Arbitraliųjų lietuvių kalbos kolokacijų nustatymas

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ Vytautas Magnus universitet IDENTIFIERING AV ARBITRÄRA LITAUISKA KOLOKATIONER NYCKELORD: arbiträra kolokationer, litauiska, begränsad lexikal kombinerbarhet, vektormetod, automatisk identifiering, lingvistisk manuell identifiering. SAMMANFATTNING Föremålet för den studie som presenteras i artikeln är arbiträra kolokationer i litauiska. Deras kombinerbarhet grundar sig inte på semantiska utan på lexikala begränsningar; sådana kolokationer återspeglar inte direkt den icke-språkliga verkligheten. Relationen mellan deras ord är arbiträr: även om det teoretiskt sett går att välja mer än en kombinationspartner utifrån en liknande betydelse, tenderar man att använda en viss. Artikeln beskriver metoder för att identifiera arbiträra kolokationer, vilka prövades inom projektet ”En icke-automatisk metod för lingvistisk analys och en automatiserad metod för datorlingvistik (ARKA)”. Materialet för studien hämtades från databasen över fasta ordkombinationer i litauiska. ABSTRACT Artikeln syftar till att beskriva de metodologiska tillvägagångssätten för identifiering av arbiträra kolokationer (AC), som utvecklats inom ramen för projektet ”Arbiträra kolokationer i litauiska: identifiering, beskrivning och användning (ARKA)”. Studiens källa var ”Databasen över litauiska flerordsuttryck”. Arbiträra kolokationer identifierades genom att kombinera manuella och halvautomatiska metoder inom datorlingvistik. INLEDNING En stor del av de fasta ordkombinationerna utgörs, som bekant, av kollokationer. När de emellertid identifieras automatiskt i korpusar med statistiska eller hybridmetoder (se närmare Bielinskienė ir kt. 2019: 15–22), identifieras också många sådana kombinationer som betraktas som kollokationer 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 eftersom frekvensen av att de ord som ingår i dem förekommer tillsammans automatiskt bedöms som statistiskt signifikant, till exempel: sex år, en solig dag, en vacker kvinna och liknande. På så sätt uppstår falska kollokationer bland kollokationerna; de bildas som vanliga fria ordkombinationer på grundval av semantiska snarare än lexikala begränsningar (Marcinkevičienė 2010: 90–91). Vissa forskare betraktar endast egentliga kollokationer (även kallade omotiverade eller arbiträra) som kollokationer – konventionella ordkombinationer som inte direkt återspeglar den icke-språkliga verkligheten; sambandet mellan orden i dem är arbiträrt (för en utförligare diskussion om arbitraritet, se Kovalevskaitė ir kt. 2021). Föremålet för denna studie är just arbiträra kollokationer (nedan AK), det vill säga sådana som kännetecknas av begränsad lexikal kombinerbarhet (eng. lexical restrictedness): även om det teoretiskt sett går att välja mer än en kombinationspartner utifrån en liknande betydelse, tenderar man att använda en viss partner, till exempel förstå en antydan, snarare än *uppfatta en antydan, inom räckhåll, snarare än *nåbar med handen. Rūta Petrauskaitė skriver: ”Avsaknaden av en direkt koppling till den verklighet som benämns innebär att inte bara skiljer sig ett och samma ords kombinerbarhet avsevärt mellan olika språk, utan även inom samma språk kan den ena kollokationskomponenten inte ersättas med en annan, synonym komponent utan risk för att uttrycket låter ovanligt, till exempel tiden går, löper, glider, men inte *steglar, rusar, kryper” (Marcinkevičienė 2010: 91). De lexikala kombinationspartnerna till huvudordet i egentliga (arbiträra) kollokationer är enligt R. Petrauskaitė oförutsägbara; grunden för sådana kollokationers kombinerbarhet är lexikala begränsningar (Marcinkevičienė 2010: 90). AK har hittills inte fått någon större uppmärksamhet från forskare inom litauiska, trots att identifieringen av dem skulle göra det möjligt att urskilja dessa kollokationer som kärnan i litauiska kollokationer, något som är särskilt användbart för översättning, undervisning i litauiska som främmande språk och lexikografi. AK analyseras för dessa ändamål inom projektet ”Arbiträra kollokationer i litauiska: igenkänning, beskrivning, användning (ARKA)”1, vars syfte är att beskriva AK i litauiska och ta fram lexikografiska och pedagogiska resurser för AK. Syftet med artikeln är att beskriva vilka metoder som har tillämpats inom ARKA-projektet för att identifiera AK i litauiska och att jämföra resultaten från olika metoder. AK analyserades med icke-automatiska lingvistiska analysmetoder och automatiserade datorlingvistiska metoder. 1 Projektet finansieras av Litauens forskningsråd (nr S-LIP-20-18); för mer information, se 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 Källor: 1) Databasen över fasta ordförbindelser i litauiska (nedan PŽJDB)2, som innehåller cirka 12 000 kollokationer; 2) Delfi.lt-korpusen3, som omfattar 70 miljoner ord och texter publicerade 2014–2016 i olika avdelningar på nyhetsportalen Delfi.lt (mer om korpusen i Bielinskienė et al. 2019: 14–15). Undersökningsmaterialet består av kollokationer bildade av 97 substantiv (plats, miljö, sätt, man, kvinna, sak med flera4). Deras struktur är adjektiv/adjektiviskt particip + substantiv, verb + substantiv, substantiv + substantiv. Efter undersökningen klassificerades cirka 2 400 kollokationer som AK. De flesta är tvåordsuttryck, men en del består av tre ord; de senare är vanligen bildade av verb, adjektiv och substantiv (ordens inbördes ordningsföljd kan variera). Den första delen av undersökningsmaterialet, det vill säga kollokationer med strukturen adjektiv + substantiv, behandlas i en tidigare artikel (Kovalevskaitė et al. 2021). Där presenteras ett försök att identifiera AK med hjälp av en av metoderna inom datorlingvistik – den automatiserade (vektorbaserade) metoden – som också beskrivs ingående. I denna artikel sammanfattas hela undersökningen av AK-identifiering. I det första kapitlet presenteras båda de metoder som använts – den manuella (se avsnitt 1.1), tillsammans med de tillämpade kriterierna och testerna, och den automatiserade, vars tillämpning belyses med en grupp kollokationer med strukturen verb + substantiv (se avsnitt 1.2). I det andra kapitlet diskuteras och jämförs resultaten av metodtillämpningen på grundval av uppgifter från undersökningens samtliga etapper, liksom metodernas möjligheter och begränsningar, vilka är viktiga vid bedömningen av den identifierade AK-listan och planeringen av fortsatt forskning om AK. 1. METODER FÖR ATT IDENTIFIERA ARBITRÄRA KOLLOKATIONER I framställningar om AK anges att gränsen mellan arbiträra och så kallade triviala kollokationer skulle kunna dras vid gränsen för abstrakta substantiv: ”<...> kollokationer vars grund utgörs av abstrakta substantiv kan betraktas som genuina, omotiverade, 2 http://resursai.pastovu.vdu.lt/paieska/paprastoji 3 https://klc.vdu.lt/pastovuSearch.html 4 Såväl konkreta som abstrakta substantiv bildar oftast fasta ordförbindelser; här identifierades de i Delfi.lt-korpusen. Se Bielinskienė et al. 2019 för en mer ingående behandling av dem. 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 och fasta uttryck med konkreta substantiv brukar bygga på den icke-språkliga verkligheten och är triviala” (Marcinkevičienė 2010: 91). Ett av de kriterier som nämns i arbeten om kollokationer är alltså substantivens semantik. I denna undersökning visade det sig att merparten av AK verkligen är bildade med beteckningar för abstrakta företeelser, men det noterades också att arbiträritet kännetecknar kollokationer även med konkreta substantiv, jfr: begränsa hastigheten, göra gymnastik, ta emot en muta, lämna planen, ta ett lån, prata i telefon, sätta upp en föreställning m.fl. Utmaningen i denna undersökning var inte bara att tillämpa kriterier för att identifiera AK, utan också att välja en metod som lämpade sig för att hantera stora datamängder, så att man med hjälp av den skulle kunna sammanställa listor över AK i litauiska efter att ha undersökt ett stort antal kollokationer (för detta användes material från PŽJDB). Inom projektet prövades och tillämpades två metoder för att identifiera AK: en manuell och en automatiserad. Först användes den manuella metoden, med utgångspunkt i de kriterier för att identifiera AK som hade valts (se avsnitt 1.1). Eftersom PŽJDB innehåller mycket data var en av projektets uppgifter att, vid sidan av den manuella metoden, även pröva en metod som åtminstone delvis skulle göra det möjligt att automatisera processen för att identifiera AK (se avsnitt 1.2). 1.1. Manuell identifiering av AK Vid manuell identifiering av AK tillämpades två huvudkriterier: 1) kriteriet om begränsad lexikal kombinerbarhet, som bedömdes med metoden för synonymutbytbarhet och/eller metoden med lexikalsemantiska grupper av substantiv; 2) kriteriet om bildlig betydelse. Om en kollokation uppfyllde minst ett kriterium betraktades den som arbiträr. Nedan diskuteras hur varje kriterium tillämpades för att bedöma om en kollokation skulle betraktas som arbiträr. 1.1.1. Identifiering av AK utifrån begränsad lexikal kombinerbarhet Som nämnts i inledningen betraktas kollokationer med begränsad lexikal kombinerbarhet som arbiträra, det vill säga ett adjektiv eller verb som används i en viss betydelse i kombination med ett substantiv kännetecknas av en viss, mer eller mindre arbiträr, begränsning av utbytbarheten (eng. arbitrary restriction on substitutability; Nesselhauf 2003, 2005). Enligt uppfattningen om begränsad lexikal kombinerbarhet kan alltså inte vilket kollokationselement som helst användas i en viss betydelse 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 använts tillsammans med alla syntaktiskt och semantiskt möjliga kollokater. Även om det teoretiskt går att hitta ersättningar för kollokaterna, skulle de antingen inte passa alls eller vara ovanliga, t.ex.: gynnsam jämfört med *nyttig miljö; mångfacetterad jämfört med *skiktad roman. Lingvisterna prövade kriteriet begränsad lexikal selektion med två test: 1) utifrån verbets eller adjektivets synonymer (dvs. om det kan ersättas med andra ord med närliggande betydelse som kan betraktas som synonymer); 2) utifrån substantivens lexikal-semantiska grupper. Eftersom AK anses vara sådana kollokationer där det ena ledet vanligtvis inte kan ersättas med ett annat ord – en synonym med närliggande betydelse – användes ett synonymutbytbarhetstest för att identifiera AK (anpassat efter Nesselhauf 2003): om det ena kollokationsledet inte kan ersättas med en annan synonym med närliggande betydelse, betraktades kollokationen som AK. Exempelvis bedömdes kollokationernas inte lyda lagen, införa ett system, nedlagt arbete godtycklighet genom att pröva möjliga verbsynonymer *överträda lagen, *föra in ett system, *instucket / inlagt arbete och avgöra om utbyte var möjligt; om inte, klassificerades kollokationerna som AK. Testet utfördes av tre lingvister med introspektionsmetoden, men baserades på kollokationer som identifierats i korpusen Delfi.lt. Det bör dock medges att det ofta var ganska svårt att hitta en synonym, och därför användes ofta även det andra testet – testet utifrån substantivens lexikal-semantiska grupper. Begränsad lexikal selektion bedömdes också utifrån mångfalden av lexikal-semantiska grupper: med utgångspunkt i kollokationerna i PŽJDB undersöktes med substantiv från hur många lexikal-semantiska grupper kollokationens adjektiv eller verb kombineras, och omfattningen av den lexikala selektionen bedömdes därigenom. För att så exakt som möjligt fastställa vilka ord ett substantiv kan användas tillsammans med analyserades hela dess paradigm, dvs. alla kollokationer som bildats med substantivet. Även om det undersökta materialet omfattar omkring 12 000 kollokationer tillgängliga i PŽJDB, framgick det ibland att informationen inte räckte till. Om materialet endast innehöll en kollokation med ett visst adjektiv/verb, fyllde lingvisterna ut paradigmet utifrån sin språkkänsla som modersmålstalare; om databasen innehöll flera kollokationer tillämpades testerna för begränsad lexikal selektion på det tillgängliga paradigmet. Med utgångspunkt i substantivens lexikal-semantiska grupper bedömdes selektionens omfattning enligt följande villkor: 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) Kollokationer betraktades inte som AK om ett visst adjektiv/verb kombineras med substantiv från många olika lexikal-semantiska grupper och grupperna är stora. En sådan selektion hos adjektivet/verbet betraktades som bred, utan tydliga lexikala begränsningar; jfr det stora antalet kollokationer med bra: bra resultat, arbete, värld, människa, tid, liv, sätt, sak, land, lag, dag, beslut, år, väder, plats, sida, säsong, möjlighet, pris, match, bil, mat, tecken, hälsa, väg, man, barn, produkt, fråga, början, åtgärd m.fl.; jfr också köpa: köpa en bil, mat, en produkt, egendom, mark; b) Om ett adjektiv/verb kombineras med substantiv från många olika lexikal-semantiska grupper, men en grupp utmärker sig eller endast några få substantiv från en viss semantisk grupp används, kunde kollokationen betraktas som AK. Även om ställa har bred selektion, kan verbet exempelvis inte användas med namn på alla slags transportmedel; jfr ställa bilen (liksom ställa cykeln, motorcykeln), men förtöja fartyget, landa flygplanet. Följaktligen klassificeras kollokationen ställa bilen som AK på grund av sin begränsade selektion. Verbet ha betraktas som ett ord med bred lexikal selektion, eftersom det kan bilda många och varierande kollokationer, men i hela dess paradigm utmärker sig kollokationen ha ett ärende – den betraktas som arbiträr. Med bli sämre används ord från två lexikal-semantiska grupper – naturfenomen och känslor – men kollokationer bildas endast med substantiven vädret blev sämre och stämningen blev sämre, så båda fallen är AK; c) Kollokationer som tillhör en enda stor semantisk grupp betraktas inte som AK. I PŽJDB hittades exempelvis bara en kollokation, dra av skatter, men lingvister kan med stöd av modersmålskänslan fylla ut paradigmet med andra ord (man kan dra av pengar, ett lån och andra finansiella poster); därför betraktas dra av skatter inte som AK. Detta är en lexikal-semantisk grupp som bara representeras av en kollokation i PŽJDB, men som teoretiskt sett är stor. Begränsad lexikal selektion prövades genom att bedöma båda kollokationens ord: adjektivet/verbet kan inte ersättas med andra synonymer (test 1), och/eller substantivparadigmet är begränsat (test 2). Kollokationen serverad mat skulle exempelvis tyda på att det kan finnas många substantiv i matgruppen (man kan servera mat, drycker, middag, lunch...). Den uppfyller alltså inte villkoret för test 2, eftersom det bara finns en semantisk grupp, men uppfyller villkor b eftersom servera inte kan ersättas med räcka fram. Enligt test 2 betraktas kollokationen alltså som arbiträr. Ett annat exempel: 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 Verbet surengti används tillsammans med substantiv som betecknar evenemang och händelser (surengti rinkimus, koncertą...), vilket innebär att sådana kollokationer inte bör betraktas som arbiträra enligt kriteriet om en stor semantisk grupp. De kan dock klassificeras som AK enligt test 1, eftersom surengti i detta fall inte kan ersättas med synonymen suruošti. Synonymtestet kan inte alltid tillämpas. Det går till exempel inte att tillämpa när det finns flera AK-varianter, jfr: kainos kyla och kainos auga, didėja; klausimas kamuoja och klausimas kankina; duoti galimybę och suteikti galimybę; įgyti teisę och įgauti teisę. Testet kan inte heller tillämpas i fall som sumokėti mokesčius, apgyvendintas miestas – det är svårt att ens hypotetiskt föreslå synonymer till orden sumokėti, apgyvendinti. Om ingen synonym hittas går det inte att pröva utbytbarheten, eftersom det åtminstone måste finnas en teoretisk möjlighet att välja mellan två (eller fler) synonymer. De lingvister som prövade den begränsade lexikala kombinerbarheten med både synonymtestet (test 1) och testet med lexikala semantiska grupper (test 2) förlitade sig på sin kompetens som modersmålstalare. Resultaten av sådant arbete påverkas emellertid oundvikligen av subjektivitetsfaktorn (om problemet med att identifiera synonymer, se Divjak, Gries 2006: 24–26). Därför prövades även en automatiserad metod för att bedöma synonymers utbytbarhet (se avsnitt 1.2). 1.1.2. Identifiering av AK utifrån bildlig betydelse 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. Adjektiv som används i bildlig betydelse kännetecknas vanligtvis också av en bredare kombinerbarhet, och kollokationer med adjektiv med bredare kombinerbarhet är svårare för inlärare (Nesselhauf 2005: 238). Med tanke på relevansen för språkundervisning och översättning 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) användes kriteriet bildlig betydelse för att identifiera litauiska AK. Vid icke-automatisk analys av kollokationer betraktades det som ett kännetecken på AK att ett av kollokationens led (adjektiv, verb eller substantiv) används i indirekt betydelse. Detta fastställdes genom analys av ett ords hela paradigm, genererat utifrån korpusdata från Delfi.lt (se kolumn 1 i tabell 1). Ett sådant paradigm visar vilka andra adjektiv eller verb ett visst substantiv bildar kollokationer med, och vilken betydelse såväl substantivet som dess kollokater – adjektiv och verb – har i dessa kollokationer. Ibland kan man avgöra om ett ord används i bokstavlig eller bildlig betydelse endast utifrån ett bredare sammanhang – då användes PŽJDB, korpusen Delfi.lt, jfr žalias + automobilis: Representanten för ”Unicredit Leasing” i Litauen noterar ytterligare ett par gröna bilar som marknadstrend. Den gröna bil som Marius Slaboševičius körde grön bil var en halv sekund efter <...>. ”Tesla Model S” har vunnit flera utmärkelser för årets bästa bil, varav en är 2013 års World Green Car of the Year. Įdomūs žaliųjų automobilių koncepciniai modeliai. Av exemplen framgår att adjektivet žalias beskriver bilen som miljövänlig, men inte anger dess färg5. En sådan kollokation betraktades som arbiträr. I korpusen Delfi.lt, vars data ligger till grund för PŽJDB, finns naturligtvis många fall där žalias beskriver bilens färg. Substantivfraser med adjektiv och verb betraktades som AK om åtminstone ett av leden användes i bildlig betydelse. I sådana fall tillämpades inte de beskrivna testen (se avsnitt 1.1.1). Bildlig användning av adjektiv och verb är särskilt typisk för kollokationer med abstrakta substantiv, liksom för kollokationer med några substantiv som betecknar konkreta företeelser, till exempel kollokationer bildade med substantiven 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 Vi vill uppmärksamma att även attributiva former signalerar en avvikande användning. 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 Kollokationer med abstrakta substantiv kan, som R. Petrauskaitė har fastställt (se Marcinkevičienė 2010), bilda konceptuella metaforer (t.ex.: mild åtgärd, skarp kritik, torrt resultat, läckt information, underblåsa rykten, informationsläcka, kryphål i lagen6). Som R. Petrauskaitė hävdar är ”det viktigaste kriteriet för metaforicitet betydelseöverföring, som framträder genom motsättningen mellan ett konkret och ett abstrakt substantiv. När egenskaper hos ett konkret föremål används som grund för att föra in ett abstrakt begrepp i en kontext och bilda en ordkombination med det, uppstår en metafor <...> ett, oftast abstrakt, ting uppfattas som ett annat, konkret ting, med hjälp av det senares terminologi <...>” (Marcinkevičienė 2010: 178). Adjektiv (mer sällan verb) som används i överförd betydelse i kombinationer med konkreta substantiv ger dem semantiskt atypiska egenskaper (t.ex.: snabbmat, framträdande kvinna, synlig person). Liksom i kombinationer med abstrakta substantiv förstås ordkombinationens betydelse ofta inte utifrån de enskilda orden, utan utifrån hela ordkombinationen (t.ex.: järnman, guldålder, vild kvinna; se även de tidigare exemplen med substantivet automobilis). I studier av kollokationer i andra språk (t.ex. Strakatova, Hinrichs 2019) räknas kollokationer med kollokater i överförd betydelse till lexikaliserade kollokationer, där den överförda betydelsen framträder endast tillsammans med ett begränsat antal ord ur specifika lexikal-semantiska grupper. Till exempel är adjektivet heavy i kombinationer med substantiven smoker, rain, traffic (lit. inbiten rökare, kraftigt regn, intensiv trafik) inte prototypisk, eftersom det betecknar intensitet, inte vikt. Det har fastställts att ord med medelstor lexikal valens7 har stor metaforiseringspotential, till exempel verben paralyžiuoti (paralysera trafiken), sekti (tiden rinner ut), sugriauti (förstöra livet). Bland adjektiven finns många som, när de används i bokstavlig betydelse 6 Se även Drūlienė 2008a, b; Šilinytė 2008 om rumsliga, ontologiska och strukturella metaforer i kollokationer. Syftet med denna artikel och hela projektet är inte att klassificera de identifierade metaforerna; därför behandlas detta inte närmare, även om det står klart att AK kan vara ett intressant studieobjekt för specialister inom kognitiv lingvistik. 7 Med utgångspunkt i den formel som Susane Handl presenterade 2008 fastställdes kollokationsmått för leden i de analyserade kollokationerna på grundval av korpusen Delfi.lt. Dessa undersökningar kommer att fortsätta. För närvarande kan man säga att AK bör vara kombinationer av medelstyrka, det vill säga att kollokationsmåttet för inget av leden – vare sig det första, det andra eller det tredje – bör vara mycket lågt eller mycket högt. Om exempelvis det första ledets mått är högt och det andras lågt, kan det första ledet användas med få ord, medan det andra kan användas med väldigt många ord, t.ex.: psykoaktiv substans, autistiskt barn, sötvatten, skuggig plats, trepartsavtal, minderårigt barn, kolsyrat / destillerat vatten, förbipasserande bil. 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 betydelser betecknar fysiska egenskaper (t.ex.: hal sak, rent arbete, blodigt arbete), men adjektivet kan också ha andra betydelser (dyrbar tid, plågsam fråga, betydelsefull händelse). Tillämpningen av kriteriet för överförd betydelse illustreras genom en analys av adjektivets (ne)švarus, verbet nutekėti och substantivet euras paradigmer (se tabell 1): TABELL 1. Tillämpning av kriteriet för överförd betydelse Paradigm Identifiering av AK 1. ren sport, arbete; smutsigt arbete, sak, ärende 2. ren (-t) vatten, miljö, luft, stad, plats, bil; smutsigt vatten 1. Räknas som AK på grund av adjektivets överförda betydelse i kombinationer med substantiv som betecknar abstrakta begrepp. 2. Räknas inte som AK, eftersom adjektivet används i bokstavlig betydelse i dessa kollokationer. 1. läcka information 2. läckt (-t) information, material, data 1–2 räknas som AK, eftersom verbets överförda betydelse realiseras i kombinationer med abstrakta substantiv. 1. euro försvagning, förstärkning 2. euro växelkurs, mynt, cent 3. euro växling 1. Räknas som AK, eftersom euron tillskrivs egenskaper som kännetecknar levande objekt. 2. Detta är termer; räknas inte som AK. 3. Räknas inte som AK, eftersom överförd betydelse saknas. Som exemplen i tabell 1 visar är inte adjektivet eller verbet i kollokationsparadigmet, när det används i bokstavlig betydelse, och ibland inte heller hela kollokationen med ett visst adjektiv/verb, alltid överförda i betydelsen. Överförd betydelse är däremot tydlig i sådana fall som: smärtsamt beslut / sak / händelse; sluten människa / läggning / liv; en väg / marknad / vy öppnar sig; kämpa sig till en rättighet / plats osv. Sådana kollokationer räknas som arbiträra. Sammanfattningsvis kan man hävda att kriteriet överförd betydelse är särskilt relevant vid analys av kollokationer bildade av adjektiv och substantiv – det användes ofta som 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 det främsta och tydligaste måttet på arbitraritet. Vid analys av verb–substantivkollokationer tillämpades däremot oftare kriteriet begränsad lexikal kombinerbarhet (och testet med semantiska grupper). Eftersom mycket få AK bestående av två substantiv hittades är det svårt att sammanfatta särdragen hos kollokationer med denna struktur (se avsnitt 1.1.1). 1.2. Automatiserad identifiering av AK Ett av kriterierna för AK – begränsad lexikal kombinerbarhet – undersöktes också automatiserat, det vill säga synonymer som behövdes för utbytbarhetstestet identifierades med vektormetoden. En utförligare beskrivning av utbytbarhetstestet och tillämpningen av vektormetoden finns i en tidigare publicerad artikel (Kovalevskaitė ir kt. 2021). Där beskrivs hur vektormetoden tillämpas för att bedöma arbitrariteten hos kollokationer av typen adjektiv + substantiv. Därför beskrivs i denna artikel endast bedömningen av arbitrariteten hos verb + substantiv-kollokationer utförligt. Först återger vi kort de huvudsakliga stegen i tillämpningen av vektormetoden (avsnitt 1.2.1), därefter diskuterar vi urvalet av verbsynonymer med vektormetoden (se avsnitt 1.2.2) och sammanfattar resultaten av klassificeringen av verb- och substantivkollokationer som arbiträra (se avsnitt 1.2.3). 1.2.1. Identifiering av AK utifrån begränsad lexikal kombinerbarhet med vektormetoden Tillämpningen av vektormetoden syftade till att automatisera identifieringen av AK och minska subjektiviteten vid bedömningen av data. Vektormetoden tillämpades för att identifiera begränsad lexikal kombinerbarhet i följande ordning. Först valdes relaterade ord automatiskt ut från hela Delfi.lt-korpusen8. För detta användes GloVe, en modell för ordvektorer (eng. embeddings) (Pennington ir kt. 2014). Vektormetoden (eng. Word Embedding Approach) tillhör gruppen metoder som automatiskt analyserar ord utifrån likheter i deras distribution, eller kontext (eng. distributional similarity measures). Dessa metoder används för automatisk igenkänning av olika relationer (hyperonymi, synonymi, antonymi, partonymi) och bygger på 8 De vektorer som identifierades inom ramen för ett tidigare projekt (”Automatisk igenkänning av fasta ordkombinationer i litauiska (PASTOVU)”, se https://pastovu.vdu.lt) finns här: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. I denna studie används de för att välja ut de synonymer som behövs för att identifiera AK. 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 hypotesen att ord med närliggande betydelser och/eller semantiskt besläktade ord används i liknande kontexter (se Grigonytė 2010). Först skapades automatiskt vektorrader (nedan VE)9 för adjektiv och verb som förekommer i kollokationerna i PŽJDB. Vid automatisk urvalsprocess av besläktade ord utelämnades adjektiv och verb med bred lexikal valens eller sådana som inte används självständigt, till exempel: geras, naujas, puikus; būti, reikėti, pradėti. Adjektiv och verb grupperade i VE valdes utifrån kontextuell likhet. Cirka 800 VE med adjektiv och över 3 800 med verb skapades. Även om VE innehöll besläktade ord förekom också ord med andra semantiska relationer (t.ex. antonymer) och till och med obesläktade ord i materialet. Därför krävdes lingvistisk redigering för att fastställa vilka av de besläktade orden som kunde betraktas som synonymer och användas för att bedöma hur begränsad en eller annan synonyms valens är i kombination med ett visst substantiv. Som synonymer betraktades ord av samma ordklass vars denotativa (referentiella) betydelse är mycket likartad, men vars lexikala valens delvis eller helt skiljer sig åt10. De bearbetade VE för verb användes för att bedöma graden av godtycklighet hos verb + substantiv-kollokationer. Målet var att fastställa i vilka kollokationer verbledet inte kan ersättas med ett verb med närliggande betydelse. För varje par eller grupp av verbsynonymer angavs kollokationer med ett visst substantiv. Om en kollokation med detta substantiv angavs endast med en synonym i synonymgruppen eller synonymparet, drogs slutsatsen att det analyserade substantivet kombineras endast med ett verb i synonymgruppen, och kollokationen betraktades som godtycklig. Om det analyserade substantivet bildade kollokationer med alla verb i synonymparet eller synonymgruppen klassificerades kollokationerna inte som godtyckliga (se tabell 2). 9 De besläktade ord som identifierats med vektormetoden skulle mest exakt kunna kallas rader av möjliga synonymer identifierade med vektormetoden. För korthets skull använder vi nedan vektorrader, eller mer exakt förkortningen VE. 10 Synonymbegreppet som används i denna artikel kan kopplas till den mer etablerade termen partiella synonymer i litauisk lexikografi (se 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 TABELL 2. Steg för att identifiera AK med hjälp av VE Identifierad AK Ej identifierad AK Steg 1: en VE med två synonympar gauti–įgyti och duoti–teikti tas fram; Steg 2: med hjälp av denna VE kontrolleras med hur många av dessa synonymer substantivet apdovanojimas bildar kollokationer; två kollokationer identifieras: gauti apdovanojimą (en synonym i paret gauti–įgyti) och teikti apdovanojimą (en synonym i paret duoti–teikti); Steg 3: beslut fattas om att gauti apdovanojimą och teikti apdovanojimą ska betraktas som AK. Steg 1: en VE med två synonymer įkurti och įsteigti tas fram; Steg 2: med hjälp av denna VE kontrolleras med hur många av dessa synonymer substantivet asociacija bildar kollokationer; två kollokationer identifieras: įkurti asociaciją och įsteigti asociaciją; Steg 3: beslut fattas om att įkurti asociaciją och įsteigti asociaciją inte är AK. Till exempel angavs kollokationerna gauti apdovanojimą, teikti apdovanojimą med substantivet apdovanojimas, men inte *įgyti apdovanojimą, *duoti apdovanojimą. Följaktligen utgör substantivet apdovanojimas endast ett alternativ för vart och ett av synonymparen gauti–įgyti och duoti–teikti; följaktligen klassificerades kollokationerna gauti apdovanojimą och teikti apdovanojimą som godtyckliga. Bland verbkollokationerna betraktades ofta sådana som innehöll verb med bleknad betydelse (desemantiserade verb) som godtyckliga (mer ingående i Kovalevskaitė m.fl. 2020), till exempel: atlikti tyrimą, duoti rezultatą, imti mokestį. Godtyckligheten hos kollokationer med substantivet asociacija bedömdes utifrån en VE med två synonymer – įkurti och įsteigti; eftersom detta substantiv bildade kollokationer med båda synonymerna förkastades de som icke-godtyckliga. Liksom vid bedömningen av kollokationer med adjektiv testades verbsynonymerna manuellt i den experimentella undersökningen, eftersom man måste ta hänsyn till både synonymens och det testade substantivets betydelse. Om betydelsen hos synonymerna i VE inte överensstämmer med betydelsen hos verbet i den kollokation som bedöms, är verbets ersättbarhetstest 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 inte tillämpas. Till exempel passade inte VE med statyti automobilį för att bedöma kolokationens arbitraritet, eftersom betydelsen ”uppföra en byggnad” (166 VE11) inte stämde med statyti. Således består stegen i tillämpningen av den automatiserade metoden av följande: a) automatisk (VE skapas med vektormetoden), b) icke-automatisk (en lingvist granskar och preciserar vid behov), c) delvis automatisk (kolokationer kopplas automatiskt till specifika VE och godkänns eller underkänns som AK efter granskning). 1.2.2. Urval av verbssynonymer i vektorrader Eftersom de genererade VE innehöll många överflödiga och irrelevanta data, så kallat brus (eng. noise), granskade en lingvist varje VE och raderade onödiga ord som inte hade synonymrelationer, och tog bort vissa VE helt och hållet. Nedan diskuterar vi olika fall av lingvistisk redigering av VE. Antalet verb-VE var mycket större än antalet adjektiv-VE (3800 respektive 800 VE), eftersom även själva verbförteckningen var större. En VE skapas automatiskt för varje verb, och därför liknar vissa VE varandra, men antalet synonymer i en liknande VE kan variera beroende på vilket verb som är utgångsord. Utgångsverbet är det ord som de andra angivna orden liknar, det vill säga det verb för vilket möjliga synonymer har sökts (likheten kan fastställas utifrån en hyperonymisk, synonymisk, antonymisk eller partonymisk relation; detta ord är understruket i synonymgrupperna). Exempelvis är utgångsverbet i VE 151 organizuoti, medan VE 40 är mycket längre och har vykdyti som utgångsord: 151 VE: organizuoti, rengti, vykdyti 40 VE: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti Som redan nämnts behövde de automatiskt skapade VE också granskas av en lingvist. Efter detta arbete kunde man konstatera att det, liksom för adjektiven, även för verben automatiskt hade samlats in många långa VE med flera par av verbsynonymer, men få VE med endast ett synonympar eller tre synonymer. Ibland visade det sig efter granskningen att utgångsverbet som VE hade skapats utifrån saknade synonymer, trots att det i den VE:n kunde finnas ett annat 11Här och i det följande anges numren på de VE med möjliga synonymer som identifierats med vektormetoden och som artikeln bygger på. 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 en lämplig synonymgrupp, till exempel finns det i VE för stödverbet kisti en synonymgrupp paaštrėti, pablogėti. Precis som för adjektiv orsakade antonymer ”brus” i verbens VE, jfr. VE pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti bestod av medlemmar ur en och samma lexikala semantiska grupp som inte är synonymer, till exempel: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. När VE förfinades visade det sig ofta att ett eller flera verb inte passade, eftersom de betecknade en alltför specifik aspekt av en liknande handling. Till exempel angavs följande ord i VE för ordet remtis: vadovautis, pasikliauti, apsiriboti, kliautis. apsiriboti ströks och endast vadovautis, pasikliauti, kliautis. betraktades som synonymer. Det är också vanligt att ett ord i VE har en vidare betydelse, till exempel paveikti, medan de andra orden i VE betecknar aspekter av en negativ påverkan mer specifikt, till exempel pakenkti, sutrikdyti. Därför betraktades endast dessa som synonyma. Av VE pagrįsti, įvardinti, paaiškinti, pateisinti erkändes pagrįsti och paaiškinti som synonymer, medan pateisinti och įvardyti inte betraktades som synonymer, eftersom de med sina ytterligare semantiska drag avvek alltför mycket från de två första ordens betydelse. På grund av sådana fall var det ibland nödvändigt att förkasta hela VE, till exempel atmesti, ignoruoti, uždrausti. Ibland var även VE för stödverb helt olämpliga, trots att man kunde tro att synonymer verkligen borde kunna identifieras automatiskt, till exempel: suprastėti (möjlig synonym pablogėti, men den saknades i dess VE); sąlygoti (möjlig synonym lemti, men den angavs inte; i stället fanns pakentėti). VE för verb med negation var inte exakta och förkastades därför, till exempel förkastades stödverben negydyti, nesuskaičiuoti, nepridėti. Det bör nämnas att VE ofta också behövde preciseras på grund av verbens ordbildningsegenskaper. Till exempel betraktades verb med imperfektiv och perfektiv aspekt inte som synonymer (tirti ir ištirti), inte heller verb som fått olika betydelse genom prefix, såsom palyti ir palynoti, naršyti ir panaršyti, eller reflexiva och icke-reflexiva verb (klausyti ir klausytis). Om till exempel stödverbet i VE var reflexivt, uteslöts dess icke-reflexiva motsvarighet. I VE išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis uteslöts till exempel verben išrinkti, parinkti. Ordbildningsvarianter (t.ex. vardinti ir vardyti, lukterėti ir luktelėti) betraktades som synonymer. 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 När VE förfinades framträdde ytterligare en egenskap hos den automatiska urvalsmetoden: eftersom ord samlas in med vektormetoden utifrån likheten mellan deras kontexter, kan en VE bestå av synonymer som bara vid första anblicken verkar olämpliga. Med andra ord kan kvaliteten hos vissa VE bedömas felaktigt om man inte känner till de konkreta substantiv som gjorde att två eller flera verb placerades i samma VE. Exempelvis innehöll VE nummer 60 följande ord: rodyti, demonstruoti, jausti. Att genast stryka ordet jausti skulle vara ett misstag, eftersom det hamnade där genom den gemensamma kontext som dessa verb förekommer i, där det talas om känslor; jfr. demonstruoti, rodyti jausmus och till exempel jausti pyktį, jausti nusivylimą med mera. Verben sumažėti, pigti eller padidėti, ūgtelėti kan vara synonyma när det handlar om priser. Alla tre verben i VE apsispręsti, priimti, pasirinkti är synonymer, medan verbet imti, som oftast stryks, förekommer här eftersom det betyder priimti sprendimą, det vill säga, denna VE bör läsas så här: apsispręsti, priimti sprendimą, pasirinkti12. Dessa exempel visar att det går att identifiera fler och/eller andra synonymer automatiskt, eftersom vektormetoden bedömer likheten mellan kontexter, inte mellan enskilda ords betydelser. Om vi betraktade orden var för sig skulle vi knappast koppla samman verben atsikratyti, numesti, sulieknėti som synonymer, men vi hittar dem i samma VE eftersom de används i en gemensam kontext där substantivet svoris också förekom. Fler exempel kan anföras, jfr.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis och užsiimti; gerti och vartoti; nusiteikti och pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti. I idrottskontext är alla fyra verb – užsitikrinti, iškovoti, pasiekti, išsaugoti – synonyma, eftersom en seger ibland beskrivs så här: užsitikrino sau vietą finale eller išsaugojo titulą. Sådana resultat visar att det är viktigt att omfatta mer än ett enskilt ord när synonymi bedöms, eftersom medlemmarna i en synonymgrupp kan vara såväl enstaka ord som fasta ordkombinationer. 12 I VE förekommer ord som är syntagmatiskt relaterade, till exempel įžeisti och nenorėti. Eftersom nenorėti ofta används i samma kontext som įžeisti (när de förekommer i kombinationen nenorėjo įžeisti, bet...), har de placerats i samma VE. Ett annat fall: liautis: nustoti, verkti. Verbet verkti förekommer här eftersom det valdes ut ur den vanliga kontext det förekommer i: liovėsi verkęs / verkusi. Med andra ord är mycket långa (och olämpliga) VE sammansatta för sådana stödverb som används som hjälpverb och på grund av sina grammatiska egenskaper har en bred kombinationsförmåga, till exempel: 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 kombinationer. När vektormetoden tillämpas, där kontextuell likhet jämförs, framträder just enskilda ords samband med kontexten. Det skulle vara svårt för en lingvist att överblicka så mycket data (mer om användningen av ett brett spektrum av distributionsmått för automatisk synonymanalys, se Divjak, Gries 2006). Det har observerats att VE för verb med mer specifik betydelse och snävare kollokationsförmåga ofta är kortare och renare, sannolikt på grund av den snävare kollokationsförmågan. En jämförelse av VE för synonymerna nerimauti, jaudintis, būgštauti och nuogąstauti visar att VE för nerimauti är längre och mindre ren; den innehåller ord med mer vid betydelse, exempelvis bijoti (nerimauti: jaudintis, baimintis, bijoti), medan VE för būgštauti endast innehåller dessa fyra ord: būgštauti: nerimauti, jaudintis, nuogąstauti. Det har också observerats att VE som bygger på verb med mer konkret betydelse (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) kan innehålla få eller inga synonymer, eftersom orden som samlats in utifrån verb med konkret betydelse är tematiskt, inte synonymiskt, relaterade; jfr: išimti: išmesti, išbraukti, išnešti; medžioti och žvejoti; kvėpuoti och vaikščioti; virti och kepti; kalėti och nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. Sådana VE består också av två ord, men kan vara längre. Ibland är de mycket långa; exempelvis omfattade VE med stödverbet sumenkti hela 26 verb. Sammanfattningsvis kan nämnas att 2 634 av 3 800 VE (70 procent) återstod efter preciseringen. De automatiskt genererade VE är alltså inte tillräckligt precisa för att kunna användas oredigerade i nästa steg av identifieringen av AK. Sådana fel kan bero på egenskaper hos korpusen Delfi.lt – även om dess omfång är stort (cirka 70 miljoner ord) kan den lexikala variationen vara mindre i texter med en enda stil. För att generera mer precisa VE behövs en korpus med större variation av funktionella stilar. 1.2.3. Resultat: VE-kvalitet och bedömning av arbitraritet En jämförelse av VE för adjektiv och verb före och efter granskningen visade att ett stort antal VE i båda fallen bedömdes vara oinformativa och därför ströks: 1) av 1 927 VE för adjektiv återstod 800 VE efter granskningen (41 procent); 2) av 3 800 VE för verb återstod 1 166 VE efter granskningen (30 procent). De återstående VE behövde också redigeras. Det gjordes dock ingen bedömning av hur många ord som vanligtvis stryks från en enskild VE. Ofta behövde hjälpverb och andra ord som inte är helt självständiga strykas. 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 verben: göra, ta, leva, löna sig, behöva, vara tvungen, börja, få, vilja, anstränga sig, lyckas. Många ord som kunde strykas låg i slutet av VE, där orden med det lägsta tillämpade gränsvärdet (0,5; det högsta värdet är 1) hamnade, men det fanns också många fall där ett ord med ett högt värde ströks, trots att det stod på position 2–5 i en viss VE (en VE kan bestå av högst 20 ord). Det bör betonas att bedömningen utifrån VE begränsades till de ord som ingår i den aktuella VE:n. Det kan finnas andra synonymer, men om de inte fanns i den VE utifrån vilken bedömningen gjordes (de hade inte valts ut med vektormetoden, förekom inte i Delfi.lt-korpusen eller annat), kunde vissa kollokationer klassificeras som icke-arbitrala (eller tvärtom). När kollokationerna krintanti žvaigždė och kylanti žvaigždė bedömdes användes till exempel en VE med verben augti, kristi, kilti, mažėti, vystytis, didėti. Denna VE innehåller inte griūti, som skulle kunna vara synonymt med kristi, och därför klassificerades krintanti žvaigždė inte som en AK. Under studien noterades också fördelarna med automatisk dataselektion: 1) som nämnts i avsnitt 1.2.2 kan vektormetoden identifiera fler och andra synonymer än introspektionsmetoden ensam; 2) vektormetoden lämpar sig för behandling av stora datamängder, medan det knappast skulle vara möjligt att manuellt bedöma kontextlikheten hos så många ord. Efter att utbytbarhetstestet tillämpats på verbens synonym-VE:er klassificerades 291 kollokationer som arbitrala. Det är uppenbart att det är synonymerna i VE:n som avgör vilka kollokationer som klassificeras som AK. Å ena sidan är detta en begränsning hos metoden, å andra sidan ger den möjlighet att automatisera processen för att fastställa arbitraritet. När bedömningen av arbitraritet enbart beror på en viss VE kan det ofta hända att vissa kollokationer inte väljs ut utifrån en VE, men väljs ut utifrån en annan. När kollokationerna kurti įvaizdį och formuoti įvaizdį exempelvis bedöms med avseende på arbitraritet utifrån VE 368, kurti, formuoti, skulle ingen av de två kollokationerna klassificeras som AK. Verben kurti och formuoti förekommer emellertid också i andra VE:er som innehåller samma substantiv, įvaizdis, och därför klassificeras kollokationen kurti įvaizdį som AK utifrån en annan VE (45): kurti, sukurti, vystyti, plėtoti, įgyvendinti, rengti, įkurti. Ett annat fall är också möjligt: samma kollokationer kan klassificeras som arbitrala utifrån mer än en VE. Till exempel kan atlikti mankštą, daryti mankštą bedömas som AK både utifrån VE nummer 11 (atlikti, vykdyti, daryti), och utifrån VE nummer 15 (padaryti, atlikti, sukurti; BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas | 19 doi.org/10.35321/bkalba.2021.94.06 nuveikti). Problemet uppstår när en arbiträr kollokation inte betraktas som arbiträr om detta inte kan fastställas utifrån någon VE. Detta inträffade ganska ofta vid bedömningen av kollokationsvarianter. Till exempel används både kelti och didinti med substantivet mokesčiai; båda verben ingår i VE 52, utifrån vilken arbitrariteten bedöms, och därför kommer dessa kollokationer inte att klassificeras som AK. De är dock varianter av AK (jfr auga, kyla, didėja kainos). Ett liknande fall är atlikti / vykdyti / daryti tyrimą (dessa uttryck klassificerades inte som AK utifrån VE nummer 11). Samma VE innehöll gauti och įgyti, och därför klassificerades gauti diplomą och įgyti diplomą inte som AK. Sådana fall visar att både de testverktyg som används vid bedömningen av kollokationers arbitraritet utifrån kriteriet om begränsad lexikal kombinerbarhet och det faktum att en icke-automatisk metod är lämpligare för att identifiera AK-varianter är viktiga. Eftersom testningen av synonymers utbytbarhet är så starkt knuten till orden i en viss VE kan det också hända att kollokationer med liknande men motsatt betydelse inte väljs ut. Till exempel valdes kollokationen kyla nepasitenkinimas ut, medan mažėja nepasitenkinimas inte gjorde det. Manuellt skulle båda ha bedömts som AK. Det innebär att när data som bedömts genom lingvistisk introspektion används för att bedöma arbitraritet, bevaras en del av de AK som går förlorade med metod 2. Det finns visserligen ett inslag av subjektivitet när den lingvistiska, icke-automatiska metoden tillämpas. Den automatiserade metoden är mer objektiv, även om det måste medges att dataunderlaget är mer fragmentariskt (testningen använder endast så många och sådana VE:er som har samlats in). Dessutom klassificeras inte alla kollokationer som faktiskt är AK som sådana. 2. RESULTAT AV IDENTIFIERINGEN AV AK En granskning av antalet identifierade AK visar tydligt att det finns mycket få överlappande AK som identifierats med den manuella respektive automatiserade metoden (se avsnitt 2.1 och 2.2 för en utförligare redogörelse); således ger båda metoderna var för sig viktiga data. Den manuella analysmetoden gav betydligt fler data än den automatiserade, men vid den manuella analysen tillämpades inte ett utan två urvalskriterier (begränsad lexikal kombinerbarhet och överförd betydelse), medan vektormetoden endast tillämpade begränsad 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 lexikal kombinerbarhet. Genom att tillämpa fler kriterier samlas alltså fler kollokationer med ett större urval av adjektiv och verb in. Med utgångspunkt i konkreta exempel på AK förklaras i detta avsnitt varför just dessa resultat erhölls och hur de tillämpade kriterierna och de använda dataunderlagen påverkade dem. Först diskuterar vi vad de erhållna uppgifterna visar. Alla AK med ett visst adjektiv eller verb kan identifieras på olika sätt: a) endast med en av de två metoderna; b) en del kollokationer med den ena metoden och en del med den andra; c) en del kollokationer med den ena metoden, en del med den andra och en del med båda metoderna. I följande delavsnitt diskuterar vi AK med olika strukturer och kommenterar resultaten från båda metoderna. 2.1. Arbiträra kollokationer bestående av adjektiv och substantiv Totalt identifierades 1048 AK med strukturen adjektiv + substantiv. Dessa kollokationer innehåller 320 olika adjektiv. Värt att notera är att vissa adjektiv (stor, liten, öppen, hög, modern, särpräglad, huvudsaklig och liknande) förekommer i flera eller ett tiotal AK, medan andra (t.ex. inte lång, ingående, föränderlig, pikant) endast förekommer i enstaka AK (i genomsnitt bildas 3,3 kollokationer med samma adjektiv; se tabell 3 för en utförligare redogörelse). TABELL 3. AK identifierade med olika metoder (adjektiv + substantiv) AK identifierade med den manuella metodenAK identifierade med den automatiserade metodenAK identifierade med båda metodernaAntal (procent)Antal olika adjektiv (genomsnittligt antal AK som bildas med samma adjektiv)Antal (procent)Antal olika adjektiv (genomsnittligt antal AK som bildas med samma adjektiv)Antal (procent)Antal olika adjektiv (genomsnittligt antal AK som bildas med samma adjektiv)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 Som framgår av tabell 3 identifierades flest AK med den manuella metoden – mer än hälften av alla AK (t.ex.: en grym syn, slavarbete, en rakt på sak-fråga, en smärtsam sak); omkring en tredjedel av AK identifierades automatiserat (t.ex.: en värdefull tillgång, ett unikt projekt, en komplicerad dag, en optimal metod), medan den minsta andelen (15,74 procent) utgörs av de AK som identifierades med båda metoderna (t.ex.: ett brodermordskrig, intensiv handel, ett jättelikt projekt, ett lågt pris). Liknande proportioner framgår även av AK med verb (se avsnitt 2.2). Vid analysen av adjektiven i AK framgår att en del utgörs av AK som identifierats med endast en av metoderna (se exemplen ovan), medan andra utgörs av AK som identifierats med båda metoderna (t.ex.: stor, liten, stark). I början av undersökningen formulerades hypotesen att variationen av adjektiv är större i AK som identifieras med den manuella metoden, men mindre i AK som identifieras med den automatiserade vektormetoden. Hypotesen bekräftades: i de AK som identifierades med den första metoden förekom 235 olika adjektiv, vilket innebär att samma adjektiv i genomsnitt bildar 2,5 AK. I de AK som identifierades med vektormetoden förekommer 86 olika adjektiv, det vill säga i genomsnitt bildas 3,56 AK med samma adjektiv. Den minsta adjektivvariationen (42) finns bland de AK som identifierades med båda metoderna, men även antalet sådana kollokationer är minst. I denna AK-grupp bildas i genomsnitt 3,93 kollokationer med samma adjektiv. Det kan antas att den begränsade variationen av adjektiv beror på det jämförelsevis lilla datamaterialet. Sannolikheten är stor att en kollokation är arbiträr om den består av sådana adjektiv som stor, väldig, jättestor, gigantisk, liten, spänd, farlig, allvarlig, stark, tung tillsammans med abstrakta substantiv, eftersom dessa adjektiv används i överförd betydelse. För att diskutera hur de använda metoderna ledde till just dessa resultat vill vi ta AK med adjektivet smart som exempel, eftersom de visar hela variationen: en del kollokationer identifierades med den ena metoden, en del med den andra och en del med båda. Av de åtta kollokationerna med adjektivet smart (ett smart beslut, en smart stad, ett smart barn, en smart man, en smart tid, ett smart sätt) klassificerades sex som AK: kollokationerna mellan adjektivet och substantiven beslut och stad valdes ut manuellt, kollokationerna med barn och man valdes ut automatiserat, medan kollokationerna med tid och sätt valdes ut med båda metoderna. Lingvisterna konstaterade att den semantiska gruppen ”personer” är vanlig för detta adjektiv. Ord i denna grupp kan valfritt kombineras med adjektiv med liknande betydelse (det kan vara 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 inte bara smart, utan också en vis människa), därför kom ett smart barn och en smart man med bland AK endast som resultat av automatisk selektion (kollokationen en vis människa förekommer inte i Delfi.lt-korpusen); senare förkastades de när materialet granskades. Lingvisterna insåg att de andra substantiven (beslut, tid, sätt) främst hör till den lexikalsemantiska gruppen ”abstrakta”, men kollokationer bildas ändå bara med vissa abstrakta substantiv, vilket innebär att valmöjligheterna inom denna grupp är begränsade och visar på arbitraritet. Därför klassificerades alla dessa kollokationer som arbiträra. Endast två av dem (en smart tid och ett smart sätt) identifierades som AK automatiserat, eftersom testet av lexikalsemantiska grupper inte används när vektormetoden tillämpas. AK identifierade med den manuella metoden. Till exempel klassificerades nio kollokationer med adjektivet hög som arbiträra: ett högt resultat, en hög tjänsteman, ett högt pris med flera. Här används adjektivet i överförd betydelse (och nästan bara med abstrakta substantiv), varför kriteriet om överförd betydelse ledde till att lingvisterna klassificerade dessa kollokationer som AK. Med den automatiserade metoden upptäcktes dessa kollokationer ofta inte, eftersom det saknades VE för synonymutbytbarhetstestet som innehöll motsvarande adjektiv (hög, stängd, smärtsam, svag, bred, bekväm, lätt, fri, lång eller snabb), och därför gick det inte att bedöma utbytbarheten. Som nämndes i föregående avsnitt är resultaten av den automatiserade metoden starkt beroende av om synonymer finns tillgängliga för att testa utbytbarheten och av kvaliteten på synonymserien. Detta fall visar att en del AK kan förbli oidentifierade om endast den automatiserade metoden används, medan lingvistisk kompetens kan kompensera för brister i korpusdata. Ytterligare en orsak till att vissa AK kanske inte identifieras automatiskt är att inte alla substantiv kan kopplas till en synonymserie med en viss betydelse, eftersom kontexten för vissa substantiv kan skilja sig åt. Bland kollokationerna med adjektivet framträdande finns exempelvis många som identifierats manuellt (t.ex.: en framträdande kvinna, en framträdande person), men endast en AK identifierades med båda metoderna – en framträdande händelse. Det innebär att det fanns en VE med detta adjektiv, men att inte alla tre substantiven kopplades till den automatiskt, utan endast händelse. AK identifierade med den automatiserade metoden. AK med adjektivet effektiv identifierades endast med vektormetoden, till exempel: ett effektivt medel, ett effektivt resultat, ett effektivt system, ett effektivt arbete. VE innehöll fler synonymer (t.ex. verksam), men kollokationerna ett verksamt medel, ett verksamt resultat med flera förekom inte i korpusen, och därför kunde man, när det omöjligas 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 Vid tillämpning av utbytbarhetstestet erkändes kollokationer med efektyvus som AK. Här är det viktigt att tillägga att lingvisterna, med utgångspunkt i modersmålstalares kompetens, bedömde detta annorlunda: utbytbarhet är möjlig (det går att använda både efektyvi priemonė och veiksminga priemonė), och därför beslutade man att inte betrakta dessa kollokationer som AK. Den automatiserade metoden klassificerade många kollokationer som AK där adjektivet är värderande, jfr: išskirtinis (eftersom det är synonymt förbundet med ypatingas), keistas (förbundet med neįprastas), modernus (förbundet med šiuolaikiškas), pagrindinis (förbundet med esminis), sudėtingas (förbundet med sunkus). Lingvisterna var oftare benägna att inte klassificera sådana fall som AK. Kollokationer med stabilus, till exempel stabilus gyvenimas, stabili kaina, stabili savaitė, stabili valstybė, erkändes som arbiträra endast med vektormetoden, eftersom utbytbarheten testades med synonymen pastovus, som inte förekommer som kollokat med de motsvarande substantiven. Lingvisterna erkände ändå inte dessa kollokationer som arbiträra, eftersom det framgår av stabiluss kollokationsförmåga att den är mycket vidsträckt och att inga begränsningar har fastställts, medan pastovus inte betraktades som synonym till stabilus, jfr: stabilus darbas, stabili valstybė, stabili kaina, stabilus rezultatas, stabilus gyvenimas, stabili savaitė. AK som identifierats med båda metoderna. Bland de tillgängliga uppgifterna finns inte ett enda fall där alla kollokationer med samma adjektiv som klassificerats som AK identifierades med båda metoderna. I samtliga fall identifierades endast en del av dem med båda metoderna, och bland dessa adjektiv finns oftast sådana som kan användas i överförd betydelse, till exempel: garsus, greitas, liūdnas, mažas, nelengvas, patrauklus, pavojingas, rimtas, stiprus, sunkus, tvirtas. Som redan nämnts identifierades AK för de flesta sådana adjektiv endast med den icke-automatiserade metoden, till exempel kollokationer med adjektivet silpnas (se även exemplen som nämnts tidigare). Detta beror på att sådana fall vid manuell identifiering av AK valdes ut enligt kriteriet överförd betydelse, medan de med metod 2 passade endast om de ingick i de synonymserier som användes för utbytbarhetstestet. En undersökning av hur många kollokationer de enskilda metoderna identifierar för ett av de mest produktiva substantiven, sprendimas, visar liknande tendenser som i tabell 3: flest AK erhölls med den icke-automatiserade metoden, men en betydande andel AK identifierades automatiserat. 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 TABELL 4. Identifierade AK med substantivet sprendimas och adjektiv AK identifierade med icke-automatiserade metoder AK identifierade med automatiserade metoder AK identifierade med båda metoderna 1) ansvarsfull 2) utan motstycke 3) drastisk 4) djärv 5) formell 6) sträng 7) intelligent 8) vis 9) konstruktiv 10) kreativ 11) dum 12) tillfällig 13) avgörande 14) ödesdiger 15) lätt 16) ologisk 17) irrationell 18) välgrundad 19) bekväm 20) avancerad 21) praktisk 22) motsatt 23) intelligent 24) rationell 25) medveten 26) säker 27) självständig 28) skandalös 29) smärtsam 30) förhastad 31) brådskande 32) intelligent 33) fredlig 34) rättvis 35) hållbar 36) enig 1) tydlig 2) kategorisk 3) konstig 4) konkret 5) kreativ 6) användbar 7) oväntad 8) optimal 9) enkel 10) dålig 11) verklig 12) komplicerad 13) unik 1) snabb 2) logisk 3) inte lätt 4) allvarlig 5) riskabel 6) svår 7) skadlig 8) stark 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 När man presenterar exemplet med substantivet sprendimas är det viktigt att nämna ytterligare en aspekt som har samband med den automatiserade metoden: en del kollokationer som klassificerats som arbiträra kan vara diskutabla, det vill säga förefalla ligga på gränsen och snarare närma sig de icke-arbiträra. Exempelvis kan man fråga sig om kollokationer som aiškus sprendimas eller keistas sprendimas verkligen bör betraktas som arbiträra. Det kan tyckas att adjektiven aiškus, keistas, kūrybiškas, naudingas, netikėtas och andra kan kombineras inte bara med sprendimas utan även med många andra substantiv som de kan kombineras med utifrån betydelsen; jämför alla kollokationer med dessa adjektiv som identifierats i korpusen Delfi.lt: 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. Lingvisterna undersökte begränsad lexikal kombinatorik inte bara med synonymtestet utan också utifrån lexikalsemantiska grupper, och därför klassificerade de inte kollokationerna aiškus sprendimas och keistas sprendimas som arbiträra. Vid automatiserad bedömning av den lexikala begränsningen klassificerades dessa kollokationer som AK, eftersom testet av synonymers utbytbarhet visade att substantivet sprendimas bildade kollokationer med endast en av synonymerna i paret aiškus, suprantamas och en av synonymerna i paret keistas, neįprastas. Dessa exempel visar att man kan förvänta sig mer precisa resultat för AK om begränsad lexikal kombinatorik undersöks inte bara med synonymtestet utan även med testet av lexikalsemantiska grupper. 2.2. Arbiträra kollokationer bestående av verb och substantiv 1171 AK bestående av ett verb och ett substantiv identifierades. Detta är ett ganska likartat antal som antalet AK bildade med adjektiv – 1048. Även fördelningen av AK som identifierats med olika metoder är ganska likartad jämfört med kollokationer bildade med adjektiv (se tabell 2; se tabell 3): ungefär hälften av AK identifierades manuellt (t.ex. apniukusi diena, aptarti galimybes, iškvies­ti apsaugą), omkring en tredjedel automatiserat (t.ex. suskubti į pagalbą, žvelgti į gyvenimą, sugadintas turtas, kaupti turtą), och nästan en femtedel identifierades med båda metoderna (t.ex. atlikti tarnybą, duoti komandą, matyti reikalą). Även den lexikala variationen hos AK med denna struktur analyserades, det vill säga hur många olika verb som bildar AK identifierade med en viss metod. I genomsnitt bildades 2,05 av de AK som behandlas i detta avsnitt med samma verb (se tabell 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 TABELL 5. AK identifierade med olika metoder (verb + substantiv) AK identifierade med manuella metoder AK identifierade med automatiserade metoder AK identifierade med båda metoderna Antal (procent) Antal olika verb (genomsnittligt antal AK bildade med samma verb) Antal (procent) Antal olika verb (genomsnittligt antal AK som bildats med samma verb) Antal (procent) Antal olika verb (genomsnittligt antal AK som bildats med samma verb) 561 (47,91) 376 (1,5) 382 (32,62) 189 (2,02) 228 (19,47) 102 (2,24) De syntaktiska funktionerna hos verben i AK är mer varierade än adjektivens: finitformer kan användas och ta till sig substantiv med funktion som objekt, subjekt eller adverbial (t.ex. apipilti klausimais, kelti kainą, parodyti laikas13, pastatyti į vietą), eller icke-finita former, oftast particip, som fyller en attributiv funktion (t.ex. išpūsta kaina, einamieji metai, neapgalvotas sprendimas, klestinti šalis, negirdėtas dalykas, vykdomas darbas). I treordskollokationer kan ordföljden variera, t.ex. atskubėti į pagalbą / į pagalbą atskubėti; eiti į rinkimus / į rinkimus eiti. Jämfört med kollokationer som består av adjektiv uppvisar dessa större variation av olika verb: i de AK som identifierats med den manuella metoden bildar samma verb i genomsnitt 1,5 kollokationer, i de AK som identifierats med den automatiserade vektormetoden i genomsnitt 2,02 kollokationer, medan verbvariationen är minst i de AK som identifierats med båda metoderna – samma verb bildade i genomsnitt 2,24 AK. Det är troligt att detta resultat beror på att antalet kollokationer som identifierats med båda metoderna är minst. Å andra sidan är tendenserna likartade: störst lexikal variation uppvisar de AK som identifierats med den manuella metoden. 13 Ibland verkar lemmana i subjektiva kollokationer ovanliga, men infinitivformen har valts eftersom en mängd olika finita former kan användas, t.ex.: 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 Vid analys av data framträder en stor variation av verb (ord med och utan prefix samt ord med olika prefix räknades som olika verb (t.ex.: saugoti, apsaugoti, išsaugoti); reflexiva och icke-reflexiva former räknades som samma verb om betydelsen inte förändrades), men det finns verb med hög kollokationsförmåga som bildar flera eller till och med ett tiotal AK, t.ex.: bevilja: beviljat skydd, tillhandahållen information, ge en möjlighet, ge möjlighet att välja, tillhandahålla information om; ägna: ägna liten uppmärksamhet, ägna tid, ägna uppmärksamhet, ägna stor uppmärksamhet, husarrest utdömd, ägna stor uppmärksamhet, ägna mycket tid, ägna stor uppmärksamhet, uppmärksamhet behöver ägnas; komma / kommande: komma till valet, euron kommer, tiden kommer, tidpunkten kommer, kommande år, kommande val, budgeten för kommande år, början av kommande år, kommande månad, början av kommande vecka, kommande säsong, kommande år, kommande dag, kommande vecka. Det framgår att en betydande del av de AK som bildas med ett och samma verb är variationer av en enda kollokation, jfr de tidigare angivna varianterna av AK skirti dėmesį. Ändå räknas alla lexikala och grammatiska varianter av kollokationer (ordföljden ändras, ytterligare ord läggs till) som separata kollokationer. Kollokationer betraktas som separata när samma verb används i finit form (i sådana fall anges infinitiven oftast som lemma) eller i icke-finit form (t.ex.: kovoti dėl vietos, kovoti iki pabaigos, kovojanti grupė). I verbkollokationer beror alltså den större lexikala variationen (jämfört med adjektiv) på verbets särdrag som ordklass – att verb med samma rot ofta används med olika prefix. Å ena sidan kan sådana verb betraktas som olika ord; å andra sidan går sådana data inte riktigt att jämföra med data för adjektiv, som i samtliga fall är olika ord och inte ordbildningsvarianter av samma ord. AK identifierade med den manuella metoden. Till skillnad från adjektiv- och substantivkollokationer bedömdes kollokationer med verb ofta som arbiträra inte bara utifrån kriteriet om bildlig betydelse (t.ex.: gadinti gyvenimą, atverti galimybę), utan också utifrån kriteriet om begränsad lexikal kollokationsförmåga och testet med lexikalsemantiska grupper. Kollokationer med vaizdas, būdas, informacija bedömdes exempelvis med utgångspunkt i följande paradigm: BENDRINĖ KALBA 94 (2021)http://journals.lki.lt/bendrinekalbaISSN 2351–7204 JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių kalbos kolokacijų nustatymas | 28 doi.org/10.35321/bkalba.2021.94.06 iškraipyti informaciją iškraipyti rinką iškreipta informacija iškreiptas būdas iškreiptas vaizdas Verbens iškraipyti, iškreipti (även använda attributivt) kollokabilitet är inte omfattande: till kollokationerna med iškraipyti skulle man ännu kunna lägga till iškraipyti žodžius, men substantivet žodžiai skulle då hamna i samma grupp som informacija, och därför fattades beslutet att hänföra båda kollokationerna till AK. Tre kollokationer bildades med det attributivt använda participet iškreiptas och alla betraktades som AK, eftersom paradigmen visserligen kan utvidgas (till exempel genom att lägga till iškreiptas mąstymas), men ändå skulle förbli begränsad. Substantiven informacija, vaizdas, būdas är, trots att de hänförs till en och samma abstrakta lexikal-semantiska grupp, endast tre till antalet, och ett litet antal ord är ett av villkoren för att använda testet med lexikal-semantiska grupper. När synonymutbytbarhetstestet tillämpas visar det sig att man i stället för iškraipyti, iškreiptas till exempel inte kan använda išdarkyti / išdarkytas. AK som identifierats med den automatiserade metoden. Det är viktigt att betona en begränsning hos den automatiserade metoden: en del AK kan förbli oupptäckta, eftersom sådana kollokationer inte har identifierats i Delfi.lt-korpusen (även om själva ordkombinationen kan ha använts). Som exempel har den treordiga kollokationen aiškintis įvykio aplinkybes klassificerats som AK på grundval av synonymer som ingår i VE: analizuoti, aiškintis, tirti. I korpusen hittades endast en kollokation med verbet aiškintis, och därför bedömdes den vara AK. Å andra sidan skulle det i en annan korpus också kunna finnas en kollokation tirti įvykio aplinkybes, vilket innebär att två, inte en, kollokationer skulle klassificeras som arbiträra om testet utfördes med samma synonymgrupp. Bland de kollokationer som identifierats med den automatiserade metoden finns fall som lingvister inte betraktade som AK, just därför att de utifrån sin språkkänsla inte ansåg att det fanns en tendens att välja en synonym framför flera möjliga. Exempel på sådana kollokationer är suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį. Lingvisterna betraktade ingen av dessa kollokationer som arbiträr. Med den automatiserade metoden fastställdes att alla tre är AK, eftersom det bland kollokationerna i Delfi.lt-korpusen inte fanns några kollokationer med andra medlemmar i respektive synonymgrupper, det vill säga det fanns suprasti pasaulį, men inte suvokti pasaulį; det fanns pažinti pasaulį, men inte išmokti pasaulį; det fanns žiūrėti į pasaulį, men inte žvelgti į pasaulį. Den lingvistiska bedömningen visade att dessa tre verbs kollokabilitet inte uppvisar tecken på begränsad kollokabilitet. 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 AK fastställdes med båda metoderna. Det bör påpekas att AK i denna grupp inte nödvändigtvis har fastställts enligt samma kriterium. Vid bedömningen av arbitraritet med den icke-automatiska metoden kunde AK fastställas enligt något av testen, inte nödvändigtvis enligt testet för utbytbarhet med synonymer. Som det har skrivits om adjektiv- och substantivkolokationer valdes identiska AK manuellt ut enligt kriteriet överförd betydelse, medan de med den automatiserade metoden identifierades enligt kriteriet begränsad lexikal kombinerbarhet (testet för utbytbarhet med synonymer), jfr trafiken stördes och hälsan försämrades valdes ut av lingvister eftersom sutr būti kombineras med en begränsad grupp substantiv, medan kolokationerna enligt de två metoderna klassificerades som AK eftersom endast en synonym registrerades i de värderande kolokationerna för gick sönder och stördes. Ett förhastat beslut klassificerades som AK eftersom det inte fanns någon kolokation med en annan synonym – ett genomtänkt beslut. Det är alltså viktigt att komma ihåg att kolokationerna i denna grupp inte har identifierats enligt samma kriterium. TABELL 6. AK som fastställts med substantivet beslut och verb AK fastställda med den icke-automatiska metoden AK fastställda med den automatiserade metoden AK fastställda med båda metoderna 1) överklaga (domstols)beslut 2) skjuta upp ett beslut 3) fatta ett beslut 4) grunda ett beslut 5) söka en lösning 6) lagakraftvunnet beslut 7) ogenomtänkt beslut 8) inte fatta ett beslut 9) inte verkställa ett domstolsbeslut 10) beslutet visade sig vara rätt 11) fatta ett lämpligt beslut fatta ett nödvändigt beslut 12) hålla på att fatta beslut 13) godkänna beslutet 14) offentliggöra beslutet 15) överklaga beslutet (till domstol) 16) verkställa domstolsbeslutet 1) fatta ett beslut 2) kräva ett beslut 3) föreslaget beslut 4) vänta på ett beslut 5) underteckna ett beslut 1) verkställa ett domstolsbeslut 2) fattat beslut 3) föreslaget beslut 4) offentliggöra beslutet 5) genomtänkt beslut 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 När man bedömer hur många av kollokationerna verb + substantiv för ett av de mest produktiva substantiven sprendimas som identifieras med olika metoder (se tabell 6), framgår det att flest identifierades med den manuella metoden, medan endast fem AK identifierades med båda metoderna respektive med den automatiserade metoden. AVSLUTANDE ANMÄRKNINGAR Efter att ha analyserat två- och treordiga AK som består av adjektiv och substantiv samt av verb och substantiv kan man hävda att ungefär hälften identifierades med den manuella metoden, omkring en tredjedel med den automatiserade metoden och cirka en femtedel med båda metoderna. Endast en liten del av de AK som identifieras med dessa metoder sammanfaller, vilket talar för att fler AK kan identifieras genom att använda båda metoderna. För att känna igen AK är det alltså värt att utnyttja möjligheterna med både den manuella och den automatiserade metoden. Det bör betonas att två urvalskriterier, inte bara ett, tillämpades i den manuella analysen. Därför är mängden data som identifierades manuellt mycket större än den som identifierades automatiserat. Den manuella analysen omfattade inte bara kriteriet om överförd betydelse, utan också kriteriet om begränsad lexikal kombinerbarhet, som prövades med två tester (lexikala semantiska grupper och utbytbarhet med synonymer). Den automatiserade metoden tillämpade däremot endast kriteriet om begränsad lexikal kombinerbarhet enligt testet för utbytbarhet med synonymer. På grund av det olika antalet kriterier går det inte att jämföra resultaten från de olika metoderna, eftersom den första metoden i alla lägen identifierade fler AK och antalet kollokationer som sammanfaller är litet. Det vore intressant att jämföra AK som identifierats automatiserat respektive manuellt enbart utifrån det gemensamma kriteriet begränsad kombinerbarhet (testet för utbytbarhet med synonymer). En sådan jämförelse skulle kunna visa att en del av de identifierade AK är desamma, men också göra det möjligt att bedöma vilken metod som valde ut flest AK och hur de AK som inte sammanfaller skiljer sig åt. Den manuella metoden gav inte bara fler data, utan också lexikalt mer varierade data. AK som identifierades med denna metod innehåller mer varierande adjektiv och verb, medan AK som tas fram med den automatiserade metoden uppvisar mindre lexikal variation. 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 Vid prövningen av den automatiserade metoden var målet framför allt att minska subjektivitetsfaktorn vid bedömningen av arbitraritet och att enbart utgå från data som belagts i korpusen. När man har synonympar eller synonymgrupper som identifierats med vektormetoden utifrån en viss korpus förenklas bedömningsförfarandet, eftersom det blir lättare att avgöra om ett led i en kollokation kan bytas ut eller inte: om det undersökta materialet innehåller kollokationer med alla ord i synonymparet eller synonymgruppen är utbyte möjligt. Naturligtvis framträdde också brister hos den automatiserade metoden. Eftersom en kollokations arbitraritet bedöms utifrån synonymer i VE kan en del AK förbli oupptäckta, eftersom avgörandet av arbitraritet i hög grad beror på vilken VE som finns tillgänglig. I testningen används endast de synonymer som finns samlade i VE, och endast dessa; följden blir att inte alla kollokationer erkänns som AK. Även om analysprocessen för AK kan automatiseras behövs lingvisternas insats i processens inledande skede: i VE som skapats med vektormetoden måste man skilja synonymer från ord som är förbundna genom andra semantiska relationer, till exempel antonymer. En kontroll av hur mycket automatiskt insamlat material som återstår efter den lingvistiska granskningen visar att många av de adjektiv och verb som tagits bort från VE, och att de återstående 41 respektive 30 procenten av materialet också behöver redigeras och bearbetas. Eftersom vektormetoden identifierar inte bara ord som står i synonymiska relationer tar det längre tid att förbereda synonymdata för utbytbarhetstestet. Därför bör andra metoder för att identifiera synonymirelationer prövas. Vid bedömningen av hur lämplig vektormetoden är för att välja ut synonymer bör följande argument nämnas, vilka visar värdet av automatiskt insamlade data. För det första kan vektormetoden identifiera fler och andra slags synonymer än vad som är möjligt enbart genom introspektion. För det andra blottlägger de synonymer som identifierats med denna metod (efter att icke-synonymer först har sorterats bort) ett viktigt fenomen ur synonymisynpunkt: inte bara enskilda ord utan även ordkombinationer är synonyma. För det tredje lämpar sig vektormetoden för bearbetning av stora datamängder, det vill säga för att identifiera synonymer i en stor korpus; att manuellt bedöma kontextlikheten hos en så stor mängd ord skulle vara svårt. 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