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

Corpusgestuurde analyse van meerwoordige termen met het woord ‘Risico’ in het Engels, Frans en Litouws OKSANA SMIRNOVA Mykolas Romeris University, Lithuania SIGITA RACKEVIČIENĖ Mykolas Romeris University, Lithuania TREFWOORDEN: descriptieve terminologie, corpusgestuurde analyse, financiële termen, termextractie, patronen van termvorming 1. INLEIDING Computert technologieën hebben nieuwe mogelijkheden geopend voor taalkundig onderzoek: digitale corpora en corpusanalysesoftware hebben de toegang vergemakkelijkt tot de diepste taalstructuren en relaties tussen verschillende taaleenheden, en tot het blootleggen van bijzonderheden in het gebruik ervan in verschillende domeinen en gedurende verschillende perioden. Daarom wordt corpusgestuurde analyse van natuurlijke taal tegenwoordig toegepast op een breed scala aan taalkundige gebieden: lexicografie, taalonderwijs, ontwikkeling van automatische vertaling, samenstelling van taalkundige databases, enzovoort. Terminologisch onderzoek is eveneens in hoge mate corpusgestuurd geworden. Digitale corpora stellen terminologen in staat met grote hoeveelheden documenten te werken, specifieke kenmerken van een vaktaal te observeren, informatie te verzamelen over het daadwerkelijke gebruik van termen en hun ontwikkeling, nieuwe termen vast te leggen die intuïtief niet konden worden aangevoeld of voorspeld, en contrastieve analyses uit te voeren van gegevens uit verschillende talen. Corpusanalysesoftware en automatische en semiautomatische hulpmiddelen voor termextractie dragen ook bij aan de terminologiestandaardisatie; zo kan het tellen van de frequentie van synoniemen nuttig distributioneel bewijs opleveren dat statistisch de voorkeur gegeven termen aanwijst (Khurshid, Rogers 1992: 36). Digitale corpora stellen terminologen dus in staat terminografische informatie over termen in bestaande databases te herzien en deze voortdurend bij te werken. 86 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Volgens M. Teresa Cabré, M. Amor Montané en Rogelio Nazar is het doel van de moderne terminologie formele, semantische en functionele beschrijvingen te geven van lexicale eenheden met terminologische waarde, en tevens hun relatie met de overige eenheden van het taalsysteem te verklaren. Het object van terminologisch onderzoek is „de levende terminologie” (terminologie die van nature voorkomt in gespecialiseerde teksten) en het communicatieve aspect van het gebruik van termen, dat het best tot uiting komt in een corpus (Cabré, Montané, Nazar 2012). Doel, object en doelstellingen van het onderzoek. Het doel van het onderzoek is de methodologie van de corpuslinguïstiek toe te passen op de extractie en analyse van de formele structuur van financiële meerwoordtermen met het woord ‘risk’ als hoofdsubstantief in het Engels, Frans en Litouws. Om dit doel te bereiken, werden de volgende doelstellingen vastgesteld: 1) de principes van beschrijvende, corpusgedreven terminologie te analyseren, met inbegrip van methoden voor collocationele en colligationele analyses; 2) corpora samen te stellen van EU-rechtshandelingen op financieel gebied in drie talen (Engels, Frans en Litouws) en de software te selecteren die geschikt is voor corpusgedreven onderzoek; 3) de meest frequente woorden uit de corpora in de onderzochte talen te extraheren en het meest frequente trefwoord (substantief) voor verdere analyse te selecteren; 4) een collocationele analyse uit te voeren van het geselecteerde trefwoord in het Engelse corpus en meerwoordtermen uit het Engelse corpusmateriaal te extraheren waarin het geselecteerde trefwoord de semantische en syntactische kern van de termen vormt; 5) Franse en Litouwse equivalenten van de geselecteerde Engelse termen vast te stellen in het parallelle Engels-Frans-Litouwse corpus; 6) een kwantitatieve analyse van de formele structuur van de geselecteerde meerwoordtermen uit te voeren en vast te stellen welke modificatiepatronen en syntactische structuren van de termen overheersen in de onderzochte talen. Gegevens en reikwijdte van het onderzoek. Voor dit onderzoek werden vier corpora samengesteld van EU-documenten op financieel gebied: drie eentalige corpora (Engels, Frans en Litouws) en één parallel corpus (EN-FR-LT). De omvang van de corpora is als volgt: EN 802 933 woorden, FR 940 655 woorden, LT 639 279 woorden. In totaal, 210 finan- Terminologija | 2018 | 25 87 …ciële termen met het woord ‘risk’ als hoofdsubstantief werden uit de corpora geëxtraheerd: 70 Engelse termen en hun equivalenten in het Frans en het Litouws. De keuze voor het woord ‘risk’ werd bepaald door de corpusgegevens, waaruit bleek dat dit woord het vaakst voorkwam in de geselecteerde EU-documenten. 2. THEORETISCHE UITGANGSPUNTEN VAN HET ONDERZOEK 2.1. Prescriptief en descriptief terminologiebeheer De ontwikkeling van computationele technologieën voor onderzoek naar natuurlijke taal heeft het traditionele duidelijk onderscheiden van het moderne terminologieonderzoek. De houding van terminologen ten opzichte van de opvatting van een term, termbronnen, standaardisering van termen en andere terminologische kwesties is aanzienlijk veranderd. Er worden twee richtingen in terminologisch onderzoek en beheer onderscheiden: prescriptieve terminologie en descriptieve terminologie (Zeller 2005; Bielinskienė et al. 2015). Voorstanders van prescriptieve terminologie richten zich op terminologische standaardisering op basis van terminologische woordenboeken, databases, lijsten met goedgekeurde terminologie en documenten over standaardiseringsprincipes. In de prescriptieve terminologie is de opvatting van een term gebaseerd op de plaats van het erdoor beschreven concept in het conceptuele hiërarchische systeem van het domein en op de relatie ervan met andere concepten (Pearson 1998: 10; Marcinkevičienė 2000: 6). Volgens de principes van de prescriptieve terminologie moet één term worden gebruikt om één concept te beschrijven; een dergelijke wederkerigheid verkleint de kans op ambiguïteit, vergemakkelijkt de communicatie en draagt tegelijk bij aan de ontwikkeling van het conceptuele hiërarchische systeem van een domein. Descriptieve terminologen nemen afstand van de strikte opvattingen over de definitie van termen, de eenduidigheid van termen, de ontwikkeling van een conceptueel hiërarchisch systeem en standaardisering. In de descriptieve terminologie speelt, anders dan in de prescriptieve, de context een essentiële rol bij de analyse van een term, en wordt een term beschouwd als een lexicale eenheid die afhankelijk is van zijn context. Hun doel is niet om volgens bepaalde principes een term te vormen, maar om het gebruik ervan en de verscheidenheid aan vormen in verschillende teksten vast te leggen en de kenmerken ervan te beschrijven, en zo een basis te leggen voor standaardisering (Bielinskienė et al. 2015: 10–11). De ontwikkeling van technologieën heeft geleid tot een enorme stroom informatie in uiteenlopende soorten teksten en tegelijkertijd tot een voortdurend groeiend aantal termen dat daarin wordt gebruikt. In deze voortdurend veranderende werkelijkheid zijn termino- 88 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian logen niet langer in staat de snelle ontwikkeling van de terminologie bij te houden, aangezien termen sneller veranderen dan ze kunnen worden verwerkt. Daarom vereist terminologiebeheer een flexibelere aanpak, gebaseerd op een descriptieve in plaats van een prescriptieve methodologie. De aandacht is verschoven van terminologische standaardisering naar de analyse van terminologie in corpora (Bielinskinė et al. 2015: 11). De descriptieve terminologie heeft geleid tot de ontwikkeling van de Communicatieve terminologietheorie, die de nadruk legt op de levende terminologie die in gespecialiseerde discoursen wordt gebruikt en op het communicatieve aspect van het gebruik van termen (Cabré, Montané, Nazar 2012). Volgens deze theorie is de voornaamste rol van termen het communiceren van vakkennis; daarom worden ze opgevat „als een drievlakkig veelvlak met een cognitieve component (het concept), een linguïstische component (de term) en een communicatieve component (de situatie)” (Cabré, Montané, Nazar 2012: 1). Terminologische studies die op de communicatieve theorie zijn gebaseerd, zijn niet alleen geïnteresseerd in terminologie die in normen is vastgelegd of in officiële databases is opgenomen, maar ook (en vooral) in termen die daadwerkelijk worden gebruikt in teksten voor specifieke doeleinden. De communicatieve theorie „hanteert dus niet alleen een in-vitrobenadering, maar is ook geïnteresseerd in termen in vivo” (Cabré, Montané, Nazar 2012: 1–2). Onderzoek naar levende terminologie laat zien dat de traditionele opvatting van een eenduidige term (een-op-eenovereenstemming tussen een concept en specifieke termen in verschillende talen) in de werkelijke taal niet goed gefundeerd is. Variatie (synonymie, ambiguïteit, perifrasen, redundantie) is kenmerkend voor zowel algemene taaleenheden als terminologie; concepten en termen moeten daarom „in hun dynamische wisselwerking” worden bestudeerd (Cabré, Montané, Nazar 2012: 2–3). De aandacht voor het gebruik van termen heeft corpora tot de belangrijkste werkruimte van de moderne terminologieanalyse gemaakt. Digitale corpora en software voor corpusanalyse hebben de terminologie verrijkt met waardevolle bronnen en instrumenten waarmee terminologen termen uit grote aantallen documenten kunnen extraheren, de nieuwste veranderingen in de terminologie van een specifiek domein kunnen vastleggen, de ontwikkeling ervan kunnen analyseren en conceptuele verbanden tussen termen binnen hetzelfde domein kunnen vaststellen. Corpora maken betrouwbare, statistisch onderbouwde informatie over het gebruik van termen in natuurlijke taal toegankelijk, informatie die voorheen geheel onbeschikbaar was. Daarom is de corpusgestuurde methodologie de overheersende methodologie geworden, die een onmisbaar instrumentarium biedt voor terminologisch onderzoek en beheer (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015). Terminologija | 2018 | 25 89 2.2. Principes van corpusgestuurde analyse: collocationele en colligationele methoden Corpusgestuurde terminologie-extractie en -analyse worden uitgevoerd met statistische en taalkundige methoden. In dit onderzoek worden collocationele en colligationele methoden toegepast. Collocaties verwijzen naar syntagmatische aantrekkingskracht tussen lexicale eenheden. Volgens Tomas Lehecka (2015) «is het concept van collocatie gebaseerd op de gedachte dat elk woord in een taal bepaalde lexicale contexten verkiest boven andere, dat wil zeggen dat een gegeven woord vaker samen voorkomt met bepaalde woorden dan met andere» (Lehecka 2015: 2). Statistische analyse van corpusgegevens wordt gebruikt om de mate van aantrekkingskracht tussen woorden te meten; de resultaten ervan maken het mogelijk vast te stellen welke woordcombinaties significant vaker samen voorkomen dan op grond van de totale frequentie van de woorden in het corpus bij toeval zou worden verwacht (Lehecka 2015: 2). Zo worden de meest significante collocaties van de gekozen woorden in het geanalyseerde corpus vastgesteld. Deze methode wordt voornamelijk gebruikt voor contextuele semantische analyse van lexicale eenheden, omdat zij het mogelijk maakt de volledige verscheidenheid aan woorden die samen voorkomen met de onderzochte woorden te observeren, de overheersende patronen van gezamenlijk voorkomen vast te stellen en zo hun betekenissen te beschrijven op basis van hun contextuele omgeving (Atkins, Rundell, Sato 2003: 340–341). Collocationele analyse is een onmisbaar instrument geworden voor lexicografen en wordt ook veelvuldig toegepast in de computationele taalkunde, onder meer voor machinevertaling en natuurlijke-taalverwerking (Lehecka 2015). De collocationele methode wordt vaak gecombineerd met de colligationele methode. Het begrip colligatie verwijst naar de aantrekkingskracht tussen een lexicale eenheid en een grammaticaal patroon en is gebaseerd op de gedachte dat woorden bij voorkeur in bepaalde grammaticale patronen worden gebruikt en andere grammaticale patronen vermijden (Sinclair 1998; Lehecka 2015). Colligationele analyse kan worden uitgebreid tot de relatie tussen de lexicale eenheid en de positie in een woordgroep, bijzin, zin, tekst of discours waarin de lexicale eenheid kan worden gebruikt (Hoey 2005: 49–52). Colligationele analyse is veelvuldig gecombineerd met collocationele analyse om de betekenissen van bijna-synoniemen te bestuderen, aangezien corpuslinguïstisch onderzoek heeft aangetoond dat deze vaak in verschillende lexicale en grammaticale contexten worden gebruikt (Lehecka 2015). Onderzoek in de corpuslinguïstiek 90 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian heeft aangetoond dat zelfs verschillende betekenissen van polyseme woorden verschillende collocationele en colligationele patronen kunnen vertonen (Aston, Burnard 1998). Collocationele en colligationele analyses hebben dan ook aangetoond dat semantiek en grammatica niet als onafhankelijk moeten worden beschouwd, maar veeleer als nauw met elkaar verweven systemen (Lehecka 2015). Ook het pragmatische aspect moet bij de analyses in aanmerking worden genomen, aangezien de collocationele en colligationele voorkeuren van een lexicale eenheid aanzienlijk verschillen tussen verschillende domeinen en tekstsoorten (Butler 2004: 157; Newman, Rice 2006). 2.3. Toepassing van de collocationeel-colligationele methode bij terminologie-extractie en -analyse De collocationeel-colligationele methode kan ook worden gebruikt voor de extractie van meerwoordtermen; zij is bijzonder geschikt voor de extractie van terminologie waarin vooraf gekozen trefwoorden zijn opgenomen – woorden die mogelijk terminologisch relevant zijn en kenmerkend zijn voor het domein waartoe het corpus behoort. Deze methodologie is gebaseerd op de aanname dat complexe termen zijn opgebouwd uit bestaande eenvoudige termen (Nakagawa 2001). Corpusanalysetools halen woorden op die samen voorkomen met de vooraf gekozen trefwoorden en maken het mogelijk de dominante collocaties vast te stellen. Een deel van deze collocaties bestaat uit nominale woordgroepen, die met behulp van taalkundige methoden uit de collocatielijsten moeten worden geselecteerd. De geselecteerde nominale woordgroepen worden gebruikt voor verdere analyse van de corpusgegevens en voor de extractie van meerwoordtermen die bestaan uit de geselecteerde nominale woordgroepen en mogelijk aanvullende collocaten. In het onderhavige onderzoek worden de geëxtraheerde termen verder geanalyseerd aan de hand van de principes van colligationele analyse, met als doel formele structuurmodellen van terminologie in de onderzochte talen bloot te leggen en bij te dragen aan contrastief meertalig onderzoek naar patronen in de termvorming (vgl. Janulevičienė, Rackevičienė 2014; Mockienė 2016). 3. SAMENSTELLING VAN CORPORA EN SELECTIE VAN DE ANALYSESOFTWARE Volgens M. Teresa Cabré, M. Amor Montané en Rogelio Nazar heeft het samenstellen van een corpus met documenten uit een specifiek domein drie doelen. Ten eerste moeten terminologen vertrouwd raken met het taalgebruik in het domein; ten tweede is een corpus nodig om terminologie te extraheren en statistische analyses van de termen uit te voeren; en Terminologija | 2018 | 25 91 ten slotte worden teksten gebruikt om aanvullende informatie over de termen te verkrijgen, zoals semantische, syntactische of collocationele aanwijzingen (Cabré, Montané, Nazar 2012: 3–4). Het samengestelde corpus moet voldoende groot en van voldoende kwaliteit zijn om representatief te kunnen worden geacht voor het gekozen domein. Er zijn geen precieze vereisten voor de omvang van een corpus; het moet echter zo veel mogelijk documenten bevatten, omdat conclusies over het terminologiegebruik in het domein betrouwbaarder zijn naarmate het corpus groter is (Cabré, Montané, Nazar 2012: 4). Rekening houdend met al deze aspecten zijn corpora samengesteld van EU-rechtshandelingen in het Engels, Frans en Litouws. De rechtshandelingen zijn gedownload van het Publicatieblad van de Europese Unie, een vrij toegankelijke onlinebron. Er zijn 101 rechtshandelingen verzameld die betrekking hebben op financiële aangelegenheden van de EU en in de periode 2014–2017 zijn vastgesteld. De documenten zijn omgezet in platte tekst en uitgelijnd om termen te extraheren en te analyseren. Voor het samenstellen en uitlijnen van de teksten en het extraheren van de benodigde gegevens zijn drie programma's gebruikt: AntConc (2014), AntPConc (2017), ontwikkeld en gecertificeerd door Laurence Anthony, en NOVA Text Aligner (2014). AntConc is gratis multiplatformsoftware voor corpuslinguïstisch onderzoek en datagestuurd leren, terwijl AntPConc is bedoeld voor het samenstellen van een parallel corpus in meerdere talen. Beide programma's stellen onderzoekers in staat grote hoeveelheden gegevens te verwerken en een uitgebreide meertalige taalkundige analyse uit te voeren. De volgende hulpmiddelen zijn beschikbaar voor gebruikers van het programma AntConc: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. In dit onderzoek zijn vier hulpmiddelen van AntConc toegepast: • Wordlist maakte het mogelijk de meest frequente woorden in de corpora vast te stellen; • Collocates maakte het mogelijk de dominante collocaten van het woord ‘risk’ vast te stellen en de mate van hun syntagmatische aantrekkingskracht tot het woord ‘risk’ te meten; • Clusters maakte het mogelijk de meest dominante meerwoordtermen te identificeren waarin het woord ‘risk’ als hoofdzelfstandig naamwoord fungeert; • Concordances leverde een breed scala aan voorbeelden op die het gebruik van de termen in de teksten illustreren. Een schermafbeelding van het AntConc-programma is weergegeven in figuur 1. 92 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Figuur 1. AntConc-programma Voordat een parallel corpus werd samengesteld, werden de gedownloade teksten in drie talen handmatig uitgelijnd met behulp van het programma NOVA Text Aligner. Na het uitlijnen van de teksten werd met het programma AntPConc een parallel corpus opgebouwd (zie figuur 2). Figuur 2. AntPConc-programma Terminologija | 2018 | 25 93 Met het programma AntPConc konden voorbeelden uit drie talen tegelijkertijd worden weergegeven: men kon op een gekozen zin klikken om de equivalenten in andere talen te zien. Het programma maakte het ook mogelijk de trefwoorden en hun linker- of rechtercollocaties met verschillende kleuren te onderscheiden. Het was echter niet mogelijk het document te zien waaruit het voorbeeld was gehaald. Met behulp van het parallelle corpus werden de Franse en Litouwse equivalenten van 70 Engelse termen geëxtraheerd. 4. CORPUSANALYSE EN TERMONTTREKKING MET BEHULP VAN DE PROGRAMMA’S AntConc EN AntPConc 4.1. Vaststelling van de meest frequente woorden in de corpora Om de meest frequente woorden in het corpus van financiële documenten vast te stellen, werd de functie Word list van het programma AntConc gebruikt. Deze leverde frequentiegegevens op voor de woorden in de Engelse, Franse en Litouwse corpora, waardoor de woordfrequenties in de onderzochte talen konden worden vergeleken en een drietalige lijst met de TOP 10 meest frequente woorden kon worden opgesteld (zie tabel 1). Word list gaf ook informatie over het aantal woordtokens en woordtypen in de corpora en bood toegang tot de context waarin de termen werden gebruikt (zie tabel 1). Tabel 1. TOP 10 meest frequente woorden in de corpora EN (corpus 802 933 woordtokens, 9333 woordtypen) | FR (corpus 940 655 woordtokens, 12365 woordtypen) | LT (corpus 639 279, 24727 woordtypen) 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 woordtokens, 9333 woordtypes) FR (corpus: 940 655 woordtokens, 12365 woordtypes) LT (corpus: 639 279, 24727 woordtypes) 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) Uit de bevindingen van deze analyse blijkt dat de meest frequente woorden in de corpora van alle drie de onderzochte talen ‘risk’ en ‘credit’ zijn, terwijl het woord ‘market’ op de derde plaats in de frequentielijsten staat. Alle drie de woorden, en met name de woorden ‘risk’ en ‘credit’, komen in financiële documenten vaak samen voor. Dit kan worden verklaard door de nauwe semantische relatie tussen de woorden: het spreekt vanzelf dat elke geldtransactie gevaar met zich meebrengt; met andere woorden, ‘credit’ genereert ‘risk’. De gebruikelijkste grammaticale vorm van de woorden is het enkelvoud, hoewel in de onderzochte talen ook het meervoud wordt gebruikt. In het Litouws, een synthetische taal met een rijk verbuigingssysteem, worden de woorden in verschillende naamvallen gebruikt, waarvan de genitief enkelvoud de meest voorkomende is. De bevindingen van de analyse maken het mogelijk te stellen dat de woorden ‘risk’, ‘credit’ en ‘market’ moeten worden beschouwd als lexicale eenheden die de fundamentele concepten van het financiële domein aanduiden. Het woord ‘risk’, dat het meest frequent voorkomt in de corpora, is gekozen voor verdere termextractie en analyse. Aangezien het onderzoek betrekking heeft op Engelse meerwoordtermen met het geselecteerde trefwoord (het woord ‘risk’) en hun equivalenten in het Frans en het Litouws, werd de verdere termextractie in de volgende fasen georganiseerd: vaststelling van de dominante Engelse collocaties van het woord ‘risk’; extractie van de nominale woordgroepen met het woord ‘risk’ als hoofdsubstantief; Terminologija | 2018 | 25 95 selectie van de woordgroepen met terminologische waarde en vaststelling van hun Franse en Litouwse equivalenten. 4.2. Vaststelling van de collocaten van het woord ‘risk’ in het Engelse corpus In de tweede fase van de termextractie werden de dominante collocaties van het woord ‘risk’ in het Engelse corpus vastgesteld. Dit doel werd nagestreefd met behulp van de AntConc-tool Collocates. Deze tool leverde de linker- en rechtercollocaten van het gekozen trefwoord op en maakte analyse mogelijk van niet-sequentiële patronen in de talen. De tool leverde de totale frequenties van collocaten, evenals hun frequenties links en rechts van het woord ‘risk’. Ook werden de waarden van statistische maten (mutual-informationwaarden (MI)) verstrekt, die de mate van syntagmatische aantrekkingskracht tussen het trefwoord en zijn collocaten lieten zien. De resultaten van de collocationele analyse worden weergegeven in tabel 2, met volledige gegevens over de collocaten met de hoogste MI-waarden (top 10). Tabel 2. TOP 10 collocaten van het woord ‘risk’ in het Engelse corpus Totale frequentie | Freq. (L) | Freq. (R) | MI-score 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 De bevindingen tonen de nauwste lexicale context van het woord ‘risk’ in het Engels en maken het mogelijk de dominante kern van twee woorden te voorzien van meerwoordtermen met het woord ‘risk’ in het onderzochte corpus. 96 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 4.3. Extractie van zelfstandignaamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord in het Engelse corpus Verdere corpusanalyse en termextractie waren gericht op collocaties met een bepaalde formele structuur: zelfstandignaamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord. Deze werden uit het Engelse corpus geëxtraheerd met behulp van de tools Clusters en Concordance. Met de tool Clusters konden clusters (woordcombinaties) met het woord ‘risk’ en de linker- en rechtercollocaten ervan worden opgezocht. Hiermee konden de minimale en maximale lengte (het aantal woorden) van de clusters en de minimale frequentie van de weergegeven clusters worden ingesteld. De geordende clusters konden worden weergegeven op basis van hun frequentie of van het aantal bestanden in het corpus waarin ze voorkwamen. Voor de extractie van zelfstandignaamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord werden de volgende parameters ingesteld: clustergrootte van 2 tot 5, sortering op frequentie. Ook moest de positie van het trefwoord worden gekozen: eerst werden clusters met het trefwoord rechts geordend en vervolgens clusters met het trefwoord links. Bij de parameter ‘trefwoord rechts zoeken’ gaf de tool 4814 clustertokens en 181 clustertypen weer; bij de parameter ‘trefwoord links zoeken’ waren dit 4284 clustertokens en 137 clustertypen. Uit de weergegeven clusterlijsten werden handmatig zelfstandignaamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord geëxtraheerd. De ruimere context ervan werd geanalyseerd met de tool Concordance, waarmee de grenzen van de zelfstandignaamwoordgroepen en de groepen met zowel linker- als rechtercollocaten van het woord ‘risk’ konden worden vastgesteld. Tabel 3 toont de meest frequente zelfstandignaamwoordgroepen. Tabel 3. TOP 20 zelfstandignaamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord Zelfstandignaamwoordgroepen (‘risk’ rechts) Freq. Zelfstandignaamwoordgroepen (‘risk’ links) Freq. 1. kredietrisico 471 1. risico van buitensporige hefboomfinanciering 18 2. systeemrisico 113 2. risico van een schuldinstrument 12 3. operationeel risico 102 3. risico op verlies 12 4. liquiditeitsrisico 97 4. risico van capaciteitsachterhouding 10 Terminologija | 2018 | 25 97 Zelfstandige naamwoordgroepen (‘risk’ rechts) | Frequentie | Zelfstandige naamwoordgroepen (‘risk’ links) | Frequentie 5. specifiek risico | 86 | 5. risico voor derden | 8 6. marktrisico | 76 | 6. risico van de aangekochte vordering | 7 7. tegenpartij-kredietrisico | 41 | 7. risico van een prijsverandering | 7 8. verwateringsrisico | 33 | 8. risico van verstoring | 6 9. renterisico | 32 | 9. risico voor de financiële stabiliteit | 2 10. bedrijfsrisico | 26 | 10. risico van een kredietnemer | 2 De resultaten tonen aan dat zelfstandige naamwoordgroepen met het woord ‘risk’ op de meest rechtse positie veel frequenter zijn dan zelfstandige naamwoordgroepen met het woord ‘risk’ op de meest linkse positie. In het corpus werden slechts enkele voorbeelden gevonden van zelfstandige naamwoordgroepen met zowel linker- als rechtercollocaten van het woord ‘risk’: kredietrisico van teruggekochte transacties, kredietrisico van een securitisatiepositie, kredietrisico voor derden. Voor het verdere onderzoek werd een lijst opgesteld van de TOP 70 Engelse zelfstandige naamwoordgroepen met het woord ‘risk’ als kernzelfstandig naamwoord. Alleen zelfstandige naamwoordgroepen met terminologische waarde (die abstracte begrippen uit het financiële domein aanduiden) werden in de lijst opgenomen. In de verdere analyse worden ze meerwoordtermen genoemd. 4.4. Vaststelling van Franse en Litouwse equivalenten van de geselecteerde Engelse termen In de laatste fase van de termextractie werden de Franse en Litouwse equivalenten van de geselecteerde Engelse termen vastgesteld. Hiervoor werd de software AntPConc gebruikt, die is ontwikkeld voor de analyse van parallelle corpora. De corpora van de drie onderzochte talen werden in het programma geladen. Wanneer de geselecteerde Engelse termen in het Engelse corpus werden opgezocht, toonde het programma de parallelle tekstsegmenten in het Frans en het Litouws en maakte het zo mogelijk om de benodigde equivalenten handmatig te selecteren. In totaal werden 70 Franse en 70 Litouwse equivalenten van de geselecteerde Engelse termen vastgesteld. Tabel 4 toont de TOP 10 Engelse termen en hun Franse en Litouwse equivalenten. De bevindingen van deze analyse brachten de formele verschillen tussen de termen in de onderzochte talen aan het licht; deze worden hieronder onderzocht en besproken. 98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Tabel 4. TOP 10 Engelse termen en hun equivalenten in het Frans en het Litouws EN FR LT kredietrisico risque de crédit kredito rizika systeemrisico risque systémique sisteminė rizika operationeel risico risque opérationnel operacinė rizika liquiditeitsrisico risque de liquidité likvidumo rizika specifiek risico risque spécifique specifinė rizika marktrisico risque de marché rinkos rizika kredietrisico van de tegenpartij risque de crédit de contrepartie sandorio šalies kredito rizika verwateringsrisico risque de dilution gautinų sumų rizika renterisico risque de taux d’intérêt palūkanų normos rizika bedrijfsrisico risque économique verslo rizika 5. ANALYSE VAN DE FORMELE STRUCTUUR VAN DE GEËXTRAHEERDE TERMEN De geëxtraheerde termen werden verder geanalyseerd aan de hand van principes van colligationele analyse, met als doel formele structuurmodellen van terminologie in verschillende talen bloot te leggen. De constituenten van de termen behoren tot twee hoofdcategorieën: het hoofdsubstantief ‘risico’ en de bepalingen ervan. Op basis van de positie van de bepalingen werden twee modificatiepatronen vastgesteld: prenominale modificatie (waarbij bepalingen vóór het hoofdsubstantief staan) en postnominale modificatie (waarbij bepalingen na het hoofdsubstantief staan). In de TOP 70-lijst van termen die voor de statistische analyse waren geselecteerd, waren geen termen opgenomen met zowel prenominale als postnominale bepalingen. De analyse richtte zich op de volgende aspecten van de termvorming: het aantal constituenten van de termen, de modificatiepatronen en de syntactische structuren (de positie en woordsoorten van de bepalingen) van de termen. Tabellen 5 en 6 geven de samengevatte bevindingen van de analyse weer. De bevindingen in de tabellen laten zien dat de termen in de onderzochte talen verschillende modificatiepatronen hebben. De kwantitatieve Terminologija | 2018 | 25 99 modificatieanalyse werd uitgevoerd om de dominante modificatiepatronen in de onderzochte talen vast te stellen; de resultaten ervan worden weergegeven in Diagram 1. Tabel 5. Syntactische structuren van de patronen van prenominale modificatie van de termen Syntactische structuren EN FR LT N + ‘risico’ 19 termen, bijvoorbeeld: kredietrisico, concentratierisico, liquiditeitsrisico, bedrijfsrisico. – 18 termen, bijvoorbeeld: skolininiko rizika, sandorių rizika, saugojimo rizika. A + ‘risico’ 18 termen, bijvoorbeeld: ondernemingsrisico, intern risico, potentieel risico. – 17 termen, bijvoorbeeld: sisteminė rizika, operacinė rizika, investicinė rizika N + N + ‘risico’ 3 termen: krediet- en liquiditeitsrisico, renterisico, tegenpartijkredietrisico – 9 termen, bijvoorbeeld: dagkredietrisico, renterisico, risico van de tegenpartij A + N + ‘risico’ 12 termen, bijvoorbeeld: aanzienlijk kredietrisico, specifiek kredietrisico, valutarisico. – 9 termen, bijvoorbeeld: klein kredietrisico, specifiek kredietrisico, risico van vorderingen A/Num + N + + N + ‘risico’ 1 term: minimaal krediet- en marktrisico – 12 termen, bijvoorbeeld: minimaal krediet- en marktrisico, overnightliquiditeitsrisico, overnightkredietrisico A + A + N + + ‘risico’ 4 termen, bijvoorbeeld: specifiek en algemeen kredietrisico, intraday- en overnightkredietrisico, intraday- en overnightliquiditeitsrisico – 5 termen, bijvoorbeeld: risico van specifieke onjuiste beslissingen, risico van verworven vorderingen, algemeen en specifiek kredietrisico 100 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Tabel 6. Syntactische structuren van de patronen vanpostnominale modificatie van de termen Syntactische structuren EN FR LT ‘risico’ + PP 13 termen, bijvoorbeeld: risico voor de instelling, risico voor het financiële stelsel, risico op verlies 22 termen, bijvoorbeeld: kredietrisico, concentratierisico, modelrisico – ‘risico’ + A – 20 termen, bijvoorbeeld: intradayrisico, intern risico, specifiek risico – ‘risico’ + A + PP – 4 termen, bijvoorbeeld: specifiek correlatierisico, significant correlatierisico, algemeen correlatierisico – ‘risico’ + PP + A – 15 termen, bijvoorbeeld: specifiek kredietrisico, dagelijks kredietrisico, grondstoffenrisico – ‘risico’ + PP + A + + PP – 9 termen, bijvoorbeeld: intradaykredietrisico op 24 uur, intradayliquiditeitsrisico op 24 uur – Diagram 1. Modificatiepatronen van de termen Terminologija | 2018 | 25 1 0 1 De resultaten laten zien dat prenominale modificatie dominant is in het Engels en het Litouws, terwijl postnominale modificatie kenmerkend is voor het Frans. In het Frans werden geen termen met een prenominaal modificatiepatroon gevonden, en in het Litouws werden geen termen met postnominale modificatiepatronen aangetroffen. Alleen Engelse termen vertoonden beide typen, hoewel het aantal termen met postnominale modifiers vrij laag is. Alle onderzochte termen bevatten één of meerdere modifiers, namelijk zelfstandige naamwoorden, bijvoeglijke naamwoorden of voorzetselconstituenten, die verschillende posities innemen binnen de terminologische eenheden. Uit de analyseresultaten blijkt dat zelfstandige naamwoorden en bijvoeglijke naamwoorden de dominante modifiers zijn in de Engelse en Litouwse termen, terwijl in de Franse termen het woord ‘risk’ meestal wordt gemodificeerd door voorzetselconstituenten. De termen met 3 of meer woorden kunnen verder worden ingedeeld op basis van hun modificatieniveaus (termen met modifiers die het hoofdzelfstandig naamwoord modificeren en termen met modifiers die andere modifiers modificeren), maar vanwege de beperkte ruimte wordt deze analyse niet in dit artikel gepresenteerd. De bevindingen die in de tabellen zijn samengevat, laten ook zien dat de termen verschillen in het aantal constituenten. De kwantitatieve analyse van de terminlengte werd uitgevoerd om het dominante aantal terminconstituenten in de onderzochte talen vast te stellen; de resultaten ervan worden weergegeven in Diagram 2. Het diagram laat twee belangrijke tendensen zien. Ten eerste houden de terminologen van de EU zich aan het belangrijkste vereiste van taaleconomie (beknoptheid van termen): in alle drie de talen overheersen termen van twee woorden. Ten tweede hebben slechts enkele Engelse en Franse termen meer dan 2–3 woorden, terwijl in Diagram 2. Aantal terminconstituenten 102 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Litouwse termen met 4 of meer woorden vormen een aanzienlijk deel van de geselecteerde gegevens (17 van de 70). De tendens dat termen van twee woorden overheersen, komt overeen met tendensen die door andere terminologieonderzoekers zijn vastgesteld. Het onderzoek van Agnė Bielinskienė et al. naar de automatische extractie en definiëring van terminologie op het gebied van onderwijs en wetenschap wees uit dat de meeste Litouwse termen in dit domein uit twee woorden bestaan: zij vormden meer dan twee derde van de termen die waren geselecteerd uit de automatisch uit een gespecialiseerd corpus geëxtraheerde terminologische kandidaten (Bielinskienė et al. 2015: 62). Het contrastieve onderzoek van Liudmila Mockienė naar constitutioneelrechtelijke terminologie bracht dezelfde tendens in drie verschillende talen aan het licht. In de onderzochte Engelse, Russische en Litouwse rechtshandelingen van constitutionele aard bestond de meerderheid van de geëxtraheerde meerwoordige termen uit twee constituenten: zij vormden 78.5% van de Engelse meerwoordige termen, 62% van de Russische meerwoordige termen en 74.5% van de Litouwse meerwoordige termen (Mockienė 2016: 43–45). Ontwikkelaars van termen in verschillende domeinen en talen blijken dus hetzelfde principe van taaleconomie en gebruiksvriendelijkheid te volgen. 6. C O N C L U S I E S De software AntCont, gebruikt voor de analyse van eentalige corpora, en AntPConc, gebruikt voor de analyse van parallelle corpora, maakte het mogelijk om uit de voor dit onderzoek samengestelde gespecialiseerde corpora van EU-documenten op financieel gebied Engelse, Franse en Litouwse meerwoordige termen te extraheren waarin het woord ‘risk’ als hoofdzelfstandig naamwoord voorkomt. De extractie werd in de volgende fasen uitgevoerd: • het extraheren van de trefwoorden uit de Engelse, Franse en Litouwse corpora (woorden die mogelijk terminologisch relevant zijn en kenmerkend zijn voor het domein dat de corpora vertegenwoordigen) en het kiezen van het meest frequente trefwoord (het woord ‘risk’) voor verdere analyse; • het extraheren van collocaties van het woord ‘risk’ en naamwoordgroepen met het woord ‘risk’ als hoofdzelfstandig naamwoord, met linker- en/of rechtercollocaten, uit het Engelse corpus; • het selecteren van lexicale eenheden met terminologische waarde uit de lijst van geëxtraheerde naamwoordgroepen; • het vaststellen van Franse en Litouwse equivalenten van de geselecteerde Engelse termen in het parallelle Engels-Frans-Litouwse corpus. Terminologija | 2018 | 25 1 0 3 De toegepaste methodologie bleek geschikt voor de effectieve meertalige extractie van terminologie, die kan worden gebruikt voor het ontwikkelen en actualiseren van termbases of voor wetenschappelijke analyse van termen. De analyse van de formele structuur van de geëxtraheerde termen bracht enkele belangrijke tendensen in de termvorming in de onderzochte talen aan het licht: • premodificatie is dominant in het Engels en het Litouws, terwijl postmodificatie kenmerkend is voor het Frans; • de dominante bepalingen in Engelse en Litouwse termen zijn zelfstandige naamwoorden en bijvoeglijke naamwoorden, terwijl het woord ‘risk’ in Franse termen meestal wordt bepaald door voorzetselgroepen; • het meest voorkomende type term naar het aantal bestanddelen is de tweewoordige term: deze vormt het grootste deel van de termen in de TOP 70-lijsten in het Engels, Frans en Litouws; dit toont aan dat de EU-termontwikkelaars het belangrijkste vereiste van taaleconomie (beknoptheid van termen) in acht nemen; • slechts enkele Engelse en Franse termen bevatten meer dan 2–3 woorden, terwijl termen met 4 of meer woorden in de Litouwse TOP 70-lijst een aanzienlijk deel van de geselecteerde gegevens vormen (17 van de 70). De bevindingen van de analyse van de formele structuur brengen tendensen in de termvorming in de onderzochte talen aan het licht en leveren terminologische informatie op die nuttig kan zijn voor termontwikkelaars en vertalers. De in het onderzoek vastgestelde syntactische patronen kunnen worden gebruikt voor de ontwikkeling van automatische taalkundige methoden voor termextractie zonder vooraf gekozen trefwoorden. 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