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

Корпусно-орієнтований аналіз багатослівних термінів зі словом «Risk» в англійській, французькій та литовській мовах OKSANA SMIRNOVA Mykolas Romeris University, Lithuania SIGITA RACKEVIČIENĖ Mykolas Romeris University, Lithuania КЛЮЧОВІ СЛОВА: дескриптивна термінологія, корпусно-орієнтований аналіз, фінансові терміни, вилучення термінів, моделі творення термінів 1. ВСТУП Обчислювальні технології відкрили нові можливості для лінгвістичних досліджень: цифрові корпуси та програмне забезпечення для корпусного аналізу полегшили доступ до найглибших структур мови й відношень між різними мовними одиницями, а також дали змогу виявляти особливості їхнього вживання в різних галузях і в різні періоди часу. Тому нині корпусно-орієнтований аналіз природної мови застосовується в широкому колі лінгвістичних напрямів: лексикографії, викладанні мов, розробленні машинного перекладу, укладанні лінгвістичних баз даних тощо. Дослідження термінології також значною мірою стало корпусно-орієнтованим. Цифрові корпуси дають змогу термінологам працювати з великою кількістю документів, спостерігати за особливостями спеціалізованої мови, збирати інформацію про реальне вживання термінів та їхню еволюцію, фіксувати нові терміни, які неможливо інтуїтивно відчути чи передбачити, а також проводити зіставний аналіз даних кількох мов. Програмне забезпечення для корпусного аналізу та засоби автоматичного й напівавтоматичного вилучення термінів також сприяють стандартизації термінології; наприклад, підрахунок частотності синонімів може надати корисні дистрибутивні дані, що вказують на статистично переважні терміни (Khurshid, Rogers 1992: 36). Таким чином, цифрові корпуси дають змогу термінологам переглядати термінографічні відомості про терміни в наявних базах даних і постійно їх оновлювати. 86 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian За словами М. Терези Кабре, М. Амор Монтане та Рохеліо Назара, мета сучасної термінології полягає у створенні формальних, семантичних і функціональних описів лексичних одиниць, що мають термінологічну цінність, а також у поясненні їхнього зв’язку з рештою одиниць мовної системи. Об’єктом термінологічних досліджень є «жива термінологія» (термінологія, яка природно функціонує у фахових текстах), а також комунікативний аспект використання термінів, найкраще представлений у корпусі (Cabré, Montané, Nazar 2012). Мета, об’єкт і завдання дослідження. Мета дослідження — застосувати методологію корпусної лінгвістики для вилучення та аналізу формальної структури фінансових багатослівних термінів, до складу яких входить слово «risk» як головний іменник в англійській, французькій і литовській мовах. Для досягнення цієї мети було визначено такі завдання: 1) проаналізувати принципи дескриптивної корпусно-орієнтованої термінології, зокрема методи колокаційно-колігаційного аналізу; 2) укласти корпуси правових актів ЄС у фінансовій сфері трьома мовами (англійською, французькою та литовською) і вибрати програмне забезпечення, придатне для корпусно-орієнтованого дослідження; 3) вилучити з корпусів найчастотніші слова досліджуваними мовами та вибрати найчастотніше ключове слово (іменник) для подальшого аналізу; 4) провести колокаційний аналіз вибраного ключового слова в англійському корпусі та на матеріалі цього корпусу вилучити багатослівні терміни, до складу яких входить вибране ключове слово як семантична й синтаксична вершина термінів; 5) встановити французькі та литовські відповідники вибраних англійських термінів у паралельному англійсько-французько-литовському корпусі; 6) провести кількісний аналіз формальної структури вибраних багатослівних термінів і визначити, які моделі модифікації та синтаксичні структури термінів переважають у досліджуваних мовах. Дані та обсяг дослідження. Для цілей дослідження було укладено чотири корпуси документів ЄС у фінансовій сфері: три одномовні корпуси (англійський, французький і литовський) та один паралельний корпус (EN-FR-LT). Обсяги корпусів такі: EN — 802 933 слова, FR — 940 655 слів, LT — 639 279 слів. Загалом 210 фінан- Terminologija | 2018 | 25 87 Спеціальні терміни, що містять слово ‘risk’ у ролі головного іменника, було вилучено з корпусів: 70 англійських термінів та їхні відповідники французькою й литовською мовами. Вибір слова ‘risk’ визначили корпусні дані, які засвідчили, що це слово було найчастотнішим у вибраних документах ЄС. 2. ТЕОРЕТИЧНІ ЗАСАДИ ДОСЛІДЖЕННЯ 2.1. Прескриптивне та дескриптивне управління термінологією Розвиток комп’ютерних технологій для дослідження природної мови чітко розмежував традиційну й сучасну термінологію. Ставлення термінологів до поняття терміна, джерел термінів, стандартизації термінів та інших термінологічних питань значно змінилося. Виокремлюють два напрями дослідження й управління термінологією: прескриптивна термінологія та дескриптивна термінологія (Zeller 2005; Bielinskienė et al. 2015). Прихильники прескриптивної термінології зосереджуються на стандартизації термінології на основі термінологічних словників, баз даних, переліків затвердженої термінології та документів із принципами стандартизації. У прескриптивній термінології поняття терміна ґрунтується на місці позначеного ним поняття в ієрархічній поняттєвій системі галузі та його зв’язках з іншими поняттями (Pearson 1998: 10; Marcinkevičienė 2000: 6). Згідно з принципами прескриптивної термінології, одне поняття слід позначати одним терміном, оскільки така взаємно однозначна відповідність зменшує ймовірність неоднозначності, полегшує спілкування і водночас сприяє розвитку ієрархічної поняттєвої системи галузі. Дескриптивні термінологи відходять від суворого підходу до поняття терміна, однозначності термінів, розбудови ієрархічної поняттєвої системи та стандартизації. У дескриптивній термінології, на відміну від прескриптивної, контекст відіграє вирішальну роль в аналізі терміна, а термін розглядається як лексична одиниця, залежна від свого контексту. Їхня мета — не утворювати термін відповідно до певних принципів, а фіксувати його вживання, різноманітність форм у різних текстах і описувати його особливості, створюючи таким чином основу для стандартизації (Bielinskienė et al. 2015: 10–11). Розвиток технологій спричинив появу величезного потоку інформації, представленої в різних типах текстів, і водночас — постійне зростання кількості вживаних у них термінів. У цій мінливій дійсності термі- 88 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian нологи вже не здатні контролювати стрімкий розвиток термінології, оскільки терміни змінюються швидше, ніж їх опрацьовують. Тому управління термінологією потребує гнучкішого підходу, заснованого радше на методології опису, ніж на приписуванні норм. У центрі уваги опинився не стандартизаційний підхід до термінології, а аналіз термінології в корпусах (Bielinskinė et al. 2015: 11). Дескриптивна термінологія сприяла розвитку Комунікативної теорії термінології, яка зосереджується на живій термінології, що вживається у фахових дискурсах, і наголошує на комунікативному аспекті використання термінів (Cabré, Montané, Nazar 2012). Згідно з цією теорією, головна роль термінів полягає в передаванні фахових знань; отже, їх розуміють «як тригранний багатогранник, що має когнітивний компонент (поняття), лінгвістичний компонент (термін) і комунікативний компонент (ситуація)» (Cabré, Montané, Nazar 2012: 1). Термінологічні дослідження, засновані на комунікативній теорії, цікавляться не лише термінологією, закріпленою стандартами або зафіксованою в офіційних базах даних, а й (особливо) термінами, які фактично вживаються у фахових текстах. Отже, комунікативна теорія «не лише застосовує підхід in vitro, а й досліджує терміни in vivo» (Cabré, Montané, Nazar 2012: 1–2). Дослідження живої термінології показує, що традиційне уявлення про однозначність терміна (відповідність один до одного між поняттям і конкретними термінами в різних мовах) не підтверджується реальним мовним узусом. Варіативність (синонімія, неоднозначність, перифрази, надлишковість) властива не лише одиницям загальної мови, а й термінології; отже, поняття й терміни слід досліджувати «у їхній динамічній взаємодії» (Cabré, Montané, Nazar 2012: 2–3). Зосередження уваги на вживанні термінів перетворило корпуси на головний робочий простір сучасного термінологічного аналізу. Цифрові корпуси та програмне забезпечення для корпусного аналізу збагатили термінологію ресурсами й інструментами, які дають змогу термінологам вилучати терміни з великої кількості документів, фіксувати найновіші зміни в термінології певної галузі, аналізувати її еволюцію, а також встановлювати поняттєві зв’язки між термінами тієї самої галузі. Корпуси дають змогу отримувати надійну, статистично обґрунтовану інформацію про вживання термінів у природній мові, яка раніше була цілком недоступною. Тому корпусно-орієнтована методологія стала провідною, забезпечуючи незамінний інструментарій для дослідження й управління термінологією (Zeller 2005; Cabré, Montané, Nazar 2012; Bielinskinė et al. 2015). Terminologija | 2018 | 25 89 2.2. Принципи корпусно-орієнтованого аналізу: колокаційний і колігаційний методи Корпусно-орієнтоване вилучення термінів та їх аналіз здійснюються за допомогою статистичних і лінгвістичних методів. У цьому дослідженні застосовано колокаційний і колігаційний методи. Колокації означають синтагматичне тяжіння між лексичними одиницями. За словами Томаса Лехечки (2015), «поняття колокації ґрунтується на уявленні про те, що кожне слово в мові віддає перевагу певним лексичним контекстам перед іншими, тобто будь-яке слово схильне сполучатися з певними словами частіше, ніж з іншими» (Lehecka 2015: 2). Статистичний аналіз корпусних даних використовують для вимірювання ступеня тяжіння між словами; його результати дають змогу визначити, які сполучення слів трапляються разом значно частіше, ніж можна було б очікувати випадково, з огляду на загальну частотність слів у корпусі (Lehecka 2015: 2). Таким чином встановлюють найзначущіші колокації вибраних слів у корпусі, що аналізується. Цей метод здебільшого використовують для контекстуального семантичного аналізу лексичних одиниць, оскільки він дає змогу спостерігати все розмаїття слів, що сполучаються з досліджуваними словами, встановлювати переважні моделі сполучуваності й таким чином описувати їхні значення на основі контекстного оточення (Atkins, Rundell, Sato 2003: 340–341). Колокаційний аналіз став незамінним інструментом для лексикографів; його також широко застосовують у комп’ютерній лінгвістиці для машинного перекладу, оброблення природної мови та в інших галузях (Lehecka 2015). Колокаційний метод часто використовують у поєднанні з колігаційним методом. Поняття колігації стосується тяжіння між лексичною одиницею та граматичною моделлю й ґрунтується на уявленні про те, що слова віддають перевагу певним граматичним моделям і уникають інших (Sinclair 1998; Lehecka 2015). Колігаційний аналіз можна розширити, охопивши взаємозв’язок між лексичною одиницею та її позицією у словосполученні, підрядній частині, реченні, тексті чи дискурсі (Hoey 2005: 49–52). Колігаційний аналіз широко застосовували в поєднанні з колокаційним аналізом для вивчення значень близьких синонімів, оскільки дослідження корпусної лінгвістики засвідчили, що їх часто вживають у різних лексичних і граматичних контекстах (Lehecka 2015). Дослідження корпусної лінгвістики 90 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian показали, що навіть різні значення багатозначних слів можуть мати різні колокаційні та колігаційні моделі (Aston, Burnard 1998). Отже, колокаційний і колігаційний аналізи довели, що семантику й граматику не слід розглядати як незалежні, а радше як тісно взаємопов’язані системи (Lehecka 2015). Під час аналізу також слід враховувати прагматичний аспект, оскільки колокаційні та колігаційні уподобання лексичної одиниці істотно різняться залежно від предметної галузі та типу тексту (Butler 2004: 157; Newman, Rice 2006). 2.3. Застосування колокаційно-колігаційного методу для вилучення й аналізу термінів Колокаційно-колігаційний метод також можна використовувати для вилучення багатослівних термінів; він особливо придатний для вилучення термінології, що містить заздалегідь вибрані ключові слова — слова, які потенційно мають термінологічну значущість і є характерними для предметної галузі, до якої належить корпус. Ця методологія ґрунтується на припущенні, що складні терміни утворюються з уже наявних простих термінів (Nakagawa 2001). Засоби аналізу корпусів вилучають слова, що сполучаються із заздалегідь вибраними ключовими словами, і дають змогу встановити найхарактерніші колокації. Частину цих колокацій становлять іменникові словосполучення, які потрібно відібрати зі списків колокацій за допомогою лінгвістичних методів. Відібрані іменникові словосполучення використовують для подальшого аналізу корпусних даних і вилучення багатослівних термінів, що складаються з цих словосполучень і потенційно додаткових колокатів. У цьому дослідженні вилучені терміни надалі аналізуються із застосуванням принципів колігаційного аналізу з метою виявити моделі формальної структури термінології в досліджуваних мовах і зробити внесок у контрастивні багатомовні дослідження моделей творення термінів (пор. Janulevičienė, Rackevičienė 2014; Mockienė 2016). 3. ФОРМУВАННЯ КОРПУСІВ І ВИБІР ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ АНАЛІЗУ За словами M. Teresa Cabré, M. Amor Montané та Rogelio Nazar, укладання корпусу документів певної галузі має три цілі. По-перше, термінологам потрібно ознайомитися з типом мови цієї галузі; по-друге, корпус потрібен для вилучення термінології та проведення статистичного аналізу термінів; і Terminologija | 2018 | 25 91 нарешті, тексти використовують для отримання додаткової інформації про терміни, зокрема семантичних, синтаксичних або колокаційних підказок (Cabré, Montané, Nazar 2012: 3–4). Укладений корпус має бути достатнього обсягу й належної якості, щоб вважатися репрезентативним для вибраної галузі. Точних вимог до обсягу корпусу немає, однак він має містити якомога більше документів, адже що більший корпус, то надійніші висновки можна зробити про вживання термінології в цій галузі (Cabré, Montané, Nazar 2012: 4). Зважаючи на всі ці аспекти, було укладено корпуси правових актів ЄС англійською, французькою та литовською мовами. Правові акти завантажено з Офіційного журналу Європейського Союзу — вільно доступного онлайн-джерела. Було зібрано 101 правовий акт, що стосується фінансових питань ЄС і був ухвалений у період 2014–2017 років. Документи перетворили на звичайний текст і вирівняли для вилучення термінів та їх аналізу. Для укладання корпусів, вирівнювання текстів і вилучення з них потрібних даних використовували три програми: AntConc (2014), AntPConc (2017), створені та сертифіковані Laurence Anthony, і NOVA Text Aligner (2014). AntConc — це безкоштовний багатоплатформний набір інструментів для корпусно-лінгвістичних досліджень і навчання на основі даних, тоді як AntPConc призначена для створення паралельного корпусу кількома мовами. Обидві програми дають змогу дослідникові працювати з великим обсягом даних і здійснювати всебічний багатомовний лінгвістичний аналіз. Програма AntConc надає користувачам такі інструменти: Word list, Collocates, Clusters, Keywords, Concordance, Concordance plot, File view tool. У цьому дослідженні застосовано чотири інструменти AntConc: • Wordlist давав змогу визначити найчастотніші слова в корпусах; • Collocates давав змогу визначити найхарактерніші колокати слова ‘risk’ і виміряти ступінь їхнього синтагматичного тяжіння до слова ‘risk’; • Clusters давав змогу виявити найхарактерніші багатослівні терміни, у яких слово ‘risk’ є головним іменником; • Concordances надавали широкий спектр прикладів, що ілюструють уживання термінів у текстах. Знімок програми AntConc подано на рисунку 1. 92 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Рисунок 1. Програма AntConc Перед укладанням паралельного корпусу завантажені тексти трьома мовами вирівняли вручну за допомогою програми NOVA Text Aligner. Після вирівнювання текстів паралельний корпус було створено за допомогою програми AntPConc (див. рисунок 2). Рисунок 2. Програма AntPConc Terminologija | 2018 | 25 93 Програма AntPConc дала змогу одночасно відображати приклади трьома мовами: можна було натиснути на вибране речення, щоб побачити відповідники іншими мовами. Програма також давала змогу розрізняти ключові слова та їхні ліві чи праві колокати за допомогою різних кольорів. Однак переглянути документ, з якого було взято приклад, було неможливо. За допомогою паралельного корпусу було виокремлено французькі та литовські відповідники 70 англійських термінів. 4. АНАЛІЗ КОРПУСУ ТА ВИЛУЧЕННЯ ТЕРМІНІВ ЗА ДОПОМОГОЮ ПРОГРАМ AntConc І AntPConc 4.1. Визначення найчастотніших слів у корпусах Щоб визначити найчастотніші слова в корпусі фінансових документів, було використано інструмент Список слів програми AntConc. Він надав дані про частотність слів в англійському, французькому та литовському корпусах, що дало змогу порівняти частотність слів у досліджуваних мовах і скласти тримовний список 10 НАЙЧАСТОТНІШИХ слів (див. таблицю 1). Список слів також містив інформацію про кількість слововживань і словоформ у корпусах та давав доступ до контексту, у якому вживалися терміни (див. таблицю 1). Таблиця 1. 10 НАЙЧАСТОТНІШИХ слів у корпусах EN (корпус: 802 933 слововживання, 9333 словоформи) | FR (корпус: 940 655 слововживань, 12365 словоформ) | LT (корпус: 639 279 слововживань, 24727 словоформ) 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 (корпус: 802 933 слововживання, 9333 словоформи) FR (корпус: 940 655 слововживань, 12365 словоформ) LT (корпус: 639 279, 24727 словоформ) 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) Результати цього аналізу свідчать, що найчастотнішими словами в корпусах усіх трьох досліджуваних мов є «risk» і «credit», тоді як слово «market» посідає третє місце у списках частотності. Усі три слова, і зокрема слова «risk» і «credit», часто трапляються разом у фінансових документах. Це можна пояснити тісним семантичним зв’язком між словами: очевидно, будь-яка грошова операція передбачає небезпеку, іншими словами, «credit» породжує «risk». Найтиповішим граматичним числом цих слів є однина, хоча в досліджуваних мовах уживається також множина. У литовській мові, яка є синтетичною мовою з розвиненою системою відмінювання, слова вживаються в різних граматичних відмінках, серед яких переважає родовий відмінок однини. Результати аналізу дають змогу стверджувати, що слова «risk», «credit» і «market» слід оцінювати як лексичні одиниці, що позначають фундаментальні поняття фінансової сфери. Для подальшого видобування термінів та аналізу було обрано слово «risk», найчастотніше в корпусах. Оскільки об’єктом дослідження є англійські багатослівні терміни, що містять обране ключове слово (слово «risk»), та їхні відповідники французькою і литовською мовами, подальшу роботу з видобування термінів було організовано в такі етапи: визначення домінантних англійських колокацій слова «risk»; видобування іменникових словосполучень зі словом «risk» як Terminologija | 2018 | 25 95 головним іменником, відбір словосполучень, що мають термінологічну цінність, та визначення їхніх французьких і литовських відповідників. 4.2. Визначення колокатів слова «risk» в англійському корпусі На другому етапі видобування термінів було встановлено домінантні колокації слова «risk» в англійському корпусі. Для цього використовувався інструмент AntConc Collocates. Цей інструмент надавав ліві та праві колокати обраного ключового слова й давав змогу аналізувати непослідовні закономірності в мовах. Інструмент надавав загальну частотність колокатів, а також їхню частотність ліворуч і праворуч від слова «risk». Він також надавав значення статистичних показників (оцінки взаємної інформації (MI)), які демонстрували ступінь синтагматичного тяжіння між ключовим словом і його колокатами. Результати колокаційного аналізу наведено в таблиці 2, яка містить вичерпні дані про колокати з найвищими оцінками MI (перші 10). Таблиця 2. ТОП-10 колокатів слова «risk» в англійському корпусі Загальна частотність | Частотність (L) | Частотність (R) | Оцінка MI 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 Результати виявляють найближче лексичне оточення слова «risk» в англійській мові та дають змогу передбачити домінантне двослівне ядро багатослівних термінів зі словом «risk» у досліджуваному корпусі. 96 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian 4.3. Вилучення іменникових словосполучень, що містять слово «risk» як головний іменник в англійському корпусі Подальший аналіз корпусу та вилучення термінів були зосереджені на колокаціях певної формальної структури — іменникових словосполученнях, що містять слово «risk» як головний іменник. Їх було вилучено з англійського корпусу за допомогою інструментів Clusters і Concordance. Інструмент Clusters давав змогу шукати кластери (словосполучення), що містять слово «risk» із лівими та правими колокатами. Він дозволяв задавати мінімальну й максимальну довжину кластерів (кількість слів), а також мінімальну частотність кластерів, які відображаються. Упорядковані кластери можна було відображати або за частотністю, або за кількістю файлів корпусів, у яких вони траплялися. Для вилучення іменникових словосполучень, що містять слово «risk» як головний іменник, було задано такі параметри: розмір кластера — від 2 до 5 слів, сортування за частотністю. Також потрібно було вибрати позицію ключового слова: спочатку було впорядковано кластери з ключовим словом праворуч, а потім — ліворуч. За параметра «шукати ключове слово праворуч» інструмент відобразив 4814 токенів кластерів і 181 тип кластера; за параметра «шукати ключове слово ліворуч» — 4284 токени кластерів і 137 типів кластерів. З відображених списків кластерів вручну вилучали іменникові словосполучення, що містять слово «risk» як головний іменник. Їхній ширший контекст аналізували за допомогою інструмента Concordance, який давав змогу визначити межі іменникових словосполучень, а також виявити словосполучення з лівими й правими колокатами слова «risk». У таблиці 3 наведено найчастотніші іменникові словосполучення. Таблиця 3. 20 найчастотніших іменникових словосполучень зі словом «risk» як головним іменником Іменникові словосполучення («risk» праворуч) Частотність Іменникові словосполучення («risk» ліворуч) Частотність 1. кредитний ризик 471 1. ризик надмірного левериджу 18 2. системний ризик 113 2. ризик боргового інструмента 12 3. операційний ризик 102 3. ризик збитків 12 4. ризик ліквідності 97 4. ризик утримання потужностей 10 Terminologija | 2018 | 25 97 Іменникові словосполучення (слово «risk» праворуч) | Частота | Іменникові словосполучення (слово «risk» ліворуч) | Частота 5. специфічний ризик | 86 | 5. ризик для третіх осіб | 8 6. ринковий ризик | 76 | 6. ризик щодо придбаної дебіторської заборгованості | 7 7. кредитний ризик контрагента | 41 | 7. ризик зміни ціни | 7 8. ризик розмивання | 33 | 8. ризик порушення діяльності | 6 9. ризик процентної ставки | 32 | 9. ризик для фінансової стабільності | 2 10. комерційний ризик | 26 | 10. ризик позичальника | 2 Результати показують, що іменникові словосполучення, у яких слово «risk» стоїть у найправішій позиції, трапляються значно частіше, ніж іменникові словосполучення, у яких слово «risk» стоїть у найлівій позиції. У корпусі виявлено лише кілька прикладів іменникових словосполучень, що містять як ліві, так і праві колокати слова «risk»: кредитний ризик зворотно викуплених операцій, кредитний ризик позиції сек'юритизації, кредитний ризик для третіх осіб. Для подальшого дослідження було складено список TOP 70 англійських іменникових словосполучень, у яких слово «risk» є головним іменником. До списку включено лише ті словосполучення, які мають термінологічну цінність (позначають абстрактні поняття фінансової сфери). У подальшому аналізі вони називаються багатослівними термінами. 4. Встановлення французьких і литовських відповідників відібраних англійських термінів На завершальному етапі вилучення термінів було встановлено французькі та литовські відповідники відібраних англійських термінів. Для цього використовувалося програмне забезпечення AntPConc, розроблене для аналізу паралельних корпусів. До програми було завантажено корпуси трьох досліджуваних мов. Під час пошуку відібраних англійських термінів в англійському корпусі програма відображала паралельні рядки французьких і литовських текстів, що давало змогу вручну вибрати потрібні відповідники. Загалом було встановлено 70 французьких і 70 литовських відповідників відібраних англійських термінів. У таблиці 4 наведено TOP 10 англійських термінів та їхні французькі й литовські відповідники. Результати цього аналізу виявили формальні відмінності між термінами в досліджуваних мовах, які розглядаються й обговорюються нижче. 98 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Таблиця 4. ТОП-10 англійських термінів та їхні відповідники французькою і литовською мовами EN FR LT кредитний ризик ризик кредитування кредитний ризик системний ризик системний ризик системний ризик операційний ризик операційний ризик операційний ризик ризик ліквідності ризик ліквідності ризик ліквідності специфічний ризик специфічний ризик специфічний ризик ринковий ризик ринковий ризик ринковий ризик ризик невиконання зобов’язань контрагентом ризик кредитування контрагента кредитний ризик контрагента ризик розмивання ризик розмивання ризик дебіторської заборгованості ризик зміни процентної ставки ризик зміни процентної ставки ризик процентної ставки підприємницький ризик економічний ризик ризик підприємницької діяльності 5. АНАЛІЗ ФОРМАЛЬНОЇ СТРУКТУРИ ВІДІБРАНИХ ТЕРМІНІВ Відібрані терміни було проаналізовано далі із застосуванням принципів колігаційного аналізу, щоб виявити моделі формальної структури термінології в різних мовах. Складники термінів належать до двох основних категорій: головний іменник «ризик» та його модифікатори. За позицією модифікаторів було визначено два типи модифікації — препозитивну (коли модифікатори стоять перед головним іменником) і постпозитивну (коли модифікатори стоять після головного іменника). До списку ТОП-70 термінів, відібраних для статистичного аналізу, не було включено термінів, що містять як препозитивні, так і постпозитивні модифікатори. Аналіз зосереджувався на таких аспектах утворення термінів: кількість складників термінів, моделі модифікації та синтаксичні структури термінів (позиція модифікаторів і їхні частини мови). У таблицях 5 і 6 подано узагальнені результати аналізу. Результати, наведені в таблицях, свідчать, що в досліджуваних мовах терміни мають різні моделі модифікації. Кількісний Terminologija | 2018 | 25 99 аналіз модифікації було проведено для визначення домінантних моделей модифікації в досліджуваних мовах; його результати наведено на діаграмі 1. Таблиця 5. Синтаксичні структури термінів із моделями препозитивної модифікації Синтаксичні структури EN FR LT Іменник + «ризик» 19 термінів, наприклад: кредитний ризик, ризик концентрації, ризик ліквідності, підприємницький ризик. – 18 термінів, наприклад: ризик позичальника, ризик операцій, ризик зберігання. Прикметник + «ризик» 18 термінів, наприклад: підприємницький ризик, внутрішній ризик, потенційний ризик. – 17 термінів, наприклад: системний ризик, операційний ризик, інвестиційний ризик N + N + «ризик» 3 терміни: кредитний ризик і ризик ліквідності, ризик процентної ставки, кредитний ризик контрагента – 9 термінів, наприклад: денний кредитний ризик, ризик процентної ставки, ризик контрагента A + N + «ризик» 12 термінів, наприклад: значний кредитний ризик, специфічний кредитний ризик, валютний ризик – 9 термінів, наприклад: незначний кредитний ризик, специфічний кредитний ризик, ризик дебіторської заборгованості A/Num + N + + N + «ризик» 1 термін: мінімальний кредитний і ринковий ризик – 12 термінів, наприклад: мінімальний кредитний і ринковий ризик, ризик ліквідності овернайт, кредитний ризик овернайт A + A + N + + «ризик» 4 терміни, наприклад: специфічний і загальний кредитний ризик, денний і овернайт-кредитний ризик, денний і овернайт-ризик ліквідності – 5 термінів, наприклад: ризик помилкових рішень, ризик придбаної дебіторської заборгованості, загальний і специфічний кредитний ризик 100 Oksana Smirnova Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Таблиця 6. Синтаксичні структури моделей постномінальної модифікації термінів Синтаксичні структури EN FR LT «ризик» + PP 13 термінів, наприклад: ризик установи, ризик для фінансової системи, ризик збитків 22 терміни, наприклад: risque de crédit, risque de concentration, risque de modèle – «ризик» + A – 20 термінів, наприклад: risque intrajournalier, risque interne, risque spécifique – «ризик» + A + PP – 4 терміни, наприклад: ризик специфічної кореляції, ризик значної кореляції, ризик загальної кореляції – «ризик» + PP + A – 15 термінів, наприклад: ризик специфічного кредиту, щоденний кредитний ризик, ризик щодо сировини – «ризик» + PP + A + + PP – 9 термінів, наприклад: внутрішньоденний кредитний ризик на 24 години, внутрішньоденний ризик ліквідності на 24 години – Схема 1. Моделі модифікації термінів Terminologija | 2018 | 25 1 0 1 Результати показують, що в англійській і литовській мовах переважає препозитивна модифікація, тоді як для французької мови характерна постпозитивна модифікація. У французькій мові не виявлено термінів із моделлю препозитивної модифікації, а в литовській — термінів із моделлю постпозитивної модифікації. Лише англійські терміни належали до обох типів, хоча кількість термінів із постпозитивними модифікаторами досить мала. Усі досліджені терміни містять один або кілька модифікаторів — іменників, прикметників або прийменникових конструкцій, що займають різні позиції в термінологічних одиницях. Результати аналізу показують, що домінантними модифікаторами англійських і литовських термінів є іменники та прикметники, тоді як у французьких термінах слово ‘risk’ переважно модифікується прийменниковими конструкціями. Терміни, що містять 3 і більше слів, можна додатково класифікувати за рівнями модифікації (терміни, у яких модифікатори модифікують головний іменник, і терміни, у яких модифікатори модифікують інші модифікатори), однак через обмежений обсяг статті цей аналіз тут не представлено. Підсумовані в таблицях результати також показують, що терміни різняться за кількістю компонентів. Кількісний аналіз довжини термінів було проведено, щоб визначити переважну кількість компонентів термінів у досліджуваних мовах; його результати наведено на діаграмі 2. Діаграма показує дві основні тенденції. По-перше, розробники термінів ЄС дотримуються головної вимоги мовної економії (стислості термінів): у всіх трьох мовах переважають двослівні терміни. По-друге, лише кілька англійських і французьких термінів мають більше ніж 2–3 слова, тоді як у Діаграма 2. Кількість компонентів термінів 102 Oksana Smirnova | Sigita Rackevičienė Corpus-Driven Analysis of Multi-Word Terms Including the Word ‘Risk’ in English, French and Lithuanian Литовські терміни, що містять 4 і більше слів, становлять значну частину відібраного матеріалу (17 із 70). Тенденція до переважання двослівних термінів збігається з тенденціями, виявленими іншими дослідниками термінології. Дослідження автоматичного виокремлення та визначення термінології освіти й науки, проведене Agnė Bielinskienė та ін., показало, що більшість литовських термінів цієї галузі є двослівними: вони становили понад дві третини термінів, відібраних серед кандидатів у терміни, автоматично виокремлених зі спеціалізованого корпусу (Bielinskienė et al. 2015: 62). Зіставне дослідження термінології конституційного права, проведене Liudmila Mockienė, виявило таку саму тенденцію в трьох різних мовах. У досліджених англійських, російських і литовських нормативно-правових актах конституційного характеру більшість виокремлених багатослівних термінів складалася з двох компонентів: вони становили 78.5% англійських багатослівних термінів, 62% російських багатослівних термінів і 74.5% литовських багатослівних термінів (Mockienė 2016: 43–45). Отже, укладачі термінів у різних галузях і різними мовами схильні дотримуватися одного й того самого принципу мовної економії та зручності для користувачів. 6. В И С Н О В К И Програмне забезпечення AntCont, використане для аналізу одномовних корпусів, і AntPConc, використане для аналізу паралельного корпусу, дало змогу виокремити англійські, французькі та литовські багатослівні терміни зі словом ‘risk’ як головним іменником зі спеціалізованих корпусів документів ЄС фінансової галузі, укладених для цілей дослідження. Виокремлення здійснювалося в такі етапи: • виокремлення ключових слів англійського, французького та литовського корпусів (слів, потенційно важливих з термінологічного погляду і характерних для галузі, представленої корпусами) та вибір найчастотнішого ключового слова (слова ‘risk’) для подальшого аналізу; • виокремлення колокацій слова ‘risk’ та іменникових словосполучень зі словом ‘risk’ як головним іменником і лівими та/або правими колокатами в англійському корпусі; • відбір лексичних одиниць, що мають термінологічну цінність, зі списку виокремлених іменникових словосполучень; • встановлення французьких і литовських відповідників відібраних англійських термінів у паралельному англійсько-французько-литовському корпусі. Terminologija | 2018 | 25 1 0 3 Застосована методологія виявилася придатною для ефективного багатомовного вилучення термінології, яку можна використовувати для розроблення й оновлення термінологічних баз або наукового аналізу термінів. Аналіз формальної структури вилучених термінів виявив деякі основні тенденції термінотворення в досліджуваних мовах: • в англійській і литовській мовах переважає препозитивна модифікація, тоді як для французької мови характерна постпозиційна модифікація; • у більшості англійських і литовських термінів модифікаторами є іменники та прикметники, тоді як у французьких термінах слово ‘risk’ здебільшого модифікується прийменниковими словосполученнями; • найпоширенішим типом термінів за кількістю компонентів є двослівні терміни — вони становлять найбільшу кількість термінів у списках TOP 70 англійською, французькою та литовською мовами; це свідчить про те, що розробники термінології ЄС дотримуються основної вимоги мовної економії (стислості термінів); • лише кілька англійських і французьких термінів містять понад 2–3 слова, тоді як у литовському списку TOP 70 терміни з 4 і більше слів становлять значну частину відібраних даних (17 із 70). Результати аналізу формальної структури розкривають тенденції термінотворення в досліджуваних мовах і надають термінологічну інформацію, яка може бути корисною для розробників термінів і перекладачів. Синтаксичні моделі, встановлені в ході дослідження, можна використовувати для розроблення автоматичних лінгвістичних методів вилучення термінів без попередньо вибраних ключових слів. 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