Arbitraliųjų lietuvių kalbos kolokacijų nustatymas

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Universiteit Vytautas Magnus IDENTIFICATIE VAN ARBITRAIRE LITOUWSE COLLOCATIES TREFWOORDEN: arbitraire collocaties, Litouwse taal, beperkte lexicale combineerbaarheid, vectormethode, geautomatiseerde identificatie, linguïstische handmatige identificatie. SAMENVATTING Het onderzoeksobject dat in dit artikel wordt gepresenteerd, zijn arbitraire collocaties in het Litouws. Hun combineerbaarheid berust niet op semantische, maar op lexicale beperkingen; dergelijke collocaties weerspiegelen de niet-talige werkelijkheid niet rechtstreeks. De relatie tussen de woorden ervan is arbitrair: hoewel men op grond van een vergelijkbare betekenis theoretisch meer dan één combineerbare partner zou kunnen kiezen, neigt men ertoe slechts één ervan te gebruiken. Het artikel beschrijft methoden voor de identificatie van arbitraire collocaties die zijn getest in het kader van het project “Niet-automatische linguïstische analyse en geautomatiseerde methode voor computationele linguïstiek (ARKA)”. Het onderzoeksmateriaal is afkomstig uit de databank van vaste woordcombinaties in het Litouws. ABSTRACT Het artikel beoogt de methodologische benaderingen te beschrijven voor de identificatie van arbitraire collocaties (AC), ontwikkeld in het kader van het project “Arbitraire collocaties in het Litouws: identificatie, beschrijving en gebruik (ARKA)”. De bron voor het onderzoek was de “Databank van Litouwse meerwoordige uitdrukkingen”. Arbitraire collocaties werden vastgesteld door handmatige en semi-automatische methoden uit de computationele linguïstiek te combineren. INLEIDING Zoals bekend bestaat een groot deel van de vaste woordcombinaties uit collocaties. Wanneer deze echter automatisch met statistische of hybride methoden uit corpora worden geëxtraheerd (zie voor meer details Bielinskienė et al. 2019: 15–22), worden ook heel wat combinaties aangemerkt als collocaties die 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 daartoe worden gerekend omdat de frequentie waarmee de samenstellende woorden samen voorkomen automatisch als statistisch significant wordt beoordeeld, bijvoorbeeld: zes jaar, een zonnige dag, een mooie vrouw, enzovoort. Zo ontstaan er onder de collocaties ook onechte collocaties: gewone vrije woordcombinaties die op semantische, en niet op lexicale beperkingen berusten (Marcinkevičienė 2010: 90–91). Sommige onderzoekers beschouwen alleen echte collocaties als collocaties (ook wel ongemotiveerde of arbitraire collocaties genoemd): conventionele woordcombinaties die niet rechtstreeks de niet-talige werkelijkheid weerspiegelen en waarvan de woorden arbitrair met elkaar verbonden zijn (zie Kovalevskaitė et al. 2021 voor een uitvoeriger bespreking van arbitrariteit). Het onderzoeksobject van deze studie zijn juist arbitraire collocaties (hierna AK), dat wil zeggen collocaties die worden gekenmerkt door beperkte lexicale combineerbaarheid (Engels: lexical restrictedness): hoewel men op grond van een vergelijkbare betekenis in theorie uit meer dan één combineerbare partner kan kiezen, geeft men er de voorkeur aan één bepaalde partner te gebruiken, bijvoorbeeld een hint begrijpen, en niet *een hint vatten; binnen handbereik, en niet *met de hand te pakken. Rūta Petrauskaitė schrijft: ‘Het ontbreken van een rechtstreeks verband met de benoemde werkelijkheid heeft tot gevolg dat niet alleen de combineerbaarheid van hetzelfde woord sterk verschilt tussen verschillende talen, maar dat zelfs binnen één taal het ene lid van een collocatie niet door een ander, synoniem lid kan worden vervangen zonder het risico dat de uitdrukking ongebruikelijk klinkt, bijvoorbeeld de tijd gaat, loopt, glijdt, maar niet *stapt, rent, kruipt’ (Marcinkevičienė 2010: 91). Volgens R. Petrauskaitė zijn de combineerbare partners van het hoofdwoord in echte (arbitraire) collocaties onvoorspelbaar; de basis voor de combineerbaarheid van dergelijke collocaties wordt gevormd door lexicale beperkingen (Marcinkevičienė 2010: 90). AK hebben tot dusver weinig aandacht gekregen van onderzoekers van het Litouws, hoewel het identificeren ervan zou helpen deze collocaties af te bakenen als de kern van de Litouwse collocaties. Dit is vooral nuttig voor vertaling, het onderwijs in het Litouws als vreemde taal en de lexicografie. Met die doelen worden AK geanalyseerd in het kader van het project ‘Arbitraire collocaties in het Litouws: herkenning, beschrijving, gebruik (ARKA)’1, dat beoogt de AK in het Litouws te beschrijven en lexicografische en didactische hulpmiddelen voor AK te ontwikkelen. Het doel van het artikel is te beschrijven welke methoden in het ARKA-project zijn toegepast om AK in het Litouws te identificeren en de resultaten van de verschillende methoden te vergelijken. De AK zijn geanalyseerd met niet-geautomatiseerde methoden voor taalkundige analyse en geautomatiseerde methoden uit de computerlinguïstiek. 1 Het project wordt gefinancierd door de Litouwse Onderzoeksraad (nr. S-LIP-20-18); zie voor meer informatie 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 Bronnen: 1) de database van vaste woordcombinaties in het Litouws (hierna PŽJDB)2, die ongeveer 12.000 collocaties bevat; 2) het Delfi.lt-corpus3, samengesteld uit 70 miljoen woorden en bestaande uit teksten die tussen 2014 en 2016 zijn gepubliceerd in verschillende rubrieken van het Delfi.lt-nieuwsportaal (voor meer informatie over het corpus, zie Bielinskienė et al. 2019: 14–15). Het onderzoeksmateriaal bestaat uit collocaties gevormd met 97 zelfstandige naamwoorden (plaats, omgeving, manier, man, vrouw, ding enz.4). Hun structuren zijn: bijvoeglijk(e) naamwoord(en) / gebruikt deelwoord + zelfstandig naamwoord, werkwoord + zelfstandig naamwoord, zelfstandig naamwoord + zelfstandig naamwoord. Na het onderzoek werden ongeveer 2400 collocaties als AK geclassificeerd. Het merendeel bestaat uit twee woorden, maar een deel uit drie; de laatste zijn doorgaans samengesteld uit werkwoorden, bijvoeglijke naamwoorden en zelfstandige naamwoorden (de volgorde van de bestanddelen kan verschillen). Het eerste deel van het onderzoeksmateriaal, namelijk collocaties met de structuur bijvoeglijk naamwoord + zelfstandig naamwoord, is besproken in een eerder artikel (Kovalevskaitė et al. 2021). Daarin werd een poging beschreven om AK te herkennen met behulp van een van de methoden uit de computationele taalkunde: de geautomatiseerde (vector)methodiek; ook deze methode werd uitvoerig toegelicht. Dit artikel vat het volledige onderzoek naar de herkenning van AK samen. Het eerste hoofdstuk presenteert beide toegepaste methoden: de niet-geautomatiseerde methode (zie § 1.1), waarbij ook de gehanteerde criteria en tests worden beschreven, en de geautomatiseerde methode, waarvan de toepassing wordt geïllustreerd aan de hand van een groep collocaties met de structuur werkwoord + zelfstandig naamwoord (zie § 1.2). In het tweede hoofdstuk worden, op basis van de gegevens uit alle onderzoeksfasen, de resultaten van de toepassing van de methoden, hun mogelijkheden en hun beperkingen besproken en vergeleken; deze zijn van belang voor de beoordeling van de vastgestelde lijst met AK en voor de planning van verder onderzoek naar AK. 1. METHODEN VOOR HET VASTSTELLEN VAN ARBITRAIRE COLLOCATIES Bij de bespreking van AK wordt erop gewezen dat de grens tussen arbitraire en zogenoemde triviale collocaties bij abstracte zelfstandige naamwoorden kan worden getrokken: „<...> collocaties die zijn gebaseerd op abstracte zelfstandige naamwoorden kunnen worden beschouwd als echte, ongemotiveerde, 2 http://resursai.pastovu.vdu.lt/paieska/paprastoji 3 https://klc.vdu.lt/pastovuSearch.html 4 Het gaat dus zowel om concrete als abstracte zelfstandige naamwoorden die doorgaans vaste woordcombinaties vormen en zijn vastgesteld op basis van het Delfi.lt-corpus; zie Bielinskienė et al. 2019 voor meer informatie hierover. 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 en vaste verbindingen met concrete zelfstandige naamwoorden doorgaans op de niet-talige werkelijkheid berusten en triviaal zijn” (Marcinkevičienė 2010: 91). Een van de criteria die in studies over collocaties worden genoemd, is dus de semantiek van zelfstandige naamwoorden. Uit dit onderzoek bleek dat de meeste AK inderdaad zijn gevormd met namen van abstracte begrippen, maar er werd ook vastgesteld dat arbitrariteit kenmerkend is voor collocaties met concrete zelfstandige naamwoorden, vgl.: de snelheid beperken, oefeningen doen, steekpenningen aannemen, het plein verlaten, een lening opnemen, telefonisch praten, een toneelstuk opvoeren enz. De uitdaging van dit onderzoek was niet alleen om criteria voor de herkenning van AK toe te passen, maar ook om een methodologie te kiezen die geschikt was voor het werken met grote hoeveelheden gegevens, zodat op basis daarvan lijsten van AK in het Litouws konden worden samengesteld door een groot aantal collocaties te onderzoeken (hiervoor werd materiaal uit PŽJDB gebruikt). In het kader van het project werden twee methoden voor het vaststellen van AK uitgeprobeerd en toegepast: een handmatige en een geautomatiseerde. Eerst werd de handmatige methode toegepast, waarbij criteria voor de erkenning van AK werden gekozen (zie § 1.1). Omdat PŽJDB veel gegevens bevat, was een van de projectdoelstellingen om naast de handmatige methode ook een methode uit te proberen waarmee het proces van erkenning van AK ten minste gedeeltelijk kon worden geautomatiseerd (zie § 1.2). 1.1. Handmatige vaststelling van AK Bij de handmatige vaststelling van AK werden twee hoofdcriteria toegepast: 1) het criterium van beperkte lexicale combineerbaarheid, dat werd beoordeeld met de methode van vervangbaarheid door synoniemen en/of de methode van lexicaal-semantische groepen van zelfstandige naamwoorden; 2) het criterium van figuurlijke betekenis. Als een collocatie aan ten minste één criterium voldeed, werd zij als arbitrair beschouwd. Hieronder wordt besproken hoe elk criterium werd toegepast om te beoordelen of een collocatie als arbitrair moest worden beschouwd. 1.1.1. Vaststelling van AK op basis van beperkte lexicale combineerbaarheid Zoals in de inleiding is vermeld, worden collocaties met een beperkte lexicale combineerbaarheid als arbitrair beschouwd, dat wil zeggen dat een bijvoeglijk naamwoord of werkwoord dat in een specifieke betekenis in combinatie met een zelfstandig naamwoord wordt gebruikt, onderhevig is aan een zekere, meer of minder arbitraire beperking van de vervangbaarheid (Engels arbitrary restriction on substitutability; Nesselhauf 2003, 2005). Op basis van het begrip beperkte lexicale combineerbaarheid kan dus niet elk bestanddeel van een collocatie in een bepaalde betekenis 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 gebruikt met alle syntactisch en semantisch mogelijke collocaten. Hoewel er theoretisch vervangende collocaten te vinden zijn, zouden die ofwel helemaal niet passen, ofwel ongebruikelijk zijn, bijvoorbeeld: gunstige versus *nuttige omgeving; gelaagde versus *gelaagde roman. Taalkundigen toetsten het criterium van beperkte lexicale combineerbaarheid met twee tests: 1) aan de hand van synoniemen van het werkwoord of bijvoeglijk naamwoord (d.w.z. of deze vervangen kunnen worden door andere woorden met een verwante betekenis die als synoniemen gelden); 2) aan de hand van lexicaal-semantische groepen van zelfstandige naamwoorden. Omdat AK worden beschouwd als collocaties waarin een van de bestanddelen doorgaans niet kan worden vervangen door een ander woord — een synoniem met een verwante betekenis — werd voor de herkenning van AK de test voor de vervangbaarheid door synoniemen toegepast (aangepast naar Nesselhauf 2003): als een bestanddeel van een collocatie niet kan worden vervangen door een ander synoniem met een verwante betekenis, werd die collocatie als AK beschouwd. Om bijvoorbeeld de arbitraliteit van de collocaties de wet overtreden, een systeem installeren, geleverd werk te beoordelen, werden mogelijke werkwoordsynoniemen getoetst: *de wet schenden, *een systeem invoeren, *ingestoken / ingeladen werk; vervolgens werd bepaald of vervanging mogelijk was. Zo niet, dan werden de collocaties als AK erkend. Drie taalkundigen voerden de test uit met behulp van introspectie, maar baseerden zich op collocaties die waren vastgesteld aan de hand van het corpus Delfi.lt. Toch moet worden erkend dat het vaak vrij moeilijk was een synoniem te vinden; daarom werd ook vaak de tweede test toegepast, die op lexicaal-semantische groepen van zelfstandige naamwoorden was gebaseerd. De beperkte lexicale combineerbaarheid werd ook beoordeeld aan de hand van de diversiteit van de lexicaal-semantische groepen: op basis van de collocaties in PŽJDB werd nagegaan met zelfstandige naamwoorden uit hoeveel lexicaal-semantische groepen het bijvoeglijk naamwoord of werkwoord van een collocatie combineert; zo werd de omvang van de lexicale combineerbaarheid beoordeeld. Om zo nauwkeurig mogelijk vast te stellen met welke woorden een zelfstandig naamwoord kan worden gebruikt, werd zijn volledige paradigma geanalyseerd, dat wil zeggen alle collocaties die met dat zelfstandig naamwoord zijn gevormd. Hoewel het onderzoeksmateriaal in zijn geheel ongeveer 12.000 collocaties omvat die beschikbaar zijn in PŽJDB, bleek de informatie soms ontoereikend. Als het onderzoeksmateriaal slechts één collocatie met een bepaald bijvoeglijk naamwoord/werkwoord bevatte, vulden de taalkundigen het paradigma aan op basis van hun taalgevoel als moedertaalsprekers; als de database meerdere collocaties bevatte, werden de tests voor beperkte lexicale combineerbaarheid op het beschikbare paradigma toegepast. Op basis van de lexicaal-semantische groepen van zelfstandige naamwoorden werd de omvang van de combineerbaarheid beoordeeld volgens de volgende voorwaarden: 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) collocaties werden niet als AK beschouwd als een bepaald bijvoeglijk naamwoord/werkwoord combineert met zelfstandige naamwoorden uit veel verschillende lexicaal-semantische groepen en die groepen omvangrijk zijn. Een dergelijke combineerbaarheid van het bijvoeglijk naamwoord/werkwoord werd als breed beschouwd, zonder duidelijke lexicale beperkingen; vergelijk de grote verscheidenheid aan collocaties met goed: goed resultaat, werk, wereld, mens, tijd, leven, manier, ding, land, team, dag, beslissing, jaar, weer, plaats, helft, seizoen, mogelijkheid, prijs, wedstrijd, auto, eten, teken, gezondheid, weg, man, kind, product, vraag, begin, middel enz.; vergelijk ook kopen: een auto, eten, een product, bezit, grond kopen; b) als een bijvoeglijk naamwoord/werkwoord combineert met zelfstandige naamwoorden uit veel verschillende lexicaal-semantische groepen, maar één groep eruit springt of slechts enkele zelfstandige naamwoorden uit een bepaalde semantische groep worden gebruikt, kon de collocatie als AK worden beschouwd. Hoewel parkeren bijvoorbeeld een brede combineerbaarheid heeft, kan dit werkwoord niet met de namen van alle vervoermiddelen worden gebruikt; vergelijk een auto parkeren (evenals een fiets, motor parkeren), maar een schip aanmeren, een vliegtuig laten landen. De collocatie een auto parkeren behoort dus wegens haar beperkte combineerbaarheid tot de AK. Het werkwoord hebben wordt beschouwd als een woord met brede lexicale combineerbaarheid, omdat het veel en uiteenlopende collocaties kan vormen; in het volledige paradigma valt echter de collocatie een zaak hebben op — deze wordt als arbitrair beschouwd. Bij opklaren worden woorden uit twee lexicaal-semantische groepen gebruikt: natuurverschijnselen en gevoelens. Collocaties worden echter alleen gevormd met de zelfstandige naamwoorden het weer klaarde op en de stemming klaarde op; beide gevallen zijn daarom AK; c) collocaties die tot één grote semantische groep behoren, worden niet als AK beschouwd. In PŽJDB werd bijvoorbeeld slechts één collocatie aangetroffen: belastingen inhouden. Taalkundigen kunnen het paradigma echter op basis van het taalgevoel van een moedertaalspreker aanvullen met andere woorden (inhouden kan betrekking hebben op geld, een lening en andere financiële zaken); daarom erkennen zij belastingen inhouden niet als AK. Dit is een lexicaal-semantische groep die in PŽJDB door slechts één collocatie wordt vertegenwoordigd, maar in theorie omvangrijk is. Beperkte lexicale combineerbaarheid werd getoetst door beide woorden van een collocatie te beoordelen: het bijvoeglijk naamwoord/werkwoord kan niet door andere synoniemen worden vervangen (test 1) of (en/of) het paradigma van zelfstandige naamwoorden is beperkt (test 2). De collocatie geserveerd eten wijst er bijvoorbeeld op dat er veel zelfstandige naamwoorden uit de groep voedsel kunnen zijn (men kan voedsel, dranken, avondeten, lunch enz. serveren). Ze voldoet dus niet aan de voorwaarde van test 2, omdat er maar één semantische groep is, maar wel aan voorwaarde b, omdat serveren niet kan worden vervangen door aanreiken. Volgens test 2 wordt de collocatie dus als arbitrair erkend. Een ander voorbeeld: 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 Het werkwoord surengti wordt gebruikt met zelfstandige naamwoorden die evenementen en gebeurtenissen aanduiden (surengti rinkimus, koncertą...); dergelijke collocaties moeten dus niet als arbitrair worden beschouwd op grond van het criterium van de omvang van de semantische groep. Op basis van test 1 kunnen ze echter wel tot de AK worden gerekend, omdat surengti in dit geval niet kan worden vervangen door het synoniem suruošti. De synonymietest kan niet altijd worden toegepast. Zo kan hij niet worden toegepast wanneer er meerdere AK-varianten zijn, vgl.: kainos kyla ir kainos auga, didėja; klausimas kamuoja ir klausimas kankina; duoti galimybę ir suteikti galimybę; įgyti teisę ir įgauti teisę. Ook kan deze test niet worden toegepast op gevallen als sumokėti mokesčius, apgyvendintas miestas: voor de woorden sumokėti, apgyvendinti is zelfs hypothetisch moeilijk een synoniem voor te stellen. Als er geen synoniem wordt gevonden, kan de vervangbaarheid niet worden getoetst, omdat er op zijn minst theoretisch een mogelijkheid moet bestaan om tussen twee (of meer) synoniemen te kiezen. Bij het toetsen van de beperkte lexicale combineerbaarheid met zowel de synonymietest (test 1) als de test van lexicaal-semantische groepen (test 2) baseerden de linguïsten zich op hun moedertaalcompetentie. De resultaten van dergelijk werk worden echter onvermijdelijk beïnvloed door de factor subjectiviteit (zie over dit probleem bij het vaststellen van synoniemen Divjak, Gries 2006: 24–26). Daarom is ook een geautomatiseerde methode uitgeprobeerd om de vervangbaarheid van synoniemen te beoordelen (zie § 1.2). 1.1.2. AK vaststellen op basis van figuurlijk gebruik 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. Bijvoeglijke naamwoorden die figuurlijk worden gebruikt, hebben doorgaans ook een groter combineervermogen, en collocaties met bijvoeglijke naamwoorden met een groter combineervermogen zijn moeilijker voor leerders (Nesselhauf 2005: 238). Vanwege de relevantie voor het taalonderwijs en vertalen 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) werd bij het vaststellen van Litouwse AK het criterium van figuurlijk gebruik toegepast. Bij de niet-automatische analyse van collocaties werd het gebruik van een van de bestanddelen van de collocatie (een bijvoeglijk naamwoord, werkwoord of zelfstandig naamwoord) in figuurlijke betekenis als kenmerk van AK beschouwd. Dit werd vastgesteld door het volledige paradigma van een bepaald woord te analyseren, gegenereerd op basis van corpusgegevens van Delfi.lt (zie kolom 1 van tabel 1). Uit zo’n paradigma blijkt met welke andere bijvoeglijke naamwoorden of werkwoorden een bepaald zelfstandig naamwoord collocaties vormt en in welke betekenis het in die collocaties wordt gebruikt, evenals de betekenis waarin zijn collocaten – bijvoeglijke naamwoorden en werkwoorden – worden gebruikt. Soms kan alleen de ruimere context uitwijzen of een woord letterlijk of figuurlijk wordt gebruikt; in dat geval werd gebruikgemaakt van PŽJDB en het corpus Delfi.lt, vgl. žalias + automobilis: De vertegenwoordiger van „Unicredit Leasing“ in Litouwen merkt nog een paar groene auto’smarkttrends op. De door Marius Slaboševičius bestuurde groene auto liep een halve seconde achter <...>. De „Tesla Model S“ heeft verschillende prijzen voor beste auto gewonnen; een daarvan is de titel Wereldauto van het Jaar 2013, groene auto. Interessante conceptmodellen van groene auto’s. Uit de voorbeelden blijkt dat het bijvoeglijk naamwoord žalias de auto als milieuvriendelijk omschrijft, maar niet de kleur ervan aangeeft5. Een dergelijke collocatie werd als arbitrair beschouwd. Uiteraard zijn er in het corpus Delfi.lt, op basis waarvan PŽJDB is samengesteld, heel wat gevallen te vinden waarin žalias de kleur van een auto aanduidt. Combinaties van zelfstandige naamwoorden met bijvoeglijke naamwoorden en werkwoorden werden als AK beschouwd als ten minste een van de bestanddelen figuurlijk werd gebruikt. In dat geval werden de beschreven tests (zie § 1.1.1) niet toegepast. Figuurlijk gebruik van bijvoeglijke naamwoorden en werkwoorden is bijzonder kenmerkend voor collocaties met abstracte zelfstandige naamwoorden, maar ook voor collocaties met enkele zelfstandige naamwoorden die concrete zaken aanduiden, bijvoorbeeld collocaties gevormd met de zelfstandige naamwoorden 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. 5 We wijzen erop dat ook de bepaalde vormen op een bijzonder gebruik wijzen. 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 Collocaties met abstracte zelfstandige naamwoorden kunnen, zoals vastgesteld door R. Petrauskaitė (zie Marcinkevičienė 2010), conceptuele metaforen vormen (bijv.: zachte maatregel, scherpe kritiek, droog resultaat, gelekte informatie, geruchten aanwakkeren, het lekken van gegevens, een maas in de wet6). Zoals R. Petrauskaitė stelt: ‘het belangrijkste criterium voor metaforiciteit is de betekenisoverdracht, die zichtbaar wordt in de tegenstelling tussen een concreet en een abstract zelfstandig naamwoord. Wanneer eigenschappen van een concreet voorwerp als basis dienen om een abstract begrip in de context te plaatsen en er een woordcombinatie mee te vormen, ontstaat een metafoor <...> het ene, meestal abstracte, ding wordt opgevat als een ander, concreet ding, waarbij de terminologie van dat laatste wordt gebruikt <...>’ (Marcinkevičienė 2010: 178). Bijvoeglijke naamwoorden (en minder vaak werkwoorden) die in figuurlijke betekenis worden gebruikt in combinaties met concrete zelfstandige naamwoorden, kennen daaraan semantisch niet-kenmerkende eigenschappen toe (bijv.: fastfood, opvallende vrouw, zichtbaar persoon). Net als bij combinaties met abstracte zelfstandige naamwoorden wordt de betekenis van een woordcombinatie vaak niet afgeleid uit de afzonderlijke woorden, maar uit de combinatie als geheel (bijv.: ijzeren man, gouden eeuw, wilde vrouw; zie ook de eerder gegeven voorbeelden met het zelfstandig naamwoord automobilis). In onderzoek naar collocaties in andere talen (bijv. Strakatova, Hinrichs 2019) worden collocaties met een collocaat in figuurlijke betekenis, waarin de figuurlijke betekenis alleen naar voren komt bij een beperkt aantal woorden uit specifieke lexicaal-semantische groepen, gerekend tot de lexicaliseerde collocaties. Zo is de betekenis van het bijvoeglijk naamwoord heavy in combinaties met de zelfstandige naamwoorden smoker, rain, traffic (Litouws: verstokte roker, zware regen, druk verkeer) niet prototypisch, omdat het niet gewicht, maar intensiteit aanduidt. Vastgesteld is dat woorden met een gemiddelde lexicale combineerbaarheid7 een groot metaforisatiepotentieel hebben, bijvoorbeeld de werkwoorden verlammen (het verkeer verlammen), slinken (de tijd slinkt), verwoesten (een leven verwoesten). Onder de bijvoeglijke naamwoorden zijn er veel die, wanneer ze in letterlijke 6 Over ruimtelijke, ontologische en structurele metaforen in collocaties, zie ook: Drūlienė 2008a, b; Šilinytė 2008. Het doel van dit artikel en van het project als geheel is niet de vastgestelde metaforen te classificeren; daarom wordt hier niet verder op ingegaan, hoewel duidelijk is dat AK een interessant onderzoeksobject kan zijn voor specialisten in de cognitieve taalkunde. 7 Op basis van de in 2008 door Susane Handl gepresenteerde formule zijn de collocativiteitsscores berekend voor de bestanddelen van de geanalyseerde collocaties in het corpus Delfi.lt. Dit onderzoek zal worden voortgezet. Voorlopig kan worden gesteld dat AK combinaties van gemiddelde sterkte zouden moeten zijn, dat wil zeggen dat de collocativiteitsscore van geen van beide (of drie) bestanddelen erg laag of erg hoog zou moeten zijn. Als bijvoorbeeld de score van het eerste bestanddeel hoog is en die van het tweede laag, dan kan het eerste bestanddeel met weinig woorden worden gebruikt, terwijl het tweede met zeer veel woorden kan worden gecombineerd, bijvoorbeeld: psychoactieve stof, autistisch kind, zoet water, schaduwrijke plek, driezijdige overeenkomst, minderjarig kind, koolzuurhoudend / gedistilleerd water, passerende auto. 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 betekenissen fysieke kenmerken aanduiden (bijv.: gladde zaak, schoon werk, vuil werk), maar het bijvoeglijk naamwoord kan ook andere betekenissen hebben (kostbare tijd, nijpend vraagstuk, opvallende gebeurtenis). De toepassing van het criterium van figuurlijke betekenis wordt geïllustreerd aan de hand van een analyse van de paradigma’s van het bijvoeglijk naamwoord (ne)švarus, het werkwoord nutekėti en het zelfstandig naamwoord euras (zie tabel 1): TABEL 1. Toepassing van het criterium van figuurlijke betekenis Paradigma Vaststelling van AK 1. švarus sport, werk; vuil werk, zaak, kwestie 2. švarus (-i) water, milieu, lucht, stad, plaats, auto; vuil water 1. Wordt beschouwd als AK vanwege de figuurlijke betekenis van het bijvoeglijk naamwoord in combinaties met zelfstandige naamwoorden met een abstracte betekenis. 2. Wordt niet beschouwd als AK, omdat het bijvoeglijk naamwoord in deze collocaties in letterlijke betekenis wordt gebruikt. 1. nutekėti informatie 2. nutekinta (-i) informatie, materiaal, gegevens 1–2 worden beschouwd als AK, omdat in combinaties met abstracte begrippen de figuurlijke betekenis van het werkwoord wordt gerealiseerd. 1. euro verzwakking, versterking 2. euro wisselkoers, munt, cent 3. euro wijziging 1. Wordt beschouwd als AK, omdat aan de euro eigenschappen worden toegeschreven die kenmerkend zijn voor levende objecten. 2. Dit zijn termen; wordt niet beschouwd als AK. 3. Wordt niet beschouwd als AK, omdat er geen sprake is van figuurlijke betekenis. Zoals blijkt uit de voorbeelden in tabel 1, is niet altijd het bijvoeglijk naamwoord of werkwoord in het paradigma van een collocatie dat in letterlijke betekenis wordt gebruikt, en soms ook niet de volledige collocatie met een bepaald bijvoeglijk naamwoord / werkwoord, figuurlijk; toch is de figuurlijke betekenis in zulke gevallen duidelijk: pijnlijke beslissing / zaak / gebeurtenis; gesloten persoon / karakter / leven; een weg / markt / uitzicht opent zich; een recht / plaats veroveren enzovoort. Dergelijke collocaties worden als arbitrair beschouwd. Samenvattend kan worden gesteld dat het criterium van figuurlijke betekenis vooral relevant is bij het analyseren van collocaties die zijn gevormd uit bijvoeglijke naamwoorden en zelfstandige naamwoorden – dit criterium is vaak gehanteerd als 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 de belangrijkste en duidelijkste indicator van arbitrariteit. Bij het analyseren van collocaties van een werkwoord en een zelfstandig naamwoord werd vaker het criterium van beperkte lexicale combineerbaarheid toegepast (evenals de test met semantische groepen). Omdat er maar zeer weinig AK’s zijn gevonden die uit twee zelfstandige naamwoorden bestaan, zijn de kenmerken van collocaties met deze structuur moeilijk te generaliseren (zie § 1.1.1). 1.2. Geautomatiseerde identificatie van AK’s Een van de criteria voor AK’s – beperkte lexicale combineerbaarheid – werd ook geautomatiseerd getoetst: met de vectormethode werden namelijk de synoniemen bepaald die nodig waren voor de vervangingstest. Een uitvoeriger bespreking van de vervangingstest en de toepassing van de vectormethode is te vinden in een eerder gepubliceerd artikel (Kovalevskaitė et al. 2021). Daarin wordt de toepassing van de vectormethode beschreven om de arbitrariteit van collocaties van een bijvoeglijk naamwoord + zelfstandig naamwoord te beoordelen; daarom wordt in dit artikel alleen de beoordeling van de arbitrariteit van collocaties van een werkwoord + zelfstandig naamwoord uitvoerig beschreven. Eerst halen we kort de belangrijkste fasen van de toepassing van de vectormethode in herinnering (§ 1.2.1), vervolgens bespreken we de selectie van werkwoordsynoniemen met de vectormethode (zie § 1.2.2) en vatten we de resultaten samen van de classificatie van collocaties van werkwoorden en zelfstandige naamwoorden als arbitrair (zie § 1.2.3). 1.2.1. AK’s identificeren op basis van beperkte lexicale combineerbaarheid met behulp van de vectormethode Bij toepassing van de vectormethode was het doel de identificatie van AK’s te automatiseren en de invloed van subjectiviteit bij de beoordeling van de gegevens te verminderen. De vectormethode werd in de volgende stappen toegepast om beperkte lexicale combineerbaarheid vast te stellen. Eerst werden automatisch verwante woorden geselecteerd uit het volledige tekstcorpus Delfi.lt8. Hiervoor werd GloVe toegepast, een model voor woordvectoren (Engels: embeddings) (Pennington et al. 2014). De vectormethode (Engels: Word Embedding Approach) behoort tot de groep methoden die woorden automatisch analyseren op basis van overeenkomsten in hun distributie of context (Engels: distributional similarity measures). Deze methoden worden toegepast om uiteenlopende relaties (hyperonymie, synonymie, antonymie, partonymie) automatisch te herkennen en zijn gebaseerd op 8 De vectoren die in het kader van een eerder project zijn vastgesteld („Automatische herkenning van vaste woordcombinaties in het Litouws (PASTOVU)“, zie https://pastovu.vdu.lt) zijn hier beschikbaar: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. In dit onderzoek worden ze gebruikt om de synoniemen te selecteren die nodig zijn voor de identificatie van AK’s. 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 de hypothese dat woorden met een verwante betekenis en/of semantisch verwante woorden in een vergelijkbare context worden gebruikt (zie Grigonytė 2010). Eerst werden automatisch vectorreeksen (hierna VE) samengesteld van de bijvoeglijke naamwoorden en werkwoorden die voorkomen in de collocaties in PŽJDB9. Bij de automatische selectie van verwante woorden werden bijvoeglijke naamwoorden en werkwoorden met een brede lexicale combineerbaarheid of die niet zelfstandig worden gebruikt, buiten beschouwing gelaten, bijvoorbeeld: geras, naujas, puikus; būti, reikėti, pradėti. De in de VE gegroepeerde bijvoeglijke naamwoorden of werkwoorden werden geselecteerd op basis van contextuele overeenkomst. Er werden ongeveer 800 VE met bijvoeglijke naamwoorden samengesteld en meer dan 3800 met werkwoorden. Hoewel de VE verwante woorden opleverden, omvatte het materiaal ook woorden die via andere semantische relaties (bijvoorbeeld antonymie) verwant waren, of zelfs niet-verwante woorden. Daarom was linguïstische redactie nodig om vast te stellen welke van de verwante woorden als synoniemen konden gelden en konden worden gebruikt om te beoordelen hoe beperkt de combineerbaarheid van een van de synoniemen met een bepaald zelfstandig naamwoord was. Als synoniemen werden woorden van dezelfde woordsoort beschouwd waarvan de denotatieve (zakelijke) betekenis sterk overeenkomt, maar waarvan de lexicale combineerbaarheid gedeeltelijk of geheel verschilt10. De opgeschoonde werkwoordelijke VE werden gebruikt om de arbitraliteit van werkwoord + zelfstandig-naamwoordcollocaties te beoordelen. Het doel was vast te stellen in welke collocaties het werkwoordelijke element niet kan worden vervangen door een werkwoord met een verwante betekenis. Bij elk paar werkwoordsynoniemen of elke groep werkwoordsynoniemen werden collocaties met een bepaald zelfstandig naamwoord opgenomen. Als voor dat zelfstandig naamwoord een collocatie werd vermeld met slechts één synoniem uit het paar of de groep, werd geconcludeerd dat het onderzochte zelfstandig naamwoord alleen met één werkwoord uit die synoniemengroep combineert, en werd de collocatie als arbitrair beschouwd. Als het onderzochte zelfstandig naamwoord collocaties vormde met alle werkwoorden uit het synoniemenpaar of de synoniemengroep, werden de collocaties niet als arbitraire collocaties aangemerkt (zie tabel 2). 9De verwante woorden die met de vectormethode zijn vastgesteld, kunnen het nauwkeurigst worden aangeduid als reeksen mogelijke synoniemen die met de vectormethode zijn vastgesteld. Omwille van de beknoptheid gebruiken we hierna vectorreeksen, of preciezer: de afkorting VE. 10De in dit artikel gehanteerde opvatting van synonymie kan in verband worden gebracht met de in de Litouwse lexicografie gangbaardere term gedeeltelijke synoniemen (zie 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 TABEL 2. Fasen van het erkennen van AK met behulp van VE Erkend als AK Niet erkend als AK Fase 1: er wordt een VE genomen met twee synoniemenparen, gauti–įgyti en duoti–teikti; fase 2: aan de hand van deze VE wordt nagegaan met hoeveel van deze synoniemen het zelfstandig naamwoord apdovanojimas collocaties vormt; er worden twee collocaties vastgesteld: gauti apdovanojimą (één synoniem uit het paar gauti–įgyti) en teikti apdovanojimą (één synoniem uit het paar duoti–teikti); fase 3: er wordt besloten dat gauti apdovanojimą en teikti apdovanojimą als AK gelden. Fase 1: er wordt een VE genomen met twee synoniemen, įkurti en įsteigti; fase 2: aan de hand van deze VE wordt nagegaan met hoeveel van deze synoniemen het zelfstandig naamwoord asociacija collocaties vormt; er worden twee collocaties vastgesteld: įkurti asociaciją en įsteigti asociaciją; fase 3: er wordt besloten dat įkurti asociaciją en įsteigti asociaciją geen AK zijn. Bijvoorbeeld, bij het zelfstandig naamwoord apdovanojimas werden de collocaties gauti apdovanojimą, teikti apdovanojimą vermeld, maar niet *įgyti apdovanojimą, *duoti apdovanojimą. Dat betekent dat het zelfstandig naamwoord apdovanojimas bij de synoniemenparen gauti–įgyti en duoti–teikti slechts één optie per paar vormt. Daarom zijn de collocaties gauti apdovanojimą en teikti apdovanojimą als arbitrair aangemerkt. Van de collocaties met werkwoorden werden vaak die als arbitrair beschouwd waarin werkwoorden met een verbleekte betekenis (gedesemantiseerde werkwoorden) voorkomen (zie uitgebreider Kovalevskaitė et al. 2020), bijvoorbeeld: atlikti tyrimą, duoti rezultatą, imti mokestį. De arbitraliteit van collocaties met het zelfstandig naamwoord asociacija werd beoordeeld aan de hand van een VE met twee synoniemen, įkurti en įsteigti; aangezien dit zelfstandig naamwoord collocaties vormde met beide synoniemen, werden deze als niet-arbitrair verworpen. Net als bij de beoordeling van collocaties met bijvoeglijke naamwoorden werden de werkwoordsynoniemen in het experimentele onderzoek handmatig getest, omdat rekening moet worden gehouden met de betekenis van zowel het synoniem als het te testen zelfstandig naamwoord. Als de betekenis van synoniemen in de VE niet overeenkomt met de betekenis van het werkwoord in de beoordeelde collocatie, dan is de vervangingstest voor dat werkwoord 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 kan niet worden toegepast. Zo was de VE een auto bouwen ongeschikt om de arbitrariteit ervan te beoordelen, omdat bouwen bij de VE paste in de betekenis ‘een gebouw bouwen’ (166 VE11). De fasen van de toepassing van de geautomatiseerde methode zijn dus als volgt: a) automatisch (VE worden met de vectormethode samengesteld), b) niet-automatisch (een linguïst controleert ze en past ze zo nodig aan); c) gedeeltelijk automatisch (collocaties worden automatisch aan specifieke VE gekoppeld en na controle al dan niet als AK bevestigd). 1.2.2. Selectie van werkwoordsynoniemen in vectorreeksen Omdat de gegenereerde VE veel overtollige, irrelevante gegevens bevatten, het zogenaamde ruis (Engels: noise), controleerde een linguïst elke VE en verwijderde onnodige woorden die geen synonieme relatie hadden, en schrapte sommige VE volledig. Hieronder bespreken we verschillende gevallen van linguïstische bewerking van VE. Het aantal VE voor werkwoorden was veel groter dan dat voor bijvoeglijke naamwoorden (respectievelijk 3800 en 800 VE), omdat de lijst met werkwoorden zelf ook groter was. Automatisch wordt voor elk werkwoord een VE samengesteld, waardoor sommige VE op elkaar lijken; afhankelijk van het werkwoord dat als uitgangspunt dient, kan het aantal synoniemen in een vergelijkbare VE echter verschillen. Het uitgangswerkwoord is het woord waarop de andere opgenomen woorden lijken; met andere woorden, het woord waarvoor mogelijke synoniemen zijn gezocht (de overeenkomst kan worden vastgesteld op basis van een hyperonieme, synonieme, antonieme of partonieme relatie; dit woord wordt in de synonymengroepen onderstreept). Zo is in VE 151 het uitgangswerkwoord organizuoti, terwijl VE 40 veel langer is en het uitgangswoord vykdyti is: VE 151: organizuoti, rengti, vykdyti VE 40: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti Zoals al is vermeld, moesten de automatisch samengestelde VE nog door een linguïst worden gecontroleerd. Na afronding van dit werk bleek dat, net als bij de bijvoeglijke naamwoorden, ook bij de werkwoorden automatisch veel lange VE waren verzameld met daarin meerdere paren werkwoordsynoniemen, en weinig VE met slechts één paar synoniemen of drie synoniemen. Soms bleek na controle dat het uitgangswerkwoord waarop de VE was samengesteld, geen synoniemen had, hoewel die VE wel een ander 11 Hier en verderop worden de nummers vermeld van de VE met mogelijke synoniemen die met de vectormethode zijn vastgesteld en waarop dit artikel is gebaseerd. 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 een geschikte synoniemencombinatie; zo bevat de VE van het steunwerkwoord kisti het synoniemenpaar paaštrėti, pablogėti. Net als bij de bijvoeglijke naamwoorden werden de ‘ruis’ in de VE’s van werkwoorden veroorzaakt door antoniemen; vgl. de VE pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti bestond uit leden van één lexicaal-semantische groep die geen synoniemen zijn, bijvoorbeeld: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. Bij het opschonen van de VE’s bleek vaak dat een of meer werkwoorden niet pasten, omdat ze een te specifiek aspect van een vergelijkbare handeling aanduidden. Zo bevatte de VE voor het woord remtis bijvoorbeeld de volgende woorden: vadovautis, pasikliauti, apsiriboti, kliautis. apsiriboti werd geschrapt en alleen vadovautis, pasikliauti, kliautis. werden als synoniemen beschouwd. Ook kwamen vaak gevallen voor waarin één woord in een VE een ruimere betekenis had, bijvoorbeeld paveikti, terwijl de andere aan de VE toegevoegde woorden aspecten van een negatieve invloed specifieker benoemden, bijvoorbeeld pakenkti, sutrikdyti. Daarom werden alleen die laatste als synoniemen beschouwd. Van de VE pagrįsti, įvardinti, paaiškinti, pateisinti werden pagrįsti en paaiškinti als synoniemen erkend, maar pateisinti en įvardyti niet, omdat ze door aanvullende semantische kenmerken te ver van de betekenis van de eerste twee woorden afstaan. Vanwege zulke gevallen moest soms de gehele VE worden verworpen, bijvoorbeeld atmesti, ignoruoti, uždrausti. Soms waren zelfs de VE’s van steunwerkwoorden volstrekt ongeschikt, hoewel men zou denken dat synoniemen daarvoor zonder meer automatisch konden worden vastgesteld, bijvoorbeeld: suprastėti (een mogelijk synoniem is pablogėti, maar dat stond niet in de VE); sąlygoti (een mogelijk synoniem is lemti, maar dat werd niet vermeld; wel stond pakentėti erin). VE’s van werkwoorden met een ontkenning waren niet nauwkeurig en werden daarom afgewezen, bijvoorbeeld werden de steunwerkwoorden negydyti, nesuskaičiuoti, nepridėti. afgewezen. Vermeldenswaard is dat VE’s vaak ook moesten worden bijgesteld vanwege afleidingskenmerken van de werkwoorden. Zo werden werkwoorden van de duratieve en de resultatieve aspectwaarde niet als synoniemen beschouwd (tirti ir ištirti), evenmin als werkwoorden die door een voorvoegsel een andere betekenis kregen, zoals palyti ir palynoti, naršyti ir panaršyti, of reflexieve en niet-reflexieve werkwoorden (klausyti ir klausytis). Als bijvoorbeeld het steunwerkwoord in de VE reflexief was, werd de niet-reflexieve vorm op basis daarvan verwijderd. Zo werden uit de VE išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis de werkwoorden išrinkti, parinkti verwijderd. Afgeleide varianten (bijv. vardinti ir vardyti, lukterėti ir luktelėti) werden als synoniemen beschouwd. 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 Bij het opschonen van de VE’s kwam nog een kenmerk van automatische selectie aan het licht: omdat woorden met de vectormethode worden verzameld op basis van de gelijkenis van hun context, kunnen VE’s bestaan uit synoniemen die alleen op het eerste gezicht ongeschikt lijken. Met andere woorden: als men de concrete zelfstandige naamwoorden niet kent waardoor twee of meer werkwoorden in één VE zijn samengebracht, kan men de kwaliteit van sommige VE’s verkeerd beoordelen. De 60e VE bevatte bijvoorbeeld de volgende woorden: rodyti, demonstruoti, jausti. Als het woord jausti meteen was verwijderd, zou dat een fout zijn geweest, omdat het daarin was opgenomen vanwege de voor deze werkwoorden gedeelde context, waarin over gevoelens wordt gesproken; vgl. demonstruoti, rodyti jausmus en bijvoorbeeld jausti pyktį, jausti nusivylimą, enzovoort. De werkwoorden sumažėti, pigti of padidėti, ūgtelėti kunnen synoniemen zijn wanneer het over prijzen gaat. Alle drie de werkwoorden in de VE apsispręsti, priimti, pasirinkti zijn synoniemen, terwijl het werkwoord imti, dat meestal wordt verwijderd, hier is opgenomen omdat het ‘een beslissing nemen’ betekent priimti sprendimą; met andere woorden, deze VE moet als volgt worden gelezen: apsispręsti, priimti sprendimą, pasirinkti12. Uit zulke voorbeelden blijkt dat automatisch meer en/of andere synoniemen kunnen worden vastgesteld, omdat de vectormethode de gelijkenis van contexten beoordeelt en niet die van afzonderlijke woordbetekenissen. Losse woorden zouden we waarschijnlijk niet als synoniemen met elkaar verbinden in het geval van de werkwoorden atsikratyti, numesti, sulieknėti, maar we vinden ze samen in één VE omdat ze in een gedeelde context zijn gebruikt waarin ook het zelfstandig naamwoord svoris voorkwam. Er zijn nog meer voorbeelden te geven; vgl.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis en užsiimti; gerti en vartoti; nusiteikti en pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti. In een sportcontext zijn alle vier de werkwoorden – užsitikrinti, iškovoti, pasiekti, išsaugoti – synoniemen, omdat het behalen van een resultaat soms wordt uitgedrukt als užsitikrino sau vietą finale (‘verzekerde zich van een plaats in de finale’) of išsaugojo titulą (‘behield de titel’). Zulke resultaten laten zien dat het belangrijk is bij de beoordeling van synonymie meer dan één woord te omvatten, aangezien leden van een synoniemgroep zowel afzonderlijke woorden als vaste woordcombinaties kunnen zijn 12 In de VE’s komen woorden voor die syntagmatisch met elkaar verbonden zijn, bijvoorbeeld įžeisti en nenorėti. Omdat nenorėti vaak voorkomt in een context die het deelt met įžeisti (wanneer het voorkomt in de combinatie nenorėjo įžeisti, bet...), zijn ze in één VE samengebracht. Een ander geval is: liautis: nustoti, verkti. Het werkwoord verkti is hier opgenomen omdat het is geselecteerd uit de context waarin het vaak voorkomt: liovėsi verkęs / verkusi (‘hij/zij hield op met huilen’). Met andere woorden: zeer lange (en ongeschikte) VE’s worden samengesteld voor die steunwerkwoorden die als hulpwerkwoord worden gebruikt en vanwege hun grammaticale eigenschappen een brede combinatorische mogelijkheden hebben, bijvoorbeeld: 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 woordcombinaties. Bij toepassing van de vectormethode, waarbij de gelijkenis tussen contexten wordt vergeleken, komen juist de verbanden tussen afzonderlijke woorden en hun context naar voren. Voor een taalkundige zou het moeilijk zijn om zoveel gegevens te overzien (zie Divjak, Gries 2006 voor meer over het gebruik van een breed spectrum aan distributiematen voor automatische synoniemanalyse). Er is vastgesteld dat de VE van een werkwoord met een specifiekere betekenis en een beperktere combinatiemogelijkheid vaak korter en zuiverder is, waarschijnlijk vanwege die beperktere combinatiemogelijkheid. Een vergelijking van de VE van de synoniemen nerimauti, jaudintis, būgštauti ir nuogąstauti laat zien dat de VE van nerimauti langer en minder zuiver is; ze bevat woorden met een bredere betekenis, bijvoorbeeld bijoti (nerimauti: jaudintis, baimintis, bijoti), terwijl de VE van būgštauti alleen deze vier woorden bevat: būgštauti: nerimauti, jaudintis, nuogąstauti. Verder is vastgesteld dat VE’s die zijn gebaseerd op werkwoorden met een concretere betekenis (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) weinig of helemaal geen synoniemen kunnen bevatten, omdat de op basis van het werkwoord met de concrete betekenis verzamelde woorden thematisch en niet synonymisch verwant zijn, vgl.: išimti: išmesti, išbraukti, išnešti; medžioti ir žvejoti; kvėpuoti ir vaikščioti; virti ir kepti; kalėti ir nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. Ook dergelijke VE’s bestaan uit twee woorden, maar kunnen langer zijn. Soms zijn ze erg lang; zo bevatte de VE met het basiswerkwoord sumenkti maar liefst 26 werkwoorden. Samenvattend kan worden vermeld dat na verfijning 2634 van de 3800 VE’s overbleven (70 procent). Automatisch gegenereerde VE’s zijn dus niet nauwkeurig genoeg om ze zonder redactie in de volgende fase van de AK-identificatie toe te passen. Dergelijke fouten kunnen zijn veroorzaakt door de kenmerken van het corpus Delfi.lt: hoewel het een groot aantal woorden bevat (ongeveer 70 miljoen), kan de lexicale variatie in teksten van één stijl geringer zijn. Voor het genereren van nauwkeurigere VE’s is een corpus met een grotere variatie aan functionele stijlen nodig. 1.2.3. Resultaten: de kwaliteit van VE’s en de erkenning van arbitraliteit Een vergelijking van de adjectivische en verbale VE’s vóór en na de beoordeling bracht aan het licht dat in beide gevallen een groot aantal VE’s als niet-informatief werd geschrapt: 1) van de 1927 adjectivische VE’s bleven er na de beoordeling 800 over (41 procent); 2) van de 3800 verbale VE’s bleven er na de beoordeling 1166 over (30 procent). Ook de overgebleven VE’s moesten worden geredigeerd. Er is echter niet beoordeeld hoeveel woorden er doorgaans uit één VE worden verwijderd. Vaak moesten hulpwerkwoorden en woorden die niet geheel zelfstandig zijn, worden verwijderd. 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 werkwoorden: doen, nemen, leven, de moeite waard zijn, nodig zijn, moeten, beginnen, krijgen, willen, proberen, slagen. Veel van de te verwijderen woorden stonden aan het einde van de VE, waar woorden met de laagste toegepaste score (0,5; de hoogste score is 1) terechtkwamen, maar er waren ook heel wat gevallen waarin een woord met een hoge score werd verwijderd, dat op de tweede tot en met vijfde positie in een bepaalde VE stond (een VE kan uit maximaal 20 woorden bestaan). Benadrukt moet worden dat de beoordeling op basis van de VE beperkt bleef tot de woorden die in die VE voorkwamen. Er kunnen andere synoniemen zijn, maar als die niet voorkwamen in de VE waarop de beoordeling gebaseerd was (ze waren niet geselecteerd met de vectormethode, kwamen niet voor in het Delfi.lt-corpus enz.), dan kunnen sommige collocaties als niet-arbitrair zijn geclassificeerd (of omgekeerd). Zo zijn bij de beoordeling van de collocaties vallende ster en stijgende ster VE’s gebruikt met de werkwoorden groeien, vallen, stijgen, afnemen, zich ontwikkelen, toenemen. In deze VE staat niet instorten, dat als synoniem van vallen zou kunnen gelden; daarom werd vallende ster niet als AK aangemerkt. Tijdens het onderzoek werden ook de voordelen van automatische gegevensselectie opgemerkt: 1) zoals vermeld in paragraaf 1.2.2 kan de vectormethode meer en andere synoniemen vaststellen dan wanneer uitsluitend de introspectiemethode wordt gebruikt; 2) de vectormethode is geschikt voor de verwerking van grote hoeveelheden gegevens, terwijl het met de hand waarschijnlijk niet mogelijk zou zijn de contextuele gelijkenis van zo’n groot aantal woorden te beoordelen. Na toepassing van de vervangbaarheidstest op de VE’s met werkwoordsynoniemen werden 291 collocaties als arbitrair aangemerkt. Het is duidelijk dat juist de synoniemen in de VE bepalen welke collocaties als AK worden aangemerkt. Enerzijds is dit een beperking van de methode, anderzijds biedt het de mogelijkheid om het proces van arbitrariteitsbepaling te automatiseren. Wanneer de erkenning van arbitrariteit uitsluitend afhangt van een specifieke VE, kan het vaak gebeuren dat sommige collocaties niet op basis van de ene VE, maar wel op basis van een andere worden geselecteerd. Zo zou bij de beoordeling van de arbitrariteit van de collocaties een imago creëren en een imago vormen op basis van VE 368 creëren, vormen geen van beide collocaties als AK worden ingedeeld. De werkwoorden creëren, vormen komen echter ook voor in andere VE’s waaraan hetzelfde zelfstandig naamwoord imago is toegewezen. Daarom wordt de collocatie een imago creëren op basis van een andere VE (45) als AK aangemerkt: creëren, creëren, ontwikkelen, uitbouwen, realiseren, voorbereiden, oprichten. Een ander geval is ook mogelijk: dezelfde collocaties kunnen op basis van meer dan één VE als arbitrair worden aangemerkt. Zo kunnen gymnastiek doen, oefeningen doen als AK worden beoordeeld op basis van zowel de elfde (doen, uitvoeren, doen), als op basis van VE 15 (doen, uitvoeren, creëren; 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 volbrengen). Het probleem ontstaat wanneer een arbitraire collocatie niet als arbitrair wordt beschouwd als dat niet op basis van een van de VE’s kan worden vastgesteld. Dit kwam vrij vaak voor bij de beoordeling van collocatievarianten. Zo worden bij het zelfstandig naamwoord belastingen zowel heffen als verhogen gebruikt; beide werkwoorden staan in VE 52, aan de hand waarvan arbitrariteit wordt beoordeeld, en daarom worden deze collocaties niet tot de AK gerekend. Het zijn echter wel varianten van AK (vgl. prijzen stijgen, gaan omhoog, nemen toe). Een vergelijkbaar geval is een onderzoek uitvoeren / verrichten / doen (volgens VE 11 zijn deze verbindingen niet erkend als AK). In dezelfde VE stonden verkrijgen en verwerven; daarom zijn een diploma behalen en een diploma verwerven niet als AK erkend. Dergelijke gevallen laten zien dat bij de beoordeling van de arbitrariteit van collocaties op basis van het criterium van beperkte lexicale combineerbaarheid zowel de gebruikte testinstrumenten van belang zijn als het feit dat een niet-automatische methode geschikter is om AK-varianten vast te stellen. Omdat de vervangbaarheidstest met synoniemen zo nauw samenhangt met de woorden in een specifieke VE, kan het ook gebeuren dat vergelijkbare collocaties met een tegengestelde betekenis niet worden geselecteerd. Zo werd de collocatie de ontevredenheid neemt toe geselecteerd, maar de ontevredenheid neemt af niet. Met de niet-automatische methode zouden beide als AK zijn beoordeeld. Dit betekent dat wanneer gegevens die door middel van linguïstische introspectie zijn beoordeeld worden gebruikt om arbitrariteit vast te stellen, een deel van de AK behouden blijft dat bij methode 2 verloren gaat. Het moet echter worden erkend dat bij toepassing van de linguïstische niet-automatische methode sprake is van subjectiviteit. De geautomatiseerde methode is objectiever, hoewel de gegevens fragmentarischer zijn (voor de tests worden alleen de VE’s gebruikt die zijn verzameld, en alleen die VE’s). Bovendien worden niet alle collocaties die AK zijn ook als zodanig aangemerkt. 2. RESULTATEN VAN DE IDENTIFICATIE VAN AK Wanneer we de aantallen geïdentificeerde AK bekijken, is duidelijk te zien dat er zeer weinig AK zijn die met de niet-automatische en de geautomatiseerde methode zijn geïdentificeerd (zie voor meer details §§ 2.1 en 2.2); met beide methoden afzonderlijk worden dus belangrijke gegevens verkregen. Met de niet-automatische analysemethode zijn veel meer gegevens verzameld dan met de geautomatiseerde methode zijn geïdentificeerd, maar bij de niet-automatische analyse zijn niet één maar twee selectiecriteria toegepast (beperkte lexicale combineerbaarheid en figuurlijke betekenis), terwijl bij de vectormethode alleen beperkte 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 lexicale combineerbaarheid is toegepast. Er worden dus meer collocaties met een grotere verscheidenheid aan bijvoeglijke naamwoorden en werkwoorden verzameld wanneer meer criteria worden toegepast. Aan de hand van voorbeelden van specifieke AK wordt in dit hoofdstuk uitgelegd waarom juist deze resultaten zijn verkregen, hoe de toegepaste criteria en de gebruikte gegevens die hebben bepaald. Eerst bespreken we wat de verkregen gegevens laten zien. Alle AK met één specifiek bijvoeglijk naamwoord of werkwoord kunnen op verschillende manieren worden geïdentificeerd: a) met slechts één van de twee methoden; b) sommige collocaties met de ene methode, andere met de andere; c) sommige collocaties met de ene methode, andere met de andere en sommige met beide methoden. In de volgende subparagrafen bespreken we AK met verschillende structuren en becommentariëren we de resultaten die met beide methoden zijn verkregen. 2.1. Arbitraire collocaties bestaande uit bijvoeglijke naamwoorden en zelfstandige naamwoorden In totaal zijn 1048 AK geïdentificeerd met de structuur bijvoeglijk naamwoord + zelfstandig naamwoord. Deze collocaties omvatten 320 verschillende bijvoeglijke naamwoorden. Met sommige bijvoeglijke naamwoorden (didelis, mažas, atviras, aukštas, modernus, išskirtinis, pagrindinis en dergelijke) zijn inderdaad meerdere of tientallen AK gevormd, terwijl met andere (bijv. netrumpas, nuodugnus, permainingas, pikantiškas) slechts afzonderlijke AK zijn gevormd (gemiddeld zijn er 3,3 collocaties gevormd met hetzelfde bijvoeglijk naamwoord; zie voor meer details tabel 3). TABEL 3. AK geïdentificeerd met verschillende methoden (bijvoeglijk naamwoord + zelfstandig naamwoord) Met de niet-automatische methode geïdentificeerde AKMet de geautomatiseerde methode geïdentificeerde AKMet beide methoden geïdentificeerde AKAantal (procent)Aantal verschillende bijvoeglijke naamwoorden (gemiddeld aantal AK gevormd met hetzelfde bijvoeglijk naamwoord)Aantal (procent)Aantal verschillende bijvoeglijke naamwoorden (gemiddeld aantal AK gevormd met hetzelfde bijvoeglijk naamwoord)Aantal (procent)Aantal verschillende bijvoeglijke naamwoorden (gemiddeld aantal AK gevormd met hetzelfde bijvoeglijk naamwoord)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 Zoals blijkt uit tabel 3 zijn de meeste AK met de niet-automatische methode vastgesteld: meer dan de helft van alle AK (bijv.: een gruwelijk beeld, slavenarbeid, een rechtstreekse vraag, een pijnlijke zaak); ongeveer een derde van de AK is geautomatiseerd vastgesteld (bijv.: een waardevol bezit, een uniek project, een moeilijke dag, een optimale methode), en het kleinste aandeel (15,74 procent) bestaat uit AK die met beide methoden zijn vastgesteld (bijv.: een broedermoordende oorlog, intensieve handel, een enorm project, een lage prijs). Ook bij de AK met werkwoorden zijn vergelijkbare verhoudingen zichtbaar (zie § 2.2). Bij analyse van de bijvoeglijke naamwoorden in de AK blijkt dat sommige bijvoeglijke naamwoorden uitsluitend voorkomen in AK die met één van beide methoden zijn vastgesteld (zie de eerder gegeven voorbeelden), terwijl andere voorkomen in AK die met beide methoden zijn vastgesteld (bijv.: groot, klein, sterk). Aan het begin van het onderzoek werd de hypothese geformuleerd dat de verscheidenheid aan bijvoeglijke naamwoorden groter zou zijn in AK die met de niet-automatische methode worden vastgesteld, en kleiner in AK die met de geautomatiseerde vectormethode worden vastgesteld. Deze hypothese werd bevestigd: in de met de eerste methode vastgestelde AK kwamen 235 verschillende bijvoeglijke naamwoorden voor, wat betekent dat hetzelfde bijvoeglijk naamwoord gemiddeld 2,5 AK vormt. In de met de vectormethode vastgestelde AK komen 86 verschillende bijvoeglijke naamwoorden voor; gemiddeld zijn dus 3,56 AK gevormd met hetzelfde bijvoeglijk naamwoord. De kleinste variatie aan bijvoeglijke naamwoorden (42) is te vinden in de AK die met beide methoden zijn vastgesteld, maar ook het aantal van dergelijke collocaties is het kleinst. In deze AK-groep zijn gemiddeld 3,93 collocaties gevormd met hetzelfde bijvoeglijk naamwoord. Vermoedelijk is deze geringe variatie aan bijvoeglijke naamwoorden te wijten aan het relatief kleine aantal gegevens. De kans is groot dat een collocatie arbitrair is wanneer zij bestaat uit bijvoeglijke naamwoorden als groot, omvangrijk, enorm, reusachtig, klein, gespannen, gevaarlijk, ernstig, sterk, zwaar in combinatie met abstracte zelfstandige naamwoorden, omdat deze bijvoeglijke naamwoorden dan in overdrachtelijke betekenis worden gebruikt. Om te bespreken hoe de toegepaste methoden tot juist deze resultaten hebben geleid, willen we als voorbeeld de AK met het bijvoeglijk naamwoord intelligent bespreken, omdat dit de volledige variatie laat zien: een deel van de collocaties is met de ene methode vastgesteld, een deel met de andere en een deel met beide methoden. Van de acht collocaties met het bijvoeglijk naamwoord intelligent (een intelligente beslissing, een intelligente stad, een intelligent kind, een intelligente man, een intelligente tijd, een intelligente methode) werden er zes als AK aangemerkt: de collocaties van dit bijvoeglijk naamwoord met de zelfstandige naamwoorden beslissing en stad werden niet-automatisch geselecteerd, die met kind en man werden geautomatiseerd geselecteerd, en de collocaties met tijd en methode werden met beide methoden geselecteerd. Taalkundigen stelden vast dat de semantische groep ‘personen’ gebruikelijk is bij dit bijvoeglijk naamwoord. Bij woorden uit deze groep kunnen bijvoeglijke naamwoorden met een vergelijkbare betekenis naar keuze worden gecombineerd (het kan 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 niet alleen intelligent zijn, maar ook een verstandig persoon), en daarom kwamen een intelligent kind en een intelligente man alleen als resultaat van de automatische selectie bij de AK terecht (de collocatie een verstandig persoon is niet aangetroffen in het corpus van Delfi.lt); bij een latere beoordeling van de gegevens zijn ze verworpen. De taalkundigen zagen dat de andere zelfstandige naamwoorden (beslissing, tijd, methode) grotendeels behoren tot de lexicaal-semantische groep ‘abstracte zaken’, maar dat de collocaties toch slechts met bepaalde abstracte zelfstandige naamwoorden worden gevormd. De keuzemogelijkheden binnen deze groep zijn dus beperkt, wat op arbitrariteit wijst. Daarom werden al deze collocaties als arbitrair aangemerkt. Slechts twee daarvan (een intelligente tijd en een intelligente methode) werden geautomatiseerd als AK vastgesteld, omdat bij toepassing van de vectormethode geen toets op lexicaal-semantische groepen wordt uitgevoerd. AK vastgesteld met de niet-automatische methode. Zo werden bijvoorbeeld negen collocaties met het bijvoeglijk naamwoord hoog als arbitrair aangemerkt: een hoog resultaat, een hoge functionaris, een hoge prijs enzovoort. Hier wordt het bijvoeglijk naamwoord in overdrachtelijke betekenis gebruikt (en bijna uitsluitend met abstracte zelfstandige naamwoorden); het criterium van overdrachtelijke betekenis bracht de taalkundigen er dus toe deze collocaties als AK te classificeren. Met de geautomatiseerde methode werden deze collocaties vaak niet gevonden, omdat er voor de toets op vervangbaarheid door synoniemen geen VE beschikbaar waren waarin het betreffende bijvoeglijk naamwoord voorkwam (hoog, gesloten, pijnlijk, zwak, breed, comfortabel, licht, vrij, lang of snel); daardoor kon de vervangbaarheid niet worden beoordeeld. Zoals in het vorige deel al werd vermeld, hangen de resultaten van de geautomatiseerde methode sterk af van de beschikbaarheid van synoniemen om de vervangbaarheid te toetsen en van de kwaliteit van de synoniemenreeks. Dit geval illustreert dat bij toepassing van alleen de geautomatiseerde methode sommige AK mogelijk niet worden herkend, terwijl taalkundige competentie het tekort aan corpusgegevens kan compenseren. Een andere reden waarom sommige AK automatisch mogelijk niet worden herkend, is dat niet alle zelfstandige naamwoorden gekoppeld kunnen zijn aan een synoniemenreeks met een bepaalde betekenis, omdat de context van sommige zelfstandige naamwoorden kan verschillen. Zo zijn er onder de collocaties met het bijvoeglijk naamwoord opvallend veel die niet-automatisch zijn vastgesteld (bijv.: een opvallende vrouw, een opvallend persoon), terwijl slechts één AK met beide methoden is vastgesteld: een opvallende gebeurtenis. Dit betekent dat er wel een VE met dit bijvoeglijk naamwoord beschikbaar was, maar dat niet alle drie de zelfstandige naamwoorden er automatisch aan werden gekoppeld, alleen gebeurtenis. AK vastgesteld met de geautomatiseerde methode. AK met het bijvoeglijk naamwoord effectief werden uitsluitend met de vectormethode vastgesteld, bijvoorbeeld: een effectieve maatregel, een effectief resultaat, een effectief systeem, effectief werk. De VE bevatte meer synoniemen (bijv. doeltreffend), maar de collocaties een doeltreffende maatregel, een doeltreffend resultaat enzovoort zijn niet in het corpus aangetroffen; daarom werd, na toepassing van het niet-mogelijke 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 De kolocaties met efficiënt werden op basis van de vervangbaarheidstest als AK erkend. Hierbij moet worden toegevoegd dat linguïsten, uitgaande van de competentie van moedertaalsprekers, dit in dit geval anders beoordeelden: vervanging is mogelijk (zowel een efficiënt middel als een doeltreffend middel kan worden gebruikt), en daarom werd besloten deze kolocaties niet als AK te beschouwen. De geautomatiseerde methode erkende veel kolocaties als AK waarvan het bijvoeglijk naamwoord evaluatief is, vgl.: uitzonderlijk (omdat het synonymisch verbonden is met bijzonder), vreemd (verbonden met ongewoon), modern (verbonden met hedendaags), voornaamste (verbonden met essentieel), complex (verbonden met moeilijk). Linguïsten neigden er vaker toe dergelijke gevallen niet als AK te classificeren. Kolocaties met stabiel, bijvoorbeeld een stabiel leven, een stabiele prijs, een stabiele week, een stabiele staat, werden alleen met de vectormethode als arbitrair erkend, omdat de vervangbaarheid werd getoetst aan het synoniem constant, dat als collocaat niet met de desbetreffende zelfstandige naamwoorden voorkwam. Toch erkenden de linguïsten deze kolocaties niet als arbitrair, omdat bij beschouwing van de combinatiemogelijkheden van stabiel blijkt dat die inderdaad ruim zijn en dat er geen beperkingen zijn vastgesteld, terwijl constant niet als synoniem van stabiel werd beschouwd, vgl.: stabiel werk, een stabiele staat, een stabiele prijs, een stabiel resultaat, een stabiel leven, een stabiele week. AK die met beide methoden zijn vastgesteld. Onder de beschikbare gegevens is er geen enkel geval waarin alle kolocaties met hetzelfde bijvoeglijk naamwoord die als AK zijn erkend, met beide methoden zijn vastgesteld. In alle gevallen is slechts een deel ervan met beide methoden vastgesteld; bij de betrokken bijvoeglijke naamwoorden gaat het meestal om woorden die in figuurlijke betekenis kunnen worden gebruikt, bijvoorbeeld: beroemd, snel, verdrietig, klein, niet gemakkelijk, aantrekkelijk, gevaarlijk, ernstig, sterk, zwaar, stevig. Zoals al vermeld, zijn de AK van de meeste van zulke bijvoeglijke naamwoorden alleen met de niet-geautomatiseerde methode vastgesteld, bijvoorbeeld de kolocaties met het bijvoeglijk naamwoord zwak (zie ook de eerder genoemde voorbeelden). Dit komt doordat dergelijke gevallen bij de niet-geautomatiseerde vaststelling van AK werden geselecteerd op basis van het criterium van figuurlijke betekenis, terwijl ze bij toepassing van methode 2 alleen in aanmerking kwamen als ze deel uitmaakten van de synoniemenreeks die voor de vervangbaarheidstest werd gebruikt. Bij controle van het aantal kolocaties dat met afzonderlijke methoden wordt verzameld voor een van de productiefste zelfstandige naamwoorden, beslissing, zijn trends zichtbaar die vergelijkbaar zijn met die in tabel 3: met de niet-geautomatiseerde methode werden de meeste AK verkregen, maar een aanzienlijk deel van de AK is geautomatiseerd vastgesteld. 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 TABEL 4. Vastgestelde AK met het zelfstandig naamwoord beslissing en bijvoeglijke naamwoorden AK vastgesteld met de niet-geautomatiseerde methode AK vastgesteld met de geautomatiseerde methode AK vastgesteld met beide methoden 1) verantwoordelijk 2) precedentloos 3) drastisch 4) moedig 5) formeel 6) streng 7) slim 8) verstandig 9) constructief 10) creatief 11) dom 12) tijdelijk 13) beslissend 14) fataal 15) licht 16) onlogisch 17) irrationeel 18) gefundeerd 19) comfortabel 20) vooruitstrevend 21) praktisch 22) tegengesteld 23) verstandig 24) rationeel 25) bewust 26) veilig 27) zelfstandig 28) schandalig 29) pijnlijk 30) overhaast 31) dringend 32) slim 33) vreedzaam 34) rechtvaardig 35) duurzaam 36) eensgezind 1) duidelijk 2) categorisch 3) vreemd 4) concreet 5) creatief 6) nuttig 7) onverwacht 8) optimaal 9) eenvoudig 10) slecht 11) realistisch 12) ingewikkeld 13) uniek 1) snel 2) logisch 3) niet gemakkelijk 4) serieus 5) riskant 6) zwaar 7) schadelijk 8) stevig 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 Bij het geven van het voorbeeld van het zelfstandig naamwoord sprendimas is het belangrijk nog een aspect te noemen dat verband houdt met de geautomatiseerde methode: een deel van de als arbitrair geclassificeerde collocaties kan ter discussie staan, dat wil zeggen dat ze op de grens lijken te liggen en dichter bij de niet-arbitraire collocaties staan. Zo kan de vraag rijzen of collocaties als aiškus sprendimas of keistas sprendimas werkelijk als arbitrair moeten worden beschouwd. Het lijkt erop dat de bijvoeglijke naamwoorden aiškus, keistas, kūrybiškas, naudingas, netikėtas en andere niet alleen met sprendimas kunnen worden gecombineerd, maar ook met veel andere zelfstandige naamwoorden waarmee ze semantisch combineerbaar zijn; vgl. alle collocaties van deze bijvoeglijke naamwoorden die in het corpus Delfi.lt zijn vastgesteld: 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. De linguïsten toetsten de beperkte lexicale combineerbaarheid niet alleen met de synonymietest, maar ook aan de hand van lexicaal-semantische groepen; daarom classificeerden zij de collocaties aiškus sprendimas en keistas sprendimas niet als arbitrair. Bij de geautomatiseerde beoordeling van lexicale beperkingen zijn deze collocaties wel als AK geclassificeerd, omdat bij de toets op vervangbaarheid door synoniemen bleek dat het zelfstandig naamwoord sprendimas collocaties vormde met slechts één lid uit het synoniemenpaar aiškus, suprantamas en het synoniemenpaar keistas, neįprastas. Deze voorbeelden laten zien dat nauwkeuriger AK-resultaten mogen worden verwacht wanneer de beperkte lexicale combineerbaarheid niet alleen met de synonymietest, maar ook met een test op lexicaal-semantische groepen wordt gecontroleerd. 2.2. Arbitraire collocaties bestaande uit werkwoorden en zelfstandige naamwoorden Er zijn 1171 AK vastgesteld die bestaan uit een werkwoord en een zelfstandig naamwoord. Dit aantal komt redelijk overeen met het aantal AK gevormd met bijvoeglijke naamwoorden: 1048. Ook de AK die met verschillende methoden zijn vastgesteld, zijn ongeveer op dezelfde manier verdeeld als de collocaties gevormd met bijvoeglijke naamwoorden (zie tabel 2; zie tabel 3): ongeveer de helft van de AK is handmatig vastgesteld (bijv.: apniukusi diena, aptarti galimybes, iškvies­ti apsaugą), ongeveer een derde geautomatiseerd (bijv.: suskubti į pagalbą, žvelgti į gyvenimą, sugadintas turtas, kaupti turtą), en bijna een vijfde is met beide methoden vastgesteld (bijv.: atlikti tarnybą, duoti komandą, matyti reikalą). Ook de lexicale diversiteit van de AK met deze structuur is geanalyseerd, dat wil zeggen hoeveel verschillende werkwoorden AK vormen die met een bepaalde methode zijn vastgesteld. Gemiddeld zijn er 2,05 AK uit deze paragraaf gevormd met hetzelfde werkwoord (zie tabel 5). 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 TABEL 5. AK vastgesteld met verschillende methoden (werkwoord + zelfstandig naamwoord) AK vastgesteld met niet-geautomatiseerde methoden AK vastgesteld met geautomatiseerde methoden AK vastgesteld met beide methoden Aantal (percentage) Aantal verschillende werkwoorden (gemiddeld aantal AK gevormd met hetzelfde werkwoord) Aantal (percentage) Aantal verschillende werkwoorden (gemiddeld aantal AK gevormd met hetzelfde werkwoord) Aantal (percentage) Aantal verschillende werkwoorden (gemiddeld aantal AK gevormd met hetzelfde werkwoord) 561 (47,91) 376 (1,5) 382 (32,62) 189 (2,02) 228 (19,47) 102 (2,24) De syntactische functies van werkwoorden in AK zijn gevarieerder dan die van bijvoeglijke naamwoorden: ze kunnen voorkomen in vervoegde vormen die zelfstandige naamwoorden verbinden die de functie van object, subject of bijwoordelijke bepaling vervullen (bijv.: apipilti klausimais, kelti kainą, parodyti laikas13, pastatyti į vietą), of in niet-vervoegde vormen, meestal deelwoorden, die de functie van attribuut vervullen (bijv.: išpūsta kaina, einamieji metai, neapgalvotas sprendimas, klestinti šalis, negirdėtas dalykas, vykdomas darbas). In AK van drie woorden kan de woordvolgorde variëren, bijvoorbeeld: atskubėti į pagalbą / į pagalbą atskubėti; eiti į rinkimus / į rinkimus eiti. In vergelijking met collocaties die uit bijvoeglijke naamwoorden bestaan, is er een grotere verscheidenheid aan verschillende werkwoorden: in de met de niet-automatische methode vastgestelde AK vormt hetzelfde werkwoord gemiddeld 1,5 collocatie, in de met de geautomatiseerde vectormethode vastgestelde AK gemiddeld 2,02 collocaties, terwijl de werkwoordelijke diversiteit in de met beide methoden vastgestelde AK het kleinst is: hetzelfde werkwoord vormt gemiddeld 2,24 AK. Waarschijnlijk komt dit doordat er het minst aantal collocaties is vastgesteld met beide methoden. Anderzijds zijn de tendensen vergelijkbaar: de grootste lexicale diversiteit vertonen de AK die met de niet-automatische methode zijn vastgesteld. 13 Soms lijken de lemmata van subjectcollocaties ongebruikelijk, maar er is voor de infinitief gekozen, omdat er zeer uiteenlopende vervoegde vormen kunnen worden gebruikt, bijvoorbeeld: 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 Bij analyse van de gegevens blijkt er een grote verscheidenheid aan werkwoorden te zijn (woorden met en zonder voorvoegsel en met verschillende voorvoegsels zijn als verschillende werkwoorden beschouwd (bijv.: saugoti, apsaugoti, išsaugoti); wederkerende en niet-wederkerende vormen zijn, als ze de betekenis niet veranderen, als hetzelfde werkwoord beschouwd), maar er zijn werkwoorden met een hoge combinatorische capaciteit waarmee meerdere, soms zelfs een tiental AK zijn gevormd, bijvoorbeeld: verlenen: bescherming verlenen, informatie verstrekken, een mogelijkheid bieden, de mogelijkheid bieden om te kiezen, informatie verstrekken over; besteden: weinig aandacht besteden, tijd besteden, aandacht besteden, veel aandacht besteden, huisarrest opleggen, veel aandacht besteden, veel tijd besteden, veel aandacht besteden, aandacht moeten besteden; komen / aanstaand: naar de verkiezingen gaan, de euro komt, de tijd komt, het moment komt, komende jaren, komende verkiezingen, begroting voor het komende jaar, begin van het komende jaar, komende maand, begin van de komende week, komend seizoen, komende jaren, komende dag, komende week. Het is duidelijk dat een aanzienlijk deel van de AK die met één werkwoord zijn gevormd, varianten van één collocatie zijn, vgl. de hierboven genoemde varianten van AK skirti dėmesį. Toch worden alle lexicale en grammaticale varianten van collocaties (de woordvolgorde verandert, er worden extra woorden toegevoegd) als afzonderlijke collocaties geteld. Als afzonderlijke collocaties worden beschouwd gevallen waarin hetzelfde werkwoord in een vervoegde vorm wordt gebruikt (in dat geval wordt doorgaans de infinitief als lemma vermeld) of in een niet-vervoegde vorm (bijv.: kovoti dėl vietos, kovoti iki pabaigos, kovojanti grupė). Bij collocaties met werkwoorden wordt de grotere lexicale diversiteit (in vergelijking met bijvoeglijke naamwoorden) dus veroorzaakt door een kenmerk van het werkwoord als woordsoort: hetzelfde werkwoord met dezelfde stam wordt vaak met verschillende voorvoegsels gebruikt. Enerzijds kunnen zulke werkwoorden als verschillende woorden worden beschouwd; anderzijds zijn deze gegevens niet helemaal vergelijkbaar met gegevens over bijvoeglijke naamwoorden, die in alle gevallen verschillende woorden zijn en geen afleidingsvarianten van hetzelfde woord. AK die met de niet-automatische methode zijn vastgesteld. Anders dan collocaties van bijvoeglijke naamwoorden + zelfstandige naamwoorden zijn collocaties met werkwoorden vaak als arbitrair aangemerkt, niet alleen op grond van het criterium van figuurlijk gebruik (bijv.: gadinti gyvenimą, atverti galimybę), maar ook op grond van het criterium van beperkte lexicale combinatorische capaciteit en de test met lexicale semantische groepen. Collocaties met vaizdas, būdas, informacija zijn bijvoorbeeld beoordeeld aan de hand van de volgende paradigma's: 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 informatie verdraaien de markt verstoren vervalste informatie een verdraaide manier een vervormd beeld Het combinatorische bereik van de werkwoorden iškraipyti, iškreipti (ook attributief gebruikt) is niet groot: aan het paradigma van collocaties met iškraipyti zou nog iškraipyti žodžius kunnen worden toegevoegd, maar het zelfstandig naamwoord žodžiai zou dan in één groep vallen met informacija; daarom is besloten beide collocaties tot de AK te rekenen. Met het attributief gebruikte deelwoord iškreiptas zijn drie collocaties gevormd, die alle als AK zijn beschouwd, omdat het paradigma weliswaar kan worden uitgebreid (bijvoorbeeld met iškreiptas mąstymas), maar toch beperkt zou blijven. De zelfstandige naamwoorden informacija, vaizdas, būdas zijn, hoewel ze tot één abstracte lexicaal-semantische groep behoren, met slechts drie; een klein aantal woorden is een van de voorwaarden voor toepassing van de test met lexicaal-semantische groepen. De test van onderlinge vervangbaarheid door synoniemen maakt duidelijk dat in plaats van iškraipyti, iškreiptas bijvoorbeeld išdarkyti / išdarkytas niet passend is. AK vastgesteld met de geautomatiseerde methode. Het is belangrijk één beperking van de geautomatiseerde methode te benadrukken: een deel van de AK wordt mogelijk niet herkend, omdat zulke collocaties niet zijn aangetroffen in het corpus Delfi.lt (hoewel de woordcombinatie zelf er wel kan zijn gebruikt). Zo is de driewoordige collocatie aiškintis įvykio aplinkybes als AK aangemerkt op grond van de synoniemen analizuoti, aiškintis, tirti die in VE waren opgenomen. In het corpus werd alleen een collocatie met het werkwoord aiškintis gevonden; daarom werd die als AK erkend. Anderzijds zou er in een ander corpus ook een collocatie tirti įvykio aplinkybes kunnen voorkomen; bij toetsing aan dezelfde synoniemenreeks zouden dan dus twee collocaties, en niet één, als arbitrair zijn aangemerkt. Onder de collocaties die met de geautomatiseerde methode zijn vastgesteld, bevinden zich gevallen die taalkundigen niet als AK hebben aangemerkt, juist omdat men op grond van het taalgevoel niet dacht dat er een voorkeur bestond om uit meerdere mogelijke synoniemen één te kiezen. Een voorbeeld zijn de collocaties suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį. Geen van deze collocaties werd door taalkundigen als arbitrair aangemerkt. Met de geautomatiseerde methode werd vastgesteld dat alle drie AK zijn, omdat tussen de collocaties uit het corpus Delfi.lt geen collocaties voorkwamen met andere leden van de betreffende synoniemengroepen: er was suprasti pasaulį, maar niet suvokti pasaulį; er was pažinti pasaulį, maar niet išmokti pasaulį; er was žiūrėti į pasaulį, maar niet žvelgti į pasaulį. Uit de taalkundige beoordeling bleek dat het combinatorische bereik van deze drie werkwoorden geen kenmerken van een beperkt combinatorisch bereik vertoont. 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 Met beide methoden zijn AK vastgesteld. Er moet worden opgemerkt dat de AK in deze groep niet noodzakelijk aan de hand van hetzelfde criterium zijn vastgesteld. Bij de beoordeling van arbitraliteit met de niet-automatische methode kon een AK op basis van een van de tests zijn vastgesteld, en niet noodzakelijk op basis van de vervangbaarheid door synoniemen. Zoals is beschreven voor collocaties van bijvoeglijke naamwoorden en zelfstandige naamwoorden, werden dezelfde AK handmatig geselecteerd op basis van het criterium van overdrachtelijke betekenis, terwijl ze met de geautomatiseerde methode werden geselecteerd op basis van het criterium van beperkte lexicale combineerbaarheid (de test van vervangbaarheid door synoniemen), vgl. het verkeer raakte ontregeld en de gezondheid verslechterde werden door linguïsten geselecteerd omdat sutr būti met een beperkte groep zelfstandige naamwoorden combineert, terwijl deze collocaties door de twee methoden als AK werden aangemerkt omdat bij de synoniemen mislukte en raakte ontregeld in evaluatieve collocaties slechts één synoniem was aangetroffen. Een ondoordachte beslissing werd als AK aangemerkt, omdat er geen collocatie met een ander synoniem was – een weloverwogen beslissing. Het is dus belangrijk in gedachten te houden dat de collocaties in deze groep niet aan de hand van hetzelfde criterium zijn herkend. TABEL 6. Vastgestelde AK met het zelfstandig naamwoord beslissing en werkwoorden AK vastgesteld met de niet-automatische methode AK vastgesteld met de geautomatiseerde methode AK vastgesteld met beide methoden 1) een rechterlijke uitspraak aanvechten 2) een beslissing uitstellen 3) een beslissing nemen 4) een beslissing onderbouwen 5) een oplossing zoeken 6) een onherroepelijk vonnis 7) een ondoordachte beslissing 8) geen beslissing nemen 9) een rechterlijke uitspraak niet uitvoeren 10) de beslissing bleek succesvol 11) een passende beslissing nemen een geschikte beslissing nemen 12) beslissingen nemen 13) instemmen met een beslissing 14) een beslissing bekendmaken 15) een beslissing aanvechten (bij de rechtbank) 16) een rechterlijke uitspraak uitvoeren 1) een beslissing nemen 2) een beslissing eisen 3) een voorgestelde oplossing 4) op een beslissing wachten 5) een beslissing ondertekenen 1) een rechterlijke uitspraak uitvoeren 2) een genomen beslissing 3) een voorgestelde oplossing 4) een beslissing bekendmaken 5) een weloverwogen beslissing 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 Wanneer wordt beoordeeld hoeveel collocaties van het type werkwoord + zelfstandig naamwoord van een van de productiefste zelfstandige naamwoorden beslissing met verschillende methoden worden vastgesteld (zie tabel 6), blijkt dat de meeste ervan met de niet-automatische methode zijn vastgesteld, terwijl met beide methoden en met de geautomatiseerde methode slechts vijf AK zijn vastgesteld. ALGEMENE OPMERKINGEN Op basis van de analyse van twee- en driewoordige AK, bestaande uit bijvoeglijke naamwoorden en zelfstandige naamwoorden, evenals uit werkwoorden en zelfstandige naamwoorden, kan worden gesteld dat ongeveer de helft ervan met de niet-geautomatiseerde methode is vastgesteld, ongeveer een derde met de geautomatiseerde methode en ongeveer een vijfde met beide methoden. Slechts een klein deel van de met deze methoden vastgestelde AK komt overeen, wat erop wijst dat beide methoden samen meer AK kunnen opleveren. Om AK te herkennen, is het dus zinvol gebruik te maken van zowel de mogelijkheden van de niet-geautomatiseerde als die van de geautomatiseerde methode. Benadrukt moet worden dat bij de niet-geautomatiseerde analyse niet één, maar twee selectiecriteria zijn toegepast; daarom zijn er met de niet-geautomatiseerde methode veel meer gegevens vastgesteld dan met de geautomatiseerde methode. De niet-geautomatiseerde analyse omvatte niet alleen het criterium van figuurlijke betekenis, maar ook het criterium van beperkte lexicale combineerbaarheid, dat met twee tests werd gecontroleerd (de test van lexicaal-semantische groepen en de test van vervangbaarheid door synoniemen). Bij toepassing van de geautomatiseerde methode werd alleen het criterium van beperkte lexicale combineerbaarheid toegepast, op basis van de test van vervangbaarheid door synoniemen. Vanwege het verschillende aantal criteria kunnen de resultaten van de verschillende methoden niet met elkaar worden vergeleken: met de eerste methode zijn in elk geval meer AK vastgesteld, terwijl er relatief weinig collocaties overeenkomen. Het zou interessant zijn om de AK die geautomatiseerd en niet-geautomatiseerd zijn vastgesteld uitsluitend op basis van het gemeenschappelijke criterium van beperkte combineerbaarheid (de test van vervangbaarheid door synoniemen) met elkaar te vergelijken. Zo’n vergelijking zou kunnen aantonen dat een deel van de vastgestelde AK hetzelfde is, en zou bovendien inzicht kunnen geven in welke methode meer AK heeft geselecteerd en waarin de niet-overeenkomende AK verschillen. Met de niet-geautomatiseerde methode zijn niet alleen meer, maar ook lexicaal gevarieerdere gegevens verzameld. De met deze methode vastgestelde AK bevatten een grotere variatie aan bijvoeglijke naamwoorden en werkwoorden, terwijl de met de geautomatiseerde methode verkregen AK lexicaal minder gevarieerd zijn. 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 Bij het testen van de geautomatiseerde methode was het voornaamste doel de factor subjectiviteit bij de beoordeling van arbitrariteit te beperken en uitsluitend uit te gaan van gegevens die in het corpus zijn vastgelegd. Wanneer men beschikt over paren of groepen synoniemen die met de vectormethode uit een specifiek corpus zijn vastgesteld, wordt de beoordelingsprocedure eenvoudiger, omdat het gemakkelijker is te bepalen of een component van een collocatie al dan niet kan worden vervangen: als het onderzochte materiaal collocaties bevat met alle woorden van een synoniemenpaar of -groep, is vervanging mogelijk. Natuurlijk kwamen ook tekortkomingen van de geautomatiseerde methode aan het licht. Omdat de arbitrariteit van de beoordeelde collocatie wordt vastgesteld op basis van synoniemen uit de VE, worden sommige AK mogelijk niet herkend: de beoordeling als arbitrair hangt sterk af van de beschikbare VE. Voor de tests worden alleen zoveel en alleen zulke synoniemen gebruikt als in de VE zijn verzameld; daardoor worden niet alle collocaties als AK herkend. Hoewel het analyseproces van AK kan worden geautomatiseerd, is in de eerste fase ervan de inbreng van taalkundigen nodig: in de met de vectormethode samengestelde VE moeten synoniemen worden onderscheiden van woorden die door andere semantische relaties verbonden zijn, bijvoorbeeld antoniemen. Uit een controle van hoeveel automatisch verkregen gegevens na de taalkundige beoordeling overblijven, blijkt dat er veel bijvoeglijke naamwoorden en werkwoorden uit de VE zijn verwijderd en dat ook de resterende 41 procent respectievelijk 30 procent van de gegevens nog moet worden bewerkt en opgeschoond. Omdat de vectormethode niet alleen woorden vaststelt die door synoniemierelaties verbonden zijn, kost het meer tijd om de synoniemgegevens voor de vervangingstest voor te bereiden. Daarom moeten andere methoden voor het vaststellen van synoniemierelaties worden getest. Bij de beoordeling van de geschiktheid van de vectormethode voor de selectie van synoniemen kunnen de volgende argumenten worden genoemd die de waarde van automatisch verzamelde gegevens aantonen. Ten eerste maakt de vectormethode het mogelijk meer en andere synoniemen vast te stellen dan uitsluitend met introspectie. Ten tweede brengen de met deze methode vastgestelde synoniemen (nadat niet-synoniemen vooraf zijn uitgesloten) een belangrijk verschijnsel op het gebied van synonymie aan het licht: niet alleen afzonderlijke woorden zijn synoniem, maar ook woordcombinaties. Ten derde is de vectormethode geschikt voor de verwerking van grote hoeveelheden gegevens, dat wil zeggen voor het vaststellen van synoniemen uit een groot corpus; met de hand zou het moeilijk zijn de contextuele gelijkenis van zo’n groot aantal woorden te beoordelen. 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