doi.org/10.35321/term26-04

Extraction d’unités lexicales pour l’identification de cadres sémantiques spécialisés¹

ANA OSTROŠKI ANIĆ

Institute of Croatian Language and Linguistics

MAJA LONČAR

Institute of Croatian Language and Linguistics

MARTINA PAVIĆ

Institut de langue et de linguistique croates

R É S U M É

Cet article examine l’idée d’utiliser des corpus parallèles pour extraire des unités terminologiques servant à identifier les cadres sémantiques de l’aviation, première étape de l’élaboration d’une méthode permettant de déterminer des cadres sémantiques spécialisés. Il décrit d’abord le processus de constitution du corpus parallèle à partir de textes tirés de la base de données Eur-Lex, à l’aide des outils Sketch Engine. Il présente ensuite la méthodologie d’extraction des candidats termes et de leur vérification manuelle, ainsi que le processus d’extraction et de vérification des verbes pertinents. Les résultats de la vérification des termes sont examinés, en mettant l’accent sur le rôle des verbes et des collocations verbales dans l’identification des cadres sémantiques pertinents et de leurs éléments.

MOTS-CLÉS: terminologie de l’aviation, corpus anglais-croate, cadres sémantiques, connaissances spécialisées, terminologie.

R É S U M É

L’article examine comment les corpus parallèles peuvent être utilisés pour extraire les unités terminologiques servant à identifier les cadres sémantiques de l’aviation. Il s’agit de la première étape de l’élaboration d’une méthode permettant de déterminer des cadres sémantiques spécialisés. On décrit d’abord la constitution d’un corpus parallèle de textes issus de la base de données Eur-Lex à l’aide des outils de Sketch Engine. Sont ensuite présentées les méthodes d’extraction des candidats termes et de leur vérification manuelle, ainsi que

¹ Cet article s’appuie sur la communication « Des corpus parallèles aux cadres sémantiques spécialisés », présentée lors de la 3e conférence internationale de terminologie Scientific, Administrative and Educational Dimensions of Terminology à Vilnius, les 17 et 18 octobre 2019. Ce travail a été entièrement financé par la Fondation croate pour la science dans le cadre du projet HRZZ-UIP-2017-05-7169.

Terminologija | 2019 | 26

73

le processus d’extraction et de vérification des verbes pertinents. L’examen des résultats de la vérification des termes accorde une attention particulière au rôle des verbes et des combinaisons de mots dans l’identification des cadres sémantiques pertinents et de leurs éléments.

MOTS-CLÉS: terminologie de l’aviation, corpus anglais-croate, cadres sémantiques, connaissances spécialisées, terminologie.

INTRODUCTION

There have been numerous applications of the theory of Frame Semantics (Fillmore 1976, 1982) in lexicography and computational linguistics, most known of which is certainly the lexical knowledge database FrameNet (Fillmore et al. 2003; Ruppenhofer et al. 2017). The work on mapping relations between syntax and semantics, which FrameNet essentially is, has not only inspired similar projects concerning other languages besides English, but has also paved the way for research on specialized knowledge and the organization of specialized knowledge categories based on semantic frames. Regardless of whether they adhere to FrameNet’s methodology closely or they apply a modified approach to identifying and delineating semantic frames as types of categories, the projects created around building resources designed for specialized knowledge communities needed to take into account the specifics of terminology and the context of languages for specific purposes as opposed to general language and its use (Faber et al. 2006; 2009; L’Homme 2012).

Aucune ressource lexicale pour le croate n’a été élaborée en s’appuyant entièrement sur la méthodologie et l’inventaire sémantique de FrameNet. Certains cadres sémantiques ont été définis dans le cadre d’une base de données plus vaste de métaphores conceptuelles en croate (Despot et al. 2019). Toutefois, la base de données des cadres sémantiques de l’aviation, élaborée dans le cadre du projet de recherche intitulé Dynamicity of Specialized Knowledge Categories (DIKA, ihjj.hr/dika), constitue la première tentative de création d’une telle base spécialisée pour le croate. Le projet porte sur la description des niveaux conceptuel et linguistique des catégories de connaissances spécialisées dans la nature dynamique des cadres sémantiques. Son principal résultat est une base de données terminologique multilingue dans laquelle la terminologie de l’aviation est définie au moyen de cadres sémantiques comprenant des éléments de cadre, des relations conceptuelles, ainsi que des unités terminologiques figuratives et phraséologiques. Un corpus parallèle de textes anglais et croates dans le domaine du trafic aérien a été constitué aux fins d’analyse sémantique et syntaxique; il servira de

74

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

point de départ pour l’extraction et l’analyse des termes. Le sous-domaine du trafic aérien a été choisi comme l’aspect le plus représentatif du vaste domaine interdisciplinaire de l’aviation.

Cet article examine l’utilisation des corpus parallèles pour extraire des unités terminologiques renvoyant à des cadres sémantiques précis de l’aviation, première étape de l’élaboration d’une méthode permettant de déterminer les cadres sémantiques et leurs relations conceptuelles dans le domaine de l’aviation. Bien que les corpus parallèles soient depuis longtemps reconnus comme des sources inestimables de candidats termes pour la constitution de diverses ressources spécialisées (Vintar 2000), ils ont jusqu’à présent été peu utilisés dans les recherches appliquées relevant de la sémantique des cadres.² La constitution du corpus parallèle de textes issus de la base de données Eur-Lex à l’aide des outils Sketch Engine est d’abord décrite. La méthodologie d’extraction des candidats termes et de leur vérification manuelle est ensuite présentée, de même que le processus d’extraction et de vérification des verbes pertinents. Les résultats de la vérification des termes sont présentés et commentés, puis sont examinées les possibilités d’utiliser les verbes et les combinaisons verbales pour identifier les cadres sémantiques pertinents et leurs éléments dans le domaine de l’aviation.³

1. CONTEXTE THÉORIQUE

Dans les communautés contemporaines de la terminologie et des langues de spécialité (LSP), les ressources de connaissances spécialisées ne sont plus construites uniquement autour de la description de relations hiérarchiques, car on considère que celles-ci ne reflètent pas la nature dynamique des catégories de connaissances (Faber et al. 2006; 2009; L’Homme, Robichaud 2014). En outre, la distinction formelle entre dictionnaire et lexique, sur laquelle repose toute la terminographie traditionnelle, semble s’être estompée, de plus en plus de ressources spécialisées recourant aux méthodes de compilation et de présentation des connaissances utilisées par ailleurs pour créer des ressources en langue générale (L’Homme et al. 2016; L’Homme 2018). Les ressources lexicales et sémantiques fondées sur les principes de la sémantique des cadres définissent les connaissances en termes de cadres sémantiques, conçus comme des catégories dynamiques d’éléments complexes et de relations réciproques.

Chaque cadre sémantique est défini comme un type d’événement ou d’état et ses participants, appelés éléments de cadre (FEs). Les cadres sémantiques sont évoqués par

² Les corpus parallèles réaliseraient certainement tout leur potentiel dans la création de répertoires lexicaux multilingues fondés sur des cadres sémantiques (Boas 2005).

³ Nous remercions les évaluateurs anonymes pour leurs commentaires et suggestions précieux.

Terminologija | 2019 | 26

75

les unités lexicales, c’est-à-dire les mots de la langue courante ou les termes relevant des connaissances spécialisées, qui instancient les éléments de cadre. Le critère fondamental permettant de distinguer un cadre d’un autre est que toutes les unités lexicales doivent « évoquer le même type d’événement et partager le même inventaire et la même configuration de FEs » (Ruppenhofer et al. 2017: 384–385). Cette méthode permettant de déterminer le champ d’application des cadres sémantiques et leurs définitions pourrait toutefois être considérée comme arbitraire, car elle n’exige pas d’« aperçu » préalable des données lexicales disponibles. Puisque de nombreux cadres suivent une composition de type scénaristique, leur description commence généralement par la sélection de verbes pertinents (Ruppenhofer et al. 2010), auxquels sont ajoutés des arguments appropriés à partir de l’annotation d’exemples extraits du corpus. Bien que les unités lexicales et les éléments de cadre soient définis à partir des données du corpus analysé, les cadres sémantiques sont néanmoins le plus souvent identifiés et nommés intuitivement. Pour identifier les cadres sémantiques d’un domaine de connaissances spécialisé donné, il serait plus approprié de délimiter d’abord le champ des connaissances à définir, ce qui, dans le travail terminologique, se fait par l’identification des concepts clés et des relations conceptuelles du domaine.

La recherche terminologique a suivi de près les évolutions de la linguistique au cours des deux dernières décennies et a déplacé son centre d’intérêt théorique vers l’analyse des processus et des événements en tant que structures de connaissances spécialisées plus dynamiques. Il est donc devenu évident que les termes prédicatifs (verbes, adjectifs, adverbes et certains noms) désignent souvent des concepts clés de la terminologie d’un domaine (L’Homme 1998; Pimentel 2012; L’Homme, Robichaud 2014). Par exemple, les termes communiquer, voler, décoller et transporter sont couramment employés dans le domaine de l’aviation, tout comme les termes désignant diverses procédures que nous définissons ontologiquement comme des processus ou des activités. Bien que la notion de caractère terminologique soit assez bien comprise par les terminologues lorsqu’il s’agit de déterminer le niveau conceptuel des termes, les critères de choix des types d’unités lexicales à inclure comme termes dans une ressource terminologique varient encore selon le domaine analysé et le cadre théorique appliqué. Les critères proposés par L’Homme (1998, 2015) pour définir les types de verbes porteurs d’un sens spécialisé sont les plus souvent cités dans la littérature terminologique, de même que les critères de Lorente et sa typologie des verbes dans les discours spécialisés (2002, 2007).

L’Homme distingue trois types de verbes dans les textes spécialisés: les verbes propres à un domaine donné (p. ex. atterrir, décoller), les verbes qui acquièrent un sens spécialisé dans le domaine (p. ex. exploiter), et les verbes de la langue générale

76

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

guage.⁴ Les verbes appartenant aux premier et deuxième types peuvent être considérés comme des termes, mais les verbes du deuxième type constituent un groupe plus intéressant pour l’analyse terminologique, car il existe des cas où il n’est pas évident que leur sens diffère suffisamment du sens général canonique ou par défaut du verbe, tel qu’il est défini dans un dictionnaire.

Les critères permettant de décider si un verbe acquiert un sens nouveau et spécialisé dans un contexte donné doivent encore être définis plus précisément. Selon L’Homme (1998, 2015), les critères permettant de déterminer si un verbe peut être classé comme terme dépendent de ses arguments ainsi que de sa relation morphologique et sémantique avec les unités lexicales de même sens définies comme termes. En bref, si un verbe a des arguments définis comme termes, il est probable que le verbe lui-même soit un terme, comme dans la phrase Le pilote pilote l’hélicoptère. De même, si le nom takeoff est défini comme un terme, le verbe take off devrait également être défini comme tel. Nous avons appliqué ces critères à l’analyse des verbes extraits, dont il est question plus en détail à la section 4.

2. M É T H O D E S

Afin d’élaborer une méthodologie valide pour identifier les cadres sémantiques spécialisés, plusieurs étapes ont dû être suivies. Tout d’abord, un corpus parallèle anglais-croate a été créé. La deuxième étape consistait à extraire les termes et à valider les listes de candidats termes. La troisième étape comprenait l’extraction d’une liste de verbes et l’analyse de leurs collocations porteuses d’un sens spécialisé.

2.1. Compilation du corpus

Le corpus est compilé à partir du répertoire des actes juridiques de l’Union européenne, chapitre Politique des transports, sous-chapitre Transport aérien, en anglais et en croate. Sur les 220 documents du sous-chapitre Transport aérien, 178 actes juridiques sont retenus, chacun disposant d’une version dans les deux langues (anglais et croate). Les textes sont téléchargés depuis la base de données EUR-Lex,⁵ puis saisis dans le module de compilation de corpus de Sketch Engine.⁶ La manière la plus simple de créer un corpus parallèle dans Sketch Engine consiste à télécharger les données

⁴ L’Homme (2015) further classifies general language verbs into support verbs (after Lerat 2002) and discursive verbs (following Lorente and her classification from 2002). See Pimentel (2017) for a recent elaboration of these two approaches to typology of verbs in specialized texts.

⁵ Disponible à: https://eur-lex.europa.eu/browse/directories/legislation.html [consulté le 05.09.2019].

⁶ Disponible à: https://www.sketchengine.eu/user-guide/user-manual/corpora/setting-up-parallel-corpora/ [consulté le 05.09.2019].

Terminologija | 2019 | 26

77

sous forme de tableau, par exemple dans une feuille de calcul (Excel). Les feuilles de calcul doivent contenir les noms des langues sur la première ligne, puis les segments alignés (mots, phrases ou paragraphes) côte à côte.

Chaque document (acte juridique) a été traité afin d’obtenir une colonne pour chaque langue. Pour ce faire, les puces et la numérotation, ainsi que les parties numériques des tableaux des documents, ont été supprimées. Chaque langue du fichier source a été traitée comme un corpus monolingue distinct et alignée sur le corpus correspondant dans l’autre langue.

Tableau 1. Taille du corpus parallèle anglais-croate

ENGLISH

CROATIAN

ENGLISH

CROATIAN

Tokens

1,151,297

1,059,406

Phrases

72,045

75,638

Mots

951,156

855,560

Documents

178

178

Outre l’extraction des termes les plus fréquents, composés d’un seul mot ou de plusieurs mots, utilisés comme candidats pour les éléments des cadres sémantiques, le corpus peut également servir à extraire des termes, des définitions et des exemples de contexte linguistique qui seront intégrés à la base de données terminologique AirFrame. Le corpus servira également à analyser le niveau syntaxique des termes, c’est-à-dire leurs cooccurrences, leurs relations phraséologiques et leurs constructions prédicat-argument.

2.2. Extraction et vérification des termes

L’extraction automatique des termes a été effectuée pour chaque langue, avec l’option permettant d’extraire une liste de 1 000 mots-clés simples et composés. Le corpus EUR-Lex English 2/2016 a servi de corpus de référence pour l’extraction des candidats termes anglais simples, tandis que l’English Web 2013 a été utilisé comme corpus de référence pour l’extraction des candidats termes composés. Des options similaires étaient possibles pour l’extraction des termes en croate. Le corpus EUR-Lex Croatian 2/2016 a servi de corpus de référence pour extraire des candidats termes simples plus pertinents, mais cette option n’était pas disponible pour l’extraction de mots-clés composés. Le corpus croate Web hrWaC 2.2 a donc été utilisé à la place.

Afin de tester la fiabilité de la méthode, les 100 premiers candidats termes de la liste anglaise des termes composés ont été validés manuellement. Après examen de leurs concordances, sur les 100 candidats termes, 70 ont été reconnus comme des termes valides par un terminologue disposant d’une vaste expérience en

78

Ana Ostroški Anić

Maja Lončar

Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

terminologie aéronautique. La liste des mots-clés anglais (ou termes simples) se composait en grande partie d’abréviations aéronautiques et de quelques termes clés de l’aviation. Une analyse manuelle et une vérification des termes ont ensuite été effectuées pour les listes de candidats termes extraits en anglais et en croate. Le processus de vérification comportait deux phases: 1. supprimer toutes les abréviations ainsi que les mots et collocations manifestement généraux; et 2. analyser les concordances des termes restants afin de vérifier s’il s’agissait bien de termes aéronautiques. Les abréviations sont couramment utilisées comme termes dans le domaine de l’aviation; ne pas les inclure dans un dictionnaire ou un glossaire aéronautique serait donc perçu comme une présentation lacunaire de la terminologie aéronautique en usage. Toutefois, comme nous voulions obtenir une liste de termes ou de constructions composées susceptibles de servir à nommer les éléments de cadres sémantiques dans le domaine de l’aviation, les abréviations, en tant que substituts lexicaux de termes complets, n’ont pas été considérées ici dans cette fonction. En outre, rien ne justifiait de conserver les abréviations dans les listes de candidats termes croates, puisqu’elles étaient utilisées dans les textes comme éléments en langue étrangère.

2.3. Extraction et analyse des verbes

Les listes de verbes anglais et croates ont été extraites automatiquement à l’aide de l’option Keywords de Sketch Engine. Les verbes be, have et do n’ont pas été pris en compte dans le corpus anglais, tandis que biti « être », imati « avoir », moći « pouvoir » et morati « devoir » ont été exclus de l’analyse du corpus croate. Les 100 premiers verbes de chaque liste ont ensuite été analysés par validation manuelle de leurs profils lexicaux. Les collocations considérées comme des termes composés ou comme des collocations présentant une importance relative pour la terminologie aéronautique, selon leur fréquence, ont été consignées dans une feuille Excel à côté du verbe analysé.

3. RÉSULTATS ET DISCUSSION

La vérification manuelle des candidats termes anglais et croates, simples et composés, a donné des résultats surprenants concernant la précision et le rappel du processus d’extraction automatique dans Sketch Engine. Par exemple, après la première phase de vérification des termes, sur 1 000 termes, seuls 400 termes croates simples subsistaient, qui n’étaient ni des abréviations ni des mots de langue générale. Les listes finales de termes croates comprennent 199 termes simples et 455 termes composés. Les termes anglais composés sont un peu plus nombreux, mais pas autant qu’on pourrait s’y attendre. Après l’analyse, il restait 664 termes anglais composés, mais seulement 148

Terminologija | 2019 | 26

79

termes anglais monolexicaux, ce qui donne un résultat nettement médiocre: seuls 14,8% des termes de la liste initiale des termes anglais polylexicaux sont valides.

Comme prévu, la deuxième phase de vérification des termes a soulevé plusieurs problèmes concernant le statut terminologique des candidats. Lorsque le nom et l’adjectif désignant un même concept figuraient tous deux dans la liste, le nom était retenu comme réalisation terminologique plus prototypique.⁷ Cela était plus souvent le cas pour les termes croates, puisque, en anglais, un nom et un adjectif ont souvent la même forme morphologique, comme dans les exemples suivants: kabina, kabinski « cabine », navigacija, navigacijski « navigation, navigationnel », helikopter, helikopterski « hélicoptère », identifikacija, identifikacijski « identification ». De même, lorsque les listes contenaient à la fois un adjectif et un adverbe, la forme adjectivale était retenue: instrumentalni, instrumentalno « instrument », tandis qu’en cas de différence entre verbe et adjectif, le verbe était généralement conservé dans la liste: certificirati, certificiran « certifier, certifié ». Lorsque deux noms désignant le même concept figuraient dans la liste, ils étaient tous deux conservés si l’un désignait l’action et l’autre le résultat, comme dans l’exemple de identifikacija et identificiranje « identification ». Il semble qu’aucune différence de ce type n’existe dans les équivalents anglais.

Les listes de candidats termes anglais contenaient de nombreuses informations qu’il fallait filtrer, telles que les noms de pays, les noms de personnes (p. ex. Juncker), des mots dans d’autres langues étrangères et même certains mots grammaticaux (p. ex. le pronom this). L’algorithme d’extraction des mots-clés et des termes polylexicaux semble également reconnaître comme termes des éléments étrangers, c’est-à-dire des mots non anglais du corpus. On aurait pu éviter cela en supprimant, avant l’ajout des documents au corpus, les phrases (dans toutes les langues de l’UE) qui apparaissent généralement à la fin de chaque document, mais il a été décidé qu’il serait plus facile de les ignorer ensuite dans les listes de candidats.

La deuxième phase de vérification des candidats termes anglais a révélé que l’incapacité de l’algorithme utilisé à distinguer les constructions polylexicales à deux éléments de celles à trois éléments constituait son principal écueil, une erreur courante dans de nombreux outils statistiques d’extraction terminologique. Bound air et simulated engine sont donc des éléments de termes polylexicaux plus longs et corrects, bound air cargo et simulated engine failure (les deux versions figuraient dans la liste), ainsi que instrument ground et crew compartment (au lieu de

⁷ Ce type de raisonnement s’inscrit davantage dans la tradition du travail terminologique, où les noms étaient prioritaires dans les dictionnaires terminologiques par rapport aux adjectifs et aux verbes correspondants désignant le même concept (Sager 1990: 58). Cependant, les deux seraient inclus comme unités lexicales associées au cadre sémantique qu’ils évoquent.

80

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

instrument ground time and flight crew compartment). Certains candidats termes polylexicaux ont formellement l’apparence de termes authentiques; il faut des connaissances spécialisées du domaine pour les qualifier d’incorrects ou de faux positifs, par exemple: visual flight > visual flight rules, providing air traffic > providing air traffic services, investigation authority > safety investigation authority, maximum take-off > maximum take-off mass, secondary surveillance > secondary surveillance radar. Les formes plus courtes sont souvent simplement des synonymes, comme controller licence pour air traffic controller licence.

Un autre groupe de faux positifs polylexicaux comprend des expressions polylexicales que l’on pourrait considérer comme relevant de la langue générale: relevant aircraft, individual aircraft, specific aircraft, large aircraft, present aircraft, height of cloud base, field of civil aviation, entire flying time or specific training. Bien qu’il s’agisse de formes morphosyntaxiquement valides, elles ne renvoient à aucun concept particulier et ne peuvent donc pas être considérées comme des termes.

Après avoir analysé toutes les listes, nous sommes parvenus à un très petit nombre de termes monolexicaux: 199 termes croates et 148 termes anglais. Afin de vérifier si les termes susceptibles de désigner des concepts « clés » du domaine avaient été extraits, les esquisses lexicales des dix premiers termes dans chaque langue ont été analysées. Les esquisses lexicales sont des synthèses automatiques, élaborées à partir du corpus, des structures grammaticales et collocationnelles des mots; elles constituent une excellente source pour générer un grand nombre de candidats termes dans leur contexte syntaxique (Kilgarriff et al. 2014). Outre les collocations typiques adjectif/nom (wet-leased aircraft) ou nom/nom (aircraft noise, aircraft position), les collocations verbales (operate an aircraft) et les syntagmes prépositionnels (aircraft entering into) fournissent des informations terminologiques inestimables, particulièrement utiles aux terminologues et aux traducteurs. La relation la plus pertinente à cette fin était la relation de coordination entre le mot cible et les mots qui lui sont associés. Comme le montre la Figure 1, les mots associés à aircraft sont occupant, terrain, vehicle, product, systems, content, loss, unit, engine, equipment et type. Nous avons comparé la liste des termes coordonnés à celle des termes monolexicaux et marqué ceux qui figuraient dans les deux. La deuxième étape de la vérification des résultats a consisté à comparer les collocations les plus fréquentes des termes dans les esquisses lexicales avec celles de la liste des termes polylexicaux. Lorsque les collocations figurant dans l’esquisse lexicale (p. ex. aircraft identification ou aircraft operator dans la Figure 1) correspondaient à celles de la liste des termes extraits du corpus, elles étaient également marquées comme unités lexicales à inclure dans la description d’un cadre sémantique.

Terminologija | 2019 | 26

81

Figure 1. Schéma lexical du terme aircraft

L’analyse des verbes extraits a également consisté en deux étapes. Tout d’abord, les verbes spécialisés ou propres à l’aviation ont été marqués manuellement, par exemple fly, land, operate, communicate, etc. La deuxième étape a consisté à marquer les verbes susceptibles d’acquérir un sens spécialisé dans le contexte de l’aviation. Pour ce faire, les schémas lexicaux des 100 verbes les plus fréquents ont été analysés, puis les concordances des collocations pertinentes ont été vérifiées. Les collocations ont été sélectionnées en fonction de leur fréquence, mais elles avaient toutes un terme aéronautique comme second élément.

Classés selon leur fréquence dans le corpus, les verbes les plus nombreux étaient ceux souvent qualifiés de verbes supports (Lerat 2002; Pimentel 2012) et de verbes phraséologiques (Lorente 2002; 2007).⁸ Les verbes phraséologiques acquièrent leur sens spécialisé dans des unités syntagmatiques où au moins une unité terminologique joue le rôle syntaxique de sujet ou de complément d’objet (Pimentel 2012: 87). Les verbes tels que provide, ensure, require, refer to, or establish se rencontrent souvent dans le discours législatif qui constitue le corpus parallèle anglais-croate, mais la question de savoir s’ils ont un sens spécialisé-

⁸ Dans sa redéfinition de la classification des verbes présents dans les textes spécialisés (2007), Lorente définit les verbes phraséologiques comme ceux qui comprennent les verbes apparaissant dans des collocations et des expressions figées, ainsi que les verbes supports.

82

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

lié à l’aviation ne peut être établi qu’à partir de leurs collocations avec les termes aéronautiques extraits au préalable. Comme le montrent les exemples (1) et (2), ensure et establish apparaissent ici comme des éléments d’arguments, et non comme des prédicats dans leurs phrases respectives:

(1) « Voie de circulation » désigne un parcours défini sur un aérodrome terrestre, établi pour le roulage des aéronefs et destiné à relier une partie de l’aérodrome à une autre.

(2) Tous les documents <...> doivent être conservés afin de fournir les informations nécessaires pour assurer le maintien de la navigabilité de l’aéronef.

(3) Un transporteur aérien exploitant un vol qui refuse l’embarquement ou annule un vol doit fournir à chaque passager concerné une notification écrite précisant les règles d’indemnisation et d’assistance conformément au règlement 261/2004.

Provide, en revanche, fonctionne bien comme prédicat dont les arguments sont des termes aéronautiques, mais n’a pas un sens qui puisse être considéré comme différent de son sens canonique. S’il serait prudent de considérer les collocations établir un aérodrome et assurer la navigabilité (de l’aéronef), présentes dans les exemples (1) et (2), comme des collocations à sens spécialisé, et les verbes establish et ensure comme des verbes phraséologiques dans les textes spécialisés liés à l’aviation, nous ne pouvons pas les classer comme verbes spécialisés pour deux raisons. Premièrement, ils ne sont pas les prédicats de ces phrases et, deuxièmement, leur sens premier ne change pas dans ces unités syntagmatiques.

Les verbes supports constituent une autre sous-catégorie des verbes phraséologiques qui, selon Lorente (2007), ne peuvent être assimilés aux verbes spécialisés ou terminologiques. Lerat (2002) cite take (fr. prendre) comme exemple de verbe support, lequel peut apparaître dans des collocations avec des termes sans être lui-même un terme, comme dans la collocation prendre le vol (4):

(4) Si aucune notification n’est faite conformément aux règles nationales applicables, l’organisme gestionnaire doit déployer tous les efforts raisonnables pour fournir une assistance de manière à permettre à la personne concernée de prendre le vol pour lequel elle détient une réservation.

La plupart des verbes extraits, tant en anglais qu’en croate, se comportent de la même manière. Toutefois, le verbe à particule take off n’est pas seulement un verbe « propre à un domaine donné » (L’Homme 1998), c’est-à-dire propre au contexte de l’aviation. C’est l’un des termes clés de l’aviation, utilisé aussi fréquemment que son dérivé takeoff:

(5) Un aéronef circulant sur l’aire de manœuvre d’un aérodrome doit céder le passage aux aéronefs en train de décoller ou sur le point de décoller.

Terminologija | 2019 | 26 83

Quant au verbe à particule give way, il est impossible de le définir comme un terme uniquement sur la base du contexte ou de ses arguments. Selon l’un des critères de L’Homme pour déterminer les verbes spécialisés, un verbe est susceptible d’être un terme si « les réalisations linguistiques de ses actants (c’est-à-dire ses arguments) sont définies comme des termes » (L’Homme 2015: 80). Dans l’exemple (5), les deux arguments sont effectivement des termes, mais le sens du verbe à particule give way reste toutefois le même que dans un contexte plus général. Il ne serait donc pas justifié de le qualifier de verbe terminologique de l’aviation.⁹

Parmi les 100 verbes les plus fréquents dans la partie anglaise du corpus parallèle de l’aviation, seuls deux peuvent être considérés comme de véritables verbes spécialisés ou comme des verbes propres au domaine de l’aviation: operate et fly. Le verbe operate apparaît dans plusieurs collocations ou unités syntagmatiques plus larges, où il figure souvent dans d’autres fonctions morphosyntaxiques (operating air commercial flights, operate the route, carriers operating passenger flights, flights operating), certaines d’entre elles étant reconnues comme des termes (aerodrome operating minima). Compte tenu du discours des textes du corpus, des verbes tels que communicate, land, taxi or transfer figurent parmi les verbes moins fréquents.

Parmi les 100 verbes croates les plus fréquents, le verbe letjeti (« voler ») apparaît comme le seul verbe spécialisé. Cependant, puisqu’il s’agit aussi d’un verbe de la langue générale qui conserve le même sens dans un contexte spécialisé lorsqu’il est employé en fonction prédicative, ses arguments et ses collocations sont plus pertinents pour l’analyse des termes prédicatifs de l’aviation (par exemple, letovi koji lete (« les vols qui volent ») ou fly the aircraft en anglais).

CONCLUSION

Les travaux présentés dans cet article permettent, espérons-le, de conclure que les données terminologiques et linguistiques extraites de corpus parallèles spécialisés peuvent utilement servir de fondement à la définition de cadres sémantiques spécialisés. Bien que la validation des termes ait mis en évidence certains écueils de l’extraction terminologique à partir de corpus compilés à partir de textes législatifs de l’UE, tels que l’influence du discours juridique sur la terminologie du domaine, elle a néanmoins démontré que les corpus parallèles demeurent une source fiable pour obtenir rapidement des équivalents terminologiques dans d’autres langues.

L’analyse des verbes extraits et leur classement selon plusieurs typologies établies des verbes dans le discours spécialisé (L’Homme

⁹ Cette conclusion est valable à condition de ne considérer que aircraft comme le terme dans ce cas, puisqu’une proposition entière — même si elle contient plusieurs termes de l’aviation — ne peut pas être considérée comme un terme.

84

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

1998; Lerat 2002; Lorente 2007) a également donné lieu à des résultats intéressants, mais en même temps quelque peu décourageants quant au potentiel terminologique des candidats extraits. Bien que le nombre de verbes spécialisés ou propres au domaine de l’aviation ait été très faible parmi les candidats potentiels, les collocations de ces verbes se sont révélées pertinentes du point de vue terminologique, car elles correspondaient soit à des termes polylexicaux, soit à des collocations verbales de termes. Puisque la base de données AirFrame répertorie des unités terminologiques phraséologiques telles que les collocations de termes, les profils lexicaux des verbes étudiés ont fourni de nombreuses unités terminologiques pertinentes. L’analyse des verbes menée ici permet de conclure que prendre les verbes comme point de départ pour définir les cadres sémantiques spécialisés de l’aviation pourrait être moins fructueux que l’analyse des profils lexicaux. Des données terminologiques plus pertinentes ont été obtenues en déterminant d’abord les entités clés du domaine, puis en définissant les processus auxquels elles participent par l’analyse de leurs collocations. Les verbes apparaissant dans ces collocations devraient renvoyer aux processus et événements les plus pertinents de l’aviation. Rajh et Grčić Simeunović (2019) sont parvenus à des conclusions similaires dans leur article sur la classification du comportement combinatoire des verbes dans le domaine du marketing. Bien que leur travail repose sur une approche théorique différente, il étaye l’idée que les verbes spécialisés pertinents d’un domaine donné sont mieux identifiés par l’analyse du comportement syntaxico-sémantique des concepts clés du domaine, notamment des entités.

Après l’extraction des unités lexicales et la validation des termes de l’aviation, l’étape suivante de l’identification des cadres sémantiques de l’aviation consiste à regrouper les concepts pertinents auxquels les termes renvoient et à nommer les catégories plus larges auxquelles ils sont associés, c’est-à-dire les cadres qu’ils évoquent. Il convient donc de regrouper les unités lexicales du même type sémantique qui apparaissent comme arguments des mêmes verbes et de les relier par un cadre. La portée du cadre sémantique dépend largement du degré de granularité de la description conceptuelle, ainsi que de l’objectif général de la base de données envisagée. Si les cadres sémantiques spécialisés devaient un jour être intégrés à une autre ressource lexicale contenant des cadres définissant la langue générale, il faudrait également inclure dans la description des catégories spécialisées du domaine une catégorisation plus abstraite et de niveau supérieur.

REFERENCES

Boas Hans C. 2005: Semantic Frames as Interlingual Representations for Multilingual Lexical Databases. – International Journal of Lexicography 18(4), 445–478.

Despot K., Tonković M., Brdar M., Essert M., Perak B., Ostroški Anić A., Nahod B., Pandžić I. 2019: MetaNet.HR: Croatian Metaphor Repository. – Metaphor and Metonymy in the Digital Age. M. Bolognesi, M. Brdar, K. Despot (eds.), Amsterdam: John Benjamins Publishing Company, 123–146.

Terminologija | 2019 | 26

85

Faber P., León Araúz P., Prieto V., Juan A. 2009: Semantic Relations, Dynamicity, and Terminological Knowledge Bases. – Current Issues in Language Studies 1, 1–23.

Faber P., Montero Martínez S., Castro P., María R., Senso J. 2008: J., Prieto V., Juan A., León Araúz P., Márquez Linares C., Vega Expósito M. 2006: Process-oriented Terminology Management in the Domain of Coastal Engineering. – Terminology. International Journal of Theoretical and Applied Issues in Specialized Communication 12(2), 189–213.

Kilgarriff A., Baisa V., Bušta J., Jakubíček M., Kovář V., Michelfeit J., Rychlý P., Suchomel V. 2014: The Sketch Engine: Ten Years On. – Lexicography 1(1), 7–36.

Lerat P. 2002: Qu’est-ce que le verbe spécialisé? Le cas du droit. – Cahiers de Lexicologie 80, 201–211.

L’Homme M.-C. 2018: Maintaining the Balance Between Knowledge and the Lexicon in Terminology: A Methodology Based on Frame Semantics. – Lexicography, Journal of ASIALEX 4(1), 3–21. Available at: https://doi.org/10.1007/s40607-018-0034-1.

L’Homme M.-C. 2015: Predicative Lexical Units in Terminology. – Language Production, Cognition, and the Lexicon. N. Gala, R. Rapp, G. Bel-Enguix (eds.), Springer International Publishing, 75–93.

L’Homme M.-C. 2012: Adding Syntactico-Semantic Information to Specialized Dictionaries: An Application of the FrameNet Methodology. – Lexicographica 23, 233–252.

L’Homme M.-C. 1998: Le statut de verbe en langue de spécialité et sa description lexicographique. – Cahiers de lexicologie 73(2), 61–84.

L’Homme M.-C., Robichaud B. 2014: Frames and Terminology: Representing Predicative Terms in the Field of the Environment. – Proceedings of the 4th Workshop on Cognitive Aspects of the Lexicon. M. Zock, R. Rapp, C.-R. Huang (eds.), Dublin, 186–197.

L’Homme M.-C., Subirats C., Robichaud B. 2016: A Proposal for Combining “general” and Specialized Frames. – Cognitive Aspects of the Lexicon (CogaLex 2016), Coling, Osaka, Japan.

Lorente M. 2007: Les unitats lèxiques verbals dels textos especialitzats. Redefinició d’una proposta de classificació. – Estudis de lingüística i de lingüística aplicada en honor de M. Teresa Cabré Castellví. Vol. 2: Deixebles. M. Lorente, R. Estopà, J. Freixa, J. Martí, C. Tebé (eds.), Barcelona: Institut Universitari de Lingüística Aplicada – Universitat Pompeu Fabra, 365–380.

Lorente M. 2004: Construcciones verbales en el discurso de la genómica. Tipología verbal y discurso científico. – Studia Romanica Posnaniensia 31, 353–359.

Lorente M. 2002: Verbos y discurso especializado. Available at: http://elies.rediris.es/elies16/Lorente.html [accessed 20.09.2019].

Pimentel J. 2012: Criteria for the Validation of Specialized Verb Equivalents: Application in Bilingual Terminography. Doctoral dissertation, Montreal: University of Montreal, 329.

Pimentel J. 2017: Specialized Verbs and Specialized Uses of Verbs in a Comparable Corpus of Judgments Produced in Canada, Portugal and Brazil. – Multiple Perspectives on Terminological Variation. P. Drouin, A. Francœur, J. Humbley, A. Picton (eds.), Amsterdam/Philadelphia: John Benjamins, 109–130.

Rajh I., Grčić Simeunović L. 2019: Classification of the Combinatorial Behavior of Verbs in the Marketing Domain. – Computation and Corpus-Based Phraseology. Europhras 2019, LNAI 11755. G. Corpas Pastor, R. Mitkov (eds.), Springer, 360–374.

Ruppenhofer J., Ellsworth M., Petruck M. RL, Johnson Christopher R., Scheffczyk J. 2010: FrameNet II: Extended Theory and Practice, Berkeley, California: International Computer Science Institute.

Sager J. C. 1990: A Practical Course in Terminology Processing, Amsterdam/Philadelphia: John Benjamins Publishing Company.

Vintar Š. 2000: Using Parallel Corpora for Translation-oriented Term Extraction. – Suvremena lingvistika 49–50(1), 143–152.

LEKSINIŲ VIENETŲ IŠRINKIMAS SPECIALIZUOTIEMS SEMANTINIAMS FREIMAMS NUSTATYTI

S a n t r a u k a

Kokių nors kroatų kalbai pritaikytų specializuotų leksikos šaltinių, grindžiamų semantinių freimų ir FrameNet metodų taikymu, nebuvo, todėl įgyvendinant tiriamąjį projektą Dynamicity of Specialized Knowledge Categories (DIKA, ihjj.hr/dika) (liet. k. Specializuotų žinių kategorijų dinamiškumas) bus plėtojama aviacijos semantinių freimų

86

Ana Ostroški Anić Maja Lončar Martina Pavić

Extracting Lexical Units for Identifying Specialized Semantic Frames

duomenų bazė. Projekto pagrindinis rezultatas – daugiakalbė terminų duomenų bazė, kurioje aviacijos terminija apibrėžiama semantiniais freimais, įskaitant freimų elementus, konceptualius ryšius ir terminologinius vienetus. Tam tikslui sudarytas lygiagretusis orlaivių eismo anglų ir kroatų kalbų tekstynas – terminų išrinkimo ir analizės atskaitos taškas.

Straipsnyje svarstoma, kaip lygiagretieji tekstynai gali būti naudojami terminijos vienetams, taikomiems aviacijos semantiniams freimams nustatyti, atrinkti. Tai pirmoji metodo specializuotiems semantiniams freimams nustatyti kūrimo pakopa. Pirmiausia aprašoma, kaip, remiantis Eur-Lex duomenų baze ir naudojantis Sketch Engine priemonėmis, rengiamas paralelinis tekstų rinkinys. Tada pateikiami terminų variantų išrinkimo ir jų patikrinimo rankiniu būdu metodai bei tinkamų veiksmažodžių išrinkimo ir tikrinimo procesas. Aptariant terminų patikrinimo rezultatus ypatingas dėmesys skiriamas veiksmažodžių ir žodžių junginių vaidmeniui, nustatomi tinkami semantiniai freimai ir jų elementai.

Nors į terminus pretenduojančių aviacijai būdingų veiksmažodžių labai mažai, tokių veiksmažodžių kolokacijos terminologiniu požiūriu aktualios, nes jos yra arba iš kelių žodžių sudaryti terminai, arba iš žodžių junginio sudaryti terminai. Taigi, veiksmažodžių analizė leidžia daryti išvadą, kad aktualius terminologijos duomenis geriausiai kaupti pirmiausia nustatant pagrindinius srities subjektus, o vėliau, analizuojant jų junginius, apibrėžti procesus, kuriuose jie dalyvauja.

Gauta 2019-09-24

Ana Ostroški Anić Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected]

Maja Lončar Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected]

Martina Pavić Institute of Croatian Language and Linguistics Ulica Republike Austrije 16 HR-10000 Zagreb E-mail [email protected]

Terminologija | 2019 | 26

87