Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian

Korpuszvezérelt elemzés az „Risk” szót tartalmazó több szóból álló terminusokról angol, francia és litván nyelven OKSANA SMIRNOVA Mykolas Romeris University, Lithuania SIGITA RACKEVIČIENĖ Mykolas Romeris University, Lithuania KULCSSZAVAK: deskriptív terminológia, korpusvezérelt elemzés, pénzügyi terminusok, terminuskivonatolás, terminusképzési minták 1. BEVEZETÉS A számítástechnikai technológiák új lehetőségeket nyitottak meg a nyelvészeti kutatás előtt: a digitális korpuszok és a korpuszelemző szoftverek megkönnyítették a nyelv legmélyebb struktúráihoz és a különböző nyelvi egységek közötti kapcsolatokhoz való hozzáférést, valamint annak feltárását, hogy ezek használata miként sajátos a különböző szakterületeken és időszakokban. Ezért a természetes nyelv korpuszvezérelt elemzését napjainkban a nyelvészet számos területén alkalmazzák: a lexikográfiában, a nyelvoktatásban, a gépi fordítás fejlesztésében, nyelvészeti adatbázisok összeállításában stb. A terminológiai kutatás is nagyrészt korpuszvezéreltté vált. A digitális korpuszok lehetővé teszik a terminológusok számára, hogy nagy mennyiségű dokumentummal dolgozzanak, megfigyeljék a szaknyelv sajátosságait, információt gyűjtsenek a terminusok tényleges használatáról és fejlődéséről, megragadják az intuitív módon fel nem ismerhető vagy előre nem jelezhető új terminusokat, valamint több nyelv adatainak kontrasztív elemzését végezzék el. A korpuszelemző szoftverek, továbbá az automatikus és félautomatikus terminuskivonatoló eszközök szintén hozzájárulnak a terminológia szabványosításához; például a szinonimák gyakoriságának számbavétele hasznos eloszlási bizonyítékkal szolgálhat a statisztikailag előnyben részesített terminusok megjelölésére (Khurshid, Rogers 1992: 36). A digitális korpuszok így lehetővé teszik a terminológusok számára, hogy felülvizsgálják a meglévő adatbázisok terminusaira vonatkozó terminográfiai információkat, és folyamatosan frissítsék azokat. 86 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian M. Teresa Cabré, M. Amor Montané és Rogelio Nazar szerint a modern terminológia célja a terminológiai értékkel bíró lexikai egységek formális, szemantikai és funkcionális leírásának elkészítése, valamint annak magyarázata, hogy ezek milyen kapcsolatban állnak a nyelvi rendszer többi egységével. A terminológiai kutatás tárgya az „élő terminológia” (a szaknyelvi szövegekben természetes módon előforduló terminológia), valamint a terminusok használatának kommunikatív aspektusa, amely leginkább egy korpuszban mutatkozik meg (Cabré, Montané, Nazar 2012). A kutatás célja, tárgya és feladatai. A kutatás célja a korpusznyelvészeti módszertan alkalmazása a „kockázat” főnévi alaptagot tartalmazó pénzügyi többtagú terminusok angol, francia és litván nyelvű gyűjtésére és formális szerkezeti elemzésére. E cél elérése érdekében a következő feladatokat tűztük ki: 1) a leíró, korpuszalapú terminológia elveinek elemzése, beleértve a kollokációs-kolligációs elemzések módszereit; 2) pénzügyi területű uniós jogi aktusok korpuszainak összeállítása három nyelven (angolul, franciául és litvánul), valamint a korpuszalapú kutatáshoz megfelelő szoftver kiválasztása; 3) a vizsgált nyelvek korpuszaiból a leggyakoribb szavak kinyerése, majd a további elemzéshez a leggyakoribb kulcsszó (főnév) kiválasztása; 4) a kiválasztott kulcsszó kollokációs elemzésének elvégzése az angol korpuszban, valamint a kiválasztott kulcsszót szemantikai és szintaktikai alaptagként tartalmazó többtagú terminusok kinyerése az angol korpusz anyagából; 5) a kiválasztott angol terminusok francia és litván megfelelőinek megállapítása az angol–francia–litván párhuzamos korpuszban; 6) a kiválasztott többtagú terminusok kvantitatív formai szerkezeti elemzésének elvégzése, valamint annak meghatározása, hogy a vizsgált nyelvekben mely módosítási minták és szintaktikai szerkezetek dominálnak. A kutatás adatai és terjedelme. A kutatás céljaira négy, a pénzügyi terület uniós dokumentumaiból összeállított korpuszt hoztunk létre: három egynyelvű korpuszt (angol, francia és litván), valamint egy párhuzamos korpuszt (EN-FR-LT). A korpuszok mérete a következő: EN 802 933 szó, FR 940 655 szó, LT 639 279 szó. Összesen 210 pénzügyi- Terminologija | 2018 | 25 87 a „risk” főnévi alaptagot tartalmazó pénzügyi terminusokat gyűjtöttünk ki a korpuszokból: 70 angol terminust, valamint ezek francia és litván megfelelőit. A „risk” szó kiválasztását a korpuszadatok határozták meg, amelyekből kiderült, hogy ez a szó fordult elő a leggyakrabban a kiválasztott uniós dokumentumokban. 2. A KUTATÁS ELMÉLETI ALAPELVEI 2.1. Preskriptív és deskriptív terminológiakezelés A természetes nyelv kutatására szolgáló számítógépes technológiák fejlődése egyértelműen megkülönböztette a hagyományos terminológiát a modern terminológiától. A terminológusoknak a terminus fogalmához, a terminusok forrásaihoz, a terminusok szabványosításához és más terminológiai kérdésekhez való viszonya jelentősen megváltozott. A terminológiai kutatásnak és kezelésnek két irányzata különült el: preskriptív terminológia és deskriptív terminológia (Zeller 2005; Bielinskienė et al. 2015). A preskriptív terminológia hívei a terminológia szabványosítására összpontosítanak, amely terminológiai szótárakon, adatbázisokon, jóváhagyott terminusok jegyzékein és a szabványosítás alapelveiről szóló dokumentumokon alapul. A preskriptív terminológiában a terminus fogalma azon a helyen alapul, amelyet az általa leírt fogalom a szakterület fogalmi hierarchiarendszerében elfoglal, valamint a többi fogalomhoz fűződő viszonyán (Pearson 1998: 10; Marcinkevičienė 2000: 6). A preskriptív terminológia alapelvei szerint egy fogalom leírására egyetlen terminust kell használni, mivel ez a kölcsönös megfelelés csökkenti a kétértelműség valószínűségét, megkönnyíti a kommunikációt, és egyúttal elősegíti a szakterület fogalmi hierarchiarendszerének kialakítását. A deskriptív terminológusok elhatárolódnak a terminus fogalmával, a terminus egyértelműségével, a hierarchikus fogalmi rendszer kialakításával és a szabványosítással kapcsolatos szigorú állásponttól. A preskriptív terminológiával ellentétben a deskriptív terminológiában a szövegkörnyezet létfontosságú szerepet játszik a terminus elemzésében, a terminust pedig a szövegkörnyezettől függő lexikai egységnek tekintik. Céljuk nem az, hogy meghatározott alapelvek szerint alkossanak terminusokat, hanem hogy rögzítsék azok használatát, a különböző szövegekben előforduló alakváltozataikat, és leírják sajátosságaikat, ezzel alapot teremtve a szabványosításukhoz (Bielinskienė et al. 2015: 10–11). A technológiák fejlődése a különböző típusú szövegekben közölt információk hatalmas áramlását eredményezte, és ezzel együtt az ezekben használt terminusok száma is folyamatosan nőtt. Ebben a folyton változó valóságban a terminoló- 88 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian gusok már nem képesek ellenőrzésük alatt tartani a terminológia gyors fejlődését, mivel a terminusok gyorsabban változnak, mint ahogy feldolgozzák őket. Ezért a terminológiakezelésnek rugalmasabb megközelítésre van szüksége, amely a preskriptív módszertan helyett a leíró módszertanra épül. A hangsúly a terminológia szabványosításáról a korpuszokban található terminológia elemzésére helyeződött át (Bielinskinė et al. 2015: 11). A deskriptív terminológia vezetett a kommunikációs terminológiaelmélet kialakulásához, amely a szaknyelvi diskurzusokban használt, élő terminológiára összpontosít, és hangsúlyt helyez a terminusok használatának kommunikációs aspektusára (Cabré, Montané, Nazar 2012). Az elmélet szerint a terminusok fő szerepe a szakértői tudás közvetítése; ezért úgy tekintenek rájuk, „mint egy háromoldalú poliéderre, amelynek kognitív (a fogalom), nyelvi (a terminus) és kommunikációs (a helyzet) összetevője van” (Cabré, Montané, Nazar 2012: 1). A kommunikációs elméletre épülő terminológiai kutatás nemcsak a szabványokban rögzített vagy hivatalos adatbázisokban található terminológiával foglalkozik, hanem (különösen) azokkal a terminusokkal is, amelyeket ténylegesen használnak a szaknyelvi szövegekben. A kommunikációs elmélet tehát „nemcsak az in vitro megközelítést alkalmazza, hanem az in vivo terminusok is érdeklik” (Cabré, Montané, Nazar 2012: 1–2). Az élő terminológia kutatása rámutat, hogy a terminusok egyértelmű megfelelésének hagyományos fogalma (egy fogalom és a különböző nyelvekben használt konkrét terminusok közötti egy-egy megfelelés) a valós nyelvhasználatban nem megalapozott. A változatosság (szinonímia, kétértelműség, körülírás, redundancia) nemcsak az általános nyelvi egységekre, hanem a terminológiára is jellemző; ezért a fogalmakat és a terminusokat „dinamikus kölcsönhatásukban” kell vizsgálni (Cabré, Montané, Nazar 2012: 2–3). A terminusok használatára irányuló figyelem a korpuszokat a modern terminológiai elemzés fő munkaterületévé tette. A digitális korpuszok és a korpuszelemző szoftverek gazdag erőforrásokkal és eszközökkel bővítették a terminológia kutatását: lehetővé teszik a terminológusok számára, hogy nagy mennyiségű dokumentumból gyűjtsenek terminusokat, megragadják egy adott szakterület terminológiájának legújabb változásait, elemezzék annak fejlődését, valamint feltárják az ugyanahhoz a szakterülethez tartozó terminusok közötti fogalmi kapcsolatokat. A korpuszok megbízható, statisztikai alapú információkat nyújtanak a terminusok természetes nyelvi használatáról, amelyek korábban egyáltalán nem álltak rendelkezésre. Ezért a korpuszvezérelt módszertan vált az uralkodó módszertanná, amely nélkülözhetetlen eszköztárat biztosít a terminológiai kutatáshoz és kezeléshez (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015). Terminologija | 2018 | 25 89 2.2. Korpuszvezérelt elemzési alapelvek: kollokációs és kolligációs módszerek A korpuszvezérelt terminuskivonást és -elemzést statisztikai és nyelvészeti módszerekkel végzik. A jelen kutatásban kollokációs és kolligációs módszereket alkalmazunk. A kollokációk lexikai egységek közötti szintagmatikus vonzást jelölnek. Tomas Lehecka (2015) szerint „a kollokáció fogalma azon az elképzelésen alapul, hogy egy nyelv minden szava bizonyos lexikai kontextusokat előnyben részesít másokkal szemben, vagyis bármely adott szó hajlamos bizonyos szavakkal gyakrabban együtt előfordulni, mint másokkal” (Lehecka 2015: 2). A korpuszadatok statisztikai elemzésével mérhető a szavak közötti vonzás mértéke; az eredmények alapján meghatározható, hogy mely szókapcsolatok fordulnak elő együtt a véletlen alapján várhatónál szignifikánsan gyakrabban, figyelembe véve a szavak korpuszbeli összgyakoriságát (Lehecka 2015: 2). Ily módon megállapíthatók a kiválasztott szavak legszignifikánsabb kollokációi az elemzett korpuszban. Ezt a módszert elsősorban lexikai egységek kontextuális szemantikai elemzésére használják, mivel lehetővé teszi a vizsgált szavakkal együtt előforduló szavak teljes változatosságának megfigyelését, a domináns együtt-előfordulási mintázatok megállapítását, így pedig jelentésük kontextuális környezetük alapján történő leírását (Atkins, Rundell, Sato 2003: 340–341). A kollokációs elemzés a lexikográfusok nélkülözhetetlen eszközévé vált; a számítógépes nyelvészetben is széles körben alkalmazzák gépi fordítási, természetesnyelv-feldolgozási és egyéb célokra (Lehecka 2015). A kollokációs módszert gyakran a kolligációs módszerrel együtt alkalmazzák. A kolligáció fogalma egy lexikai egység és egy grammatikai mintázat közötti vonzásra utal, és azon az elképzelésen alapul, hogy a szavakat bizonyos grammatikai mintázatokban szívesebben használják, más grammatikai mintázatokat pedig kerülik (Sinclair 1998; Lehecka 2015). A kolligációs elemzés kiterjeszthető, és magában foglalhatja a lexikai egység, valamint annak a kifejezésben, tagmondatban, mondatban, szövegben vagy diskurzusban elfoglalt helye közötti kapcsolat vizsgálatát is, ahol a lexikai egység előfordulhat (Hoey 2005: 49–52). A kolligációs elemzést széles körben alkalmazzák a kollokációs elemzéssel együtt a közeli szinonimák jelentésének vizsgálatára, mivel a korpusznyelvészeti kutatások kimutatták, hogy ezeket gyakran eltérő lexikai és grammatikai kontextusokban használják (Lehecka 2015). A korpusznyelvészeti vizsgálatok 90 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian kimutatták, hogy még a poliszém szavak különböző jelentéseihez is eltérő kollokációs és kolligációs mintázatok tartozhatnak (Aston, Burnard 1998). A kollokációs és kolligációs elemzések tehát bizonyították, hogy a szemantikát és a grammatikát nem szabad egymástól függetlennek tekinteni, hanem szorosan összekapcsolódó rendszerekként kell kezelni őket (Lehecka 2015). Az elemzésekben a pragmatikai szempontot is figyelembe kell venni, mivel egy lexikai egység kollokációs és kolligációs preferenciái jelentősen eltérnek a különböző szakterületek és szövegtípusok között (Butler 2004: 157; Newman, Rice 2006). 2.3. A kollokációs-kolligációs módszer alkalmazása a terminuskivonásban és -elemzésben A kollokációs-kolligációs módszer több szóból álló terminusok kivonására is használható; különösen alkalmas olyan terminológia kivonására, amely előre kiválasztott kulcsszavakat – a terminológiai relevanciával potenciálisan bíró, a korpusz szakterületére jellemző szavakat – tartalmaz. Ez a módszertan azon a feltevésen alapul, hogy az összetett terminusok már létező egyszerű terminusokból állnak (Nakagawa 2001). A korpuszelemző eszközök kivonják az előre kiválasztott kulcsszavakkal együtt előforduló szavakat, és lehetővé teszik a domináns kollokációk meghatározását. E kollokációk egy része főnévi csoport, amelyeket nyelvészeti módszerekkel kell kiválasztani a kollokációs listákból. A kiválasztott főnévi csoportokat a korpuszadatok további elemzésére, valamint a kiválasztott főnévi csoportokból és esetleg további kollokátumokból álló, több szóból álló terminusok kivonására használják. A jelen kutatásban a kivont terminusokat tovább elemezzük a kolligációs elemzés elveinek alkalmazásával, hogy feltárjuk a vizsgált nyelvek terminológiájának formai szerkezeti modelljeit, és hozzájáruljunk a terminusképzési minták kontrasztív, többnyelvű vizsgálataihoz (vö. Janulevičienė, Rackevičienė 2014; Mockienė 2016). 3. A KORPUSZOK ÖSSZEÁLLÍTÁSA ÉS AZ ELEMZŐSZOFTVER KIVÁLASZTÁSA M. Teresa Cabré, M. Amor Montané és Rogelio Nazar szerint egy adott szakterület dokumentumaiból álló korpusz összeállításának három célja van. Először is a terminológusoknak meg kell ismerniük a szakterület nyelvhasználatát; másodszor korpuszra van szükség a terminuskivonáshoz és a terminusok statisztikai elemzéséhez; és Terminologija | 2018 | 25 91 végül a szövegek a terminusokról kiegészítő információk, például szemantikai, szintaktikai vagy kollokációs támpontok megszerzésére szolgálnak (Cabré, Montané, Nazar 2012: 3–4). Az összeállított korpusznak megfelelő méretűnek és minőségűnek kell lennie ahhoz, hogy a választott szakterület reprezentatív korpuszának lehessen tekinteni. A korpusz méretére nincsenek pontos előírások, de a lehető legtöbb dokumentumot kell tartalmaznia, mivel minél nagyobb, annál megbízhatóbb következtetéseket lehet levonni a szakterület terminushasználatáról (Cabré, Montané, Nazar 2012: 4). Mindezen szempontok figyelembevételével összeállítottuk az EU angol, francia és litván nyelvű jogi aktusainak korpuszait. A jogi aktusokat az Európai Unió Hivatalos Lapjából töltöttük le, amely szabadon hozzáférhető online forrás. Összesen 101, az EU pénzügyi ügyeire vonatkozó, 2014–2017 között elfogadott jogi aktust gyűjtöttünk össze. A dokumentumokat egyszerű szöveggé alakítottuk, majd a terminuskivonás és -elemzés céljából mondatpárokba rendeztük. A szövegek összeállításához és mondatpárokba rendezéséhez, valamint a szükséges adatok kinyeréséhez három programot használtunk: AntConc (2014), AntPConc (2017), amelyeket Laurence Anthony hozott létre és hitelesített, valamint a NOVA Text Aligner (2014). Az AntConc ingyenes, többplatformos eszközkészlet korpusznyelvészeti kutatások végzésére és adatvezérelt tanulásra, míg az AntPConc többnyelvű párhuzamos korpuszok létrehozására szolgál. Mindkét program lehetővé teszi, hogy a kutató nagy mennyiségű adattal dolgozzon, és átfogó, többnyelvű nyelvészeti elemzést végezzen. Az AntConc program a következő eszközöket kínálja a felhasználóknak: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. A jelen kutatásban az AntConc négy eszközét alkalmaztuk: • A Wordlist lehetővé tette a korpuszok leggyakoribb szavainak meghatározását; • A Collocates lehetővé tette a „risk” szó domináns kollokátumainak meghatározását, valamint a „risk” szóhoz fűződő szintagmatikus kapcsolódásuk mértékének megállapítását; • A Clusters segítségével feltárhatók voltak a „risk” szót főnévi alaptagként tartalmazó legdominánsabb, több szóból álló terminusok; • A Concordances széles körű példákat adott a terminusok szövegbeli használatának szemléltetésére. Az AntConc program képernyőképe az 1. ábrán látható. 92 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 1. ábra. Az AntConc program A párhuzamos korpusz összeállítása előtt a három nyelven letöltött szövegeket a NOVA Text Aligner program segítségével manuálisan igazították egymáshoz. A szövegek igazítása után az AntPConc programmal párhuzamos korpuszt állítottak össze (lásd a 2. ábrát). 2. ábra. Az AntPConc program Terminologija | 2018 | 25 93 Az AntPConc program lehetővé tette, hogy egyszerre jelenjenek meg a példák a három nyelvből: a kiválasztott mondatra kattintva meg lehetett tekinteni annak megfelelőit a többi nyelven. A program emellett különböző színek használatával lehetővé tette a kulcsszavak, valamint bal- és jobb oldali kollokátumaik megkülönböztetését. Azt azonban nem lehetett látni, hogy melyik dokumentumból származik a példa. A párhuzamos korpusz felhasználásával kinyerték 70 angol terminus francia és litván megfelelőit. 4. KORPUSZELEMZÉS ÉS TERMINUSKINYERÉS AZ AntConc ÉS AntPConc PROGRAMOK ESZKÖZEIVEL 4.1. A korpuszok leggyakoribb szavainak megállapítása A pénzügyi dokumentumok korpuszában előforduló leggyakoribb szavak meghatározásához az AntConc program Word list eszközét használták. Az eszköz megadta a szógyakorisági adatokat az angol, francia és litván korpuszokban, ami lehetővé tette a vizsgált nyelvek szógyakoriságainak összehasonlítását és a 10 leggyakoribb szót tartalmazó háromnyelvű TOP-lista összeállítását (lásd az 1. táblázatot). A Word list arról is tájékoztatott, hogy hány szóelőfordulás és szóalak volt a korpuszokban, továbbá hozzáférést biztosított ahhoz a kontextushoz, amelyben a terminusokat használták (lásd az 1. táblázatot). 1. táblázat. A korpuszok 10 leggyakoribb szava EN (korpusz: 802 933 szóelőfordulás, 9333 szóalak) | FR (korpusz: 940 655 szóelőfordulás, 12365 szóalak) | LT (korpusz: 639 279 szóelőfordulás, 24727 szóalak) 1. | risk (3252), risks (592) | risque (2855), risques (997) | rizikos (2549), riziką (1063), rizika (536), rizikai (355), rizikas (4) 2. | credit (3183), credits (18) | credit (3307), credits (222) | kredito (3103), kreditų (52), kreditų (29), kreditą (28), kreditas (8), kreditai (6), kreditais (4), kredítus (3), kreditams (2) 3. | market (1642), markets (424) | marché (1631), marches (484) | rinkos (1355), rinkų (310), rinka (229), rinkoje (226), rinką (76), rinkose (75), rinkai (51), rinkoms (18), rinkas (7), rinkomis (2) 94 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian EN (corpus 802 933 word tokens, 9333 word types) FR (corpus 940 655 word tokens, 12365 word types) LT (corpus 639 279, 24727 word types) 4. amount (1545) montant (1672) suma, sumos (684) 5. instruments (1448) instruments (1489) priemones (1542), priemonių (1393), priemones (649) 6. value (1356) valeur (1754) vertės, vertė (599) 7. securities (1275) titres (1229), titrisation (503) vertybinių popierių (1095), vertybinio popieriaus (691) 8. services (1275) services (1778) paslaugų, paslaugas (485) 9. capital (1093) capital (660) kapitalo (1143) 10. funds (1087) fonds (2773) lėšų (877) Az elemzés eredményei azt mutatják, hogy mindhárom vizsgált nyelv korpuszaiban a leggyakoribb szavak a „risk” és a „credit”, míg a „market” szó a gyakorisági listák harmadik helyén áll. Mindhárom szó, különösen pedig a „risk” és a „credit” gyakran fordul elő együtt a pénzügyi dokumentumokban. Ez a szavak közötti szoros szemantikai kapcsolattal magyarázható: magától értetődik, hogy minden pénzügyi tranzakció veszélyt hordoz, más szóval a „credit” „risk”-et keletkeztet. A szavak leggyakoribb nyelvtani száma az egyes szám, bár a vizsgált nyelvekben többes számban is használatosak. A gazdag ragozási rendszerű flektáló nyelvben, a litvánban, a szavak különböző nyelvtani esetekben fordulnak elő, ezek közül az egyes számú birtokos eset a domináns. Az elemzés eredményei alapján megállapítható, hogy a „risk”, a „credit” és a „market” szavakat a pénzügyi terület alapvető fogalmait jelölő lexikai elemeknek kell tekinteni. A „risk” szót, amely a korpuszokban a leggyakoribb, választották ki további terminuskivonásra és elemzésre. Mivel a kutatás tárgyát a kiválasztott kulcsszót (a „risk” szót) tartalmazó angol többtagú terminusok, valamint ezek francia és litván megfelelői képezik, a terminuskivonás további munkafolyamata a következő szakaszok szerint zajlott: a „risk” szó domináns angol kollokációinak meghatározása; a „risk” szót főnévi alaptagként tartalmazó főnévi csoportok kivonása; a Terminologija | 2018 | 25 95 terminológiai értékkel bíró kifejezések kiválasztása, valamint francia és litván megfelelőik meghatározása. 4.2. Az „kockázat” szó kollokátumainak meghatározása az angol nyelvű korpuszban A terminuskivonás második szakaszában meghatároztuk az „kockázat” szó domináns kollokációit az angol nyelvű korpuszban. Ezt a célkitűzést az AntConc Collocates eszköz segítségével valósítottuk meg. Ez az eszköz megadta a kiválasztott kulcsszó bal és jobb oldali kollokátumait, és lehetővé tette a nyelvi nem szekvenciális mintázatok elemzését. Az eszköz megadta a kollokátumok összesített gyakoriságát, valamint a „kockázat” szó előtt és után mért gyakoriságukat is. Emellett statisztikai mérőszámok (kölcsönös információs (MI) értékek) értékeit is megadta, amelyek a kulcsszó és kollokátumai közötti szintagmatikus vonzás mértékét mutatták. A kollokációs elemzés eredményeit a 2. táblázat mutatja be, amely a legmagasabb MI-értékű (top 10) kollokátumok részletes adatait tartalmazza. 2. táblázat. Az „kockázat” szó TOP 10 kollokátuma az angol nyelvű korpuszban Összesített gyakoriság | Gyak. (B) | Gyak. (J) | MI-pontszám 1. dilution | 51 | 37 | 14 | 8.1 2. mitigation | 100 | 9 | 91 | 8.01 3. weights | 65 | 4 | 61 | 7.7 4. systemic | 120 | 119 | 1 | 7.7 5. profile | 87 | 1 | 86 | 7.48 6. low | 68 | 62 | 6 | 7.2 7. assigned | 127 | 95 | 32 | 6.89 8. exposure | 491 | 71 | 420 | 6.4 9. specific | 177 | 148 | 29 | 6.3 10. operational | 129 | 114 | 15 | 5.99 Az eredmények feltárják a „kockázat” szó legközelebbi lexikai környezetét az angol nyelvben, és lehetővé teszik a „kockázat” szót tartalmazó többszavas terminusok domináns kétszavas magjának felvázolását a vizsgált korpuszban. 96 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 4.3. Az „risk” szót főnévi alaptagként tartalmazó főnévi csoportok kinyerése az angol nyelvű korpuszból A további korpuszelemzés és terminuskinyerés bizonyos formai szerkezetű kollokációkra összpontosított – azokra a főnévi csoportokra, amelyek főnévi alaptagként a „risk” szót tartalmazzák. Ezeket az angol nyelvű korpuszból a Clusters és a Concordance eszközökkel nyertük ki. A Clusters eszköz lehetővé tette a „risk” szót bal és jobb oldali kollokátumaival együtt tartalmazó klaszterek (szókombinációk) keresését. Lehetővé tette a klaszterek minimális és maximális hosszának (szavainak számának), valamint a megjelenített klaszterek minimális gyakoriságának beállítását. A rendezett klaszterek megjeleníthetők voltak gyakoriságuk vagy annak alapján, hogy a korpusz hány fájljában fordultak elő. A „risk” szót főnévi alaptagként tartalmazó főnévi csoportok kinyeréséhez a következő paramétereket állítottuk be: a klaszterméret 2–5 szó, rendezés gyakoriság szerint. A kulcsszó pozícióját is ki kellett választani: először a jobb oldalon álló kulcsszót tartalmazó klasztereket, majd a bal oldalon álló kulcsszót tartalmazókat rendeztük. A „search keyword on right” paraméter mellett az eszköz 4814 klaszterelőfordulást és 181 klasztertípust jelenített meg; a „search keyword on left” paraméter mellett 4284 klaszterelőfordulást és 137 klasztertípust. A megjelenített klaszterlistákból manuálisan nyertük ki a „risk” szót főnévi alaptagként tartalmazó főnévi csoportokat. Tágabb kontextusukat a Concordance eszközzel elemeztük, amely lehetővé tette a főnévi csoportok határainak, valamint a „risk” szó bal és jobb oldali kollokátumait egyaránt tartalmazó főnévi csoportoknak a meghatározását. A 3. táblázat a leggyakoribb főnévi csoportokat mutatja be. 3. táblázat. A „risk” szót főnévi alaptagként tartalmazó 20 leggyakoribb főnévi csoport Főnévi csoportok („risk” a jobb oldalon) Gyakoriság Főnévi csoportok („risk” a bal oldalon) Gyakoriság 1. hitelkockázat 471 1. túlzott tőkeáttétel kockázata 18 2. rendszerszintű kockázat 113 2. hitelviszonyt megtestesítő eszköz kockázata 12 3. működési kockázat 102 3. veszteség kockázata 12 4. likviditási kockázat 97 4. kapacitás-visszatartási kockázat 10 Terminologija | 2018 | 25 97 Főnévi csoportok („risk” a jobb oldalon) | Gyakoriság | Főnévi csoportok („risk” a bal oldalon) | Gyakoriság 5. specifikus kockázat | 86 | 5. harmadik feleket érintő kockázat | 8 6. piaci kockázat | 76 | 6. a megvásárolt követeléshez kapcsolódó kockázat | 7 7. partnerkockázat | 41 | 7. árváltozási kockázat | 7 8. hígulási kockázat | 33 | 8. működési zavar kockázata | 6 9. kamatlábkockázat | 32 | 9. a pénzügyi stabilitást fenyegető kockázat | 2 10. üzleti kockázat | 26 | 10. a hitelfelvevő kockázata | 2 Az eredmények azt mutatják, hogy azok a főnévi csoportok, amelyekben a ‘risk’ szó a legjobbszélső pozícióban áll, sokkal gyakoribbak, mint azok a főnévi csoportok, amelyekben a ‘risk’ szó a legbalszélső pozícióban áll. A korpuszban csak néhány példát találtunk olyan főnévi csoportokra, amelyekben a ‘risk’ szónak bal- és jobboldali kollokátumai is vannak: credit risk of repurchased transactions, credit risk of securitization position, credit risk to third parties. A további kutatáshoz összeállították a ‘risk’ szót főnévi fejként tartalmazó 70 leggyakoribb angol főnévi csoport listáját. A listába csak azok a főnévi csoportok kerültek be, amelyek terminológiai értékkel bírtak (a pénzügyi terület absztrakt fogalmait jelölték). A további elemzésben ezeket több szóból álló terminusoknak nevezzük. 4.4. A kiválasztott angol terminusok francia és litván megfelelőinek megállapítása A terminuskivonás utolsó szakaszában megállapították a kiválasztott angol terminusok francia és litván megfelelőit. E célból az AntPConc szoftvert használták, amelyet párhuzamos korpuszok elemzésére fejlesztettek ki. A programba betöltötték a vizsgált három nyelv korpuszait. Amikor a kiválasztott angol terminusokra kerestek az angol korpuszban, a program megjelenítette a francia és litván szövegek párhuzamos szövegrészleteit, lehetővé téve a szükséges megfelelőik kézi kiválasztását. Összesen 70 francia és 70 litván megfelelőt állapítottak meg a kiválasztott angol terminusokhoz. A 4. táblázat a 10 leggyakoribb angol terminust, valamint azok francia és litván megfelelőit mutatja be. Az elemzés eredményei feltárták a vizsgált nyelvek terminusai közötti formai különbségeket, amelyeket az alábbiakban vizsgálunk és tárgyalunk. 98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 4. táblázat. A 10 leggyakoribb angol terminus, valamint francia és litván megfelelőik EN FR LT hitelkockázat risque de crédit kredito rizika rendszerszintű kockázat risque systémique sisteminė rizika működési kockázat risque opérationnel operacinė rizika likviditási kockázatliquidity risk risque de liquidité likvidumo rizika egyedi kockázatspecific risk risque spécifique specifinė rizika piaci kockázatmarket risk risque de marché rinkos rizika partnerkockázati hitelkockázatcounterparty credit risk risque de crédit de contrepartie sandorio šalies kredito rizika hígulási kockázatdilution risk risque de dilution gautinų sumų rizika kamatlábkockázatinterest rate risk risque de taux d’intérêt palūkanų normos rizika üzleti kockázatbusiness risk risque économique verslo rizika 5. A KINYERT TERMINUSOK FORMAI SZERKEZETÉNEK ELEMZÉSE A kinyert terminusokat kolligációs elemzési elvek alapján tovább vizsgáltuk, hogy feltárjuk a terminológia formai szerkezeti modelljeit a különböző nyelvekben. A terminusok összetevői két fő kategóriába sorolhatók: a „risk” főnévi mag és annak módosítói. A módosítók helyzete szerint két módosítási mintát állapítottunk meg: a főnév előtti módosítást (amikor a módosítók a főnévi mag előtt állnak) és a főnév utáni módosítást (amikor a módosítók a főnévi mag után állnak). A statisztikai elemzésre kiválasztott TOP 70-es terminuslistára nem kerültek fel olyan terminusok, amelyek főnév előtti és utáni módosítókat egyaránt tartalmaznak. Az elemzés a terminusok képzésének következő szempontjaira összpontosított: a terminusok összetevőinek száma, módosítási mintái és szintaktikai szerkezete (a módosítók helyzete és szófaji kategóriája). Az 5. és 6. táblázat az elemzés összefoglalt eredményeit mutatja be. A táblázatokban bemutatott eredmények azt mutatják, hogy a terminusok módosítási mintái eltérnek a vizsgált nyelvekben. A mennyiségi Terminologija | 2018 | 25 99 módosítási elemzést azért végeztük, hogy azonosítsuk a vizsgált nyelvekben domináns módosítási mintákat; eredményeit az 1. diagram mutatja be. 5. táblázat. A terminusok főnév előtti módosítási mintáinak szintaktikai szerkezete Szintaktikai szerkezetek EN FR LT N + „risk” 19 terminus, például: hitelkockázat, koncentrációs kockázat, likviditási kockázat, üzleti kockázat. – 18 terminus, például: skolininiko rizika, sandorių rizika, saugojimo rizika. A + „risk” 18 terminus, például: vállalkozói kockázat, belső kockázat, potenciális kockázat. – 17 terminus, például: rendszerszintű kockázat, működési kockázat, befektetési kockázat N + N + „kockázat” 3 terminus: hitel- és likviditási kockázat, kamatlábkockázat, partner-hitelkockázat – 9 terminus, például: napi hitelkockázat, kamatlábkockázat, partnerkockázat A + N + „kockázat” 12 terminus, például: jelentős hitelkockázat, specifikus hitelkockázat, devizaárfolyam-kockázat. – 9 terminus, például: alacsony hitelkockázat, specifikus hitelkockázat, követeléskockázat A/Num + N + + N + „kockázat” 1 terminus: minimális hitel- és piaci kockázat – 12 terminus, például: minimális hitel- és piaci kockázat, egynapos likviditási kockázat, egynapos hitelkockázat A + A + N + + „kockázat” 4 terminus, például: specifikus és általános hitelkockázat, napon belüli és egynapos hitelkockázat, napon belüli és egynapos likviditási kockázat – 5 terminus, például: téves döntések specifikus kockázata, megszerzett követelések kockázata, általános és specifikus hitelkockázat 100 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 6. táblázat. A terminusok posztnominális módosítási mintáinak szintaktikai szerkezetei Szintaktikai szerkezetek EN FR LT „kockázat” + PP 13 terminus, például: az intézmény kockázata, a pénzügyi rendszerre jelentett kockázat, veszteségkockázat 22 terminus, például: hitelkockázat, koncentrációs kockázat, modellkockázat – „kockázat” + A – 20 terminus, például: napon belüli kockázat, belső kockázat, specifikus kockázat – „kockázat” + A + PP – 4 terminus, például: specifikus korrelációs kockázat, jelentős korrelációs kockázat, általános korrelációs kockázat – „kockázat” + PP + A – 15 terminus, például: specifikus hitelkockázat, napi hitelkockázat, árukockázat – „kockázat” + PP + A + + PP – 9 terminus, például: 24 órás napon belüli hitelkockázat, 24 órás napon belüli likviditási kockázat – 1. ábra. A terminusok módosítási mintái Terminologija | 2018 | 25 1 0 1 Az eredmények azt mutatják, hogy az angol és a litván nyelvben a prenominális módosítás dominál, míg a francia nyelvre a posztnominális módosítás jellemző. A franciában nem találtunk prenominális módosítási mintájú terminusokat, a litvánban pedig nem észleltünk posztnominális módosítási mintájú terminusokat. Kizárólag az angol terminusok fordultak elő mindkét típusban, bár a posztnominális módosítókat tartalmazó terminusok száma meglehetősen alacsony. Valamennyi vizsgált terminus egy vagy több módosítót tartalmaz, amelyek főnevek, melléknevek vagy elöljárós szerkezetek, és a terminológiai egységen belül különböző pozíciókat foglalnak el. Az elemzés eredményei azt mutatják, hogy az angol és a litván terminusok leggyakoribb módosítói a főnevek és a melléknevek, míg a francia terminusokban a ‘risk’ szót többnyire elöljárós szerkezetek módosítják. A három vagy több szóból álló terminusok a módosítás szintjei szerint tovább osztályozhatók (a főnevet módosító módosítókat tartalmazó terminusokra, illetve más módosítókat módosító módosítókat tartalmazó terminusokra), de a korlátozott terjedelem miatt ezt az elemzést a tanulmány nem mutatja be. A táblázatokban összefoglalt megállapítások azt is feltárják, hogy a terminusok összetevőik számában különböznek egymástól. A terminushossz mennyiségi elemzését annak megállapítására végeztük el, hogy a vizsgált nyelvekben hány összetevő a legjellemzőbb a terminusokra; az eredményeket a 2. diagram mutatja be. A diagram két fő tendenciát mutat. Először is, az EU terminusalkotói tiszteletben tartják a nyelvi gazdaságosság alapvető követelményét (a terminusok tömörségét): mindhárom nyelvben a kétszavas terminusok vannak túlsúlyban. Másodszor, csak néhány angol és francia terminus áll kettőnél-háromnál több szóból, míg 2. diagram. A terminus összetevőinek száma 102 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian a négy vagy több szóból álló litván terminusok a kiválasztott adatok jelentős részét teszik ki (70-ből 17-et). A kétszavas terminusok túlsúlyára vonatkozó tendencia egybeesik más terminológiai kutatók által megállapított tendenciákkal. Agnė Bielinskienė és munkatársai az oktatás és a tudomány terminológiájának automatikus kinyerésére és meghatározására irányuló kutatásukban arra jutottak, hogy e szakterület legtöbb litván terminusa kétszavas: a szaknyelvi szövegkorpuszból automatikusan kinyert terminusjelöltek közül kiválasztott terminusok több mint kétharmadát tették ki (Bielinskienė et al. 2015: 62). Liudmila Mockienė az alkotmányjogi terminológia kontrasztív vizsgálatában ugyanezt a tendenciát állapította meg három különböző nyelvben. Az alkotmányos jellegű angol, orosz és litván jogszabályok vizsgált korpuszában a kinyert több szóból álló terminusok többsége két összetevőből állt: az angol több szóból álló terminusok 78,5%-át, az orosz több szóból álló terminusok 62%-át, a litván több szóból álló terminusoknak pedig 74,5%-át tették ki (Mockienė 2016: 43–45). Így a különböző szakterületek és nyelvek terminusalkotói hajlamosak ugyanazt a nyelvi gazdaságosságra és felhasználóbarát jellegre irányuló elvet követni. 6. K Ö V E T K E Z T E T É S E K A monolingvális korpuszok elemzésére használt AntCont szoftver, valamint a párhuzamos korpuszok elemzésére használt AntPConc lehetővé tette a ‘risk’ főnévi alaptagot tartalmazó angol, francia és litván több szóból álló terminusok kinyerését a kutatás céljaira összeállított, az EU pénzügyi szakterülethez kapcsolódó dokumentumainak szaknyelvi korpuszaiból. A kinyerés a következő szakaszokban történt: • az angol, francia és litván korpuszok kulcsszavainak (a korpuszok által reprezentált szakterületre jellemző, potenciális terminológiai relevanciával bíró szavaknak) kinyerése, majd a leggyakoribb kulcsszó (a ‘risk’ szó) kiválasztása további elemzésre; • a ‘risk’ szó kollokációinak, valamint az angol korpuszból a ‘risk’ szót főnévi alaptagként tartalmazó főnévi szerkezeteknek a kinyerése, bal és/vagy jobb oldali kollokátumaikkal együtt; • terminológiai értékkel rendelkező lexikai egységek kiválasztása a kinyert főnévi szerkezetek listájából; • a kiválasztott angol terminusok francia és litván megfelelőinek megállapítása az angol–francia–litván párhuzamos korpuszban. Terminologija | 2018 | 25 1 0 3 Az alkalmazott módszertan alkalmasnak bizonyult a terminológia hatékony, többnyelvű kinyerésére, amely terminológiai adatbázisok fejlesztésére/frissítésére vagy a terminusok tudományos elemzésére használható. A kinyert terminusok formai szerkezetének elemzése néhány fontos terminusképzési tendenciát tárt fel a vizsgált nyelvekben: • az angol és a litván nyelvben az előre helyezett bővítmény a meghatározó, míg a francia nyelvre az utólagos bővítmény jellemző; • az angol és a litván terminusok meghatározó bővítményei főnevek és melléknevek, míg a francia terminusokban a ‘risk’ szót többnyire elöljárós szerkezetek módosítják; • az összetevők száma szerinti leggyakoribb terminustípus a kétszavas terminus: ezek alkotják a terminusok legnagyobb csoportját az angol, francia és litván TOP 70-es listákban; ez azt mutatja, hogy az EU terminusalkotói tiszteletben tartják a nyelvi gazdaságosság alapelvét (a terminusok tömörségét); • mindössze néhány angol és francia terminus áll kettőnél-háromnál több szóból, míg a litván TOP 70-es listában a legalább négy szóból álló terminusok a kiválasztott adatok jelentős részét teszik ki (70-ből 17-et). A formai szerkezeti elemzés eredményei feltárják a terminusképzés tendenciáit a vizsgált nyelvekben, és olyan terminológiai információkkal szolgálnak, amelyek hasznosak lehetnek a terminusalkotók és a fordítók számára. A kutatás során megállapított szintaktikai minták előre kiválasztott kulcsszavak nélkül is felhasználhatók automatikus terminuskinyerő nyelvészeti módszerek kidolgozására. REFERENCES Aston G., Burnard L. 1998: The BNC Handbook. Exploring the British National Corpus with SARA, Edinburgh: Edinburgh University Press. Atkins S., Rundell M., Sato H. 2003: The contribution of FrameNet to practical lexicography. – International Journal of Lexicography 16(3), 333–357. Bielinskienė A., Boizou L, Grigonytė G., Kovalevskaitė J., Rimkutė E., Utka A. 2015: Lietuvių kalbos terminų automatinis atpažinimas ir apibrėžimas. Monografija, Kaunas: Vytauto Didžiojo universitetas. Butler C. S. 2004: Corpus studies and functional linguistic theories. – Functions of Language 11(2), 147–186. Cabré M. T., Montané M. A., Nazar R. 2012: Corpus-based Terminology Processing. TKE 2012 Tutorial. Available at http://terminus.iula.upf.edu/tke2012/. Hoey M. 2005: Lexical Priming: A New Theory of Words and Language, London: Routledge. Janulevičienė V., Rackevičienė S. 2014: Formation of criminal law terms in English, Lithuanian and Norwegian. – LSP journal – Language for special purposes, professional communication, knowledge management and cognition 15(1), 4–20. 104 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Lehecka T. 2015: Collocation and colligation. – Handbook of Pragmatics Online. J.-O. Östman, & J. Verschuren (Eds.), Amsterdam: John Benjamins Publishing Company, 1–23. Khurshid A., Rogers M. 1992: Terminology management: a corpus-based approach. – Translating and the Computer 14, 33–44. Marcinkevičienė R. 2000: Terminografija ir tekstynas. – Terminologija 6, 5–23. Mockienė L. 2016: Formation of terminology of constitutional law in English, Lithuanian and Russian. Doctoral Thesis, Vilnius: Mykolas Romeris University. Nakagawa H. 2001: Experimental evaluation of ranking and selection methods in term extraction. – Recent Advances in Computational Terminology. D. Bourigault, Ch. Jacquemin and M.-C. L’Homme (Eds.), Amsterdam/Philadelphia: John Benjamins Publishing Company, 303–325. Newman J., Rice S. 2006: Transitivity schemas of English EAT and DRINK in the BNC. – Corpora in Cognitive Linguistics: Corpus-Based Approaches to Syntax and Lexis. S.T. Gries and A. Stefanowitsch (Eds.), Berlin/New York: Mouton de Gruyter, 225–260. Pearson J. 1998: Terms in Context, Amsterdam/Philadelphia: John Benjamins Publishing Company. Sinclair J. 1998: The lexical item. – Contrastive Lexical Semantics. E. Weigand (Ed.), Amsterdam: John Benjamins Publishing Company, 1–24. Zeller I. 2005: Automatinis terminų atpažinimas ir apdorojimas. Daktaro disertacija, Kaunas: Vytauto Didžiojo universitetas, Vilnius: Lietuvių kalbos institutas. SOURCES Official Journal of European Union: https://eur-lex.europa.eu/oj/direct-access.html COMPUTER SOFTWARE USED FOR THE ANALYSIS Anthony L. 2014: AntConc (Version 3.4.4w) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp Anthony L. 2017: AntPConc (Version 1.2.0) [Computer Software]. Tokyo, Japan: Waseda University. Available at http://www.antlab.sci.waseda.ac.jp Supernova-soft. NOVA Text Aligner. Available at https://nova-text-aligner.soft112.com/. ANGLŲ, PRANCŪZŲ IR LIETUVIŲ KALBŲ DAUGIAŽODŽIŲ TERMINŲ SU ŽODŽIU RIZIKA ANALIZĖ TEKSTYNŲ LINGVISTIKOS METODAIS Straipsnyje pristatomi deskriptyviosios terminologijos tyrimo principai bei empirinis daugiažodžių terminų su žodžiu rizika tyrimas, kurio tikslas – taikant tekstynų lingvistikos metodus, surinkti terminus iš ES finansų srities dokumentų tekstynų ir atlikti jų formaliosios sandaros analizę. Tyrimo tikslams buvo sukaupti keturi tekstynai: finansų srities dokumentų anglų kalba (802 933 žodžiai), prancūzų kalba (940 655 žodžiai) ir lietuvių kalba (639 279 žodžiai) bei lygiagretusis anglų–prancūzų–lietuvių kalbų tekstynas. Iš tekstynų surinkta 210 terminų, kuriuose žodis rizika eina pagrindiniu dėmeniu: 70 angliškų terminų ir po tiek pat jų atitikmenų prancūzų ir lietuvių kalbomis. Žodžio rizika pasirinkimą lėmė tai, kad šis žodis buvo dažniausias visų trijų kalbų tekstynuose. Terminų atpažinimui ir surinkimui buvo naudojamos dvi kompiuterinės programos – AntConc ir AntPConc. Dirbta tokiais etapais: • dažniausių žodžių, galinčių būti terminų branduoliu, angliškame, prancūziškame ir lietuviškame tekstynuose nustatymas ir vieno iš jų (žodžio rizika) atrinkimas tolesnei analizei; Terminologija | 2018 | 25 105 • žodžio rizika kolokacijų ir daiktavardinių junginių su pagrindiniu dėmeniu rizika ir jo kairiaisiais bei dešiniaisiais kolokatais nustatymas angliškame tekstyne; • daiktavardinių junginių, laikytinų daugiažodžiais terminais, atrinkimas; • atrinktų angliškų terminų prancūziškų ir lietuviškų atitikmenų nustatymas. Pritaikyta metodologija leido rezultatyviai surinkti daugiažodžius terminus iš daugiakalbių tekstynų. Tai duoda pagrindą teigti, kad ji gali būti taikoma terminų kaupimui bei tyrimams. Surinktų terminų formaliosios sandaros analizė atskleidė keletą svarbių terminų darybos tendencijų tiriamose kalbose: • vyraujantis terminų tipas pagal dėmenų skaičių visose trijose tiriamose kalbose yra dvižodžiai terminai; tai rodo, kad ES terminų kūrėjai laikosi kalbos ekonomijos principo ir stengiasi kurti kuo trumpesnius daugiažodžius terminus; • tik keletas angliškų ir prancūziškų terminų turi daugiau kaip 2–3 dėmenis; tuo tarpu lietuviški terminai, susidedantys iš 4 ir daugiau dėmenų, sudaro beveik ketvirtadalį surinktų terminų; • anglų ir lietuvių kalbų terminų darybos modeliuose vyrauja prepozicinė ir postpozicinė modifikacija, o prancūzų kalbos – postpozicinė modifikacija; • daugumos anglų ir lietuvių kalbų terminų priklausomieji dėmenys yra daiktavardžiai ir būdvardžiai, o prancūzų kalboje – prielinksninės konstrukcijos. Formaliosios sandaros analizės rezultatai suteikia informacijos, kuri gali būti naudinga terminų kūrėjams ir vertėjams. Tyrimo metu nustatyti sintaksinių struktūrų modeliai gali būti taikomi, kuriant kompiuterinius lingvistinius metodus automatiniam terminų atpažinimui be iš anksto pasirinktų raktažodžių. Gauta 2018-05-21 Oksana Smirnova Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected] Sigita Rackevičienė Mykolo Romerio universitetas Ateities g. 20, LT-08303 Vilnius E. paštas [email protected] 106 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian