóság alapján választották ki. Mintegy 800, mellékneveket tartalmazó VE-t állítottak össze, az igéket tartalmazókból pedig több mint 3800-at. Bár a VE-k kapcsolódó szavakat soroltak fel, az adatok között más szemantikai viszonyban (például antonimikus viszonyban) lévő, sőt egymással össze nem függő szavak is szerepeltek, ezért nyelvészeti szerkesztésre volt szükség annak meghatározásához, hogy a kapcsolódó szavak közül melyek tekinthetők szinonimáknak, és melyek használhatók annak értékelésére, hogy egy-egy szinonima vonzatképessége mennyire korlátozott egy adott főnévvel. Szinonimának azokat az azonos szófajú szavakat tekintették, amelyek denotatív (tárgyi) jelentése nagyon hasonló, lexikai vonzatképességük azonban részben vagy teljesen eltér10. A megtisztított igei VE-ket az ige + főnév típusú kollokációk arbitralitásának értékelésére használták. Azt kívánták megállapítani, hogy mely kollokációkban nem helyettesíthető az igei összetevő egy közeli jelentésű igével. Minden egyes szinonimapárhoz vagy szinonimacsoporthoz megadták az adott főnévvel alkotott kollokációkat. Ha az adott főnévvel a szinonimacsoport vagy -pár csupán egyetlen szinonimájával alkotott kollokáció szerepelt, arra következtettek, hogy a vizsgált főnév az adott szinonimacsoportnak csak egyetlen igéjével kapcsolódik össze, és a kollokációt arbitralisnak tekintették. Ha a vizsgált főnév a szinonimapár vagy -csoport valamennyi igéjével kollokációt alkotott, a kollokációkat nem sorolták az arbitralisak közé (lásd a 2. táblázatot). 9A vektormódszerrel azonosított kapcsolódó szavakat a legpontosabban a vektormódszerrel azonosított lehetséges szinonimák sorainak nevezhetnénk. A rövidség kedvéért a továbbiakban vektorsoroknak, pontosabban VE-nek nevezzük őket. 10Az itt alkalmazott szinonimafogalom a magyar lexikográfiában elterjedtebb részleges szinonima terminushoz kapcsolható (lásd Jakaitienė 2010). BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 13 doi.org/10.35321/bkalba.2021.94.06 2. TÁBLÁZAT. Az AK elismerésének szakaszai VE-k használatával AK-nak elismert AK-nak nem elismert 1. szakasz: két szinonimapárt tartalmazó VE-t veszünk gauti–įgyti és duoti–teikti; 2. szakasz: ezen VE alapján ellenőrizzük, hogy a főnév apdovanojimas e szinonimák közül hány igével alkot kollokációt; két kollokációt azonosítunk: gauti apdovanojimą (a gauti–įgyti pár egyik szinonimája) és teikti apdovanojimą (a duoti–teikti pár egyik szinonimája); 3. szakasz: úgy döntünk, hogy a gauti apdovanojimą és a teikti apdovanojimą AK-nak tekintendő. 1. szakasz: két szinonimát tartalmazó VE-t veszünk: įkurti és įsteigti; 2. szakasz: ezen VE alapján ellenőrizzük, hogy a főnév asociacija e szinonimák közül hány igével alkot kollokációt; két kollokációt azonosítunk: įkurti asociaciją és įsteigti asociaciją; 3. szakasz: úgy döntünk, hogy a įkurti asociaciją és a įsteigti asociaciją nem AK. Például az apdovanojimas főnévhez a gauti apdovanojimą, teikti apdovanojimą kollokációkat adták meg, de a *įgyti apdovanojimą, *duoti apdovanojimą. kollokációkat nem. Következésképpen a gauti–įgyti és duoti–teikti szinonimapárok esetében az apdovanojimas főnév páronként csak egy-egy lehetőséggel társul, így a gauti apdovanojimą és a teikti apdovanojimą kollokációkat az arbitralisak közé sorolták. Az igékkel alkotott kollokációk közül gyakran azokat tekintették arbitralisnak, amelyekben elhalványult jelentésű (deszemantizálódott) igék szerepelnek (bővebben: Kovalevskaitė ir kt. 2020), például: atlikti tyrimą, duoti rezultatą, imti mokestį. Az asociacija főnév kollokációinak arbitralitását egy olyan VE alapján értékelték, amelyben két szinonima szerepel – a įkurti és az įsteigti; mivel ez a főnév mindkét szinonimával alkotott kollokációt, ezeket nem arbitralisként elvetették. Ahogyan a melléknevekkel alkotott kollokációk értékelésekor is, a kísérleti vizsgálat során az igék szinonimáit nem automatikusan tesztelték, mivel figyelembe kell venni a szinonima és a tesztelt főnév jelentését. Ha a VE-ben szereplő szinonimák jelentése nem egyezik az értékelt kollokáció igéjének jelentésével, az adott ige helyettesíthetőségének tesztje BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 14 doi.org/10.35321/bkalba.2021.94.06 nem alkalmazható. Például a statyti automobilį kollokáció esetében az önkényesség értékelésére nem volt alkalmas a statyti igével kapcsolatos VE, mivel annak jelentése „épületet építeni” volt (166 VE11). Így az automatizált módszer alkalmazásának szakaszai a következők: a) automatikus (a VE-k vektormódszerrel készülnek), b) nem automatikus (a nyelvész átnézi, és szükség esetén pontosítja); c) részben automatikus (a kollokációk automatikusan konkrét VE-khez kapcsolódnak, majd átnézés után AK-ként elfogadják vagy elutasítják őket). 1.2.2. Igei szinonimák kiválasztása vektorsorokban Mivel a generált VE-k sok fölösleges, irreleváns adatot, úgynevezett zajt (angolul noise) tartalmaztak, a nyelvész minden VE-t átnézett, törölte a szükségtelen, szinonim viszonyban nem álló szavakat, néhány VE-t pedig teljesen eltávolított. A továbbiakban a VE-k nyelvészeti szerkesztésének különböző eseteit tárgyaljuk. Az igei VE-k száma jóval nagyobb volt a melléknévi VE-k számánál (3800, illetve 800 VE), mivel az igék listája is [nagyobb volt]. Minden igéhez automatikusan létrejön egy VE, ezért egyes VE-k hasonlóak, ám attól függően, hogy melyik ige az alapszó, eltérhet az adott hasonló VE-ben található szinonimák száma. Az alapige az a szó, amelyhez a többi megadott szó hasonló; más szóval az az ige, amelyhez lehetséges szinonimákat kerestek (a hasonlóság megállapítható hiperonimikus, szinonimikus, antonimikus vagy meronimikus kapcsolat alapján; ezt a szót a szinonimacsoportokban aláhúzzák). Például a 151. VE-ben az alapige a organizuoti, a 40. VE viszont sokkal hosszabb, alapszava pedig a vykdyti: 151. VE: organizuoti, rengti, vykdyti 40. VE: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti Mint említettük, az automatikusan összeállított VE-ket a nyelvésznek még át kellett néznie. A munka elvégzése után megfigyelték, hogy a melléknevekhez hasonlóan az igék esetében is sok hosszú VE-t gyűjtött össze automatikusan a rendszer, amelyekben több igei szinonimapár szerepelt, és kevés olyat, amelyben csak egy szinonimapár vagy három szinonima volt. Az átnézés során néha kiderült, hogy az az alapige, amely alapján a VE készült, nem rendelkezik szinonimákkal, noha az adott VE-ben lehet egy másik 11Itt és a továbbiakban a vektormódszerrel meghatározott, a tanulmányban felhasznált lehetséges szinonimák VE-számai szerepelnek. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 15 doi.org/10.35321/bkalba.2021.94.06 megfelelő szinonimapár, például a támaszigének kisti VE-jében a paaštrėti, pablogėti. szinonimapár található. A melléknevekhez hasonlóan az igék VE-jében a „zajt” az antonimák okozták; vö. a VE pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti példáival: ezek egyazon lexikai-szemantikai csoport tagjaiból álltak, amelyek nem szinonimák, például: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. Az igék VE-jének tisztázásakor gyakran kiderült, hogy egy vagy több ige nem megfelelő, mert egy hasonló cselekvés túlságosan konkrét aspektusát jelöli. Például a remtis szó VE-jében ezek szerepeltek: vadovautis, pasikliauti, apsiriboti, kliautis. Az apsiriboti szót törölték, és csak a vadovautis, pasikliauti, kliautis. szavakat tekintették szinonimának. Gyakoriak azok az esetek is, amikor az egyik VE-szó tágabb jelentésű, például paveikti, míg a VE-hez rendelt többi szó konkrétabban nevezi meg a negatív hatás aspektusait, például pakenkti, sutrikdyti. Ezért csak ezeket tekintették szinonimának. A pagrįsti, įvardinti, paaiškinti, pateisinti VE-ből a pagrįsti és a paaiškinti szót ismerték el szinonimának, a pateisinti és az įvardyti szót viszont nem, mert további szemantikai jegyeik miatt jelentésük túlságosan eltávolodik az első két szóétól. Ilyen esetek miatt néha az egész VE-t el kellett vetni, például: atmesti, ignoruoti, uždrausti. Néha a támaszigék VE-i teljesen alkalmatlanok voltak, noha úgy tűnt, hogy szinonimáiknak automatikusan meghatározhatónak kellene lenniük, például: suprastėti (lehetséges szinonimája a pablogėti, de ez nem szerepelt a VE-jében); sąlygoti (lehetséges szinonimája a lemti, de ezt nem tüntették fel; helyette a pakentėti szerepelt). A tagadást tartalmazó igék VE-i pontatlanok voltak, ezért elvetették őket; például kizárták ezeket a támaszigéket: negydyti, nesuskaičiuoti, nepridėti. Megjegyzendő, hogy az igék szóképzési sajátosságai miatt is gyakran pontosítani kellett a VE-ket. Például nem tekintették szinonimának a folyamatos és befejezett igéket (tirti ir ištirti), valamint azokat az igéket sem, amelyeknek az igekötő miatt eltérő a jelentésük, mint például palyti ir palynoti, naršyti ir panaršyti, illetve a visszaható és nem visszaható igéket (klausyti ir klausytis). Ha például a támaszige a VE-ben visszaható volt, akkor a nem visszahatót kizárták. A išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis VE-ből például az išrinkti, parinkti igéket zárták ki. A képzett változatokat (pl. vardinti ir vardyti, lukterėti ir luktelėti) szinonimának tekintették. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 16 doi.org/10.35321/bkalba.2021.94.06 A VE-k tisztázása során az automatikus kiválasztás egy további sajátossága is megmutatkozott: mivel a vektormódszer a szavakat kontextusuk hasonlósága alapján gyűjti össze, egy VE-t első pillantásra oda nem illő szinonimák is alkothatnak. Más szóval, ha nem ismerjük azokat a konkrét főneveket, amelyek miatt két vagy több ige egy VE-be került, egyes VE-k minőségét tévesen ítélhetjük meg. Például a 60. VE-ben ezek a szavak szerepeltek: rodyti, demonstruoti, jausti. Hiba lett volna azonnal törölni a jausti szót, mert azért került ide, mert ezeknek az igéknek közös a kontextusuk: az érzelmekről szóló szövegkörnyezet; vö. demonstruoti, rodyti jausmus és például jausti pyktį, jausti nusivylimą. A sumažėti, pigti, illetve a padidėti, ūgtelėti igék szinonimák lehetnek, ha árakról van szó. Az apsispręsti, priimti, pasirinkti VE mindhárom igéje szinonima, a imti igét pedig, amelyet többnyire törölnek, itt azért vették fel, mert a priimti sprendimą kifejezést jelöli; más szóval, ezt a VE-t így kell olvasni: apsispręsti, priimti sprendimą, pasirinkti12. Az ilyen példákból látható, hogy automatikusan több és/vagy más szinonima is meghatározható, mivel a vektormódszer a kontextusok, nem pedig az egyes szavak jelentésének hasonlóságát értékeli. Aligha társítanánk külön-külön véve szinonimaként az atsikratyti, numesti, sulieknėti igéket, de egyazon VE-ben találjuk őket, mert közös kontextusban fordultak elő, amelyben a svoris főnév is szerepelt. További példák is hozhatók, vö.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis és užsiimti; gerti és vartoti; nusiteikti és pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti. Sporttal kapcsolatos kontextusban mind a négy ige – užsitikrinti, iškovoti, pasiekti, išsaugoti – szinonima, mert a győzelmet néha így fejezik ki: užsitikrino sau vietą finale vagy išsaugojo titulą. Ezek az eredmények azt mutatják, hogy a szinonímia értékelésekor egynél több szót kell figyelembe venni, mivel a szinonimacsoport tagjai lehetnek önálló szavak és állandósult szókapcsolatok is 12 A VE-kben előfordulnak olyan szavak is, amelyek szintagmatikus kapcsolatban állnak, például įžeisti és nenorėti. Mivel a nenorėti gyakran az įžeisti szóval közös kontextusban fordul elő (amikor a nenorėjo įžeisti, bet... szerkezetben szerepel), egy VE-be kerültek. Egy másik eset: liautis: nustoti, verkti. A verkti ige azért került ide, mert a rá jellemző gyakori kontextusból, a liovėsi verkęs / verkusi szerkezetből választották ki. Más szóval, nagyon hosszú (és nem megfelelő) VE-k jönnek létre azoknál a támaszigéknél, amelyeket segédigeként használnak, és amelyek nyelvtani sajátosságaik miatt sokféle kapcsolódási lehetőséggel rendelkeznek; például: daryti, imti, pradėti, norėti, reikėti, privalėti, reikėti, stengtis, nepajėgti. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 17 doi.org/10.35321/bkalba.2021.94.06 kapcsolatok. A vektormódszer alkalmazásakor, amikor a kontextus hasonlóságát hasonlítjuk össze, éppen az egyes szavak kontextushoz fűződő kapcsolatai válnak láthatóvá. A nyelvésznek nehéz lenne ennyi adatot áttekintenie (a széles körű disztribúciós mutatók szinonímaelemzésben való alkalmazásáról lásd még: Divjak, Gries 2006). Megfigyelhető, hogy a specifikusabb jelentésű és szűkebb vonzatkörű ige szinonimacsoportja (VE) gyakran rövidebb és tisztább, feltehetően a szűkebb vonzatkör miatt. A nerimauti, jaudintis, būgštauti és nuogąstauti szinonimák VE-jét összehasonlítva látható, hogy a nerimauti VE-je hosszabb és kevésbé tiszta, tágabb jelentésű szavak is szerepelnek benne, például bijoti (nerimauti: jaudintis, baimintis, bijoti), míg a būgštauti VE-jé mindössze ez a négy szó szerepel: būgštauti: nerimauti, jaudintis, nuogąstauti. Azt is megfigyeltük, hogy a konkrétabb jelentésű igékre (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) alapozott VE-kben kevés vagy egyáltalán nincs szinonima, mivel a konkrét jelentésű ige alapján összegyűjtött szavak tematikusan, nem pedig szinonimikusan kapcsolódnak egymáshoz, vö.: išimti: išmesti, išbraukti, išnešti; medžioti ir žvejoti; kvėpuoti és vaikščioti; virti és kepti; kalėti és nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. Az ilyen VE-k szintén két szóból állnak, de hosszabbak is lehetnek. Néha nagyon hosszúak, például a sumenkti alapszóval 26 ige szerepelt. Összefoglalva megemlíthető, hogy az ellenőrzés után 3800 VE-ből 2634-et (70 százalék) fogadtak el. Tehát az automatikusan generált VE-k nem elég pontosak ahhoz, hogy szerkesztés nélkül felhasználhatók legyenek az AK-megállapítás következő szakaszában. Az ilyen hibák a Delfi.lt korpusz sajátosságaiból is eredhetnek: bár a korpusz szómennyisége nagy (körülbelül 70 millió szó), egyetlen stílus szövegeiben kisebb lehet a lexikai változatosság. A pontosabb VE-k generálásához változatosabb funkcionális stílusokat felölelő korpuszra lenne szükség. 1.2.3. Eredmények: a VE-k minősége és az arbitralitás elismerése A melléknevek és az igék VE-it az átnézés előtt és után összehasonlítva kiderült, hogy mindkét esetben meglehetősen sok VE-t elvetettek, mert nem volt informatív: 1) az 1927 melléknévi VE-ből az átnézés után 800 VE maradt (41 százalék); 2) a 3800 igei VE-ből az átnézés után 1166 VE maradt (30 százalék). A megmaradt VE-ket szintén szerkeszteni kellett. Igaz, nem értékelték, hogy egy-egy VE-ből átlagosan hány szót törölnek. Gyakran ki kellett törölni a segédigéket és a nem teljesen önálló BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 18 doi.org/10.35321/bkalba.2021.94.06 igéket: daryti, imti, gyventi, vertėti, reikėti, privalėti, pradėti, gauti, norėti, stengtis, pavykti. Sok törlendő szó az VE végén szerepelt, ahol azok a szavak kaptak helyet, amelyek a legkisebb alkalmazott pontszámhatárt érték el (0,5; a legmagasabb pontszám 1), de számos olyan eset is előfordult, amikor magas pontszámú, az adott VE-ben a 2–5. helyen álló szót töröltek (egy VE legfeljebb 20 szóból állhat). Fontos hangsúlyozni, hogy a VE alapján történő értékelés során csak az adott VE-ben szereplő szavakat vették figyelembe. Ha lehetnek más szinonimák is, de azok nem szerepeltek abban a VE-ben, amely alapján az értékelés történt (nem választotta ki őket a vektormódszer, nem fordultak elő a Delfi.lt korpuszban stb.), egyes kollokációkat a nem arbitrálishoz sorolhattak (vagy fordítva). Például a krintanti žvaigždė és a kylanti žvaigždė kollokáció értékelésekor olyan VE-t használtak, amelyben az augti, kristi, kilti, mažėti, vystytis, didėti igék szerepeltek. Ebben a VE-ben nem szerepel a griūti, amely a kristi szinonimája lehetne, ezért a krintanti žvaigždė kollokációt nem minősítették AK-nak. A vizsgálat során az automatikus adatgyűjtés előnyei is megmutatkoztak: 1) amint azt az 1.2.2. alfejezetben említettük, a vektormódszerrel több és másféle szinonima azonosítható, mint kizárólag az introspekciós módszerrel; 2) a vektormódszer nagy mennyiségű adat feldolgozására alkalmas, míg kézi úton aligha lehetne ilyen sok szó kontextusbeli hasonlóságát értékelni. Miután a helyettesíthetőségi tesztet alkalmazták az igei szinonimák VE-ire, 291 kollokációt minősítettek arbitrálishoz tartozónak. Nyilvánvaló, hogy éppen a VE-ben szereplő szinonimák határozzák meg, mely kollokációkat minősítik AK-nak. Ez egyrészt a módszer korlátja, másrészt lehetőség az arbitralitás megállapításának automatizálására. Ha az arbitralitás megállapítása kizárólag egy adott VE-től függ, gyakran előfordulhat, hogy egyes kollokációkat az egyik VE alapján nem választanak ki, egy másik alapján viszont igen. Például a kurti įvaizdį és a formuoti įvaizdį kollokáció arbitralitását a 368. VE, az kurti, formuoti alapján értékelve egyik kollokáció sem tartozna az AK-k közé. A kurti, formuoti igék azonban más VE-kben is szerepelnek, amelyekhez ugyanazt a főnevet, az įvaizdis szót rendelték, ezért a kurti įvaizdį kollokációt egy másik VE (45) alapján AK-nak minősítik: kurti, sukurti, vystyti, plėtoti, įgyvendinti, rengti, įkurti. Másik eset is lehetséges: ugyanazokat a kollokációkat több mint egy VE alapján is arbitrálishoz tartozónak lehet minősíteni; például az atlikti mankštą, daryti mankštą kollokáció az AK-k közé sorolható a 11. VE (atlikti, vykdyti, daryti), és a 15. VE (padaryti, atlikti, sukurti; alapján egyaránt. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 19 doi.org/10.35321/bkalba.2021.94.06 nuveikti). A probléma akkor merül fel, amikor egy arbitrálishoz tartozó kollokációt nem tekintenek arbitrálishoz tartozónak, ha ez egyetlen VE alapján sem állapítható meg. Ez meglehetősen gyakran fordult elő kollokációváltozatok értékelésekor. Például a mokesčiai főnévvel a kelti és a didinti igét is használják; mindkét ige szerepel az 52. VE-ben, amely alapján az arbitralitást értékelik, ezért ezeket a kollokációkat nem sorolják az AK-k közé. Ezek azonban AK-változatok (vö. auga, kyla, didėja kainos). Hasonló eset az atlikti / vykdyti / daryti tyrimą (a 11. VE alapján ezeket a szerkezeteket nem minősítették AK-nak). Ugyanebben a VE-ben szerepelt a gauti és az įgyti is, ezért a gauti diplomą és az įgyti diplomą kollokációkat sem minősítették AK-nak. Ezek az esetek azt mutatják, hogy a kollokációk arbitralitásának korlátozott lexikai kollokációs képességen alapuló kritérium szerinti értékelésekor fontosak mind az alkalmazott tesztelési eszközök, mind pedig az, hogy az AK-változatok azonosítására inkább a nem automatikus módszer alkalmas. Mivel a szinonimák helyettesíthetőségének tesztelése szorosan kapcsolódik az adott VE-ben szereplő szavakhoz, az is előfordulhat, hogy a hasonló, de ellentétes jelentésű kollokációkat nem választják ki. Például a kyla nepasitenkinimas kollokációt kiválasztották, a mažėja nepasitenkinimas kollokációt viszont nem. Nem automatikus módszerrel mindkettőt AK-nak minősítenék. Következésképpen, amikor az arbitralitás értékeléséhez nyelvészeti introspekcióval értékelt adatokat használnak, megőrződik az AK-k egy része, amely a 2. módszerrel elveszne. Igaz, a nyelvészeti, nem automatikus módszer alkalmazása szubjektivitással jár. Az automatizált módszer objektívebb, bár el kell ismerni, hogy az adatok töredékesebbek (a teszteléshez csak annyi és olyan VE használható, amennyit összegyűjtöttek). Emellett nem ismerik fel az AK-k közé tartozó összes kollokációt AK-ként. 2. AZONOSÍTÁSI EREDMÉNYEK Az azonosított AK-k számát tekintve egyértelműen látható, hogy a nem automatizált és az automatizált módszerrel azonosított, egyező AK-k száma nagyon alacsony (részletesebben lásd a 2.1. és 2.2. szakaszt); következésképpen mindkét módszer külön-külön is fontos adatokat szolgáltat. A nem automatizált elemzési módszerrel összegyűjtött adatok száma jóval nagyobb, mint az automatizáltan azonosítottaké, de a nem automatizált elemzés során nem egy, hanem két kiválasztási kritériumot alkalmaztak (a korlátozott lexikai kombinálhatóságot és az átvitt jelentést), míg a vektormódszer alkalmazásakor csak a korlátozott BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 20 doi.org/10.35321/bkalba.2021.94.06 lexikai kombinálhatóságot. Így több kritérium alkalmazásával több, változatosabb mellékneveket és igéket tartalmazó kollokáció gyűjthető össze. Konkrét AK-példák alapján ebben a fejezetben azt magyarázzuk el, miért éppen ilyen eredmények születtek, és hogyan határozták meg azokat az alkalmazott kritériumok és a felhasznált adatok. Először azt tárgyaljuk, mit mutatnak az adatok. Az egy konkrét melléknévvel vagy igével alkotott összes AK különféleképpen azonosítható: a) csak a két módszer egyikével; b) a kollokációk egy része az egyik, más része a másik módszerrel; c) a kollokációk egy része az egyik, más része a másik módszerrel, egy részük pedig mindkét módszerrel. A következő alfejezetekben a különböző szerkezetű AK-kat a két módszerrel kapott eredmények kommentálásával tárgyaljuk. 2.1. Melléknevekből és főnevekből álló arbitrárius kollokációk Összesen 1048 olyan AK-t azonosítottak, amelyek szerkezete melléknév + főnév. Ezekben a kollokációkban 320 különböző melléknév szerepel. Az igaz, hogy egyes melléknevekkel (didelis, mažas, atviras, aukštas, modernus, išskirtinis, pagrindinis stb.) több vagy akár több tucat AK is képződik, másokkal (pl. netrumpas, nuodugnus, permainingas, pikantiškas) viszont csak egy-egy AK (ugyanazzal a melléknévvel átlagosan 3,3 kollokáció képződik; részletesebben lásd a 3. táblázatot). 3. TÁBLÁZAT. Különböző módszerekkel azonosított AK-k (melléknév + főnév) Nem automatizált módszerrel azonosított AK-kAutomatizált módszerrel azonosított AK-kMindkét módszerrel azonosított AK-kDarab (százalék)Különböző melléknevek száma (az ugyanazzal a melléknévvel képzett AK-k átlagos száma)Darab (százalék)Különböző melléknevek száma (az ugyanazzal a melléknévvel képzett AK-k átlagos száma)Darab (százalék)Különböző melléknevek száma (az ugyanazzal a melléknévvel képzett AK-k átlagos száma)577 (55,06)230 (2,5)306 (29,2)86 (3,56)165 (15,74)42 (3,93) BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 21 doi.org/10.35321/bkalba.2021.94.06 Amint az a 3. táblázatból látható, a legtöbb AK-t nem automatizált módszerrel azonosították – az összes AK több mint felét (pl.: szörnyű látvány, rabszolgamunka, nyers kérdés, fájdalmas dolog); körülbelül egyharmadukat automatizáltan azonosították (pl.: értékes vagyon, egyedülálló projekt, bonyolult nap, optimális módszer), a legkisebb részt (15,74%) pedig azok az AK-k teszik ki, amelyeket mindkét módszerrel azonosítottak (pl.: testvérgyilkos háború, intenzív kereskedelem, óriási projekt, alacsony ár). Hasonló arányok figyelhetők meg az igékkel alkotott AK-k esetében is (lásd a 2.2. szakaszt). Az AK-k mellékneveit elemezve látható, hogy egyes melléknevek csak valamelyik módszerrel azonosított AK-kban fordulnak elő (lásd a korábban bemutatott példákat), mások pedig mindkét módszerrel azonosított AK-kat alkotnak (pl.: nagy, kicsi, erős). A kutatás kezdetén az a hipotézis merült fel, hogy a nem automatizált módszerrel azonosított AK-kban nagyobb a melléknevek változatossága, míg az automatizált vektormódszerrel azonosított AK-kban kisebb. A hipotézis beigazolódott: az első módszerrel azonosított AK-kban 235 különböző melléknév fordult elő, vagyis ugyanaz a melléknév átlagosan 2,5 AK-t alkot. A vektormódszerrel azonosított AK-kban 86 különböző melléknév szerepel, tehát átlagosan 3,56 AK-t alkot ugyanaz a melléknév. A legkisebb a melléknevek változatossága (42) azokban az AK-kban, amelyeket mindkét módszerrel azonosítottak, de ezekből a kollokációkból is itt van a legkevesebb. Ebben az AK-csoportban ugyanaz a melléknév átlagosan 3,93 kollokációt alkot. Feltételezhető, hogy a melléknevek ilyen csekély változatosságát a viszonylag kis adatmennyiség okozza. Nagy a valószínűsége annak, hogy egy kollokáció arbitrális, ha olyan melléknevek alkotják, mint a nagy, hatalmas, óriási, grandiózus, kicsi, feszült, veszélyes, komoly, erős, nehéz, és elvont főnevekkel kapcsolódnak össze, mivel ezek a melléknevek átvitt értelemben szerepelnek. Annak szemléltetésére, hogy a módszerek alkalmazása miért éppen ilyen eredményekhez vezetett, a okos melléknévvel alkotott AK-kat szeretnénk megvizsgálni, mivel ez jól mutatja a változatosságot: egyes kollokációkat az egyik, másokat a másik, megint másokat mindkét módszerrel azonosítottak. A okos melléknév nyolc kollokációja közül (okos döntés, okos város, okos gyerek, okos férfi, okos idő, okos módszer) hatot minősítettek AK-nak: ennek a melléknévnek a döntés és a város főnevekkel alkotott kollokációit nem automatizáltan választották ki; a gyerek és a férfi főnevekkel alkotott kollokációkat automatizáltan választották ki, míg a idő és a módszer főnevekkel alkotott kollokációkat mindkét módszerrel kiválasztották. A nyelvészek megállapították, hogy a „személyek” szemantikai csoport szokásos ehhez a melléknévhez. E csoport szavaival hasonló jelentésű melléknevek választhatóan társíthatók (lehet BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 22 doi.org/10.35321/bkalba.2021.94.06 nemcsak okos, hanem bölcs ember is), ezért az okos gyerek és okos férfi kollokációk csak az automatikus kiválasztás eredményeként kerültek az AK-k közé (az bölcs ember kollokáció a Delfi.lt korpuszban nem fordult elő), majd az adatok áttekintése során elvetették őket. A nyelvészek azt látták, hogy a többi főnév (döntés, idő, módszer) többnyire az „elvont” lexikai-szemantikai csoportba sorolható, a kollokációk azonban mégis csak bizonyos elvont főnevekkel jönnek létre; vagyis e csoportban korlátozottak a választási lehetőségek, ami az arbitralitásra utal. Ezért mindezeket a kollokációkat arbitrálisnak minősítették. Közülük mindössze kettőt (okos idő és okos módszer) azonosítottak AK-ként automatizáltan, mivel a vektormódszer alkalmazásakor nem végeznek lexikai-szemantikai csoportok szerinti tesztet. A nem automatizált módszerrel azonosított AK-k. Például a magas melléknévvel alkotott kilenc kollokációt minősítették arbitrálisnak: magas eredmény, magas rangú tisztviselő, magas ár stb. A melléknév itt átvitt értelemben szerepel (és szinte kizárólag elvont főnevekkel), ezért az átvitt jelentés kritériuma alapján a nyelvészek ezeket a kollokációkat az AK-k közé sorolták. Automatizált módszerrel ezeket a kollokációkat gyakran nem sikerült megtalálni, mert a szinonimák helyettesíthetőségi tesztjéhez nem állt rendelkezésre olyan VE, amelyben a megfelelő melléknév szerepelt volna (magas, zárt, fájdalmas, gyenge, széles, kényelmes, könnyű, szabad, hosszú vagy gyors), így a helyettesíthetőséget nem lehetett értékelni. Amint az előző részben már említettük, az automatizált módszer eredményei nagymértékben függenek attól, hogy rendelkezésre állnak-e szinonimák a helyettesíthetőség ellenőrzéséhez, illetve milyen minőségű a szinonimasor. Ez az eset szemlélteti, hogy kizárólag automatizált módszer alkalmazásakor egyes AK-k felismeretlenek maradhatnak, a nyelvészi kompetencia pedig ellensúlyozhatja a korpuszadatok hiányosságait. Egy másik oka annak, hogy egyes AK-kat automatikusan nem lehet felismerni, hogy egy adott jelentésű szinonimasorhoz nem minden főnév kapcsolható, mert egyes főnevek kontextusa eltérő lehet. Például a élénk melléknév kollokációi között sok olyan van, amelyet nem automatizáltan azonosítottak (pl.: élénk nő, élénk ember), és csak egy AK-t azonosítottak mindkét módszerrel: az kiemelkedő esemény kollokációt. Ez azt jelenti, hogy rendelkezésre állt VE ezzel a melléknévvel, de automatikusan nem mindhárom főnevet kapcsolták hozzá, hanem csak az esemény főnevet. Az automatizált módszerrel azonosított AK-k. Az hatékony melléknévvel alkotott AK-kat kizárólag a vektormódszerrel azonosították, például: hatékony intézkedés, hatékony eredmény, hatékony rendszer, hatékony munka. A VE-ben több szinonima is volt (pl. eredményes), azonban az eredményes intézkedés, eredményes eredmény stb. kollokációkat nem rögzítették a korpuszban, ezért a lehetetlenségre vonatkozó BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 23 doi.org/10.35321/bkalba.2021.94.06 A felcserélhetőségi teszt alapján az hatékony szóval alkotott kollokációkat AK-nak minősítették. Fontos hozzátenni, hogy a nyelvészek az anyanyelvi beszélők kompetenciájára támaszkodva ebben az esetben másként értékelték a helyzetet: a felcserélhetőség lehetséges (a hatékony eszköz és a eredményes eszköz egyaránt használható), ezért úgy döntöttek, hogy ezeket a kollokációkat nem tekintik AK-nak. Az automatizált módszer számos olyan kollokációt minősített AK-nak, amelyekben a melléknév értékelő jellegű, vö.: kivételes (mivel szinonim kapcsolatban áll a különleges szóval), furcsa (a szokatlan szóval áll kapcsolatban), modern (a korszerű szóval áll kapcsolatban), alapvető (a lényeges szóval áll kapcsolatban), összetett (a nehéz szóval áll kapcsolatban). A nyelvészek az ilyen eseteket gyakrabban nem sorolták az AK-k közé. A stabil szóval alkotott kollokációkat, például: stabil élet, stabil ár, stabil hét, stabil állam, csak a vektormódszer ismerte fel arbitráriusként, mivel a felcserélhetőséget a állandó szinonimával tesztelték, amely a megfelelő főnevek mellett nem fordult elő kollokátumként. A nyelvészek azonban nem ismerték el ezeket a kollokációkat arbitráriusként, mert a stabil kollokációs képességét vizsgálva az látható, hogy valóban igen széles körű, és korlátozásokat nem állapítottak meg; a állandó szót pedig nem tekintették a stabil szinonimájának, vö.: stabil munka, stabil állam, stabil ár, stabil eredmény, stabil élet, stabil hét. Mindkét módszerrel azonosított AK-k. A rendelkezésre álló adatok között egyetlen olyan eset sincs, amikor ugyanannak a melléknévnek az AK-nak minősített kollokációit mindkét módszerrel azonosították volna. Minden esetben csak egy részüket azonosították mindkét módszerrel, és e melléknevek között leggyakrabban olyanok szerepelnek, amelyek átvitt értelemben is használhatók, például: híres, gyors, szomorú, kicsi, nem könnyű, vonzó, veszélyes, komoly, erős, nehéz, szilárd. Amint már említettük, az ilyen melléknevekhez tartozó AK-k többségét csak a nem automatizált módszerrel azonosították, például a gyenge melléknévvel alkotott kollokációkat (lásd még a korábban említett példákat). Ennek oka, hogy az AK-k nem automatizált azonosításakor az ilyen eseteket az átvitt jelentés kritériuma alapján választották ki, míg a 2. módszer alkalmazásakor csak akkor feleltek meg, ha a felcserélhetőségi teszthez használt szinonimasor tagjai voltak. Megvizsgálva, hogy az egyes módszerek hány kollokációt gyűjtenek be az egyik legproduktívabb főnévhez, a döntés szóhoz, a 3. táblázatban láthatóhoz hasonló tendenciák figyelhetők meg: a nem automatizált módszerrel nyerték az AK-k legnagyobb részét, ugyanakkor az AK-k jelentős részét automatizáltan azonosították. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 24 doi.org/10.35321/bkalba.2021.94.06 4. TÁBLÁZAT. A döntés főnévvel és melléknevekkel azonosított AK-k A nem automatizált módszerrel azonosított AK-k Az automatizált módszerrel azonosított AK-k Mindkét módszerrel azonosított AK-k 1) felelős 2) példa nélküli 3) drasztikus 4) bátor 5) formális 6) szigorú 7) intelligens 8) bölcs 9) konstruktív 10) kreatív 11) ostoba 12) ideiglenes 13) döntő 14) végzetes 15) könnyű 16) logikátlan 17) irracionális 18) megalapozott 19) kényelmes 20) fejlett 21) praktikus 22) ellentétes 23) okos 24) racionális 25) tudatos 26) biztonságos 27) önálló 28) botrányos 29) fájdalmas 30) elhamarkodott 31) sürgős 32) okos 33) békés 34) igazságos 35) fenntartható 36) egységes 1) világos 2) kategorikus 3) furcsa 4) konkrét 5) kreatív 6) hasznos 7) váratlan 8) optimális 9) egyszerű 10) rossz 11) valós 12) összetett 13) egyedi 1) gyors 2) logikus 3) nem könnyű 4) komoly 5) kockázatos 6) nehéz 7) káros 8) erős BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 25 doi.org/10.35321/bkalba.2021.94.06 A sprendimas főnév példáját bemutatva fontos megemlíteni az automatizált módszerrel kapcsolatos egy további szempontot: az arbitrálisnak minősített kollokációk egy része vitatható lehet, vagyis úgy tűnhet, hogy határesetet képez, és közelebb áll a nem valódi kollokációkhoz. Felmerülhet például a kérdés, hogy az olyan kollokációk, mint az aiškus sprendimas vagy a keistas sprendimas valóban arbitrálisnak tekinthetők-e. Úgy tűnhet, hogy az aiškus, keistas, kūrybiškas, naudingas, netikėtas és más melléknevek nemcsak a sprendimas főnévvel társíthatók, hanem számos más, jelentésük alapján hozzájuk kapcsolható főnévvel is; vö. e melléknevek valamennyi kollokációjával, amelyeket a Delfi.lt korpuszban azonosítottak: aiškus ženklas, aiškus vaizdas, aiški informacija, aiškus rezultatas, aiški sistema, aiškus dalykas; keistas dalykas, keistas būdas, keistas klausimas, keista vieta, keistas sprendimas, keistas įvykis, keistas vaizdas. A nyelvészek nemcsak szinonímiateszttel, hanem lexikai-szemantikai csoportok alapján is ellenőrizték a korlátozott lexikai kollokációs képességet, ezért az aiškus sprendimas és a keistas sprendimas kollokációkat nem sorolták az arbitrálisak közé. A lexikai korlátozottság automatizált értékelésekor ezeket a kollokációkat az AK-k közé sorolták, mivel a szinonimák behelyettesíthetőségének vizsgálata azt mutatta, hogy a sprendimas főnév a aiškus, suprantamas szinonimapárnak, illetve a keistas, neįprastas szinonimapárnak csupán az egyik tagjával alkotott kollokációt. Ezek a példák azt mutatják, hogy az AK-k pontosabb eredményei a korlátozott lexikai kollokációs képesség ellenőrzésekor a szinonímiateszt mellett a lexikai-szemantikai csoportok tesztjének alkalmazásával is elérhetők. 2.2. Igékből és főnevekből álló arbitráris kollokációk 1171, igéből és főnévből álló AK-t azonosítottak. Ez az érték meglehetősen közel áll a melléknevekkel alkotott AK-k számához, amely 1048. A melléknevekkel alkotott kollokációkhoz (lásd a 2. táblázatot) viszonyítva a különböző módszerekkel azonosított AK-k eloszlása is hasonló (lásd a 3. táblázatot): az AK-k körülbelül felét nem automatizált módon azonosították (pl.: apniukusi diena, aptarti galimybes, iškviesti apsaugą), mintegy harmadát automatizáltan (pl.: suskubti į pagalbą, žvelgti į gyvenimą, sugadintas turtas, kaupti turtą), közel egyötödét pedig mindkét módszerrel azonosították (pl.: atlikti tarnybą, duoti komandą, matyti reikalą). Elemezték az ilyen szerkezetű AK-k lexikai változatosságát is, vagyis azt, hogy az adott módszerrel azonosított AK-k hány különböző igéből állnak. Az ebben az alfejezetben tárgyalt AK-k közül átlagosan 2,05-öt alkot ugyanaz az ige (lásd az 5. táblázatot). BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 26 doi.org/10.35321/bkalba.2021.94.06 5. TÁBLÁZAT. Különböző módszerekkel azonosított AK-k (ige + főnév) Nem automatikus módszerekkel azonosított AC-k Automatizált módszerekkel azonosított AC-k Mindkét módszerrel azonosított AC-k Darab (százalék) A különböző igék száma (az ugyanazzal az igével alkotott AK-k átlagos száma) Darab (százalék) A különböző igék száma (az ugyanazzal az igével alkotott AK-k átlagos száma) Darab (százalék) A különböző igék száma (az ugyanazzal az igével alkotott AK-k átlagos száma) 561 (47,91) 376 (1,5) 382 (32,62) 189 (2,02) 228 (19,47) 102 (2,24) Az AK-kban szereplő igék szintaktikai funkciói változatosabbak, mint a mellékneveké: használhatók ragozott alakokban, amelyek tárgyi, alanyi vagy határozói funkciójú főneveket vonzanak magukhoz (pl.: apipilti klausimais, kelti kainą, parodyti laikas13, pastatyti į vietą), illetve nem ragozott alakokban, leggyakrabban melléknévi igenevek formájában, amelyek jelzői funkciót töltenek be (pl.: išpūsta kaina, einamieji metai, neapgalvotas sprendimas, klestinti šalis, negirdėtas dalykas, vykdomas darbas). A háromszavas AK-kban változhat a szavak sorrendje, pl.: atskubėti į pagalbą / į pagalbą atskubėti; eiti į rinkimus / į rinkimus eiti. A melléknevekből álló kollokációkkal összehasonlítva nagyobb az igék változatossága: a nem automatizált módszerrel meghatározott AK-k esetében ugyanaz az ige átlagosan 1,5 kollokációt alkot, az automatizált vektormódszerrel meghatározott AK-k esetében átlagosan 2,02 kollokációt, míg a mindkét módszerrel meghatározott AK-k esetében a legkisebb az igék változatossága – ugyanaz az ige átlagosan 2,24 AK-t alkotott. Valószínűleg az vezetett ehhez az eredményhez, hogy a mindkét módszerrel meghatározott kollokációkból van a legkevesebb. Másfelől a tendenciák hasonlóak: a legnagyobb lexikai változatosságot a nem automatizált módszerrel meghatározott AK-k mutatják. 13Néha a szubjektumi kollokációk lemmái szokatlannak tűnnek, de a főnévi igenév használata mellett döntöttünk, mert igen változatos ragozott alakok fordulhatnak elő, például: parodys laikas, parodė laikas, parodytų laikas. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 27doi.org/10.35321/bkalba.2021.94.06 Az adatok elemzésekor az igék nagyfokú változatossága figyelhető meg (különböző igének tekintettük az előtagos és előtag nélküli, illetve az eltérő előtaggal álló igéket (pl.: saugoti, apsaugoti, išsaugoti); a visszaható és nem visszaható alakokat, ha nem változtatják meg a jelentést, ugyanannak az igének tekintettük), de vannak olyan vonzatképes igék, amelyekkel akár több vagy egyenesen több mint tíz AK is létrejön, például: nyújtani: védelmet nyújtani, információt nyújtani, lehetőséget biztosítani, választási lehetőséget biztosítani, tájékoztatást nyújtani valamiről; szánni: kevés figyelmet szentelni, időt szánni, figyelmet fordítani, nagy figyelmet szentelni, házi őrizetre ítélni, nagy figyelmet fordítani, sok időt szánni, nagy figyelmet szentelni, figyelmet kell fordítani; jönni / elkövetkező: választásokra menni, euró jön, eljön az idő, eljön az alkalom, elkövetkező évek, elkövetkező választások, a következő évi költségvetés, a következő év eleje, a következő hónap, a következő hét eleje, a következő szezon, elkövetkező évek, elkövetkező nap, elkövetkező hét. Látható, hogy az egy igével alkotott AK-k jelentős része ugyanazon kollokáció variációja; vö. a korábban megadott AK-kat, a skirti dėmesį változatait. Mindazonáltal a kollokációk bármilyen lexikai és grammatikai variációját (megváltozik a szórend, további szavak kerülnek be) külön kollokációként számoljuk. Külön kollokációnak tekintjük azt az esetet, amikor ugyanaz az ige ragozott (ilyenkor lemmaként leggyakrabban a főnévi igenév szerepel) vagy nem ragozott alakban fordul elő (pl.: kovoti dėl vietos, kovoti iki pabaigos, kovojanti grupė). Tehát az igéket tartalmazó kollokációk nagyobb lexikai változatosságát (a melléknevekhez képest) az ige szófaji sajátossága okozza: ugyanazon igető gyakran fordul elő különböző előtagokkal. Egyrészt az ilyen igéket különböző szavaknak lehet tekinteni, másrészt az ezekből származó adatokat nem igazán lehet összehasonlítani a melléknevekre vonatkozó adatokkal, amelyek minden esetben különálló szavak, nem pedig ugyanazon szó képzési variánsai. A nem automatizált módszerrel meghatározott AK-k. A melléknév + főnév kollokációktól némileg eltérően az igéket tartalmazó kollokációkat gyakran nemcsak az átvitt jelentés kritériuma (pl.: gadinti gyvenimą, atverti galimybę), hanem a korlátozott lexikai vonzatképesség kritériuma és a lexikai-szemantikai csoportok tesztje alapján is arbitrarisként ismerték fel. Például a vaizdas, būdas, informacija szavakkal álló kollokációkat a következő paradigmák alapján értékelték: BENDRINĖ KALBA 94 (2021)http://journals.lki.lt/bendrinekalbaISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 28 doi.org/10.35321/bkalba.2021.94.06 iškraipyti informaciją iškraipyti rinką iškreipta informacija iškreiptas būdas iškreiptas vaizdas Az iškraipyti, iškreipti igék (attribútív használatban is) vonzata nem széles körű: az iškraipyti paradigmájához tartozó kollokációkhoz még hozzá lehetne adni az iškraipyti žodžius kollokációt, de a žodžiai főnév ugyanabba a csoportba kerülne, mint az informacija, ezért úgy döntöttek, hogy mindkét kollokációt az AK-k közé sorolják. Az attribútív használatú iškreiptas melléknévi igenévvel három kollokáció jött létre, és mindet AK-nak tekintették, mert bár a paradigma bővíthető lenne (például hozzáadható az iškreiptas mąstymas), továbbra is korlátozott maradna. A informacija, vaizdas, būdas főnevek – még ha ugyanahhoz az absztrakt lexikai-szemantikai csoporthoz sorolhatók is – mindössze hárman vannak, a kevés szóból álló csoport pedig a lexikai-szemantikai csoportok tesztjének alkalmazásakor az egyik feltétel. A szinonimák helyettesíthetőségének tesztjét alkalmazva kiderül, hogy az iškraipyti, iškreiptas helyett például nem használható az išdarkyti / išdarkytas. Az automatizált módszerrel azonosított AK-k. Fontos hangsúlyozni az automatizált módszer egy korlátját: az AK-k egy része felismeretlen maradhat, mert az ilyen kollokációkat nem azonosították a Delfi.lt korpuszban (noha maga a szókapcsolat előfordulhatott). Például a háromszavas aiškintis įvykio aplinkybes kollokációt az AK-k közé sorolták a VE-be felvett analizuoti, aiškintis, tirti szinonimák alapján. A korpuszban csak az aiškintis igével alkotott kollokációt találták meg, ezért azt AK-nak minősítették. Másrészt egy másik korpuszban az tirti įvykio aplinkybes kollokáció is előfordulhatna, vagyis ugyanazon szinonimacsoport alapján végzett teszteléskor nem egy, hanem két kollokációt minősítenének arbitrálisnak. Az automatizált módszerrel azonosított kollokációk között vannak olyan esetek, amelyeket a nyelvészek nem minősítettek AK-nak éppen azért, mert a nyelvi intuíció alapján nem gondolták, hogy a beszélők hajlanának arra, hogy a több lehetséges szinonima közül egyet válasszanak. Példaként említhetők a következő kollokációk: suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį. A nyelvészek egyik kollokációt sem minősítették arbitrálisnak. Az automatizált módszerrel megállapították, hogy mindhárom AK, mivel a Delfi.lt korpusz kollokációi között nem voltak az adott szinonimacsoportok más tagjaival alkotott kollokációk, vagyis előfordult a suprasti pasaulį, de nem fordult elő a suvokti pasaulį; előfordult a pažinti pasaulį, de nem fordult elő az išmokti pasaulį; előfordult a žiūrėti į pasaulį, de nem fordult elő a žvelgti į pasaulį. Nyelvészeti értékelés alapján megállapították, hogy e három ige vonzata nem mutat korlátozott vonzatkészletre utaló jegyeket. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 29doi.org/10.35321/bkalba.2021.94.06 Mindkét módszerrel AK-kat állapítottak meg. Meg kell jegyezni, hogy e csoport AK-it nem feltétlenül ugyanazon kritérium alapján határozták meg. Az arbitralitás nem automatikus módszerrel történő értékelésekor az AK-kat bármelyik teszt alapján meg lehetett állapítani, nem feltétlenül a szinonimák felcserélhetősége alapján. Amint a melléknév–főnév kollokációkról írtuk, ugyanazokat az AK-kat nem automatikus módszerrel az átvitt jelentés kritériuma alapján választották ki, automatizált módszerrel pedig a korlátozott lexikai kombinálhatóság kritériuma (a szinonimák felcserélhetőségének tesztje) alapján, vö. sutriko eismas és sutriko sveikata; a nyelvészek azért választották ki ezeket, mert a sutr būti főnévi csoportok korlátozott körével kapcsolódik össze, a két módszer pedig azért minősítette e kollokációkat AK-knak, mert a sugedo és a sutriko szinonimák közül az értékelő kollokációkban csak az egyik fordult elő. A Apga l v otas sprendimas kifejezést AK-nak minősítették, mivel nem volt kollokációja egy másik szinonimával – a apmąstytas sprendimas kifejezéssel. Ezért fontos szem előtt tartani, hogy e csoport kollokációit nem ugyanazon kritérium alapján ismerték fel. 6. TÁBLÁZAT. Az sprendimas főnévvel és igékkel alkotott, megállapított AK-k Nem automatikus módszerrel megállapított AK-k Automatizált módszerrel megállapított AK-k Mindkét módszerrel megállapított AK-k 1) bírósági határozatot megfellebbezni 2) a határozatot elhalasztani 3) határozatot hozni 4) a határozatot megalapozni 5) megoldást keresni 6) jogerős határozat 7) meggondolatlan határozat 8) nem hoz határozatot 9) nem hajtja végre a bírósági határozatot 10) a határozat bevált 11) megfelelő határozatot hozni, szükséges határozatot hozni 12) határozatot hozogatni 13) egyetérteni a határozattal 14) határozatot kihirdetni 15) határozatot megfellebbezni (a bíróságnál) 16) végrehajtani a bírósági határozatot 1) határozatot hozni 2) határozatot követelni 3) javasolt megoldás 4) határozatra várni 5) határozatot aláírni 1) végrehajtani a bírósági határozatot 2) meghozott határozat 3) javasolt határozat 4) határozatot kihirdetni 5) átgondolt határozat BENDRINĖ KALBA 94 (2021)http://journals.lki.lt/bendrinekalbaISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 30 doi.org/10.35321/bkalba.2021.94.06 Annak értékelésekor, hogy a különböző módszerekkel mennyit sikerült megállapítani az egyik legproduktívabb főnév, a sprendimas „döntés” ige + főnév kolokációiból (lásd a 6. táblázatot), megállapítható, hogy a legtöbbet a nem automatizált módszerrel azonosították, míg mindkét módszerrel, illetve az automatizált módszerrel mindössze öt-öt AK-t állapítottak meg. ÖSSZEFOGLALÓ MEGJEGYZÉSEK A melléknevekből és főnevekből, valamint igékből és főnevekből álló kétszavas és háromszavas AK-k elemzése alapján elmondható, hogy a nem automatizált módszerrel körülbelül a felüket, az automatizált módszerrel mintegy harmadukat, mindkét módszerrel pedig körülbelül az ötödüket állapították meg. Az e módszerekkel azonosított AK-knak csak kis része esik egybe, ami arra utal, hogy a két módszer együttes alkalmazásával több AK állapítható meg. Következésképpen az AK-k felismerése érdekében érdemes kihasználni mind a nem automatizált, mind az automatizált módszer lehetőségeit. Hangsúlyozandó, hogy a nem automatizált elemzés során nem egy, hanem két kiválasztási kritériumot alkalmaztak, ezért a nem automatizált módszerrel azonosított adatok mennyisége jóval meghaladja az automatizált módszerrel azonosítottakét. A nem automatizált elemzés nemcsak a metaforikus jelentés kritériumát foglalta magában, hanem a korlátozott lexikai kollokálhatóság kritériumát is, amelyet két teszttel (a lexikai-szemantikai csoportok és a szinonimák felcserélhetőségének vizsgálatával) ellenőriztek; az automatizált módszerrel viszont csak a szinonimák felcserélhetőségi tesztjén alapuló, korlátozott lexikai kollokálhatóság kritériumát alkalmazták. A kritériumok eltérő száma miatt a különböző módszerekkel kapott eredmények nem hasonlíthatók össze, hiszen az első módszerrel mindenképpen több AK-t azonosítottak, az egybeeső kolokációk száma pedig viszonylag alacsony. Érdekes lenne összehasonlítani a közös, korlátozott kollokálhatósági kritérium (a szinonimák felcserélhetőségi tesztje) alapján automatizált és nem automatizált módon azonosított AK-kat. Egy ilyen összehasonlítás kimutathatná, hogy az azonosított AK-k egy része megegyezik, ugyanakkor lehetővé tenné annak felmérését, hogy melyik módszerrel választottak ki több AK-t, és miben különböznek az egyezést nem mutató AK-k. A nem automatizált módszerrel nemcsak több, hanem lexikailag változatosabb adatot is gyűjtöttek. Ezzel a módszerrel azonosított AK-k változatosabb melléknevekből és igékből állnak, míg az automatizált módszerrel kisebb lexikai változatosságú AK-k keletkeznek. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 31 doi.org/10.35321/bkalba.2021.94.06 Az automatizált módszer kipróbálásakor elsősorban az volt a cél, hogy csökkentsék a szubjektivitás szerepét az arbitralitás megítélésében, és kizárólag a korpuszban rögzített adatokra támaszkodjanak. Ha egy adott korpuszból vektormódszerrel megállapított szinonimapárok vagy -csoportok állnak rendelkezésre, az értékelési eljárás egyszerűbbé válik, mivel könnyebb eldönteni, hogy a kolokáció egyik eleme helyettesíthető-e: ha a vizsgált anyagban a szinonimapár vagy -csoport valamennyi szavával szerepelnek kolokációk, akkor lehetséges a helyettesítés. Természetesen az automatizált módszer hátrányai is megmutatkoztak. Mivel az értékelt kolokáció arbitralitását a VE szinonimái alapján állapítják meg, egyes AK-k felismeretlenek maradhatnak, hiszen az arbitralitás megítélése nagymértékben függ a rendelkezésre álló VE-től. A teszteléshez kizárólag annyi és olyan szinonimát használnak, amennyi és amilyen a VE-ben összegyűlt; ennek következtében nem minden kolokációt ismernek fel AK-ként. Bár az AK-k elemzésének folyamata automatizálható, a folyamat kezdeti szakaszában szükség van a nyelvészek közreműködésére: a vektormódszerrel összeállított VE-kben el kell különíteni a szinonimákat a más szemantikai kapcsolatokkal összefüggő szavaktól, például az antonimáktól. Annak ellenőrzésekor, hogy a nyelvészeti ellenőrzés után mennyi marad az automatikusan nyert adatokból, látható, hogy a VE-kből sok melléknevet és igét eltávolítottak, a megmaradó adatoknak pedig rendre 41, illetve 30 százaléka is szerkesztésre, rendezésre szorul. Mivel a vektormódszer nem csupán szinonimikus kapcsolatban álló szavakat azonosít, a felcserélhetőségi teszthez szükséges szinonimaadatok előkészítése hosszabb időt vesz igénybe. Ezért érdemes lenne más, a szinonimikus kapcsolatok megállapítására szolgáló módszereket is kipróbálni. Azt értékelve, hogy a vektormódszer mennyire alkalmas a szinonimák kiválasztására, az automatikusan gyűjtött adatok értékét alátámasztó érvek közül a következők említhetők. Először is, a vektormódszerrel több és másféle szinonima állapítható meg, mint pusztán az introspekció segítségével. Másodszor, az ezzel a módszerrel azonosított szinonimák (természetesen a nem szinonimák előzetes kiszűrése után) a szinonímia szempontjából fontos jelenséget tárnak fel: nemcsak az egyes szavak, hanem a szókapcsolatok is lehetnek szinonimák. Harmadszor, a vektormódszer nagy mennyiségű adat feldolgozására alkalmas, vagyis egy nagy korpuszból is képes szinonimákat azonosítani, miközben ilyen sok szó kontextuális hasonlóságának kézi értékelése nehézkes volna. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 32 doi.org/10.35321/bkalba.2021.94.06 LITERATŪRA Bielinskienė Agnė, Boizou Loic, Bumbulienė Ieva, Kovalevskaitė Jolanta, Krilavičius Tomas, Mandravickaitė Justina, Rimkutė Erika, Vilkaitė-Lozdienė Laura (sud.) 2019: Lietuvių kalbos kolokacijų žodynas, Kaunas: Vytauto Didžiojo universitetas. Prieiga internete: https://doi.org/10.7220/9786094673733. Divjak Dagmar, Gries Stefan T. 2006: Ways of Trying in Russian. Clustering and Comparing Behavioral Profiles. – Corpus Linguistics and Linguistic Theory 2(1), 23–60. Drūlienė Viltė 2008a: Erduvinės metaforos Daiktavardinių frazių žodyne: magistro darbas, Kaunas: Vytauto Didžiojo universitetas. Drūlienė Viltė 2008b: Lietuviškosios metaforikos vertikalumo matas. – Darbai ir dienos 50, 73–90. Grigonytė Gintarė 2010: Building and Evaluating Domain Ontologies: NLP Contributions: daktaro disertacija, Berlin: Logos Verlag Berlin. Handl Susanne 2008: Essential Collocations for Learners of English: The Role of Collocational Direction and Weight. – Phraseology in Foreign Language Learning and Teaching, eds. F. Meunier, S. Granger, Amsterdam, Philadelphia: John Benjamins Publishing Company, 43–66. Howarth Peter 1998: Phraseology and Second Language Proficiency. – Applied Linguistics 19 (1), 24–44. Jakaitienė Evalda 2010: Lietuvių kalbos leksikologija, Vilnius: Vilniaus universiteto leidykla. Kovalevskaitė Jolanta, Rimkutė Erika, Vilkaitė Laura 2020: Light Verb Constructions in Lithuanian: Identification and Classification. – Kalbų studijos 36, 5–16. Kovalevskaitė Jolanta, Rimkutė Erika, Vaičenonienė Jurgita 2021: Automatizuotas arbitraliųjų kolokacijų atpažinimas: būdvardžių ir daiktavardžių kolokacijos. – Kalbų studijos 39, 71–84. Lewis Michael 2000: Teaching Collocation: Further Developments in the Lexical Approach, London: Language Teaching Publications. Marcinkevičienė Rūta 2010: Lietuvių kalbos kolokacijos, Kaunas: Vytauto Didžiojo universitetas. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 33 doi.org/10.35321/bkalba.2021.94.06 Nesselhauf Nadja 2003: The Use of Collocations by Advanced Learners of English and Some Implications for Teaching. – Applied Linguistics 24 (2), 223–242. Nesselhauf Nadja 2005: Collocations in a Learner Corpus, Amsterdam: John Benjamins. Pennington Jeffry, Socher Richard, Manning Christopher D. 2014: GloVe: Global Vectors for Word Representation. – Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNL). Association for Computational Linguistic. Doha, Qatar, October 25–29, 2014, 1532–1543. Reder Anna 2006: Kollokationen in der Wortschatzarbeit. Praesens Verlag. Strakatova Yana, Hinrichs Erhard 2019: Semantic Modelling of Adjective-Noun Collocations Using FrameNet. – Proceedings of the Joint Workshop on Multiword Expressions and WordNet, 104–113. Stulpinaitė Miglė, Horbačauskienė Jolita, Kasperavičienė Ramunė 2016: Issues in Translation of Linguistic Collocations. – Kalbų studijos 29, 31–41. Šilinytė Justina 2008: Ontologinės ir struktūrinės metaforos Daiktavardinių frazių žodyne: magistro darbas, Kaunas: Vytauto Didžiojo universitetas. Volungevičienė Skaistė 2010: Metaforinių kolokacijų vertimo problemos. – Kalbų studijos 16, 23–27. Gauta 2021 11 14 Priimta 2021 12 15 BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 34 doi.org/10.35321/bkalba.2021.94.06 ARBITRALIŲJŲ LIETUVIŲ KALBOS KOLOKACIJŲ NUSTATYMAS Santrauka Šiame straipsnyje sprendžiama arbitraliųjų lietuvių kalbos kolokacijų atpažinimo problema. Tam skirtas projektas „Arbitrariosios lietuvių kalbos kolokacijos: atpažinimas, aprašymas, vartojimas (ARKA)“. Arbitraliosiomis kolokacijomis laikomos kolokacijos, kurių žodžių junglumo pagrindas yra ne semantiniai, o leksiniai ribojimai. Tokios kolokacijos tiesiogiai neatspindi nekalbinės tikrovės, o ryšys tarp jų žodžių – arbitralius: nors pagal panašią reikšmę teoriškai galima rinktis daugiau negu vieną junglumo partnerį, bet linkstama vartoti kurį nors vieną, pvz., suprasti užuominą, bet ne *subokti užuominą. Tyrimo šaltinis yra Lietuvių kalbos pastoviųjų žodžių junginių duomenų bazė, kurioje pateikiama apie 12 tūkst. kolokacijų; ištyrus kolokacijas su 97 daiktavardžiais, arbitraliosiomis priskirta apie 2400 kolokacijų, kurių struktūra yra būdvardis / būdvardiškai vartojamas dalyvis + daiktavardis, veiksmažodis + daiktavardis, daiktavardis + daiktavardis. Straipsnyje aprašyti du pagal minėtą projektą išbandyti arbitraliųjų kolokacijų nustatymo metodai: neautomatinis lingvistinės analizės ir automatizuotas kompiuterinės lingvistikos metodas. Nustatant AK neautomatiškai, taikyti du pagrindiniai kriterijai: perkeltinės reikšmės kriterijus ir riboto leksinio junglumo kriterijus, kuriam įvertinti taikyti veiksmažodžio ar būdvardžio sinonimų pakeičiamumo ir (arba) daiktavardžių leksinių semantinių grupių testai. Vienas iš AK nustatymo kriterijų – riboto leksinio junglumo – buvo tikrinamas ir automatizuotai, vektorių metodų nustatčius pakeičiamumo testui reikalingus sinonimus. Automatizuoto metodo taikymą sudarė šie etapai: 1) automatinis, kai vektorių metodu buvo surenkamos vektorių eilės su panašų kontekstą turinčiais žodžiais; 2) neautomatinis – vektorių eilių tvarkymas paliekant tik sinoniminiais ryšiais susijusius žodžius; 3) iš dalies automatinis etapas, kai kolokacijos buvo automatiškai susiejamos su konkrečiomis sinonimų eilėmis ir po peržiūros lingvistų patvirtinamos arba nepatvirtinamos kaip AK. Neautomatiniu metodu nustatyta apie pusė AK, automatizuotu metodu – apie trečdalis. Neautomatinei analizei taikytas ne vienas, o du atrankos kriterijai, todėl neautomatiškai nustatytų duomenų daug daugiau negu nustatytų automatizuotai. Nors BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 35 doi.org/10.35321/bkalba.2021.94.06 automatizuotu metodu galima sumažinti subjektyvumą vertinant duomenis ir supaprastinti arbitralumo vertinimo procedūrą, tačiau pastebėta ir tai, kad arbitralumo pripažinimą lemia vektorių eilėje esantys sinonimai, taigi dalis AK gali likti neatpažintos. Vektorių metodu surinktus sinonimus reikia atskirti nuo kitais semantiniais ryšiais susijusių žodžių, tam reikalinga lingvisto patikra. Tačiau, nepaisant šio ribotumo, vektorių metodas yra tinkamas dideliam duomenų kiekiui apdoroti, o rankiniu įvertinti gausybės žodžių konteksto panašumą būtų sunku. Abiem metodais atpažintos kolokacijos sudaro tik penktadalį visų nustatytų AK, todėl yra pagrindo manyti, kad siekiant atpažinti AK svarbu taikyti tiek automatizuoto, tiek ir neautomatinio metodo teikiamas galimybes. BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 36 doi.org/10.35321/bkalba.2021.94.06 IDENTIFICATION OF LITHUANIAN ARBITRARY COLLOCATIONS Summary In this article, we describe the methodological approaches of arbitrary collocation (AC) identification developed within the framework of an ongoing project “Arbitrary Collocations of Lithuanian: Identification, Description and Usage (ARKA)”. The object of this research is arbitrary collocations of the Lithuanian language the collocability of which is determined by lexical rather than semantic constraints. Such collocations do not directly reflect the non-linguistic reality and the relation between the collocates is arbitrary: although there may be several close synonyms, a particular one is preferred in a certain word combination (e.g., suprasti užuominą vs. *suokti užuominą). The source of the research was the Database of Lithuanian Multiword Expressions encompassing over 12.000 collocations. The structural composition of the identified 2400 arbitrary collocations was as follows: adjective (participle)+noun, verb+noun, and noun+noun. Arbitrary collocations were determined by combining the manual linguistic analysis and semi-automatic methods of computational linguistics. The manual method included two major AC identification criteria: lexical restrictedness and (or) meaning transfer. Lexical restrictedness was measured using two tests: the synonym substitution of pre-modifier and (or) semantic field comparison of the head noun. Moreover, lexical restrictedness was also assessed using a semi-automatic approach by analyzing synonym pairs in the automatically generated vector strings. The semi-automatic approach consisted of three stages: (1) the automatic generation of vector strings with potential synonyms; (2) the manual vector string editing to reduce the noise, and (3) the semi-automatic process during which the collocations were compared to particular synonym pairs in vector strings and approved or not approved by linguists as arbitrary. Approximately half of ACs were detected by using the manual method based on two AC identification criteria, whereas about one-third of ACs were identified using the semi-automated method based on one criterion. On the one hand, the semi-automatic method can reduce the subjectivity in data evaluation and simplify the AC identification procedure. On BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 37 doi.org/10.35321/bkalba.2021.94.06 the other hand, as arbitrariness is determined on the basis of the available synonyms in the vector string, some ACs may not be identified because of the insufficient scope of the generated synonyms. Also, the automatically generated synonyms need to be manually analyzed to eliminate semantically unrelated words. Despite these limitations, the method is suitable for processing large amounts of the data. It would be difficult to manually assess the contextual similarity of such a large number of words. About one fifth of ACs were identified using a combination of both methods. These results suggest that different methodological approaches allowed the researchers to detect more arbitrary collocations. It is maintained that taking into consideration the mentioned advantages and disadvantages, the best results in the Lithuanian arbitrary collocation identification are acquired when combining both manual and semi-automatic methods. KEYWORDS: arbitrary collocations, Lithuanian, lexical restrictedness, vector space model, semi-automatic approach, linguistic manual approach. JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Vytauto Didžiojo universitetas Kristijono Donelaičio g. 58, 44248 Kaunas [email protected] [email protected] [email protected] BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204