Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

54 Erika Rimkutė | Automatico dell'istruzione e scienza terminų | nustatymaslingvistiniaismetodais Automatica determinazione dei termini dell'istruzione e scienza metodi linguistici ERIKA RIMKUTė Vytautas Maggiojo Università ESMINIaI VODŽIaI: tekstynas, termini educativo e scientifico, linguvistiniai metodi, intraštinė forma, gramatinė forma ĮVADAS Tekstynų lingvistika ir kompiuterinė lingvistika in Lituania già contacioja antrą dešimtmetį l'inizio di questa branca scientifica si può legare con l'istituzione del Vytautas Didžiojo universiteto Kompuuterinės lingvistikos centro (žr. http://tekstynas.vdu.lt) 1994 m. Parengta qualche testynų, automatinių kalbos analizės ir sintezės programų1. Tuttavia i principi dei testi linguistici sono ancora scarsi applicati nella terminologia e nella terminografia. 2010 m. nell'articolo Lietuvių kalbos terminų automatinio nustatymo galimybės (Rimkutė 2010) svisitata, quanto tekstynai utilizzati costituendo vari lavori terminologijos Lietuvoje. dei termini in lingua Lituania si possono trovare in diverse banche dati internazionali, termini banche; non poche preparata elettronici terminyn di o dati basių2, ma tutti lietuviški elettroni termininnai in sostanza sono costitu termini di dizyn base. Molti lietuviškų žodynų preparati sulla base abbastanza non piccoli quantitativi di testi, kalbine intuicija, taigi si può affermare, che in Lituania ancora prevaleva preskriptivusis modo di ottenimento e descrizione dei termini. Articolinyje si voglia presentare i termini per l'istruzione e la scienza stabilire e descrivere i risultati del progetto3 destinato, relativi al automatico terminų nu1 Išsamų lituanistinių išteklių, preparati fino a 2011 m., sąvadą potete trovare http://sruoga.vdu.lt/lituanistiniaiskaitmeniai-istekliai-lituanistiniu-istekliu-sarasas. 2 I riferimenti presentati nell'articolo menzionato. 3 Questo è il progetto finanziato dal Consiglio scientifico lituano Švietimo ir mokslo terminų automatinis identifikavimas (ŠIMTAI 2) (sutarties nr. LIT-2-44). Gli obiettivi più importanti di questo progetto: 1) creare e esaminare automatico termì riconoscimento testuine della lingua lituanea metodologia come nuova terminìa gestìbos instrumentą, 2) creare specialųjį švietimo ir mokslo tekstyną, 3) specialio testo di base per erengti aiškinamąjį švietimo ir mokslo terminų žodyną ir šios srities ontologiją. 55Terminology | 2012 | 19 statymu, loro descrizione. Idėja del progetto destinato all'automatico fissamento dei termini nacque notando che le esistenti normative fonti4 sono piuttosto neišcompletūs, quanto non orientuoti į pačius bendriausius švietimo politikos terminus ir beveik nė comprendano scienza politica aria, in esse nespėjama fornire nuovi, da lavoro pratico kylančių terminų; termini di normintojai nespėja loro sunorminti. Il tradizionale norminamento comunque è piuttosto soggettivo, quindi vartoseną e norme bisogna fondare metodi textynų linguvisticai. Tad in questo articolo sarà scritto su in Lituania ancora abbastanza nuovo termine di selezione e analisi metodoè, che potrebbe benokai agevolare terminologų lavoro, fornire più obiettività. AUTOMATIS TERMIN NUSTATYMAS Perint impostare automaticamente e definire i termini di determinata area, selezionata una sarea scienza e educazione. Accumulato 4 mln. parole di portata dell'istruzione e scienza (toliau ŠM) testynos, che nella composizione orientaotasi in due temi principali: 1) ricerche scientifiche e 2) ugdymą. Dal settore della ricerca principalmente attenzione è dedicata alla politica della ricerca e alla politica dell'università. Dal settore ugdymo è presa povidurica educazione, e la più grande attenzione è destinata all'università scola e al continuativo apprendimento(si). Come ulteriore sfilato incluso e formazione professionale. Sviluppando tekstyną si è cercato di coprire diversi generi e tipi di testi, eg.: leggi, altri supremissimi organi di potere politici documenti (Lietuvos Respublikos Seimo, Lietuvos Respublikos Vyriausybės, Lietuvos Respublikos Prezidento nutarimus, pareiškimus, Constitucinio Teismo decisioni e kt.); documenti strategici; atti attuativi delle leggi; istituzioni di attuazione della politica scientifica e educativa e documenti dei progetti; documenti scientifici e istituti di studi; pubblicazioni informative, studi di condizione del campo, valutazioni, studi di possibilità; notizie di stampa, discussioni materiale. Turint rappresentativù, ben subalancato textyną dellam area studiamosios5, è possibile impostare automaticamente termini. A questo scopo spesso utilizza4 Galima menzionare Lituania Repubblica terminų banką, L. Jovaišos Enciklopedinį edukologijos terminų žodyną (2007), TESE tezaurą [žiūrėta 2012-05-20], accesso per internet: http://eacea.ec.europa.eueducation/ eurydice/documents/tesepdf/teselt_alph5_00.pdf. 5 Texstynów reprezentatywność, wielis vieni dei più complicati testynów lingvistikos questioni. Ritene, che ŠM tekstynos abbastanza bene rappresenta l'area scelta. Piu' discussaotina per la sua dimensione, ad esempio, ingleseitalì linguì testo giuridico Bononia Legal Corpus (BOLC) è circa 18 mln. parole di dimensione (Rossini Favretti et al. 2001). 56 Erika Rimkutė | Automatico termini dell'istruzione e scienza mi trejopi | nustatymaslingvistiniaismetodais metodi: statistici, lingvistini e hibridini modelli di metodi statistici e lingvistini. Svolgere diversi esperimentii, mediante i quali si è cercato stabilire i più adeguati metodi di fissazione dei termini. I seguenti metodi statistici sono testati: 1) funzione WordSmith Tools software Keyword Clusters; 2) metodo di apprendimento automatico KEA; 3) il metodo di estrazione collocazioni utilizzando lo strumento LICE (plačiau vedere Grigonytė et al. 2011). Pertenuto a queste ricerche, fatta la conclusione, che adattimi alle lingue Lituanee sono i metodi lingvistini. Di seguito brevemente spiegate le peculiarità di questi metodi. Il principale vantaggio dei sistemi di fissazione di termini statistici è quello che loro non richiedono grandi banche dati di con le persone indicate esempi di termini. Inoltre, esse sono indipendenti dal linguaggio. Il principio principale di funzionamento dei sistemi statistici si basa sul fatto che spesso insieme utilizzate parole sono legate e tratttuotini come possibili termini. I metodi linguistici spesso si basano morfologiche segnalomi, ordini delle parole. Che fosse possibile applicare linguistici metodi, necessari morfologicamente anotuare testiynai. Utilizzando linguistici metodi di determinazione dei termini, spesso si determina, quali dei forme grammaticali possono essere termini. Stabbilendo forme grammaticale, bisogna prendere in considerazione le peculiarità delle lingue. Per esempio, alle lingue analitiche è importante stabilire termini della parte della lingua. La parte linguistica dei termini litevienschi è anche molto importante, ma bisogna sapere, e quali' altre categorie grammaticali informazioni essenziale automaticamente stabilendo termini. Notabitato che per le lingue lituane ancora importanti numerios, più categorie, e gimines categoria, automaticamente determinando i termini, non è particolarmente significativa6. Tyrinėtojų (pvz., Bowker 2002) ha stabilito che quasi impossibile adattarsi ad altri linguaggi creati di terminus stabilitančių įrankių, specialmente quelli che utilizzano metodi linguistici. Ad esempio, tipiška inglese struttura dei termini è bdv. + dkt., dkt. + dkt., e francūzì linguaggi caratteristici modelli sono dkt. + bdv., dkt. + prl. + dkt. Quindi per applicare linguistici metodi di riconoscimento dei termini, è necessario creare un programma, nella quale fosse preso in considerazione al determinato sistema grammaticale di lingua. Toller in questo articolo sarà presentato tentativi automaticamente stabilire termini della lingua lituanee utilizzando metodi linguistici. Atkreiptina 6 Giminė diventa attuali in quei casi, quando emerge linksnių sinkretismo, ecc., dello dipendenti: automatiche morfologiche analisi programma formà dei lavoratori at riconosciuta e come maschiškosios, e come femeriškosios gimimokslo impiegata. Come termine dovrebbe essere data virriškosios giminės forma, t. y. scienza impiegato. nės daiktavardžio daugiskaitos kilmininką, todėl kaip antraštinę formą nurodo ir mokslodarbuotojas, ir 57Terminologija | 2012 | 19 attenzione che per i possibili termini (toliau GT)7 stabilire usata programma sviluppata VDU Kompuuterinės lingvistikos centre. In questo programma sono utilizzate regole linguistiche, nelle quali indicato, quali parti della lingua combinazioni o forme di parole analizuotini. Come menzionato, utilizzando metodi linguistici, richiesti morfologicamente anotare i testi, quindi soprattutto accumulatò ŠM testynos è stato morfologicamente anotato utilizzando VDU Komputerinės lingvistikos centre creata morfologico anotatorių8. Qui è dato un esempio di testo automaticamente morfologicamente annotato: <word=PROJEKT lemma=projektas type=dktv vyr.gim dgsk K>9 <space> <word>FINANSAVIMO lemma=finanziavimas type=dktv vyr.gim vnsk K> <space> <word=SLYG lemma=sąlyga type=dktv mot.gim dgsk K> <space> <word=APRAŠAS lemma=aprašas type=dktv vyr.gim vnsk V> <p> <word=I lemma=I type=rom skaič> <sep=.> <space> <word=BENDROSIOS lemma=bendras type=bdvr teig nelygin.l įvardž mot.gim vnsk K> <space> <word=NUOSTATOS lemma=nuostata type=dktv mot.gim vnsk K>10 <p> <number=1> <sep=.> <space> <number=2007> <sep=> 7Varii metodi utilizzanti programmi automaticamente terminus fissanti spesso riconosce i possibili termini, terminus candidatus (žr. Zeller 2005), sebbene tra le parole o combinazioni automaticamente determinate non manchiano di frequente appunti di parole completamente neprasminghe o di campionamenti di parole neterminine significative, ecc., kolocazioni. Da queste parole e combinazioni tikruosi terminus determina normalmente un esperto di determinato filo. 8 Per più dettagli c. http://tekstynas.vdu.lt/page.xhtml?id=morphological-annotator-how-to-use. 9 Word indica la particolare testo pavimentata parola formà, lemma intitolazione formà (lemą), type dettagliata informazione morfologica. 10 Attentiatine, che morfologicamente anotuojama automaticamente, perciò appaio e errori, ecc., in questo esempiozdy a causa linksnių sinkretismo indicata forma inappropriata: invece di moteriškosios giminės daugiskaitos nominininko indicato moteriškosios giminės vienaskaitos kilmininkas. Esattamente su inettislumi, apparsi a causa morfologico anotatoriaus specifica, cf. sezione. Problemi Automatico termì fissazione. 58 Erika Rimkutė | Automatico dell'istruzione e scienza terminų | nustatymaslingvistiniaismetodais <number=2013> <space> <word=m lemma=m type=sntrmp> <sep=.> <space> Automaticamente GT fissante il principio di funzionamento del programma brevemente e normalmente sarebbe possibile nascetti così: analizzati morfologicamente sužymėtas testo, si cerchoma delle parole correlate chaininėlių. Primasis criterio secondo sužymėtas testo, sakinių skirtis atlottti nepertrauktus parole conjugi. Parte degli scarti di testo sono contrassegnati come scissioni, altre possono essere contrassegnate come marcatori HTML, eg., paragrafo del segno <p>, spacco tra parole segno <space> e etc. Di seguito taisykles, kurios būtų pritaikytos programoje. Nustatant švietimo ir moksoccorre elaborare certi linguistiche lo terminus, elaborate e adattate queste regole di base11: 1. Analizzate solo quei compoiniai, nei quali è almeno un obiktavardis. Se GT è dvižodis o ilgesnio, è altre parti della lingua, presenti in tale combininio, possono essere attribuvorzii e partecipi. 2. Analizzare solo quelle compounde la cui ultima parola deve necessariamente essere obiktavardis12. 3. Bivižodgi GT nonanalizzati verifii daiktavardžiai, perché essi spesso entrano in persone, imprese, istituzioni e kt. nomi, che non liikytini termini del settore (fissando ilgesnius terminus includere in GT termini di elenchi e verifiai daiktavardžiai). 4. Da compoiniai gettate numeriim iscrivere numeri. 5. Nonanalizzate quelle parole o compoiniai, che costituiscono almeno un uno morfologico anotatoriaus non riconosciuta parola. Si tratta spesso intarphi di lingue straniere, con errori di scrittura parole, suttorėjuse forme di parole13. Applicato talli regole, sono stati definiti GT, da cui espertas14 selezionò ŠM terminus. Questi termini analizzati più dettagliatamente, la loro struttura descritta nel capitolo Struttura dei termini dell'Istruzione e scienza. 11 Taisyklės sono universalios e in sostanza valga per qualsiasi ambito termini impostati automaticamente. 12 Possiamo e un'altra struttura dei termini, ecc., daiktavardis su prišlieta bendratimi, daiktavardis su prielinksnine konstrukcija. Questo tipo di termini pochi, quindi essi neanalizzati. In futuro proseguendo l'investigazione dovrebbe paanalizzarsi e in questo articolo non incluse strutture dei termini. 13 Applicando certe limitazioni di selezione GT, si può perdere preziose informazioni. In questa ricerca non calcolata, quanto non riconosciuta effetti termini. Utilizzando automatico programmi di riconoscimento dei termini, bisogna accontentarsi con il fatto che parte delle informazioni sarà perduta, ma automaticamente determinata informazione sarà più facilmente elaborata, ottenere compoiniai sarà gramaticamente regolaingesni. 14 L'esperto di questo progetto è lituanistas Giedrius Viliūnas, avente notevole esperienza pedagogica, amministrativa, manageriale nel campo dell'istruzione e scienza. 59Terminologia | 2012 | 19 TERMINŲ ATRANKA Applicando il metodo descritto nel precedente capitolo, il programma e le regole in esso utilizzate, è stato stabilito circa 11 mila. GT, costituitivi da uno è stato iki penkiolikos žodžių15. Susidūrus su tokiu dideliu duomenų kiekiu, adattati qualche criterio di selezione. Primo termini lungis: considerato in generale le tendenze della struttura dei termini, decprèsta analizzare ne ilgesnius né septyniazodžius terminus. Secondo criterio frequenza di pavortojimento dei termini. Scelto continuare a analizzare in dettaglio singolodžius GT, che ŠM tekstyne pavortoti non meno di 20 volte; dvižodžius GT, che pavorati almeno 10 volte; trižodžius GT, pavimentotos non meno di 8 volte; keturžodžius GT, pavimentati almeno 6 volte; penkiažodžius GT, le quali hanno una frequenza di almeno 4 volte; seišiažodžius GT, pavimentotus almeno 3 volte, e septyniažodžius GT, la cui frequenza non inferiore a 2 volte. Automaticamente contegiando GT frequenza di apparizione, rimtasi parole antraštine (žodyninėmis) forme, t. y. lemmi. Applicando questi criteri di selezione determinare i termini per studiare più in dettaglio (la loro struttura è presentata in un altro capitolo). Ekspertui per esaminėjus secondo precedentemente menzionėtus criteri stabiliti GT, selezionati verichi ŠM termini. Iu loro spartimento per lungì dato 1 tabella. Tabella 1. Educazione e scienza termini la ripartizione per durataį Terminus costituenti Quantità quantità, % numero di parole Terminų, numero Terminų 1155 19,87 2474 60,77 3125 16,03 422 2,82 5 4 0,51 Di totale 780 100,00 15 Qui riportati alcuni più lunghi termini trovati: casi indicati sotto descrizione, decisione di una commissione costituita dal direttore del fondo rimborso del prestito sostenuto dallo stato al beneficiario del prestito (15 parole; qui passare i numeri, t. i. il punto elevato); indirizzo del luogo di residenza del beneficiario del prestito concesso dall'istituto di credito (13 parole); procedura di pagamento dei contributi studi degli studenti dell'università per anno accademico viene stabilita da un ordine del rettore (11 parole di). Evidentemente si vede che questi frammenti di testo non possono essere considerati possibili termini. 60 Erika Rimkutė | Automatico dell'istruzione e scienza terminų | nustatymaslingvistiniaismetodais Dalla tabella dei dati si vede che circa 97 % di tutti ŠM termini dei costituiscono da 13 parole costituiti termini. Trap seišiažodžių e septyniažodžių GT termini dell'istruzione e della scienza non trova, quindi essi ulteriormente neanalizzati. SHVIETIMO IR MOKSLO TERMIN STRUCTŪRA In questo capitolo è descritta in dettaglio la struttura dei termini ŠM determinati automaticamente e selezionati dall'esperto, forniti i loro modelli grammaticali. Termini descritti dal più brevi, t. y. unicažodžių, fino ai più lunghi, t. y. penkiažodžių. 1.Unavoodžiai terminai. Dal totale stabilire 7635 unavorodžiai GT, di loro 1311 tekstyne pavartota più di 20 volte. Successivamente più dettagliato analizzare solo queste parole. Di 1311 parole 155 possono essere considerate ŠM termini, i.e. circa 20 %. Più spesso tekstyne pavoritati questi termini ŠM: studente (420816), università (3959), studi (1562), mokslas (1508), sritis (1403). 2. Dvižodžiai terminai. 4 mln. parole di tekstyne trovare 145 468 dvižodžiai GT. Come scritto precedentemente, ulteriormente analizzare solo quelle due parole GT, la cui frequenza non è inferiore a 10 volte di tali termini rasta 4889. Peržiūrėjus GT, nella finale ŠM lista dei termini resta solo 474 dvižodžiai termini e essi costituiscono la maggior parte di tutti i termini analizzati più di due terzius (žr. tabelę.). Dvižodžius terminus si può scomparstí in tris tipi, tenendo conto alle loro forme grammaticale. 1) dkt. K. + dkt. tipo ŠM termini di sono 250, i. i. 52,7 % di tutti termini dvižodžių. I più frequenti termini ŠM di questa struttura, pavartoti tekstyne, sono programma di studi (1432), livello di studi (306), direzione di studi (303), science employee (289), qualità degli studi (253). 2) bdv. + dkt.17 junginiai costituiscono 200 ŠM terminių (di cui 42,2 % dvižodžių terminų). I più frequenti termini ŠM sono università (2160), ricerche scientifiche (918), alta scienza (730), istruzione a distanza (453), formazione professionale (403). Bdv. + dkt. combinini tipo sono considerati GT nel caso in cui būdvardis con daiktavardžiu concordato gimine, numerium e alegrniu. Nel caso contrario gau16 Skliaustues indica la frequenza di quel termine 4 mln. parole di portata ŠM tekstyne. 17 Presso dvižodžių terminų modelelių linksniai non inurodomi, perché aggettivi e partecipi combinati con daiktavardžiais, e daiktavardžiai normalmente viene uniskasitos nominatore linksnio. 61Terminologia | 2012 | 19 più importante diritti, più importanti di apprendimento, nami gramatiškai netaisyklingi18 junginiai, pvz., glaudesnisuniversitetų, migliorissimo anno, o combininys è regolaig, sebbene spesso incompleto, e questo non ŠM termini, ecc., più grande nel mondo, dinamiskissima nel mondo, palanku studenti. 3) dlv. + dkt. dei compound come ŠM termini di è solo 24, i.e. 5 %. I più frequenti Termi ŠM: finalizio lavoro (162), optional subject (109), educazione degli adulti (19 (65), ritornoamose connessione (63), applicomiei studi (45). 3. Trižodžiai terminai. Di un totale determinati 119 881 trižodis GT. In dettaglio analizzare 2438 compoiniai, la cui frequenza tekstyne non inferiore come 8 carti. ŠM termini dei rasta 125, i. i. 16,03 % di tutti i termini. I più frequenti ŠM termini: istituto di superiore scienza (251), istituto di formazione professionale (205), paskola sostenuta dallo Stato (149), scuola di generale istruzione (147), istituto di formazione professionale (77). Trižodžiai ŠM terminai sono septynių grammatici modelli. Trap trižodžių ŠM terminų più frequenti bdv. K. + dkt. K. + dkt.20 tipo junginiai (essi costituiscono 48 % di tutti i trižodžių terminų), ecc.: istituto di istruzione superiore (251), istituto di formazione professionale (205), scuola di formazione generale (147). Antri tra trižodžių ŠM termini per frequenzà è dkt. K. + dkt. K. + dkt. tipo junginiai (24,8 %, ecc.: regolamento delle linee di studi (66), descrizione delle linee di studi (60), istituto di scienza dello Stato (50). Terčias secondo frequenzà strutturale trižodžių ŠM terminų modelis è bdv. V. + bdv. V. + dkt. (12%), ecc.: nazionale complesso programma (69), fondamentale studio scientifico (61), primaria formazione professionale (52). Di seguito secondo frequenza si possono fornire solo po pochi esempi, contenenti strutturini trižodžių ŠM terminų modelius: dkt. K. + dlv. V. + dkt. (4%), ecc.: paskola sostenuta dallo Stato (149), qualifica riconosciuta dallo Stato (33), studente finanziato dallo Stato (21); dkt. K. + bdv. V. + dkt. (4%), ecc.: università straniera (41), collegia accademica consiglio (32), direttore scientifico di dottorando (20); dlv. V. K. + dkt. K. + dkt. / (3,2%), ad esempio: valutazione finale della qualifica (36), gratuito posto di studi (13), studi di carattere applicato (13); bdv. V. + 18 Grammaticamente regolaigini conjuginiin in questo lavoro sono considerati tali conjuginii, nei quali dipendomiei parole armonizzate con principale, chiare sintaksinei relazioni tra le parole del conjuginio dėmen. 19 Prie partecipanti incluse e sudaiktavardėjée partecipanti. 20 L'ultimo obictavordizio più divertito non nurodomas, perché egli spesso è vardininkas. 62 Erika Rimkutė | Automatico dell'istruzione e della scienza term. dlv. V. (O K., se | nustatymaslingvistiniaismetodais partecipiv sudaiktavardėjęs) + dkt. (2,4 %, eg.: competitivo argomento didattico (15), nonformale apprendimento degli adulti (13), scientifico lavoro di ricerca (12); dlv. V. + bdv. V. + dkt. (1,6%), ad esempio: attività scientifica applicata (20), ricerche scientifiche su commissione (8). 4. Keturžodžiai terminai. Del totale ritrovato 77.961 keturžodis GT, più di 7 volte pavimentati compoinių 760. Di questi, l'esperto ha identificato 22 termini ŠM (essi rappresentano 2,82 % di tutti i termini). Le più frequenti in questo gruppo di termini junginiai sono istituzione scienza e studi (568), parco scientifico e tecnologico (62), comune nazionale integrata (40), formazione professionale del mercato del lavoro (40). ŠM tekstyne pavartoti keturžodžiai terminai sono devynių diversi grammatici modelli. Poiché keturžodžių termini di pavartota poco, perciò e ogni modelì illustra appena po pochi o solo po uno esempio. Qui secondo la frequenza riportata raggruppati tutti keturžodžių ŠM terminų strutturamenti modelli e indicato per uno quel modello ilustruojante esempio: bdv. V. + dkt. K. + dkt. K. + dkt. (22,7 % di tutti keturžodžių terminų): internazionale base di dati scientifica (13); bdv. V. + bdv. K. + dkt. K. + dkt. (18,2 %): generale materia di istruzione universitaria (8); bdv. K. + dkt. K. + dlv. V. + dkt. (13,6 %): disegno con disabilità speciali (8); dkt. K. + jng. + dkt. K. + dkt. (13,6 %): istituzione di scienza e studi (568); bdv. K. + dkt. K. + bdv. V. + dkt. (9,1 %): ricerche scientifiche di alto livello (18); dlv. V. + bdv. V. + dkt. K. + dkt. (9,1 %): riconosciuta internazionale database (11); bdv. V. + bdv. V. + bdv. V. + dkt. (4,5 %): comune programma nazionale integrale (40); dkt. K. + bdv. K. + dkt. K. + dkt. (4,5 %): istituzione pubblica di ricerca scientifica (31); dkt. K. + dkt. K. + dkt. K. + dkt. (4,5 %): sfil di studi delle scienze tecnologiche (28); 5. Penkiazodžiai terminai. Fissare 49 768 penkiažodžiai GT, più di 5 volte pavartotti compoinių rasta 601, di loro ŠM terminų - 4, i. y. 0,51 % di tutti terminų. Da tale modesto numero di termini difficile fare sommarinazioni sulla loro struttura, quindi termini strutturalmente neskirstyti. Tutti ŠM tekstyne pavarotti penkiazzodžiai termini: ricerche scientifiche e sviluppo sperimentale (124), ricerche scientifiche e sviluppo tecnologico (67), ricerche scientifiche e sviluppo tecnologico (13), centro di ricerca di alto livello (7). 69Terminologija | 2012 | 19 aAutomatic IDENTIFICatION OF SCIENCE a EDUCatION TERMS USING LINGUISTIC MEtHODS The paper deals with possibilities and problems of automatic Lithuanian term extraction. Specificamente, linguistic methods are discussed in the domain of Education and Science. Other researchers have shown that it is almost impossible to have language-independent term extraction tools; this is especially true for tools which are based on linguistic rules. Therefore a linguistic term extraction tool should incorporate methods that would deal with a languages grammatical system. This paper presents a tool developed at the Centre of Computational Linguistics of Vytautas Magnus that employs linguistic rules for extracting domain-specific terminology. University In order to extract domain-specific terms automatically, some preparatory work should be completed: compilation of domain-specific corpus (a corpus of four million words has been compiled for this research), morphological annotation of the corpus, formulation of appropriate linguistic rules, and creation of methodology for filtering out irrilevant word combinations. The paper presents the linguistic rules that have been used for the extraction of Education and Science terms and the results of the extraction procedure. The identified terms are contrasted with approved terms in the Term Bank of the Republic of Lithuania. Some specific problems of automatic term extraction are discussed in the paper, e.g. number and case agreement of terms in a multi word term. Ricevuta 2012-05-17 Erika Rimkutė Vytautas Maggiojo Università K. Donelaičio g. 52, LT-44248 Kaunas E. posta [email protected]