Arbitraliųjų lietuvių kalbos kolokacijų nustatymas

Jolanta Kovalevskaitė; Erika Rimkutė; Jurgita Vaičenonienė

doi:10.35321/bkalba.2021.94.06

Go to original

Preparing document pages…

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ,

JURGITA VAIČENONIENĖ

Univerzita Vytautase Velikého

IDENTIFIKACE ARBITRÁRNÍCH KOLOKACÍ V LITEVŠTINĚ

KLÍČOVÁ SLOVA: arbitrární kolokace, litevština, omezená lexikální spojitelnost, vektorová metoda, automatická identifikace, lingvistická manuální identifikace.

ANOTACE

Předmětem výzkumu představeného v článku jsou arbitrární kolokace v litevštině. Základem jejich spojitelnosti nejsou sémantická, nýbrž lexikální omezení; takové kolokace přímo neodrážejí mimojazykovou realitu. Vztah mezi jejich slovy je arbitrární: ačkoli by bylo možné teoreticky vybírat více než jednoho kolokačního partnera na základě podobného významu, má se sklon používat pouze jednoho. Článek popisuje metody identifikace arbitrárních kolokací, které byly testovány v rámci projektu „Manuální metoda lingvistické analýzy a automatizovaná metoda počítačové lingvistiky (ARKA)“. Materiál pro výzkum byl čerpán z Databáze ustálených slovních spojení litevského jazyka.

ABSTRAKT

Cílem článku je popsat metodologické přístupy k identifikaci arbitrárních kolokací (AC), které byly vyvinuty v rámci projektu „Arbitrární kolokace v litevštině: identifikace, popis a užití (ARKA)“. Zdrojem výzkumu byla „Databáze litevských víceslovných výrazů“. Arbitrární kolokace byly určeny kombinací manuálních a poloautomatických metod počítačové lingvistiky.

ÚVOD

Jak známo, velkou část ustálených slovních spojení tvoří kolokace. Při jejich automatickém určování z korpusů statistickými či hybridními metodami (podrobněji viz Bielinskienė a kol. 2019: 15–22) se však identifikuje také řada takových spojení, která se ke kolokacím

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

zařazují proto, že četnost společného výskytu slov, která je tvoří, je automaticky vyhodnocena jako statisticky významná, např.: šest let, slunečný den, krásná žena apod. Mezi kolokacemi se tak objevují i nepravé kolokace, které vznikají jako běžná volná slovní spojení na základě sémantických, nikoli lexikálních omezení (Marcinkevičienė 2010: 90–91).

Někteří badatelé považují za kolokace pouze skutečné kolokace (jinak také nazývané nemotivované, arbitrární) – obvyklá slovní spojení, která přímo neodrážejí mimojazykovou skutečnost a jejichž slova jsou ve vzájemném arbitrárním vztahu (podrobněji o arbitrálnosti viz Kovalevskaitė a kol. 2021).

Předmětem tohoto výzkumu jsou právě arbitrární kolokace (dále jen AK), tj. kolokace charakterizované omezenou lexikální spojitelností (angl. lexical restrictedness): ačkoli lze teoreticky podle podobného významu zvolit více než jednoho spojovacího partnera, má se sklon užívat pouze jednoho, např. pochopit narážku, nikoli *uvědomit si narážku, na dosah ruky, nikoli *rukou uchopitelný. Rūta Petrauskaitė píše: „Absence přímého vztahu k pojmenovávané skutečnosti způsobuje, že se nejen v různých jazycích spojitelnost téhož slova výrazně liší, ale ani v témže jazyce nelze jeden člen kolokace nahradit jiným, synonymním, aniž by hrozilo, že výsledná fráze bude znít nezvykle, např. čas jde, běží, plyne, nikoli však *kráčí, pádí, plíží se“ (Marcinkevičienė 2010: 91). Spojovací partneři základního slova skutečných (arbitrárních) kolokací jsou podle R. Petrauskaitė nepředvídatelní; základem jejich spojitelnosti jsou lexikální omezení (Marcinkevičienė 2010: 90).

AK dosud nevzbudily mezi badateli litevštiny větší pozornost, ačkoli jejich identifikace by pomohla vymezit tyto kolokace jako jádro litevských kolokací, což by bylo zvláště užitečné pro překlad, výuku litevštiny jako cizího jazyka a lexikografii. Za těmito účely se AK analyzují v rámci projektu „Arbitrární kolokace litevštiny: rozpoznávání, popis, užívání (ARKA)“¹, jehož cílem je popsat litevské AK a připravit lexikografické a výukové zdroje AK.

Cílem článku je popsat, jaké metody byly v rámci projektu ARKA použity k rozpoznávání litevských AK, a porovnat výsledky získané různými metodami. AK byly analyzovány neautomatickými metodami lingvistické analýzy a automatizovanými metodami počítačové lingvistiky.

¹ Projekt financuje Rada pro výzkum Litvy (č. S-LIP-20-18), podrobněji viz 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

Zdroje: 1) Databáze ustálených slovních spojení v litevštině (dále jen PŽJDB)², která obsahuje přibližně 12 tisíc kolokací; 2) korpus Delfi.lt³, sestávající ze 70 milionů slov a zahrnující texty publikované v letech 2014–2016 v různých rubrikách zpravodajského portálu Delfi.lt (o korpusu podrobněji viz Bielinskienė et al. 2019: 14–15).

Zkoumaný materiál tvoří kolokace vytvořené z 97 podstatných jmen (místo, prostředí, způsob, muž, žena, věc a další⁴). Jejich struktura je následující: přídavné jméno / přídavná jména, užívané příčestí + podstatné jméno, sloveso + podstatné jméno, podstatné jméno + podstatné jméno. V rámci výzkumu bylo přibližně 2400 kolokací klasifikováno jako AK. Většina z nich je dvojslovná, některé jsou však trojslovné; ty druhé se obvykle skládají ze sloves, přídavných jmen a podstatných jmen (pořadí složek se může lišit).

První část zkoumaného materiálu, tj. kolokace se strukturou přídavné jméno + podstatné jméno, byla rozebrána v předchozím článku (Kovalevskaitė et al. 2021). V něm byl představen pokus rozpoznávat AK pomocí jedné z metod počítačové lingvistiky – automatizované (vektorové) metody, která byla rovněž podrobně představena. Tento článek shrnuje celý výzkum rozpoznávání AK. První kapitola představuje obě použité metody – neautomatickou (viz oddíl 1.1), včetně uplatněných kritérií a testů, a automatizovanou; její použití je ukázáno na skupině kolokací se strukturou sloveso + podstatné jméno (viz oddíl 1.2). Druhá kapitola na základě údajů ze všech fází výzkumu pojednává o výsledcích použití metod a porovnává je, stejně jako jejich možnosti a nedostatky, které jsou důležité při hodnocení seznamu identifikovaných AK a plánování dalšího výzkumu AK.

1. METODY IDENTIFIKACE ARBITRÁRNÍCH KOLOKACÍ

Při pojednání o AK se uvádí, že hranici mezi arbitrárními a takzvanými triviálními kolokacemi lze vést na pomezí abstraktních podstatných jmen: „<...> kolokace, jejichž základem jsou abstraktní podstatná jména, lze považovat za skutečné, nemotivované,

² http://resursai.pastovu.vdu.lt/paieska/paprastoji

³ https://klc.vdu.lt/pastovuSearch.html

⁴ Jde tedy o podstatná jména, konkrétní i abstraktní, která tvoří převážně ustálená slovní spojení identifikovaná v korpusu Delfi.lt; podrobněji o nich viz Bielinskienė et al. 2019.

BENDRINĖ KALBA 94 (2021) http://journals.lki.lt/bendrinekalba ISSN 2351-7204

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitraliųjų lietuvių

kalbos kolokacijų nustatymas | 4

doi.org/10.35321/bkalba.2021.94.06

a ustálená spojení s konkrétními podstatnými jmény se obvykle opírají o mimojazykovou realitu a jsou triviální“ (Marcinkevičienė 2010: 91). Jedním z kritérií uváděných v pracích o kolokacích je tedy sémantika podstatných jmen. Při tomto výzkumu se ukázalo, že většina AK je skutečně tvořena názvy abstrakt, avšak bylo zjištěno, že arbitrárnost je příznačná i pro kolokace s konkrétními podstatnými jmény, srov.: omezit rychlost, cvičit, vzít úplatek, opustit hřiště, vzít si úvěr, telefonovat, inscenovat divadelní hru a další.

Výzvou tohoto výzkumu nebylo pouze uplatnit kritéria rozpoznávání AK, ale také zvolit takovou metodiku, která by byla vhodná pro práci s velkým množstvím dat, aby na jejím základě bylo možné sestavit seznamy AK v litevštině po prozkoumání velkého počtu kolokací (k tomu byly využity materiály PŽJDB). V rámci projektu byla vyzkoušena a uplatněna dvojí metodika určování AK: neautomatická a automatizovaná. Nejprve byl použit neautomatický postup, přičemž byla zvolena kritéria uznání AK (viz oddíl 1.1). Vzhledem k tomu, že PŽJDB obsahuje velké množství dat, jedním z úkolů projektu bylo spolu s neautomatickou metodou vyzkoušet také takovou metodu, která by umožnila alespoň částečně automatizovat proces rozpoznávání AK (viz oddíl 1.2).

1.1. Neautomatické určování AK

Při neautomatickém určování AK byla uplatněna dvě hlavní kritéria:

1) kritérium omezené lexikální spojitelnosti, k jehož posouzení byla použita metoda zaměnitelnosti synonym a/nebo metoda lexikálně-sémantických skupin podstatných jmen;

2) kritérium přeneseného významu.

Pokud kolokace splňovala alespoň jedno kritérium, byla považována za arbitrární. Dále se pojednává o tom, jak bylo každé kritérium uplatněno při posuzování, zda kolokaci považovat za arbitrární.

1.1.1. Určování AK podle omezené lexikální spojitelnosti

Jak bylo uvedeno v úvodu, za arbitrární se považují kolokace s omezenou lexikální spojitelností, tj. pro přídavné jméno nebo sloveso užité v určitém významu ve spojení s podstatným jménem je charakteristické určité, více či méně arbitrární omezení zaměnitelnosti (angl. arbitrary restriction on substitutability; Nesselhauf 2003, 2005). Na základě pojetí omezené lexikální spojitelnosti tedy nemůže být kterýkoli člen kolokace v určitém významu

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

použit se všemi syntakticky a sémanticky možnými kolokáty. Ačkoli lze teoreticky najít náhrady kolokátů, buď by se vůbec nehodily, nebo by byly neobvyklé, např.: příznivé vs. *užitečné prostředí; mnohovrstevnatý vs. *vrstevnatý román.

Kritérium omezené lexikální spojitelnosti lingvisté ověřovali dvěma testy:

1) podle synonym slovesa nebo přídavného jména (tj. zda je lze nahradit jinými slovy blízkého významu, která lze považovat za synonyma);

2) podle lexikálně-sémantických skupin podstatných jmen.

Protože AK jsou považovány za takové kolokace, u nichž zpravidla nelze jednu složku nahradit jiným slovem – synonymem blízkého významu –, byl k rozpoznávání AK použit test zaměnitelnosti synonym (adaptováno z Nesselhauf 2003): pokud jednu složku kolokace nelze nahradit jiným synonymem blízkého významu, byla taková kolokace považována za AK. Například při posuzování arbitrárnosti kolokací neuposlechnout zákon, zavádět systém, vynaložená práce se ověřovalo, zda je lze nahradit možnými slovesnými synonymy *porušit zákon, *zavést systém, *vložená / naložená práce, a rozhodovalo se, zda je taková záměna možná; pokud ne, byly kolokace uznány jako AK. Testovali jej tři lingvisté metodou introspekce, vycházeli však z kolokací zjištěných v korpusu Delfi.lt. Je však třeba přiznat, že najít synonymum bylo často poměrně obtížné, a proto se často používal i druhý test – lexikálně-sémantických skupin podstatných jmen.

Omezená lexikální spojitelnost se hodnotila také podle rozmanitosti lexikálně-sémantických skupin: na základě kolokací uvedených v PŽJDB se určovalo, s podstatnými jmény z kolika lexikálně-sémantických skupin se pojí přídavné jméno nebo sloveso v kolokaci, a tak se posuzoval rozsah lexikální spojitelnosti. Aby bylo co nejpřesněji zjištěno, s jakými slovy lze podstatné jméno používat, analyzovalo se celé jeho paradigma, tj. všechny kolokace vytvořené s tímto podstatným jménem. Ačkoli však celý zkoumaný materiál tvoří přibližně 12 tisíc kolokací dostupných v PŽJDB, někdy bylo zřejmé, že informace nejsou dostatečné. Pokud se ve zkoumaném materiálu vyskytovala pouze jedna kolokace s určitým přídavným jménem / slovesem, lingvisté paradigma doplňovali na základě svého jazykového citu jako rodilých mluvčích; pokud databáze obsahovala několik kolokací, testy omezené lexikální spojitelnosti se aplikovaly na dostupné paradigma.

Rozsah spojitelnosti se posuzoval podle lexikálně-sémantických skupin podstatných jmen s ohledem na tyto podmínky:

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) kolokace nebyly považovány za AK, pokud se s určitým přídavným jménem / slovesem pojí podstatná jména z mnoha různých lexikálně-sémantických skupin a tyto skupiny jsou početné. Taková spojitelnost přídavného jména / slovesa byla považována za širokou, bez zřetelnějších lexikálních omezení; srov. četnost kolokací se slovem dobrý: dobrý výsledek, práce, svět, člověk, čas, život, způsob, věc, země, tým, den, rozhodnutí, rok, počasí, místo, strana, sezóna, možnost, cena, zápas, automobil, jídlo, znak, zdraví, cesta, muž, dítě, produkt, otázka, začátek, prostředek atd.; srov. také kupovat: kupovat automobil, jídlo, produkt, majetek, půdu;

b) pokud se s přídavným jménem / slovesem pojí podstatná jména z mnoha různých lexikálně-sémantických skupin, ale jedna skupina se odlišuje nebo se užívá jen několik podstatných jmen z určité sémantické skupiny, mohla být kolokace považována za AK. Například ačkoli má sloveso parkovat širokou spojitelnost, nelze je použít se všemi názvy dopravních prostředků; srov. parkovat automobil (stejně jako parkovat jízdní kolo, motocykl), ale zakotvit loď, přistát s letadlem. Kolokace parkovat automobil tedy kvůli omezené spojitelnosti patří k AK. Sloveso mít se považuje za slovo se širokou lexikální spojitelností, protože může tvořit mnoho různých kolokací, v celém jeho paradigmatu však vyniká kolokace mít co do činění – ta se považuje za arbitrární. Se slovesem zhoršit se se užívají slova ze dvou lexikálně-sémantických skupin – skupiny přírodních jevů a skupiny pocitů –, kolokace se však tvoří pouze s podstatnými jmény zhoršilo se počasí a zhoršila se nálada, takže v obou případech jde o AK;

c) kolokace náležející do jedné velké sémantické skupiny se za AK nepovažují. Například v PŽJDB byla nalezena pouze jedna kolokace odečíst daně, ale lingvisté mohou na základě jazykového citu rodilého mluvčího doplnit paradigma dalšími slovy (odečíst lze peníze, půjčku a další finanční položky), proto kolokaci odečíst daně za AK neuznávají. Jde o lexikálně-sémantickou skupinu, která je v PŽJDB zastoupena jedinou kolokací, ale teoreticky je početná.

Omezená lexikální spojitelnost se ověřovala posouzením obou slov kolokace: přídavné jméno / sloveso nelze nahradit jinými synonymy (test 1), případně (a/nebo) je paradigma podstatných jmen omezené (test 2). Například kolokace podávané jídlo by naznačovala, že může existovat mnoho podstatných jmen ze skupiny jídla (lze podávat jídlo, nápoje, večeři, oběd...). Neodpovídá tedy podmínce testu 2, neboť jde o jedinou sémantickou skupinu, splňuje však podmínku b), protože sloveso podávat nelze nahradit slovesem předložit. Kolokace se tedy podle testu 2 uznává jako arbitrární. Další příklad:

BENDRINĖ KALBA 94 (2021)

http://journals.lki.lt/bendrinekalba

ISSN 2351–7204

JOLANTA KOVALEVSKAITĖ, ERIKA RIMKUTĖ, JURGITA VAIČENONIENĖ. Arbitralijų lietuvių kalbos kolokacijų nustatymas

doi.org/10.35321/bkalba.2021.94.06

sloveso surengti se užívá s podstatnými jmény označujícími akce a události (surengti rinkimus, koncertą...), a proto by takové kolokace neměly být považovány za arbitrární podle kritéria početnosti sémantické skupiny; k AK je však lze přiřadit podle testu 1, protože surengti v tomto případě nelze nahradit synonymem suruošti.

Test synonymie nelze vždy použít. Například jej nelze použít, existuje-li několik variant AK, srov.: kainos kyla ir kainos auga, didėja; klausimas kamuoja ir klausimas kankina; duoti galimybę ir suteikti galimybę; įgyti teisę ir įgauti teisę. Tento test také nelze použít v případech jako sumokėti mokesčius, apgyvendintas miestas – pro slova sumokėti, apgyvendinti je obtížné navrhnout synonymum, byť jen hypoteticky. Pokud se synonymum nenajde, nelze ověřit možnost náhrady, neboť musí existovat alespoň teoretická možnost volby mezi dvěma (či více) synonymy.

Lingvisté, kteří ověřovali omezenou lexikální spojitelnost jak pomocí testu synonymie (test 1), tak pomocí testu lexikálně-sémantických skupin (test 2), vycházeli ze své kompetence rodilých mluvčích. Výsledky takové práce však nevyhnutelně ovlivňuje faktor subjektivity (k tomuto problému určování synonym viz Divjak, Gries 2006: 24–26). Proto byla k posouzení nahraditelnosti synonym vyzkoušena také automatizovaná metoda (viz oddíl 1.2).

1.1.2. Určování AK na základě přeneseného významu

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.

Přídavná jména užívaná v přeneseném významu se obvykle vyznačují také širším rozsahem spojitelnosti a kolokace s přídavnými jmény s širší spojitelností jsou pro studenty složitější (Nesselhauf 2005: 238). Vzhledem k významu pro výuku jazyků a překlad

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 a kol. 2016) bylo při určování litevských AK využito kritérium přeneseného významu.

Při neautomatické analýze kolokací bylo za znak AK považováno užití jednoho ze členů kolokace (přídavného jména, slovesa nebo podstatného jména) v nepřímém významu. To bylo zjištěno analýzou celého paradigmatu určitého slova, vygenerovaného na základě dat korpusu Delfi.lt (viz sloupec 1 tabulky 1). Z takového paradigmatu je patrné, s kterými dalšími přídavnými jmény nebo slovesy dané podstatné jméno tvoří kolokace a v jakém významu se v těchto kolokacích užívá ono samo i jeho kolokáty – přídavná jména a slovesa.

Někdy lze určit, zda je slovo užito v doslovném, nebo přeneseném významu, pouze na základě širšího kontextu – v takových případech byl použit PŽJDB, korpus Delfi.lt, srov. žalias + automobilis:

Zástupce společnosti „Unicredit Leasing“ v Litvě upozorňuje na několik dalších zelených automobilů jakožto tržních trendů.

Zelený vůz pilotovaný Mariusem Slaboševičiusem zelenasis automobilis zaostal o půl sekundy <...>.

„Tesla Model S“ získal několik ocenění pro nejlepší automobil, z nichž jedním je titul Světový zelenasis automobilis roku 2013.

Zajímavé koncepční modely zelených automobilů.

Z příkladů vyplývá, že přídavné jméno zelený charakterizuje automobil jako ekologický, ale neurčuje jeho barvu⁵. Taková kolokace byla považována za arbitrární. V korpusu Delfi.lt, z jehož dat byla vytvořena databáze PŽJDB, lze samozřejmě nalézt mnoho případů, kdy zelený označuje barvu automobilu.

Spojení podstatných jmen s přídavnými jmény a slovesy byla považována za AK, pokud měl alespoň jeden z členů přenesený význam. V takovém případě se výše popsané testy (viz oddíl 1.1.1) nepoužívaly. Užití přídavných jmen a sloves v přeneseném významu je zvláště typické pro kolokace abstraktních podstatných jmen, jakož i několika podstatných jmen označujících konkrétní věci, například kolokace tvořené s podstatnými jmény 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 Upozorňujeme, že na neobvyklé užití poukazují také zájmenné tvary.

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

Kolokace s abstraktními substantivy, jak zjistila R. Petrauskaitė (viz Marcinkevičienė 2010), mohou vytvářet konceptuální metafory (např.: jemné opatření, ostrá kritika, suchý výsledek, uniklá informace, podněcovat řeči, únik údajů, mezera v zákoně⁶). Jak uvádí R. Petrauskaitė, „nejdůležitějším kritériem metaforičnosti je přenos významu, který se projevuje v protikladu konkrétního a abstraktního substantiva. Když se vlastnosti konkrétní věci použijí jako základ pro začlenění abstrakta do kontextu a vytvoření slovního spojení s ním, vzniká metafora <...> jedna věc, nejčastěji abstraktní, je chápána jako jiná, konkrétní, prostřednictvím terminologie této druhé věci <...>“ (Marcinkevičienė 2010: 178).

Adjektiva (méně často slovesa) použitá v přeneseném významu ve spojeních s konkrétními substantivy jim propůjčují sémanticky netypické vlastnosti (např.: rychlé občerstvení, výrazná žena, viditelný člověk). Podobně jako ve spojeních s abstraktními substantivy se význam slovního spojení často neodvozuje od jednotlivých slov, ale od celého slovního spojení (např.: železný člověk, zlatý věk, divoká žena; viz také výše uvedené příklady se substantivem automobilis). Ve výzkumu kolokací v jiných jazycích (např. Strakatova, Hinrichs 2019) se mezi lexikalizované kolokace řadí kolokace s kolokátem v přeneseném významu, v nichž se tento význam projevuje pouze u omezeného počtu slov z konkrétních lexikálně-sémantických skupin. Například význam adjektiva heavy ve spojeních se substantivy smoker, rain, traffic (česky silný kuřák, silný déšť, hustý provoz) není prototypový, protože označuje intenzitu, nikoli hmotnost.

Bylo zjištěno, že velký potenciál pro metaforizaci mají slova se střední lexikální spojovatelností⁷, například slovesa paralyzovat (paralyzovat dopravu), ubývat (čas ubývá), zničit (zničit život). Mezi adjektivy je mnoho takových, která při užití v doslovném

⁶ O prostorových, ontologických a strukturálních metaforách v kolokacích viz také: Drūlienė 2008a, b; Šilinytė 2008. Cílem tohoto článku ani celého projektu není klasifikovat zjištěné metafory, proto se tím dále podrobněji nezabýváme, ačkoli je zřejmé, že AK může být zajímavým předmětem výzkumu pro odborníky na kognitivní lingvistiku.

⁷ Na základě vzorce, který v roce 2008 uvedla Susane Handl, Delfi.lt byly na základě korpusu stanoveny hodnoty kolokability složek analyzovaných kolokací. Tento výzkum bude pokračovat. Zatím lze říci, že AK by měly být spojeními střední síly, tj. hodnota kolokability ani jedné, ani druhé (nebo třetí) složky by neměla být příliš nízká ani příliš vysoká. Je-li například hodnota první složky vysoká a druhé nízká, může se první složka užívat s malým počtem slov, zatímco druhá s velmi mnoha slovy, např.: psychoaktivní látka, autistické dítě, sladká voda, stinné místo, třístranná smlouva, nezletilé dítě, perlivá / destilovaná voda, projíždějící automobil.

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

významech označují fyzické vlastnosti (např.: kluzká věc, čistá práce, krvavá práce), ale adjektiva mohou mít i jiné významy (drahý čas, palčivá otázka, výrazná událost). Použití kritéria přeneseného významu ilustruje analýza paradigmat adjektiva (ne)švarus, slovesa nutekėti a substantiva euras (viz tabulku 1):

TABULKA 1. Použití kritéria přeneseného významu

Paradigma

Určení AK

1. švarus sport, práce; nečistá práce, věc, záležitost 2. švarus (-i) voda, prostředí, vzduch, město, místo, automobil; znečištěná voda

1. Považuje se za AK kvůli přenesenému významu adjektiva ve spojeních se substantivy s abstraktním významem. 2. Nepovažuje se za AK, protože v těchto kolokacích je adjektivum užito v doslovném významu.

1. nutekėti informace 2. nutekinta (-i) informace, materiál, údaje

1–2 se považuje za AK, protože ve spojeních s abstrakty je realizován přenesený význam slovesa.

1. euro oslabování, posilování 2. euro kurz, mince, cent 3. euro změna

1. Považuje se za AK, protože euru jsou přisuzovány vlastnosti typické pro živý objekt. 2. Jde o termíny; nepovažují se za AK. 3. Nepovažuje se za AK, protože zde není přítomen přenesený význam.

Jak ukazují příklady uvedené v tabulce 1, v paradigmatu kolokací nemusí být adjektivum nebo sloveso užité v doslovném významu, a někdy ani celá kolokace s určitým adjektivem / slovesem, vždy v přeneseném významu; přenesený význam je však zřejmý v případech, jako jsou: bolestivé rozhodnutí / věc / událost; uzavřený člověk / povaha / život; otevírá se cesta / trh / výhled; vydobýt si právo / místo atd. Takové kolokace se považují za arbitrární.

Souhrnně lze konstatovat, že kritérium přeneseného významu je zvláště relevantní při analýze kolokací tvořených přídavnými a podstatnými jmény – často se na něj odkazovalo jako na

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

hlavní a nejzřetelnější ukazatel arbitrálnosti. Při analýze kolokací slovesa a podstatného jména se častěji uplatňovalo kritérium omezené lexikální spojitelnosti (a test sémantických skupin). Protože bylo nalezeno velmi málo AK tvořených dvěma podstatnými jmény, je obtížné zobecnit vlastnosti kolokací této struktury (viz oddíl 1.1.1).

1.2. Automatizované určování AK

Jedno z kritérií AK – omezená lexikální spojitelnost – bylo ověřováno také automatizovaně, tj. metodou vektorů byly určeny synonyma potřebná pro test nahraditelnosti. Podrobnější informace o testu nahraditelnosti a uplatnění vektorové metody jsou uvedeny v dříve publikovaném článku (Kovalevskaitė ir kt. 2021). V něm je popsáno využití vektorové metody k posouzení arbitrálnosti kolokací přídavné jméno + podstatné jméno, proto se tento článek podrobně věnuje pouze hodnocení arbitrálnosti kolokací sloveso + podstatné jméno.

Nejprve stručně připomeneme hlavní fáze uplatnění vektorové metody (oddíl 1.2.1), poté probereme výběr synonym sloves pomocí vektorové metody (viz oddíl 1.2.2) a shrneme výsledky uznání kolokací sloves a podstatných jmen za arbitrální (viz oddíl 1.2.3).

1.2.1. Určování AK na základě omezené lexikální spojitelnosti pomocí vektorové metody

Uplatněním vektorové metody bylo cílem automatizovat určování AK a omezit vliv subjektivity při hodnocení dat. Vektorová metoda byla k určení omezené lexikální spojitelnosti použita v následujícím pořadí. Nejprve byla z celého korpusu Delfi.lt automaticky vybrána související slova⁸. K tomu byl použit model GloVe – model slovních vektorů (angl. embeddings) (Pennington ir kt. 2014). Vektorová metoda (angl. Word Embedding Approach) patří do skupiny metod určených k automatické analýze slov podle podobnosti jejich distribucí neboli kontextů (angl. distributional similarity measures). Tyto metody se používají k automatickému rozpoznávání různých vztahů (hyperonymie, synonymie, antonymie, partonymie) a jsou založeny na

⁸ V rámci předchozího projektu („Automatické rozpoznávání ustálených slovních spojení v litevštině (PASTOVU)“, viz https://pastovu.vdu.lt) byly určené vektory zpřístupněny zde: https://clarin.vdu.lt/xmlui/handle/20.500.11821/26. V této studii se používají k výběru synonym potřebných k určování 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

hypotézu, že slova blízkého významu a/nebo sémanticky související slova se používají v podobném kontextu (viz Grigonytė 2010).

Nejprve byly automaticky sestaveny řady vektorů (dále VE) přídavných jmen a sloves použitých v kolokacích z PŽJDB⁹. Při automatickém výběru souvisejících slov byla vyloučena přídavná jména a slovesa se širokou lexikální spojitelností nebo užívaná nesamostatně, např.: geras, naujas, puikus; būti, reikėti, pradėti. Přídavná jména či slovesa seskupená do VE byla vybrána na základě podobnosti kontextu. Bylo vytvořeno přibližně 800 VE s přídavnými jmény a více než 3 800 se slovesy. Ačkoli VE obsahovaly související slova, mezi údaji byla také slova spojená jinými sémantickými vztahy (např. antonymickými), nebo dokonce slova nesouvisející, proto bylo nutné lingvistické zpracování, aby se určilo, která ze souvisejících slov lze považovat za synonyma a použít při posuzování míry omezenosti spojitelnosti toho či onoho synonyma s určitým podstatným jménem. Za synonyma byla považována slova stejného slovního druhu, jejichž denotativní (věcný) význam je velmi podobný, ale jejich lexikální spojitelnost se částečně nebo zcela liší¹⁰.

Upravené VE sloves byly použity k posouzení arbitrálnosti kolokací sloveso + podstatné jméno. Cílem bylo určit, ve kterých kolokacích nelze slovesnou složku nahradit slovesem blízkého významu. Ke každému páru nebo skupině slovesných synonym byly přiřazeny kolokace s určitým podstatným jménem. Pokud byla s daným podstatným jménem uvedena kolokace pouze s jedním synonymem z daného páru či skupiny, usuzovalo se, že analyzované podstatné jméno se pojí pouze s jedním slovesem z této skupiny synonym, a kolokace byla považována za arbitrární. Pokud analyzované podstatné jméno tvořilo kolokace se všemi slovesy z daného páru či skupiny synonym, kolokace nebyly zařazeny mezi arbitrární (viz tabulka 2).

⁹Související slova určená vektorovou metodou by bylo nejpřesnější nazývat řadami možných synonym určených vektorovou metodou. Pro stručnost dále používáme termín vektorové řady, přesněji zkratku VE.

¹⁰Pojetí synonyma použité v tomto článku lze spojit s termínem částečná synonyma, který je v litevské lexikografii rozšířenější (viz 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

TABULKA 2. Fáze rozpoznávání AK s použitím VE

Uznáno jako AK

Neuznáno jako AK

1. fáze: vezme se VE se dvěma páry synonym gauti–įgyti a duoti–teikti; 2. fáze: podle této VE se ověřuje, s kolika z těchto synonym tvoří podstatné jméno apdovanojimas kolokace; jsou zjištěny dvě kolokace: gauti apdovanojimą (jedno synonymum z páru gauti–įgyti) a teikti apdovanojimą (jedno synonymum z páru duoti–teikti); 3. fáze: rozhodne se, že gauti apdovanojimą a teikti apdovanojimą se považují za AK.

1. fáze: vezme se VE se dvěma synonymy įkurti a įsteigti; 2. fáze: podle této VE se ověřuje, s kolika z těchto synonym tvoří podstatné jméno asociacija kolokace; jsou zjištěny dvě kolokace: įkurti asociaciją a įsteigti asociaciją; 3. fáze: rozhodne se, že įkurti asociaciją a įsteigti asociaciją nejsou AK.

Například s podstatným jménem apdovanojimas byly uvedeny kolokace gauti apdovanojimą, teikti apdovanojimą, nebyly však uvedeny *įgyti apdovanojimą, *duoti apdovanojimą. Z toho vyplývá, že s páry synonym gauti–įgyti a duoti–teikti tvoří podstatné jméno apdovanojimas vždy pouze jednu variantu, a kolokace gauti apdovanojimą a teikti apdovanojimą byly proto zařazeny mezi arbitrární. Mezi slovesnými kolokacemi byly za arbitrární často považovány ty, v nichž se užívají slovesa s vybledlým (desemantizovaným) významem (podrobněji Kovalevskaitė ir kt. 2020), např.: atlikti tyrimą, duoti rezultatą, imti mokestį. Arbitrálnost kolokací podstatného jména asociacija byla posuzována podle VE obsahující dvě synonyma – įkurti a įsteigti; jelikož toto podstatné jméno tvořilo kolokace s oběma synonymy, byly tyto kolokace odmítnuty jako nearbitrární.

Stejně jako při posuzování kolokací s přídavnými jmény byla při experimentálním výzkumu slovesa-synonyma testována neautomaticky, protože je třeba zohlednit význam synonyma i testovaného podstatného jména. Pokud se význam synonym ve VE neshoduje s významem slovesa v posuzované kolokaci, test zaměnitelnosti pro toto sloveso

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

nelze použít. Například u kolokace statyti automobilį nebylo možné k posouzení arbitrálnosti použít VE se slovem statyti kvůli významu „stavět budovu“ (166 VE¹¹).

Fáze aplikace automatizované metody jsou tedy následující: a) automatická (VE se vytvářejí vektorovou metodou), b) neautomatická (lingvista je zkontroluje a v případě potřeby upřesní); c) částečně automatická (kolokace se automaticky propojí s konkrétními VE a po kontrole se potvrdí, nebo nepotvrdí jako AK).

1.2.2. Výběr slovesných synonym ve vektorových řadách

Protože v generovaných VE bylo mnoho nadbytečných, nerelevantních údajů, takzvaného šumu (angl. noise), lingvista každou VE zkontroloval a odstranil nepotřebná slova, která nebyla spojena synonymickými vztahy; některé VE pak zcela vyřadil. Dále pojednáme o různých případech lingvistické úpravy VE.

Počet slovesných VE byl mnohem vyšší než počet přídavných jmen (3800, respektive 800 VE), protože seznam samotných sloves byl také rozsáhlejší. VE se automaticky vytváří pro každé sloveso, a proto jsou některé VE podobné; počet synonym v podobné VE se však může lišit podle toho, které sloveso je řídicí. Řídicí sloveso je slovo, jemuž se podobají ostatní uvedená slova, jinými slovy slovo, pro něž se hledala možná synonyma (podobnost může být určena na základě hyperonymického, synonymického, antonymického nebo partonymického vztahu; toto slovo je ve skupinách synonym podtrženo). Například ve 151. VE je řídicím slovesem organizuoti, zatímco VE 40 je mnohem delší a jejím řídicím slovem je vykdyti:

151 VE: organizuoti, rengti, vykdyti

40 VE: vykdyti, įgyvendinti, rengti, organizuoti, atlikti, įvykdyti, nutraukti

Jak již bylo uvedeno, automaticky vytvořené VE musel ještě zkontrolovat lingvista.

Po dokončení této práce bylo zjištěno, že stejně jako u přídavných jmen bylo i u sloves automaticky shromážděno mnoho dlouhých VE, které obsahovaly několik dvojic slovesných synonym, a jen málo VE, v nichž byla pouze jedna dvojice synonym nebo tři synonyma. Někdy se po kontrole ukázalo, že řídicí sloveso, podle něhož se VE vytváří, nemá synonyma, ačkoli v dané VE může být jiné

¹¹ Zde i dále jsou uvedena čísla VE možných synonym určených vektorovou metodou, která byla použita v tomto článku.

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

vhodná dvojice synonym, například ve VE podpůrného slovesa kisti je dvojice synonym paaštrėti, pablogėti.

Stejně jako u přídavných jmen způsobovaly „šum“ ve VE sloves antonyma; srov. VE pasivyti–aplenkti, sutrumpinti–pailginti, griežtinti–švelninti tvořili členové jedné lexikálně-sémantické skupiny, kteří nejsou synonymy, např.: pasnigti: palynoti, nugriaudėti; nepasiekti: pargrūti, iššausėti, patinti, pakrypti, sušlubuoti, sudužti; vakarieniauti: pietauti; pavirti: troškinti. Při čištění VE se často ukázalo, že některé sloveso nebo několik sloves není vhodných, protože označují příliš konkrétní aspekt podobného děje; například ve VE slovesa remtis byla uvedena tato slova: vadovautis, pasikliauti, apsiriboti, kliautis. Sloveso apsiriboti bylo odstraněno a za synonyma byla považována pouze slovesa vadovautis, pasikliauti, kliautis.

Časté jsou také případy, kdy má jedno slovo ve VE širší význam, například paveikti, zatímco ostatní slova zařazená do VE konkrétněji označují aspekty negativního působení, například pakenkti, sutrikdyti. Proto byla za synonymní považována pouze tato slova. Ze slov ve VE pagrįsti, įvardinti, paaiškinti, pateisinti byla za synonyma uznána pagrįsti a paaiškinti, zatímco pateisinti a įvardyti za synonyma považována nebyla, protože se svými dalšími sémantickými rysy příliš vzdalují významu prvních dvou slov. Kvůli podobným případům bylo někdy nutné vyřadit celou VE, například atmesti, ignoruoti, uždrausti.

Někdy byly zcela nevhodné i VE podpůrných sloves, u nichž by se zdálo, že by mělo být opravdu možné synonyma určit automaticky, např.: suprastėti (možné synonymum pablogėti, ale ve VE nebylo); sąlygoti (možné synonymum lemti, ale nebylo uvedeno, bylo tam pakentėti). VE sloves se záporem nebyly přesné, a proto byly vyřazeny; například byla vyřazena podpůrná slovesa negydyti, nesuskaičiuoti, nepridėti.

Je třeba zmínit, že VE bylo často nutné upřesňovat také kvůli slovotvorným vlastnostem sloves. Za synonyma například nebyla považována slovesa nedokonavého a dokonavého vidu (tirti ir ištirti), ani slovesa, která kvůli předponě získala odlišný význam, jako palyti ir palynoti, naršyti ir panaršyti, ani zvratná a nezvratná slovesa (klausyti ir klausytis). Pokud bylo například podpůrné sloveso ve VE zvratné, nezvratné sloveso se podle něj vyřadilo. Například ve VE išsirinkti, atsirinkti, pasirinkti, nuspręsti, rinktis byla vyřazena slovesa išrinkti, parinkti. Slovotvorné varianty (např. vardinti ir vardyti, lukterėti ir luktelėti) byly považovány za synonyma.

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

Při čištění VE se ukázala ještě jedna zvláštnost automatického výběru: protože se při vektorové metodě slova shromažďují podle podobnosti jejich kontextu, VE mohou tvořit synonyma, která se na první pohled zdají nevhodná. Jinými slovy, neznáme-li konkrétní podstatná jména, kvůli nimž byla dvě nebo více sloves zařazena do jedné VE, můžeme kvalitu některých VE posoudit nesprávně. Například v 60. VE byla tato slova: rodyti, demonstruoti, jausti. Kdybychom slovo jausti okamžitě vymazali, byla by to chyba, protože se sem dostalo kvůli kontextu společnému těmto slovesům, v němž se hovoří o pocitech; srov. demonstruoti, rodyti jausmus a například jausti pyktį, jausti nusivylimą a podobně. Slovesa sumažėti, pigti nebo padidėti, ūgtelėti mohou být synonymní, pokud se hovoří o cenách. Všechna tři slovesa ve VE apsispręsti, priimti, pasirinkti jsou synonyma, zatímco sloveso imti, které se obvykle vymazává, se sem dostalo proto, že označuje priimti sprendimą, jinými slovy, tuto VE je třeba číst takto: apsispręsti, priimti sprendimą, pasirinkti¹².

Z těchto příkladů vyplývá, že automaticky lze určit více synonym a/nebo synonyma jiného typu, protože vektorová metoda posuzuje podobnost kontextu, nikoli významů jednotlivých slov. Sotva bychom při posuzování izolovaných slov spojili jako synonyma slovesa atsikratyti, numesti, sulieknėti, nacházíme je však v jedné VE, protože se vyskytla ve společném kontextu, v němž bylo i podstatné jméno svoris. Lze uvést i další příklady, srov.: trukti, užtrukti, gyvuoti, egzistuoti, užsitęsti; domėtis a užsiimti; gerti a vartoti; nusiteikti a pasiruošti; skambinti, kreiptis, pranešti; atkurti, atstatyti, atgaivinti; peržiūrėti, koreguoti, atnaujinti, keisti; išprovokuoti, lemti, peraugti; šokiruoti, sukresti, priblokšti; atlaikyti, ištverti, įveikti.

Ve sportovním kontextu jsou všechna čtyři slovesa – užsitikrinti, iškovoti, pasiekti, išsaugoti – synonymní, protože získání něčeho se někdy vyjadřuje například takto: užsitikrino sau vietą finale nebo išsaugojo titulą. Tyto výsledky ukazují, že při posuzování synonymie je důležité zohlednit více než jedno slovo, protože členy skupiny synonym mohou být jak jednotlivá slova, tak ustálená slovní spojení

¹² Ve VE se vyskytují slova, která jsou spojena syntagmaticky, např. įžeisti a nenorėti. Protože se nenorėti často používá ve společném kontextu se slovesem įžeisti (když se vyskytuje ve spojení nenorėjo įžeisti, bet...), byla zařazena do stejné VE. Další případ: liautis: nustoti, verkti. Sloveso verkti se sem dostalo proto, že bylo vybráno z kontextu, v němž se často vyskytuje: liovėsi verkęs / verkusi. Jinými slovy, velmi dlouhé (a nevhodné) VE se vytvářejí pro ta podpůrná slovesa, která se používají jako pomocná a kvůli svým gramatickým vlastnostem mají širokou valenci, např.: 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

spojení. Při použití vektorové metody, která porovnává podobnost kontextu, se právě tímto způsobem zvýrazňují vztahy jednotlivých slov ke kontextu. Pro lingvistu by bylo obtížné obsáhnout takové množství dat (více o využití širokého spektra distribučních ukazatelů pro automatickou analýzu synonym viz Divjak, Gries 2006).

Bylo zjištěno, že VE slovesa se specifičtějším významem a užší valenční schopností bývá často kratší a čistší, pravděpodobně právě v důsledku užší valenční schopnosti. Při srovnání VE synonym nerimauti, jaudintis, būgštauti ir nuogąstauti je patrné, že VE slovesa nerimauti je delší a méně čistá; obsahuje slova širšího významu, například bijoti (nerimauti: jaudintis, baimintis, bijoti), zatímco do VE slovesa būgštauti se dostala pouze tato čtyři slova: būgštauti: nerimauti, jaudintis, nuogąstauti. Dále bylo zjištěno, že VE založené na slovesech s konkrétnějším významem (duoti, bėgti, išimti, atsistoti, medžioti, kvėpuoti, sugesti, kalėti) mohou obsahovat jen málo synonym, nebo dokonce žádná, protože slova shromážděná na základě slovesa s konkrétním významem jsou tematicky, nikoli synonymicky příbuzná, srov.: išimti: išmesti, išbraukti, išnešti; medžioti ir žvejoti; kvėpuoti ir vaikščioti; virti ir kepti; kalėti ir nuteisti; sugesti: skilti, perkaitti, sprogti, užsikimšti, užsidegti. Takové VE se skládají také ze dvou slov, mohou však být delší. Někdy bývají velmi dlouhé; například VE s výchozím slovesem sumenkti obsahovala dokonce 26 sloves.

Souhrnně lze uvést, že po zpřesnění bylo získáno 2634 z 3800 VE (70%).

Automaticky generované VE tedy nejsou dostatečně přesné, aby je bylo možné bez úprav použít v další fázi identifikace AK. Takové chyby mohou být způsobeny specifiky korpusu Delfi.lt – ačkoli je jeho rozsah velký (přibližně 70 milionů slov), lexikální rozmanitost textů jednoho stylu může být nižší. K tvorbě přesnějších VE by byl zapotřebí korpus s větší rozmanitostí funkčních stylů.

1.2.3. Výsledky: kvalita VE a uznání arbitrálnosti

Srovnání VE přídavných jmen a sloves před revizí a po ní ukázalo, že v obou případech bylo poměrně mnoho VE vyřazeno jako neinformativních:

1) z 1927 VE přídavných jmen zůstalo po revizi 800 VE (41%);

2) z 3800 VE sloves zůstalo po revizi 1166 VE (30%).

Zbylé VE bylo také třeba upravit. Nebylo však posouzeno, kolik slov se z jedné VE obvykle vymaže. Často bylo nutné vymazat pomocná, ne zcela samostatná

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

slovesa: dĕlat, vzít, žít, stát za to, potřebovat, muset, začít, získat, chtít, snažit se, podařit se. Mnoho slov určených k vyřazení se nacházelo na konci VE, kde byla slova s nejnižší hranicí použitého skóre (0,5; nejvyšší skóre je 1), ale vyskytovalo se i mnoho případů, kdy bylo vyřazeno slovo s vysokým skóre, které se v dané VE nacházelo na 2.–5. pozici (VE může obsahovat nejvýše 20 slov).

Je třeba zdůraznit, že při hodnocení podle VE se přihlíželo pouze ke slovům, která se v dané VE nacházejí. Mohou existovat i jiné synonymní výrazy, které však v té VE, podle níž se hodnotí, nebyly (nebyly vybrány vektorovou metodou, nebyly použity v korpusu Delfi.lt apod.); některé kolokace proto mohly být zařazeny mezi nearbitrární (nebo naopak). Například při hodnocení kolokací padající hvězda a stoupající hvězda byla použita VE obsahující slovesa růst, klesat, stoupat, ubývat, vyvíjet se, zvyšovat se. V této VE není hroutit se, které by mohlo být synonymem slovesa klesat, proto padající hvězda nebyla uznána jako AK.

Během výzkumu byly zaznamenány také výhody automatického výběru dat: 1) jak bylo uvedeno v oddílu 1.2.2, vektorovou metodou lze určit více synonym a také jiná synonyma než pouze pomocí introspekční metody; 2) vektorová metoda je vhodná ke zpracování velkého množství dat, zatímco ručně by patrně nebylo možné posoudit podobnost kontextů takového množství slov.

Po aplikaci testu zaměnitelnosti na VE synonym sloves bylo 291 kolokací uznáno za arbitrární. Je zřejmé, že právě synonyma obsažená ve VE určují, které kolokace budou uznány jako AK. To je na jedné straně omezení této metody, na druhé straně však možnost automatizovat proces určování arbitrarity.

Pokud uznání arbitrarity závisí pouze na konkrétní VE, může se často stát, že některé kolokace nejsou vybrány podle jedné VE, ale jsou vybrány podle jiné. Například při hodnocení arbitrarity kolokací vytvářet obraz a formovat obraz podle VE č. 368 vytvářet, formovat by ani jedna z těchto dvou kolokací nebyla zařazena mezi AK. Slovesa vytvářet a formovat se však vyskytují i v dalších VE, k nimž je přiřazeno stejné podstatné jméno obraz, a proto je kolokace vytvářet obraz uznána jako AK podle jiné VE (45): vytvářet, vytvořit, rozvíjet, rozšiřovat, uskutečňovat, připravovat, založit.

Může nastat i jiný případ: tytéž kolokace mohou být uznány za arbitrární podle více než jedné VE; například provádět rozcvičku, dělat rozcvičku lze vyhodnotit jako AK jak podle 11. VE (provádět, vykonávat, dělat), tak i podle 15. VE (udělat, provést, vytvořit;

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

vykonat). Problém nastává tehdy, když arbitrární kolokace není považována za arbitrární, protože to nelze určit podle žádné VE. To se poměrně často stávalo při hodnocení variant kolokací. Například s podstatným jménem daně se užívají slovesa zvyšovat i zvýšit; obě tato slovesa jsou v 52. VE, podle níž se arbitrarita hodnotí, takže tyto kolokace nebudou zařazeny mezi AK. Jsou však variantami AK (srov. ceny rostou, stoupají, zvyšují se). Stejný případ představují spojení provádět / vykonávat / dělat výzkum (podle 11. VE nebyla tato spojení uznána jako AK). V téže VE byla slovesa získat a nabýt, proto spojení získat diplom a nabýt diplom nebyla uznána jako AK. Tyto případy ukazují, že při hodnocení arbitrarity kolokací podle kritéria omezené lexikální spojitelnosti jsou důležité jak použité testovací prostředky, tak skutečnost, že pro určování variant AK je vhodnější neautomatická metoda.

Protože testování zaměnitelnosti synonym tak úzce souvisí se slovy obsaženými v konkrétní VE, může se stát i to, že podobné kolokace s opačným významem nebudou vybrány. Například kolokace nespokojenost roste byla vybrána, zatímco nespokojenost klesá nikoli. Při neautomatickém hodnocení by byly obě vyhodnoceny jako AK. To znamená, že při použití dat vyhodnocených metodou lingvistické introspekce k posouzení arbitrarity se zachová část AK, které se při metodě 2 ztrácejí. Při použití neautomatické lingvistické metody však existuje určitá míra subjektivity. Automatizovaná metoda je objektivnější, je však třeba uznat, že data jsou fragmentárnější (k testování se používají pouze ty VE a v takovém rozsahu, v jakém byly shromážděny). Navíc ne všechny kolokace, které jsou AK, jsou jako takové uznány.

2. VÝSLEDKY IDENTIFIKACE AK

Při pohledu na počty identifikovaných AK je zřejmé, že AK identifikovaných neautomatickou a automatizovanou metodou, které se překrývají, je velmi málo (podrobněji viz oddíly 2.1 a 2.2); z toho tedy vyplývá, že každá z obou metod samostatně přináší důležité údaje.

Neautomatickou metodou analýzy bylo shromážděno mnohem více údajů než automatizovanou identifikací, při neautomatické analýze však nebylo použito jen jedno, nýbrž dvě výběrová kritéria (omezená lexikální spojitelnost a přenesený význam), zatímco při použití vektorové metody pouze omezená

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

lexikální spojitelnost. Při použití většího počtu kritérií se tedy shromáždí více kolokací s rozmanitějšími přídavnými jmény a slovesy.

Na konkrétních příkladech AK v této části vysvětlíme, proč byly získány právě takové výsledky, jak je ovlivnila použitá kritéria a údaje. Nejprve probereme, co získané údaje ukazují. Všechny AK s jedním konkrétním přídavným jménem nebo slovesem lze identifikovat různými způsoby: a) pouze jednou ze dvou metod; b) část kolokací jednou metodou a část druhou; c) část kolokací jednou metodou, část druhou a část oběma metodami. V následujících pododdílech probereme AK různé struktury a okomentujeme výsledky získané oběma metodami.

2.1. Arbitrární kolokace tvořené přídavnými jmény a podstatnými jmény

Celkem bylo identifikováno 1048 AK se strukturou přídavné jméno + podstatné jméno. Tyto kolokace zahrnují 320 různých přídavných jmen. Je pravda, že s některými přídavnými jmény (didelis, mažas, atviras, aukštas, modernus, išskirtinis, pagrindinis apod.) vzniklo několik či více než deset AK, zatímco s jinými (např. netrumpas, nuodugnus, permainingas, pikantiškas) pouze jednotlivé AK (s týmž přídavným jménem vznikly v průměru 3,3 kolokace; podrobněji viz tabulku 3).

TABULKA 3. AK identifikované různými metodami (přídavné jméno + podstatné jméno)

AK identifikované neautomatickou metodouAK identifikované automatizovanou metodouAK identifikované oběma metodamiPočet (procenta)Počet různých přídavných jmen (průměrný počet AK vytvořených se stejným přídavným jménem)Počet (procenta)Počet různých přídavných jmen (průměrný počet AK vytvořených se stejným přídavným jménem)Počet (procenta)Počet různých přídavných jmen (průměrný počet AK vytvořených se stejným přídavným jménem)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

Jak je patrné z tabulky 3, nejvíce AK bylo určeno neautomatickou metodou – více než polovina všech AK (např.: krutý pohled, otrocká práce, přímočará otázka, bolestivá věc); přibližně třetina AK byla určena automatizovaně (např.: cenný majetek, jedinečný projekt, náročný den, optimální způsob) a nejmenší podíl (15,74%) tvoří AK určené oběma metodami (např.: bratrovražedná válka, intenzivní obchod, obrovský projekt, nízká cena). Podobné proporce lze pozorovat také u AK se slovesy (viz oddíl 2.2).

Při analýze adjektiv v AK je patrné, že některá se vyskytují pouze v AK určených jednou z metod (viz výše uvedené příklady), zatímco jiná tvoří AK určené oběma metodami (např.: velký, malý, silný).

Na začátku výzkumu byla formulována hypotéza, že AK určené neautomatickou metodou vykazují větší rozmanitost adjektiv, zatímco AK určené pomocí automatizované vektorové metody menší. Tato hypotéza se potvrdila: v AK určených první metodou bylo použito 235 různých adjektiv, což znamená, že každé adjektivum tvoří v průměru 2,5 AK. V AK určených vektorovou metodou se vyskytuje 86 různých adjektiv, takže v průměru 3,56 AK je utvořeno se stejným adjektivem. Nejmenší rozmanitost adjektiv (42) se vyskytuje u AK určených oběma metodami, ale těchto kolokací je také nejméně. V této skupině AK bylo se stejným adjektivem utvořeno v průměru 3,93 kolokací. Lze se domnívat, že takto malá rozmanitost adjektiv je dána poměrně malým počtem dat.

Je vysoce pravděpodobné, že kolokace bude arbitrární, pokud ji tvoří adjektiva jako veliký, velký, obrovský, gigantický, malý, napjatý, nebezpečný, vážný, silný, těžký ve spojení s abstraktními podstatnými jmény, protože tato adjektiva budou použita v přeneseném významu.

Při úvaze o tom, proč aplikované metody vedly právě k těmto výsledkům, bychom jako příklad rádi probrali AK s adjektivem chytrý, protože na něm lze pozorovat celou škálu případů, tj. některé kolokace byly určeny jednou metodou, některé druhou a některé oběma. Z osmi kolokací adjektiva chytrý (chytré rozhodnutí, chytré město, chytré dítě, chytrý muž, chytrý čas, chytrý způsob) bylo šest uznáno za AK: kolokace tohoto adjektiva s podstatnými jmény rozhodnutí a město byly vybrány neautomaticky, kolokace s dítě a muž byly vybrány automatizovaně a kolokace s čas a způsob byly vybrány oběma metodami.

Lingvisté zjistili, že sémantická skupina „osoby“ je pro toto adjektivum obvyklá. Se slovy z této skupiny lze podle výběru kombinovat adjektiva podobného významu (lze použít

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

nejen chytrý, ale také moudrý člověk), proto se chytré dítě a chytrý muž mezi AK dostaly pouze jako výsledek automatického výběru (kolokace moudrý člověk nebyla v korpusu Delfi.lt doložena); při následné kontrole dat byly vyřazeny. Lingvisté zjistili, že ostatní podstatná jména (rozhodnutí, čas, způsob) patří převážně do lexikálně-sémantické skupiny „abstrakta“, kolokace se však přesto tvoří jen s určitými abstraktními podstatnými jmény. Možnosti výběru jsou tedy v této skupině omezené, což ukazuje na arbitrárnost. Proto byly všechny tyto kolokace uznány za arbitrární. Pouze dvě z nich (chytrý čas a chytrý způsob) byly určeny jako AK automatizovaně, protože při použití vektorové metody se neuplatňuje test lexikálně-sémantických skupin.

AK určené neautomatickou metodou. Například s adjektivem vysoký bylo za arbitrární uznáno devět kolokací: vysoký výsledek, vysoký úředník, vysoká cena a další. Zde je adjektivum užito v přeneseném významu (a téměř výhradně s abstraktními podstatnými jmény), takže kritérium přeneseného významu vedlo lingvisty k tomu, že tyto kolokace zařadili mezi AK. Automatizovanou metodou se tyto kolokace často nepodařilo zachytit, protože pro test zaměnitelnosti synonym nebyly k dispozici VE obsahující příslušné adjektivum (vysoký, uzavřený, bolestivý, slabý, široký, pohodlný, lehký, volný, dlouhý nebo rychlý), a proto nebylo možné zaměnitelnost posoudit. Jak již bylo uvedeno v předchozí části, výsledky automatizované metody značně závisejí na tom, zda jsou k ověření zaměnitelnosti synonym k dispozici synonymní řady a jaká je jejich kvalita. Tento případ ukazuje, že při použití pouze automatizované metody může část AK zůstat nerozpoznána, zatímco lingvistická kompetence může nedostatek korpusových dat kompenzovat.

Dalším důvodem, proč některé AK nemusí být automaticky rozpoznány, je to, že s řadou synonym určitého významu nemusí být spojena všechna podstatná jména, neboť kontext některých podstatných jmen se může lišit. Například mezi kolokacemi adjektiva výrazný je mnoho takových, které byly určeny neautomaticky (např.: výrazná žena, výrazný člověk), a pouze jedna AK byla určena oběma metodami – výrazná událost. To znamená, že VE s tímto adjektivem existovala, ale automaticky s ní nebyla spojena všechna tři podstatná jména, nýbrž pouze událost.

AK určené automatizovanou metodou. AK s adjektivem efektivní byly určeny pouze vektorovou metodou, např.: efektivní opatření, efektivní výsledek, efektivní systém, efektivní práce. VE obsahovala více synonym (např. účinný), avšak kolokace účinné opatření, účinný výsledek a další nebyly v korpusu doloženy, proto po použití testu nemožnosti

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

test zaměnitelnosti; kolokace s efektyvus byly uznány za AK. Zde je důležité dodat, že lingvisté na základě kompetence rodilých mluvčích v tomto případě hodnotili jinak: záměna je možná (lze užít jak efektyvi priemonė, tak veiksminga priemonė), proto bylo rozhodnuto tyto kolokace za AK nepovažovat. Automatizovanou metodou bylo za AK uznáno mnoho kolokací, jejichž adjektivum je hodnotící, srov.: išskirtinis (protože je synonymně spojeno s ypatingas), keistas (spojeno s neįprastas), modernus (spojeno s šiuolaikiškas), pagrindinis (spojeno s esminis), sudėtingas (spojeno s sunkus). Lingvisté měli častěji sklon takové případy mezi AK nezařazovat.

Kolokace se slovem stabilus, například stabilus gyvenimas, stabili kaina, stabili savaitė, stabili valstybė, byly jako arbitrární uznány pouze vektorovou metodou, protože zaměnitelnost byla ověřována pomocí synonyma pastovus, které se jako kolokát s odpovídajícími podstatnými jmény nepoužívá. Lingvisté však tyto kolokace za arbitrární nepovažovali, protože při pohledu na kolokabilitu slova stabilus je zřejmé, že je skutečně široká a nebyla zjištěna žádná omezení; navíc pastovus nebylo považováno za synonymum slova stabilus, srov.: stabilus darbas, stabili valstybė, stabili kaina, stabilus rezultatas, stabilus gyvenimas, stabili savaitė.

AK zjištěné oběma metodami. Mezi dostupnými údaji není ani jeden případ, kdy by byly oběma metodami zjištěny všechny kolokace téhož adjektiva uznané za AK. Ve všech případech byla oběma metodami zjištěna pouze jejich část; mezi těmito adjektivy se nejčastěji vyskytují taková, která lze užít v přeneseném významu, např.: garsus, greitas, liūdnas, mažas, nelengvas, patrauklus, pavojingas, rimtas, stiprus, sunkus, tvirtas. Jak již bylo uvedeno, AK většiny takových adjektiv byly zjištěny pouze neautomatizovanou metodou, například kolokace s adjektivem silpnas (viz také výše uvedené příklady). Je tomu tak proto, že při neautomatickém určování AK byly tyto případy vybrány podle kritéria přeneseného významu, zatímco při použití metody 2 vyhovovaly pouze tehdy, pokud byly členy řady synonym použité při testu zaměnitelnosti.

Při ověřování, kolik kolokací se jednotlivými metodami získá pro jedno z nejproduktivnějších podstatných jmen sprendimas, se ukazují podobné tendence jako v tabulce 3: neautomatizovanou metodou bylo získáno nejvíce AK, značná část AK však byla zjištěna automatizovaně.

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

TABULKA 4. Zjištěné AK s podstatným jménem sprendimas a adjektivy

AK zjištěné neautomatizovanými metodami

AK zjištěné automatizovanými metodami

AK zjištěné oběma metodami

1) odpovědný

2) bezprecedentní

3) drastický

4) odvážný

5) formální

6) přísný

7) inteligentní

8) moudrý

9) konstruktivní

10) kreativní

11) hloupý

12) dočasný

13) rozhodující

14) osudový

15) lehký

16) nelogický

17) iracionální

18) odůvodněný

19) pohodlný

20) pokrokový

21) praktický

22) opačný

23) rozumný

24) racionální

25) vědomý

26) bezpečný

27) samostatný

28) skandální

29) bolestivý

30) ukvapený

31) naléhavý

32) chytrý

33) mírový

34) správný

35) udržitelný

36) jednotný

1) jasný

2) kategorický

3) zvláštní

4) konkrétní

5) kreativní

6) užitečný

7) neočekávaný

8) optimální

9) jednoduchý

10) špatný

11) skutečný

12) složitý

13) jedinečný

1) rychlý

2) logický

3) nelehký

4) vážný

5) riskantní

6) těžký

7) škodlivý

8) pevný

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

Při uvádění příkladu podstatného jména řešení je důležité zmínit ještě jeden aspekt spojený s automatizovanou metodou: některé kolokace zařazené mezi arbitrární mohou být diskutabilní, tj. mohou působit jako hraniční, blíže k nepravým kolokacím. Může například vyvstat otázka, zda lze kolokace jako jasné řešení nebo podivné řešení skutečně považovat za arbitrární. Zdálo by se, že přídavná jména jasný, podivný, kreativní, užitečný, nečekaný a další lze spojovat nejen s řešením, ale také s mnoha dalšími podstatnými jmény, s nimiž je lze spojit na základě významu; srov. všechny kolokace těchto přídavných jmen zjištěné v korpusu Delfi.lt: jasné znamení, jasný obraz, jasná informace, jasný výsledek, jasný systém, jasná věc; podivná věc, podivný způsob, podivná otázka, podivné místo, podivné řešení, podivná událost, podivný obraz. Lingvisté ověřovali omezenou lexikální spojitelnost nejen testem synonymie, ale také podle lexikálně-sémantických skupin, a proto kolokace jasné řešení a podivné řešení mezi arbitrární nezařadili. Při automatizovaném hodnocení lexikální omezenosti byly tyto kolokace zařazeny mezi AK, protože při ověřování zaměnitelnosti synonym bylo zjištěno, že podstatné jméno řešení tvořilo kolokaci pouze s jedním ze synonymního páru jasný, srozumitelný a jednoho členu synonymního páru podivný, neobvyklý. Tyto příklady ukazují, že přesnější výsledky AK lze očekávat, bude-li se omezená lexikální spojitelnost ověřovat nejen testem synonymie, ale také testem lexikálně-sémantických skupin.

2.2. Arbitrární kolokace tvořené slovesy a podstatnými jmény

Bylo zjištěno 1171 AK tvořených slovesem a podstatným jménem. Tento počet je velmi podobný počtu AK tvořených přídavnými jmény – 1048. Podobně jako u kolokací tvořených přídavnými jmény (viz tabulka 2) je také rozložení AK zjištěných různými metodami (viz tabulka 3) poměrně rovnoměrné: přibližně polovina AK byla zjištěna neautomatickou metodou (např.: zatažený den, probrat možnosti, přivolat ochranku), asi třetina automatizovaně (např.: spěchat na pomoc, dívat se na život, poškozený majetek, hromadit majetek) a téměř pětina byla zjištěna oběma metodami (např.: vykonávat službu, dát příkaz, vidět potřebu).

Analyzována byla také lexikální rozmanitost AK této struktury, tj. kolik různých sloves tvoří AK zjištěné danou metodou. S týmž slovesem se tvoří v průměru 2,05 AK probíraných v tomto oddíle (viz tabulka 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

TABULKA 5. AK zjištěné různými metodami (sloveso + podstatné jméno)

AK zjištěné neautomatickými metodami

AK zjištěné automatizovanými metodami

AK zjištěné oběma metodami

Počet (procenta)

Počet různých sloves (průměrný počet AK tvořených stejným slovesem)

Počet (procenta)

Počet různých sloves (průměrný počet AK tvořených stejným slovesem)

Počet (procenta)

Počet různých sloves (průměrný počet AK tvořených stejným slovesem)

561 (47,91)

376 (1,5)

382 (32,62)

189 (2,02)

228 (19,47)

102 (2,24)

Syntaktické funkce sloves v AK jsou rozmanitější než funkce přídavných jmen: mohou se užívat finitní tvary, které se pojí s podstatnými jmény plnícími funkci objektu, subjektu nebo příslovečného určení (např.: zasypat otázkami, zvýšit cenu, ukázat čas¹³, postavit na místo), nebo nefinitní tvary, nejčastěji participia, plnící funkci atributu (např.: přemrštěná cena, běžný rok, neuvážené rozhodnutí, prosperující země, neslýchaná věc, vykonávaná práce). Ve víceslovných AK se může měnit slovosled, např.: přispěchat na pomoc / na pomoc přispěchat; jít k volbám / k volbám jít.

Ve srovnání s kolokacemi tvořenými přídavnými jmény je patrná větší rozmanitost sloves: v AK zjištěných neautomatickou metodou tvoří totéž sloveso v průměru 1,5 kolokace, v AK zjištěných automatizovanou vektorovou metodou v průměru 2,02 kolokace, zatímco v AK zjištěných oběma metodami je rozmanitost sloves nejmenší – totéž sloveso tvoří v průměru 2,24 AK. Je pravděpodobné, že tento výsledek způsobila skutečnost, že kolokací zjištěných oběma metodami je nejméně. Na druhou stranu jsou tendence podobné: největší lexikální rozmanitostí se vyznačují AK zjištěné neautomatickou metodou.

¹³Někdy se lemmata subjektových kolokací zdají neobvyklá, zvolili jsme však infinitiv, protože se mohou používat velmi rozmanité osobní tvary, např.: ukáže čas, ukázal čas, ukázal by čas.

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

Při analýze dat je patrná velká rozmanitost sloves (za různá slovesa se považovala slova s předponou i bez předpony a slova s různými předponami, např.: chránit, ochránit, zachránit); zvratné a nezvratné tvary se považovaly za totéž sloveso, pokud nemění význam. Existují však slovesa, s nimiž se tvoří několik, ba i desítky AK, např.:

poskytnout: poskytnutá ochrana, poskytnutá informace, poskytnout možnost, poskytnout možnost výběru, poskytnout informace o;

věnovat: věnovat málo pozornosti, věnovat čas, věnovat pozornost, věnovat velkou pozornost, domácí vězení uložené, věnovat velkou pozornost, věnovat hodně času, věnovat hodně pozornosti, pozornost je třeba věnovat;

přijít / přicházející: přijít k volbám, přijít euro, přijít čas, přijít chvíle, nadcházející rok, nadcházející volby, rozpočet na příští rok, začátek příštího roku, nadcházející měsíc, začátek příštího týdne, nadcházející sezóna, nadcházející rok, nadcházející den, nadcházející týden.

Je patrné, že značná část AK vytvořených s jedním slovesem představuje varianty jedné kolokace, srov. výše uvedené varianty AK věnovat pozornost. Přesto se jakékoli lexikální a gramatické varianty kolokací (mění se slovosled, přidávají se další slova) počítají jako samostatné kolokace. Za samostatné kolokace se považují případy, kdy se totéž sloveso užívá v osobním tvaru (v takovém případě se jako lemma nejčastěji uvádí infinitiv) nebo v neosobním tvaru (např.: bojovat o místo, bojovat až do konce, bojující skupina). V kolokacích se slovesy tedy větší lexikální rozmanitost (ve srovnání s přídavnými jmény) vyplývá ze specifické vlastnosti slovesa jako slovního druhu – často se užívají slovesa se stejným kořenem, ale s různými předponami. Na jednu stranu lze taková slovesa považovat za různá slova, na druhou stranu však tato data nelze zcela srovnávat s daty týkajícími se přídavných jmen, která jsou ve všech případech různými slovy, nikoli slovotvornými variantami téhož slova.

AK zjištěné neautomatickou metodou. Na rozdíl od kolokací typu přídavné jméno + podstatné jméno byly kolokace se slovesy často uznány za arbitrární nejen na základě kritéria přeneseného významu (např.: kazit život, otevřít možnost), ale také na základě kritéria omezené lexikální spojitelnosti a testu lexikálně-sémantických skupin. Například kolokace se slovy obraz, způsob, informace byly hodnoceny s ohledem na následující paradigmata:

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

Valence sloves iškraipyti, iškreipti (užívaných také atributivně) není široká: k frazémům s paradigmatem iškraipyti by bylo možné přidat ještě iškraipyti žodžius, ale podstatné jméno žodžiai by spadalo do stejné skupiny jako informacija, proto bylo rozhodnuto zařadit obě kolokace mezi AK. S atributivně užitým participiem iškreiptas byly vytvořeny tři kolokace a všechny byly považovány za AK, protože ačkoli lze paradigma rozšířit (např. přidat iškreiptas mąstymas), zůstalo by i tak omezené. Podstatná jména informacija, vaizdas, būdas, přestože jsou zařazena do jedné abstraktní lexikálně-sémantické skupiny, jsou pouze tři a malý počet slov je jednou z podmínek použití testu lexikálně-sémantických skupin. Při použití testu zaměnitelnosti synonym se ukazuje, že místo iškraipyti, iškreiptas nelze použít například išdarkyti / išdarkytas.

Automatizovanou metodou byly určeny AK. Je důležité zdůraznit jedno omezení automatizované metody: některé AK nemusí být rozpoznány, protože takové kolokace nebyly identifikovány v korpusu Delfi.lt (ačkoli samotné slovní spojení mohlo být použito). Například tříslovná kolokace aiškintis įvykio aplinkybes byla uznána za AK na základě synonym analizuoti, aiškintis, tirti zařazených do VE. V korpusu byla nalezena pouze kolokace se slovesem aiškintis, a proto byla uznána za AK. V jiném korpusu by se však mohla vyskytovat i kolokace tirti įvykio aplinkybes, takže při testování podle téže skupiny synonym by byly za arbitrární uznány dvě kolokace, nikoli jedna.

Mezi kolokacemi určenými automatizovanou metodou jsou případy, které lingvisté neuznali za AK právě proto, že se na základě jazykového citu nedomnívali, že existuje sklon vybírat jedno synonymum z několika možných. Příkladem mohou být kolokace suprasti pasaulį, pažinti pasaulį, žiūrėti į pasaulį. Lingvisté žádnou z těchto kolokací neuznali za arbitrární. Automatizovanou metodou bylo zjištěno, že všechny tři jsou AK, protože mezi kolokacemi z korpusu Delfi.lt nebyly kolokace s jinými členy příslušných skupin synonym; vyskytovalo se tedy suprasti pasaulį, ale nikoli suvokti pasaulį; vyskytovalo se pažinti pasaulį, ale nikoli išmokti pasaulį; vyskytovalo se žiūrėti į pasaulį, ale nikoli žvelgti į pasaulį. Z lingvistického hlediska bylo zjištěno, že valence těchto tří sloves nevykazuje znaky omezené valence.

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

Oběma metodami byly identifikovány AK. Je třeba říci, že AK v této skupině nebyly nutně identifikovány podle téhož kritéria. Při hodnocení arbitrárnosti neautomatickou metodou mohla být AK identifikována podle kteréhokoli z testů, nikoli nutně podle zaměnitelnosti synonym. Jak bylo uvedeno v souvislosti s kolokacemi přídavných a podstatných jmen, stejné AK byly neautomaticky vybrány podle kritéria přeneseného významu, zatímco automatizovanou metodou podle kritéria omezené lexikální kombinovatelnosti (testu zaměnitelnosti synonym), srov. sutriko eismas a sutriko sveikata, které lingvisté vybrali proto, že sutr būti se pojí s omezenou skupinou podstatných jmen, zatímco oběma metodami byly tyto kolokace uznány jako AK proto, že mezi synonymy sugedo a sutriko bylo ve vyhodnocovaných kolokacích zaznamenáno pouze jedno synonymum. Apga l v otas sprendimas byl uznán za AK, protože neexistovala kolokace s jiným synonymem – apmąstytas sprendimas. Je tedy důležité mít na paměti, že kolokace v této skupině nebyly rozpoznány podle téhož kritéria.

TABULKA 6. Identifikované AK s podstatným jménem sprendimas a slovesy

AK identifikované neautomatickou metodou

AK identifikované automatizovanou metodou

AK identifikované oběma metodami

1) odvolat se proti (soudnímu) rozhodnutí 2) odložit rozhodnutí 3) činit rozhodnutí 4) odůvodnit rozhodnutí 5) hledat řešení 6) pravomocné rozhodnutí 7) neuvážené rozhodnutí 8) nevydat rozhodnutí 9) nevykonat soudní rozhodnutí 10) rozhodnutí se osvědčilo 11) přijmout příslušné rozhodnutí přijmout potřebné rozhodnutí 12) rozhodovat 13) souhlasit s rozhodnutím 14) vyhlásit rozhodnutí 15) podat odvolání proti rozhodnutí (k soudu) 16) vykonat soudní rozhodnutí

1) přijmout rozhodnutí 2) požadovat rozhodnutí 3) navrhované řešení 4) čekat na rozhodnutí 5) podepsat rozhodnutí

1) vykonat soudní rozhodnutí 2) učiněné rozhodnutí 3) navržené řešení 4) vyhlásit rozhodnutí 5) uvážené rozhodnutí

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

Po zhodnocení toho, kolik kolokací typu sloveso + podstatné jméno u jednoho z nejproduktivnějších podstatných jmen sprendimas bylo zjištěno různými metodami (viz tabulka 6), je patrné, že nejvíce jich bylo zjištěno neautomatickou metodou, zatímco oběma metodami i automatizovanou metodou bylo zjištěno pouze po pěti AK.

ZÁVĚREČNÉ POZNÁMKY

Na základě analýzy dvojslovných a trojslovných AK tvořených přídavnými jmény a podstatnými jmény, jakož i slovesy a podstatnými jmény, lze tvrdit, že neautomatickou metodou byla zjištěna přibližně polovina, automatizovanou metodou přibližně třetina a oběma metodami zhruba pětina. Metody se shodují pouze v malé části zjištěných AK, což umožňuje tvrdit, že použitím obou metod lze zjistit více AK. Při rozpoznávání AK se tedy vyplatí využívat možnosti neautomatické i automatizované metody.

Je třeba zdůraznit, že při neautomatické analýze nebylo použito jedno, nýbrž dvě výběrová kritéria, proto je neautomaticky získaných údajů mnohem více než těch, které byly zjištěny automatizovaně. Neautomatická analýza zahrnovala nejen kritérium přeneseného významu, ale také kritérium omezené lexikální spojitelnosti, ověřované dvěma testy (testem lexikálně-sémantických skupin a testem zastupitelnosti synonymy), zatímco při použití automatizované metody bylo uplatněno pouze kritérium omezené lexikální spojitelnosti podle testu zastupitelnosti synonymy.

Vzhledem k rozdílnému počtu kritérií nelze výsledky získané různými metodami porovnat, protože první metodou bylo v každém případě zjištěno více AK a počet shodných kolokací je poměrně malý. Bylo by zajímavé porovnat AK zjištěné automatizovaně a neautomaticky pouze na základě společného kritéria omezené spojitelnosti (testu zastupitelnosti synonymy). Takové srovnání by mohlo ukázat, že část zjištěných AK je stejná, a zároveň by bylo možné vyhodnotit, kterou metodou bylo vybráno více AK a v čem se neshodující AK liší.

Neautomatickou metodou bylo získáno nejen více údajů, ale také údaje lexikálně rozmanitější. AK zjištěné touto metodou zahrnují rozmanitější přídavná jména a slovesa, zatímco automatizovaná metoda poskytuje AK s menší lexikální rozmanitostí.

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

Při testování automatizované metody bylo hlavním cílem omezit subjektivitu při posuzování arbitrárnosti a vycházet pouze z údajů zaznamenaných v korpusu. Jsou-li k dispozici dvojice nebo skupiny synonym zjištěné vektory z konkrétního korpusu, postup hodnocení se zjednodušuje, protože je snazší rozhodnout, zda lze složku kolokace nahradit, či nikoli: pokud zkoumaný materiál obsahuje kolokace se všemi slovy z dvojice nebo skupiny synonym, je substituce možná.

Ukázaly se samozřejmě i nedostatky automatizované metody. Protože se arbitrárnost hodnocené kolokace určuje na základě synonym VE, některé AK nemusí být rozpoznány, neboť uznání arbitrárnosti do značné míry závisí na dostupné VE. K testování se používají jen ta synonyma a pouze v takovém rozsahu, v jakém byla shromážděna ve VE, a proto nejsou jako AK uznány všechny kolokace.

Ačkoli lze proces analýzy AK automatizovat, v počáteční fázi tohoto procesu je zapotřebí příspěvek lingvistů – ve VE vytvořených vektorovou metodou je nutné odlišit synonyma od slov spojených jinými sémantickými vztahy, například antonym. Po ověření, kolik automaticky získaných údajů zůstane po lingvistické kontrole, je patrné, že z VE bylo odstraněno mnoho přídavných jmen a sloves a že zbývajících 41 procent, respektive 30 procent údajů je také třeba redigovat a uspořádat. Protože vektorová metoda zjišťuje nejen slova spojená synonymickými vztahy, příprava synonymních údajů pro test zastupitelnosti trvá déle. Bylo by tedy třeba vyzkoušet jiné metody určené ke zjišťování synonymických vztahů.

Při hodnocení vhodnosti vektorové metody pro výběr synonym je třeba uvést následující argumenty dokládající hodnotu automaticky shromážděných údajů. Za prvé lze vektorovou metodou zjistit více synonym a jiná synonyma než pouhou introspekcí. Za druhé synonyma zjištěná touto metodou (samozřejmě po předchozím vyřazení nesynonym) odhalují z hlediska synonymie důležitý jev – synonymní nejsou pouze jednotlivá slova, ale i slovní spojení. Za třetí je vektorová metoda vhodná ke zpracování velkého množství údajů, tj. ke zjišťování synonym ve velkém korpusu, zatímco ručně by bylo obtížné posoudit podobnost kontextů takového množství slov.

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]

BENDRINĖ KALBA 94 (2021)

http://journals.lki.lt/bendrinekalba

ISSN 2351–7204

IDENTIFIKACE ARBITRÁRNÍCH KOLOKACÍ V LITEVŠTINĚ

ANOTACE

ABSTRAKT

ÚVOD

1. METODY IDENTIFIKACE ARBITRÁRNÍCH KOLOKACÍ

1.1. Neautomatické určování AK

1.1.1. Určování AK podle omezené lexikální spojitelnosti

1.1.2. Určování AK na základě přeneseného významu

1.2. Automatizované určování AK

1.2.1. Určování AK na základě omezené lexikální spojitelnosti pomocí vektorové metody

TABULKA 2. Fáze rozpoznávání AK s použitím VE

1.2.2. Výběr slovesných synonym ve vektorových řadách

1.2.3. Výsledky: kvalita VE a uznání arbitrálnosti

2. VÝSLEDKY IDENTIFIKACE AK

2.1. Arbitrární kolokace tvořené přídavnými jmény a podstatnými jmény

2.2. Arbitrární kolokace tvořené slovesy a podstatnými jmény

TABULKA 5. AK zjištěné různými metodami (sloveso + podstatné jméno)

ZÁVĚREČNÉ POZNÁMKY

LITERATŪRA

ARBITRALIŲJŲ LIETUVIŲ KALBOS KOLOKACIJŲ NUSTATYMAS

Santrauka

IDENTIFICATION OF LITHUANIAN ARBITRARY COLLOCATIONS

Summary

Document details