Improving Compatibility of Terminological Collections with a Bridging Classification of Data Categories

Повышение совместимости терминологических коллекций с помощью связующей классификации категорий данных IGOR KUDASHEV University of Helsinki В В Е Д Е Н И Е Несмотря на существование стандартизированного набора категорий данных (ISO 12620:1999) и стандартизированных методов терминологической работы (ISO 704:2000), по-прежнему трудно найти две терминологические базы данных, созданные в двух разных организациях, которые можно было бы легко объединить без потери данных или искажения исходных принципов формирования каждой из баз данных. Наиболее очевидны следующие причины: различаются национальные языки и традиции; различаются области LSP; различаются подготовка и подходы составителей; различаются технические решения. В то же время одной из тенденций в управлении терминологическими ресурсами и другими видами данных стало объединение разрозненных ресурсов в более крупные порталы или сервисы, обычно без их физического слияния. Один из примеров — портал EuroTermBank (http://www.eurotermbank.com), обеспечивающий поиск по множеству внутренних и внешних терминологических баз данных и позволяющий собирать результаты. По мере роста требований пользователей и объемов данных возникает необходимость предоставлять расширенный поиск по всем полям записи, а не только по заголовочным словам, и адаптировать записи в соответствии с предпочтениями пользователей. В этой статье мы предлагаем классификацию категорий данных, которая может служить связующим звеном между терминологическими коллекциями. Классификация позволяет решать следующие проблемы, связанные с управлением терминологическими коллекциями с различными наборами категорий данных: объединение и слияние терминологических ресурсов; организация поиска по всем полям записей; адаптация записей из нескольких коллекций в соответствии с предпочтениями пользователей. 36 Igor Kudashev | Improving Compatibility of Terminological... Терминологическая база данных может содержать различные типы данных помимо собственно терминологических данных, например сведения об источниках, пользователях и операциях по управлению терминологией. В этой статье мы сосредоточимся на классификации категорий данных, связанных с описанием выражений LSP. ЧТО ТАКОЕ КАТЕГОРИЯ ДАННЫХ? В терминологических базах данных разные типы данных размещаются в разных полях. Категория данных — это результат спецификации данного поля данных (ISO 1087-2:2000: 13). Терминологи используют различные метафоры, чтобы объяснить понятие категории данных. Одна из метафор — шкаф, в котором разные типы одежды хранятся в разных ящиках. Другая метафора — корзина для покупок, где каждый вид товара упакован в собственную упаковку, чтобы товары не смешивались. ТИПИЧНЫЕ НЕСООТВЕТСТВИЯ МЕЖДУ КАТЕГОРИЯМИ ДАННЫХ Категории данных являются результатом классификации данных. Данные можно классифицировать множеством разных способов в зависимости от взглядов классификатора и потребностей пользователей. Используя метафору шкафа, можно сказать, что шкафы различаются количеством ящиков, а также их формой, размером и т. д. Между категориями данных в терминологических базах данных возможно как минимум шесть типов несоответствий: - несоответствие названий категорий данных; - несоответствие «размеров» категорий данных, то есть различная «степень детализации»; - несоответствие «местоположения» категорий данных, то есть их расположения в классификационной схеме; - несоответствие принципов классификации (перекрытие); - несоответствие содержания категорий данных; - смешанные случаи. Ниже приведено несколько примеров, иллюстрирующих некоторые распространённые несоответствия. Случай 1: категории данных имеют разные названия. Пример: категория данных называется note в одной базе данных, comment — в другой, remark — в третьей и NB — в четвёртой. Terminologija | 2009 | 16 37 Случай 2: название категории данных используется в разных значениях. Пример: категория данных синоним может соответствовать понятиям «полный синоним», «частичный синоним» или «полный или частичный синоним». Случай 3: названия категорий данных являются «ложными друзьями». Пример: английские abbreviation и acronym в определении стандарта ISO (ISO 12620:1999: 6–7) и русские аббревиатура и акроним соотносятся друг с другом в перекрёстном порядке (Kudashev & Hajutin 2003: 104–105). Случай 4: грануляция категорий данных различается. Пример: категория данных сокращённая форма термина в ISO 12620:1999 подразделяется на пять подкатегорий (аббревиатура, краткая форма термина, инициальное сокращение, акроним и усечённый термин), однако в ISO 12616:2002 («Терминология, ориентированная на перевод») такого деления нет. Случай 5: пересечение категорий данных. Пример: категории данных пример и контекст пересекаются. Некоторые примеры являются контекстами, а некоторые контексты могут служить примерами, но эти две категории не идентичны. Случай 6: одна и та же категория данных включается в разные более широкие категории. Пример: категория данных контекст в ISO 12620:1999 считается данными, связанными с понятием, по-видимому, потому, что контексты могут предоставлять дополнительные сведения о понятии. Однако более распространённая функция контекстов — предоставлять информацию об употреблении терминов и их сочетаемости, поэтому «во многих базах данных контекст классифицируется как категория, связанная с термином» (ISO 12620:1999: 25). Случай 7: язык, знаковая система или нотация данных различаются. Пример: часть речи в одной базе данных может обозначаться как noun, в другой — как n., в третьей — как subst., а в четвёртой — графическим символом. Случай 8: одинаковые или сходные значения категорий данных используются в разных смыслах и разных сочетаниях. Пример: значение неологизм в категории данных происхождение термина стандарта ISO 12620:1999 звучит как хронологическая помета, хотя на самом деле указывает на методологию, использованную при создании термина. 38 Igor Kudashev | Improving Compatibility of Terminological... Случай 9: значения полузакрытых классов различаются из-за различной классификации языковых явлений в разных языках и различных традиций. Пример: в ISO 12620:1999 к обозначениям для описания выражений LSP, относящихся к «сниженному стилю», относятся сленговый регистр и вульгарный регистр. Они приблизительно соответствуют обозначениям профессиональный жаргонизм и профессиональное просторечие в русском языке. В финском же имеется только одна категория — ammattislangi (профессиональный сленг; см. Sanastotyön käsikirja 1989: 12). Следует также отметить, что некоторые данные могут быть представлены в терминологических коллекциях неявно. Пример 1: наличие в одних случаях обозначения устаревшее и его отсутствие в других случаях в терминологической коллекции подразумевает, что термины, не помеченные этим обозначением, входят в активный фонд LSP. Пример 2: если в одной статье размещены два или более термина, это обычно означает, что они являются синонимами или эквивалентами. Обмен данными или агрегирование терминологических ресурсов могут потребовать явного представления таких неявных данных. Например, если данные хранятся в виде онтологии, а не статических статей, то упомянутую выше неявную информацию о синонимах и эквивалентах необходимо сделать явной и сохранить при «разборе» статей. ИНВЕНТАРИ И КЛАССИФИКАЦИИ КАТЕГОРИЙ ДАННЫХ ISO ISO 12620:1999 определяет набор категорий данных для фиксации терминологической информации. Он не предписывает, какие именно категории данных следует использовать, а служит скорее инвентарем. Этот набор категорий данных расширяется в рамках проекта ISOcat (www.isocat.org), который документирует широко признанные категории лингвистических данных. Хотя проект ISOcat несомненно полезен лингвистам, получающим возможность точнее классифицировать и определять лингвистические понятия, а также разработчикам терминологических банков, которые могут выбирать готовые категории данных из обширного инвентаря, он вряд ли поможет решить проблемы обмена данными, агрегирования и поиска по полным статьям в нескольких базах данных. Во-первых, это не может помешать составителям терминологических продуктов Terminologija | 2009 | 16 39 классифицируя данные иным образом и используя собственные категории данных. Во-вторых, чем больше категорий данных используется в терминологических коллекциях, тем разнообразнее они становятся, что еще больше усложняет обмен данными. Теоретически список категорий данных бесконечен, а на практике весьма обширен. Например, список категорий данных, связанных с терминологией, в инвентаре ISOcat уже насчитывает более 500 позиций. Одна из практик, используемых в проекте ISOcat, может многократно увеличить это число. Мы имеем в виду представление значений закрытых и полуоткрытых классов в качестве самостоятельных категорий данных. Например, значения категории данных register, такие как vulgarRegister, slangRegister и т. д., теперь представлены как самостоятельные категории данных. Аналогичным образом категория данных reliabilityCode разделена на reliabilityCode1, reliabilityCode2 и т. д. Мнения о целесообразности такого подхода с практической точки зрения могут различаться, однако данные можно организовать множеством способов, поэтому формальных ограничений на дробление категорий данных вплоть до примитивных классов, допускающих только значения yes и no, нет. Однако очевидно, что эту совокупность категорий данных необходимо должным образом структурировать и классифицировать, чтобы она оставалась управляемой и хорошо организованной. Между тем классификация категорий данных, предложенная в ISO 12620:1999, проблематична в нескольких отношениях. Прежде всего, существуют некоторые несоответствия, касающиеся основного разделения данных. Согласно разделу 6.2 (Типология категорий данных), категории данных делятся на три основные группы: термин и связанная с ним информация, описательные данные и административные данные. Однако в Приложении D (Систематический перечень категорий данных) вторая группа названа Категории данных, связанные с описанием понятия. В то же время эта группа включает подгруппу Примечание, которая «выделена отдельно, поскольку может быть связана с любой другой категорией и поэтому не может быть отнесена ни к какой конкретной подгруппе» (ISO 12620:1999: 4). Если предположить, что предполагалось выделить четыре группы: термин и связанная с ним информация, информация, связанная с понятием, административные данные и Примечание, эта классификация все равно вызывает множество вопросов. Перечислим некоторые из них: - Почему примеры и контексты относятся к данным, связанным с понятием, а не к данным, связанным с термином? Ср. описание категории данных контекст: «Текст или часть текста, в котором встречается термин» (ISO 12620:1999: 25). - Почему синоним и эквивалентность относятся к данным, связанным с термином, тогда как все остальное, связанное со значением, относится к данным, связанным с понятием? Ср. описание категории данных степень эквивалентности: «Степень совпадения интенсионалов двух или более понятий» (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Почему антоним и омограф относятся к административным данным, а не к данным, связанным с термином или понятием? Почему аудио, видео и т. д. относятся (только) к данным, связанным с понятием? Каково точное определение административных данных? Почему этот класс включает столь неоднородные категории? Разделение терминологических данных на связанные с понятием и связанные с термином может быть полезно с технической точки зрения, поскольку оно поддерживает концептоцентрированный подход, сокращающий число отношений между терминами за счет связывания синонимичных терминов с одним и тем же понятием. Однако такое разделение в целом и его реализация в ISO 12620:1999 в частности могут создавать трудности для обычных пользователей терминологических баз данных — переводчиков и отраслевых экспертов. Действительно, нелегко понять, почему синонимы следует искать среди данных, связанных с термином, антонимы — среди административных данных, а примеры — среди данных, связанных с понятием. Обычные пользователи работают с терминами — словами и словосочетаниями, поэтому им естественнее говорить о значении термина, синонимах термина, примерах употребления термина и т. д. Отсюда следует, что классификация категорий данных, предназначенная для полнотекстового поиска в нескольких коллекциях, должна быть ориентирована на термины, интуитивно понятна и основана на общепринятых лингвистических категориях. УСТРАНЕНИЕ НЕСООТВЕТСТВИЙ МЕЖДУ КАТЕГОРИЯМИ ДАННЫХ Проблему несоответствий между категориями данных можно решить с помощью сопоставления. Если несоответствия носят номинальный характер — например, различаются названия категорий данных или одинаковое содержание представлено по-разному, — можно использовать прямое сопоставление категорий данных. После применения прямого сопоставления поиск данных в агрегированном ресурсе можно выполнять с той же точностью, что и в исходных базах данных. Более существенные различия между категориями данных требуют поиска общего знаменателя посредством сопоставления классификаций наборов категорий данных. Использование общего знаменателя несколько снижает точность поиска, однако это единственный способ обеспечить общий поиск по терминологическим ресурсам с различной структурой. Если пользователь не готов пожертвовать точностью поиска, ему придётся выполнять поиск отдельно в каждой коллекции. Как и в случае с обменом данными в целом, использование промежуточного формата, то есть некой связующей классификации категорий данных, в долгосрочной Terminologija | 2009 | 16 41 перспективе эффективнее, чем создание множества сопоставлений между различными классификациями. Общие принципы классификации категорий данных, предназначенной служить единым интерфейсом для других классификаций, таковы: 1. Поскольку классы классификации должны служить общими знаменателями, они должны находиться на более высоком уровне абстракции, чем большинство «примитивных» категорий данных, которые далее не подразделяются. В то же время уровень абстракции не должен быть слишком высоким, иначе пользователям будет неинтересна чрезмерно общая классификация. На практике достаточно классификации с двумя уровнями абстракции. 2. Классификация должна охватывать все типы выражений LSP, обычно описываемых в терминологических базах данных, включая элементы терминов, имена собственные, номенклатуру, устойчивые выражения и т. д. 3. Классификация должна содержать только те категории данных, которые непосредственно связаны с описанием выражений LSP. Описание технических и административных аспектов (например, носителя, кодировок, источников, надёжности и т. д.) — отдельная задача. 4. Классификация должна быть иерархической, но на одном уровне абстракции следует допускать несколько оснований деления. 5. Классификация должна быть расширяемой, то есть на каждом уровне иерархии должна содержаться категория «прочее». Эти принципы необходимо сочетать с упомянутым выше требованием удобства для пользователя. По нашему мнению, классификация, основанная на лингвистических функциях данных, особенно хорошо отвечает этому требованию. В связующей классификации, основанной на лингвистических функциях, акцент переносится с названий категорий данных на функцию или функции содержащихся в них данных. Здесь уместно сравнение с библиотекой, в которой есть алфавитный и предметный каталоги. Поиск по названиям категорий данных подобен поиску с помощью алфавитного каталога. Заглавие даёт некоторое представление о содержании книги, но иногда может вводить в заблуждение. Кроме того, пользователи не могут угадать все возможные заглавия, относящиеся к определённой теме. Алфавитный каталог полезен, когда пользователи точно знают, какой элемент или какие элементы хотят найти. Однако большинство посетителей библиотеки начинают поиск с предметного каталога, поскольку заранее не знают, какие материалы относятся к интересующей их теме. Терминологический портал, агрегирующий несколько терминологических коллек- 42 Igor Kudashev | Improving Compatibility of Terminological... …ций с различными наборами категорий данных ставит перед пользователями ту же проблему, что и царство книг на библиотечных полках. Пользователи знают, какая информация их интересует (грамматика, значение, употребление и т. д.), но не обязательно знают, в каких категориях данных можно найти эту информацию. В разных терминологических коллекциях сходные типы данных могут храниться в разных полях данных. Например, сведения о региональном статусе выражения LSP могут находиться в таких полях, как употребление, региональная помета, языковой символ и т. д. Если поиск основан на лингвистических функциях данных, пользователям не нужно заботиться о точных названиях категорий данных. Достаточно указать, что они ищут сведения о региональном статусе, значении или синонимах, и система управления терминологией находит и отображает полные или сокращённые записи в различных базах данных, содержащих указанный тип информации. Поиск по функции можно и следует дополнять поиском по названию полей — для тех пользователей, которые точно знают, в каких полях они хотят искать. Поля данных, как и библиотечные фонды, могут содержать различные виды лингвистической информации. Например, пример — это типичное многофункциональное поле, которое может содержать сведения о форме, значении и употреблении термина в различных пропорциях. Каждую категорию данных можно описать как имеющую одну или несколько функций. Также должна быть возможность указать, в какой степени конкретная категория данных отражает определённые функции. Эта характеристика может быть вербальной (например, основная и вторичная функции) или числовой (например, 0–100%). Самый простой способ сопоставить конкретный набор категорий данных с промежуточной классификацией — считать содержимое полей данных определённого типа однородным и составить простую таблицу соответствий. Более точное, но и более сложное сопоставление позволило бы составителям указать отклонения отдельных полей данных от значений, используемых в общей таблице соответствий. Например, контексты обычно содержат сведения об употреблении и значении термина. Разумно включить эти виды информации в общую таблицу соответствий, поскольку они относятся к каждому полю контекста. Однако некоторые контексты могут содержать и энциклопедическую информацию. Такое эпизодическое использование энциклопедической информации можно отмечать локально, на уровне поля. Terminologija | 2009 | 16 43 КЛАССИФИКАЦИЯ КАТЕГОРИЙ ДАННЫХ НА ОСНОВЕ ЛИНГВИСТИЧЕСКИХ ФУНКЦИЙ ДАННЫХ Поскольку выражения LSP являются языковыми знаками, информацию о них можно разделить на сведения об их форме, значении, употреблении, отношениях с другими единицами, происхождении и развитии. Ниже подробно описан каждый из этих классов и приведены примеры относящихся к ним данных. Компактную версию классификации см. в Приложении 1. Данные, относящиеся к форме Выражения LSP имеют две формы — письменную и устную. Кроме того, данные, относящиеся к форме выражения LSP, можно подразделить на три класса: - данные, относящиеся к канонической форме; - данные, относящиеся к образованию единицы; - данные, относящиеся к словоизменению единицы. ДАННЫЕ, СВЯЗАННЫЕ С КАНОНИЧЕСКОЙ ФОРМОЙ Каноническая форма — это форма, в которой заголовочное слово приводится в базе данных. Она служит «представителем» других форм. Например, в большинстве европейских языков канонической формой существительных является именительный падеж единственного числа, а глаголов — инфинитив настоящего времени. Однако правила выбора канонической формы различаются в разных языках и лексикографических традициях. Ниже приведено несколько примеров данных, связанных с письменной канонической формой: - тип выражения по его письменной форме (например, полная форма, сокращённая форма, символ, формула и т. д.); - написание формы; - варианты написания формы; - переносы слов. Примеры данных, связанных с устной канонической формой: - тип выражения по его устной форме (например, инициализм, акроним); - произношение; - варианты произношения формы; - слогоделение. Как видно, некоторые категории данных могут относиться как к письменным, так и к устным формам. Например, указание на то, что определённое выражение является инициализмом, то есть сокращённой формой, составленной из начальных букв полного термина, в которой эти буквы произносятся по отдельности (например, Организация Объединённых Наций — ООН), предоставляет информацию как о письменной, так и об устной форме. Кроме того, оно может 44 Igor Kudashev | Improving Compatibility of Terminological... можно сказать, что они предоставляют информацию о словообразовании, происхождении и развитии терминов. ДАННЫЕ, СВЯЗАННЫЕ С ОБРАЗОВАНИЕМ ТЕРМИНОВ Примеры данных, связанных с образованием выражений для специальных целей: - компоненты и элементы термина; - морфемная структура; - синтаксическая модель; - модель образования термина; - способ(ы) образования термина; - морфологические варианты; - производные. ДАННЫЕ, СВЯЗАННЫЕ СО СЛОВОИЗМЕНЕНИЕМ Примеры данных, связанных со словоизменением выражений LSP: - грамматические параметры (число, род, одушевлённость и т. д.); - полная или частичная парадигма форм; - модели словоизменения, спряжения и т. д. Данные, связанные со значением Этот раздел классификации начинается с довольно периферийной категории, чтобы соответствовать другим разделам. Выражения LSP можно разделить на несколько классов в зависимости от того, насколько их внутренняя форма отражает их значение. Например, устойчивое выражение является единицей, значение которой нельзя вывести из совокупного смысла слов, составляющих это выражение. Помимо этого, данные, связанные со значением выражений LSP, можно разделить на две крупные категории. Первая — логическое значение — описание логического понятия, обозначаемого выражением LSP. Этот тип информации обычно приводится в терминологических определениях и описаниях, сходных с определениями. Вторая категория включает довольно разнородные компоненты значения, которые можно назвать наведённым значением. К таким компонентам относятся, например: - различные коннотации, то есть оценочные компоненты значения; - внутренняя форма выражения (его «буквальное», поморфемное значение); Terminologija | 2009 | 16 45 – другие значения того же выражения в LSP или LGP; – компоненты значения, обусловленные антонимическими, синонимическими, паронимическими и другими системными отношениями данного выражения; – различные виды ассоциаций; – компоненты значения, обусловленные созвучием, рифмами и т. д. Мы называем эти компоненты значения «наведёнными», поскольку они обусловлены отношением пользователей языка к объектам, обозначаемым выражениями LSP, ассоциациями пользователей или связями выражения LSP с другими языковыми единицами. В этом смысле пользователи языка, другие языковые единицы или и те и другие «наводят» на выражение LSP дополнительные компоненты значения. Подробнее о представлении наведённого значения в словарях LSP см. (Kudashev 2006; Kudashev 2007: 254–258). Наведённые компоненты приветствуются и даже намеренно культивируются, когда они создают положительные ассоциации и коннотации или позволяют пользователям выражать своё отношение к предмету в неформальном общении. Однако в большинстве случаев они лишь отвлекают внимание пользователей от логического значения, которое должно составлять основу коммуникации LSP. Вероятно, это одна из причин, по которым компоненты наведённого значения в значительной степени игнорировались в теории терминологии. Тем не менее их учёт является важной предпосылкой успешной терминономинации и эффективной коммуникации LSP. Данные, относящиеся к энциклопедическому описанию Энциклопедическое описание предоставляет информацию об объектах, обозначаемых выражениями LSP, и в большинстве случаев эта информация является экстралингвистической. Однако иногда трудно провести границу между описанием понятия и описанием объекта, обозначаемого выражением LSP. Многие терминологические базы данных уже содержат информацию, которую можно считать энциклопедическим описанием; ожидается, что её доля будет расти в будущем, поскольку различные виды справочных изданий постепенно сближаются (ср. Hartmann 2001: 5). Чтобы признать этот факт, мы решили включить энциклопедическое описание в классификацию категорий данных, связанных с описанием выражений LSP. Данные, связанные с употреблением Информация, связанная с употреблением, по-видимому, является наиболее востребованным типом данных 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - ограничения в употреблении; - частотность употребления. ДАННЫЕ ОБ ОГРАНИЧЕНИЯХ В УПОТРЕБЛЕНИИ Употребление любого выражения LSP ограничено как минимум определённым национальным языком, предметной областью и хронологическим периодом. Кроме того, употребление может быть ограничено определённой географической территорией, профессиональной группой, организацией, регистром и т. д. Ниже приведён список наиболее распространённых ограничений употребления с несколькими примерами в скобках: - национальный язык (en, fi, ru); - предметная область и подобласть (физика – атомная физика – физика высоких энергий); - научная школа/теория (физика Ньютона, физика Эйнштейна; датский структурализм в лингвистике); - хронологическое ограничение (устаревшее слово, неологизм, употреблявшийся во время WWII); - географическое ограничение (en-US, en-GB, диалектное выражение); - организационное ограничение (термин, употребляемый в/компанией Nokia, Microsoft, UN, WHO); - ограничение по праву собственности (товарный знак, фирменное наименование); - ограничения регистра (официальный термин, неофициальный термин, профессиональный жаргон); - ограничения по профессиональной группе (врачи, медсёстры, медицинские ассистенты); - комбинаторные ограничения (провести/осуществить/выполнить/начать расследование); - ограничения соответствия (стандартизованный, предпочтительный, рекомендуемый, нерекомендуемый термин). Два последних типа ограничений, вероятно, требуют более подробного комментария. Данные, связанные с комбинаторными ограничениями Комбинаторная способность — это способность языковых единиц образовывать более крупные единицы. Комбинаторную способность можно подразделить на семантическую, лексическую и синтаксическую. Семантическая комбинаторная способность предполагает, что выражения не имеют спорных компонентов значения. Лексическая комбинаторная способность проявляется в способности выражений сочетаться с определёнными другими лексическими средствами. Синтаксическая комбинаторная способность — это способность выражения сочета- Terminologija | 2009 | 16 47 ться с определёнными грамматическими формами других выражений и служебными словами. Комбинаторные ограничения обычно описываются с помощью синтаксических моделей, примеров и контекстов. Данные, связанные с ограничениями соответствия Терминологические продукты, как правило, в большей или меньшей степени имеют предписывающий характер. Такая нормативность может варьироваться от рекомендаций составителей или привлечённых ими экспертов в предметной области до нормативного утверждения. В любом случае речь идёт о соответствии выражения в ЯСЦ «хорошему» или «правильному» стилю (с точки зрения составителей), а в случае стандартов — также некоторому нормативному документу. ДАННЫЕ, СВЯЗАННЫЕ С ЧАСТОТОЙ УПОТРЕБЛЕНИЯ Информация о частоте употребления может основываться на корпусных данных и выражаться численно либо представлять собой более или менее субъективную оценку, выраженную словами (например, часто употребляемый — редко употребляемый — употребляемый крайне редко). Данные, относящиеся к системным отношениям Под системными отношениями мы понимаем онтологические отношения (отношения, содержащие знания о мире), системные лексические отношения и отношения межъязыковой эквивалентности. Ниже приведены примеры наиболее распространённых системных отношений: – отношения синонимии; – отношения антонимии; – отношения омонимии; – отношения паронимии; – родо-видовые отношения; – партитивные отношения; – онтологические отношения без иерархической структуры (ассоциативные, последовательные, временные, причинно-следственные и т. д.); – отношения (межъязыковой) эквивалентности. Отношения, связанные со словообразованием, словоизменением и сочетаемостью выражений, не относятся к этой категории, поскольку они не являются системными лексическими отношениями. Данные, связанные с происхождением и развитием Этот тип данных близок к этимологическим данным, но не ограничивается ими. Он может включать, например: 48 Igor Kudashev | Improving Compatibility of Terminological... - сведения о формах, от которых, как считается, происходит указанное выражение языка для специальных целей (LSP); - сведения об этапах развития указанного выражения языка для специальных целей (LSP); - сведения о более ранних формах, значениях, употреблении и т. д. указанного выражения языка для специальных целей (LSP). ВЫВОДЫ В этой статье мы обсудили принципы классификации данных, предназначенной для устранения структурных несоответствий между категориями данных в различных терминологических коллекциях. К предполагаемым областям применения классификации относятся агрегация и объединение терминологических данных, организация поиска по полным статьям в нескольких терминологических коллекциях и адаптация статей в соответствии с предпочтениями пользователей. Для выполнения двух последних задач классификация должна быть достаточно простой и интуитивно понятной обычным пользователям терминологических продуктов. Классификация, основанная на лингвистических функциях данных, представляется одним из наиболее подходящих вариантов в этом отношении. Поиск на основе лингвистических функций данных эффективно дополняет поиск по названиям категорий данных и выполняет ту же функцию, что и предметный каталог в библиотеке. В этой статье мы сосредоточились на классификации данных, связанных с описанием выражений языка для специальных целей (LSP), поскольку это наиболее важный тип данных, представленных в терминологических базах данных. Классификации других типов данных, таких как сведения об источниках, пользователях и операциях управления терминологией, будут представлены в спецификациях проекта ContentFactory, целью которого является создание платформы на основе онтологии для распределённой совместной работы с терминологией. Проект завершится в 2010 году, и значительная часть его внутренней документации будет опубликована. BIBLIOGRAPHY Hartmann R. R. K. 2001: Teaching and Researching Lexicography. New York: Longman. ISO 1087-2:2000 Terminology Work – Vocabulary. Part 2: Computer Applications. ISO 12616:2002 Translation-Oriented Terminography. ISO 12620:1999 Computer Applications in Terminology – Data Categories. ISO 704:2000 Terminology Work – Principles and Methods. Kudashev I. 2006: Additional Meaning Components of Terms and their Treatment in LSP Dictionaries. – Lehtinen, Esa – Niemelä, Nina (toim.) Erikoiskielet ja käännösteoria. VAKKI-symposiumi XXVI. Vaasa 11.–12.2.2006. Vaasa: Vaasan yliopisto, 143–149. Кудашев И. С. 2007: Проектирование переводческих словарей специальной лексики. Хельсинки: Yliopistopaino. Terminologija | 2009 | 16 49 Кудашев И. С., Хаютин А. Д. 2003: К вопросу о формах терминоэлементов и терминов. – Лексикология. Терминоведение. Стилистика: Сборник научных трудов, Москва, Рязань, 101–107. Sanastotyön käsikirja 1989: Sanastotyön käsikirja. Soveltavan terminologian periaatteet ja työmenetelmät / Toimittanut Tekniikan sanastokeskus. Helsinki: Suomen Standardoimisliitto. APPENDIX 1. CLASSIFICATION OF TERMINOLOGICAL DATA BASED ON ITS LINGUISTIC FUNCTIONS Values in angle brackets are candidates for the formal representation of the categories. These values are used in Appendix 2 for the sake of brevity. 1. Data related to form. <termForm> 1.1. Type of LSP expression by its form. <termForm: termType> 1.2.1. Data related to written form. <termForm: writtenForm> 1.2.2. Data related to oral form. <termForm: oralForm> 1.3.1. Data related to canonical form. <termForm: canonicalForm> 1.3.2. Data related to term formation. <termForm: termFormation> 1.3.3. Data related to inflection. <termForm: termInflection> 2. Data related to meaning. <termMeaning> 2.1. Type of LSP expression by correspondence of its meaning to its form. <termMeaning: termType> 2.2. Data related to logical meaning. <termMeaning: logicalMeaning> 2.3. Data related to induced meaning. <termMeaning: inducedMeaning> 3. Encyclopedic description. <termEncyclopedicDescription> 4. Data related to usage. <termUsage> 4.1. Data related to restrictions of usage. <termUsage: restrictions> 4.1.1. Data related to national language restrictions. <termUsage: restrictions: language> 4.1.2. Data related to domain restrictions. <termUsage: restrictions: domain> 4.1.3. Data related to scientific school or theory restrictions. <termUsage: restrictions: schoolOrTheory> 4.1.4. Data related to chronological restrictions. <termUsage: restrictions: chronological> 4.1.5. Data related to geographical restrictions. <termUsage: restrictions: geographical> 4.1.6. Data related to organizational restrictions. <termUsage: restrictions: organizational> 4.1.7. Data related to proprietary restrictions. <termUsage: restrictions: proprietary> 50 Igor Kudashev | Improving Compatibility of Terminological... 4.1.8. Data related to register restrictions. <termUsage: restrictions: register> 4.1.9. Data related to professional group restrictions. <termUsage: restrictions: professionalGroup> 4.1.10. Data related to combinatory restrictions. <termUsage: restrictions: combinatory> 4.1.11. Data related to compliance restrictions. <termUsage: restrictions: compliance> 4.2. Data related to frequency of use. <termUsage: frequency> 5. Data related to systematic relations. <termRelations> 5.1. Data related to synonymous relations. <termRelations: synonymousRelation> 5.2. Data related to antonymous relations. <termRelations: antonymousRelation> 5.3. Data related to homonymous relations. <termRelations: homonymousRelation> 5.4. Data related to paronymous relations. <termRelations: paronymousRelation> 5.5. Data related to generic relations. <termRelations: genericRelation> 5.6. Data related to partitive relations. <termRelations: partitiveRelation> 5.7. Data related to non-hierarchical ontological relations. <termRelations: non-hierarchicalOntologicalRelation> 5.8. Data related to equivalence relations. <termRelations: equivalenceRelation> 6. Data related to origin and development. <termOriginAndDevelopment> 7. Other types of data related to the description of an LSP expression <termOtherRelatedData> APPENDIX 2. EXAMPLE OF MAPPING OF SOME ISO 12620:1999 DATA CATEGORIES INTO THE FUNCTIONAL CLASSIFICATION OF TERMINOLOGICAL DATA See Appendix 1 for the decryption of the formal representation of the categories which are used for the sake of brevity. Question mark after a data category means that the presence of the specified kind of data is subject to the interpretation of the data category. If subcategories can be mapped in the exact same way as their parent category, only the parent category is described. Terminologija | 2009 | 16 51 Due to space limitations only the first subgroup of data categories from the ISO 12620:1999 standard is covered. A.1 term Note: term (headword) lies outside the scope of classification which covers data categories related to the description of LSP expressions. However, technically data category term is identical to the written form of the term. Functional classification: not applicable or <termForm: writtenForm> A.2.1 term type Note: in the ISO 12620:1999 standard this category includes various kinds of LSP expressions and may contain different types of data. See subcategories for more information. A.2.1.1 main entry term Note: information about the structure of the entry is not data related to the description of LSP expressions. However, this category indirectly reflects preference. Functional classification: not applicable or <termUsage: restrictions: compliance> A.2.1.2 synonym Note: when opposed to main entry term, this category reflects preference. Its primary function is, however, reflection of synonymous relations. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.3 quasi-synonym Note: same as previous. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.4 international scientific term Note: depending on the interpretation of this category and its contents, this data category may provide information about compliance, language restrictions, origination and development. Functional classification: <termUsage: restrictions: compliance>; <termUsage: restrictions: language>?; <termOriginAndDevelopment>? A.2.1.5 common name Note: common name is a synonym of an international scientific term that is used in general discourse. This data category may provide information about restrictions related to register, compliance and professional group. 52 Igor Kudashev | Improving Compatibility of Terminological... Functional classification: <termUsage: restrictions: register>; <termUsage: restrictions: compliance>; <termUsage: restrictions: professionalGroup>? A.2.1.6 internationalism Note: depending on the contents this data category may provide information related to language restrictions, term formation, origination and development. Functional classification: <termUsage: restrictions: language>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.7 full form Note: this data category provides information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.8 abbreviated form of term Note: depending on the contents, this data category and all its subcategories (A.2.1.8.1 abbreviation, A.2.1.8.2 short form of term, A.2.1.8.3 initialism, A.2.1.8.4 acronym and A.2.1.8.5 clipped term) may provide information related to type of term by its form, oral form; term formation, origin and development. Functional classification: <termForm: termType>; <termForm: oralForm>?; <termForm: termFormation>?; <termOriginAndDevelopment> A.2.1.9 variant Note: depending on the contents, this data category may provide information about preference, term formation, origin and development. Functional classification: <termUsage: restrictions: compliance>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.10–A.2.1.14 (transliterated form, transcribed form, romanized form, symbol and formula) Note: these data categories provide information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.15–A.2.1.17 (equation, logical expression, materials management categories) Note: these units can not be headwords in terminological databases. Functional classification: not applicable. A.2.1.18 phraseological unit Note: in ISO 12620:1999 this category is split into three subcategories: collocation, set phrase and synonymous phrase. Collocation can not be counted Terminologija | 2009 | 16 53 as a phraseological unit as it does not correspond to the definition of a phraseological unit provided in the standard. Synonymous phrase seems to be an unnecessary category. The same information can be expressed with two other data categories: set phrase and synonym. Functional classification: not applicable. A.2.1.18.1 collocation Note: this data category provides information about combinatory restrictions. Functional classification: <termUsage: restrictions: combinatory> A.2.1.18.2 set phrase Note: this data category provides information about the type of term by correspondence of its meaning to its form. Functional classification: <termMeaning: termType> A.2.18.3 synonymous phrase Note: as was stated above, this category is probably unnecessary. If used, it provides information about the type of term by correspondence of its meaning to its form and also about synonymous relations. Functional classification: <termMeaning: termType>; <termRelations: synonymousRelation> A.2.1.19 standard text Note: standard texts can not be headwords in terminological databases. Functional classification: not applicable. TERMINIJOS RINKINIŲ SUDERINAMUMO GERINIMAS TAIKANT DUOMENŲ KATEGORIJŲ KLASIFIKACIJĄ Viena iš informacijos ir ypač terminologijos išteklių plėtros tendencijų yra atskirų duomenų bazių jungimas į didelius portalus ir sąsajų tarp tokių portalų kūrimas. To pavyzdys gali būti EuroTermBankas (http://www.eurotermbank.com). Didėjant informacijos apimčiai ir vartotojų tokiems produktams keliamiems reikalavimams, auga poreikis užtikrinti išplėstinę paiešką, apimančią visus žodynų straipsnių laukus, ir galimybę pateikti tik tas informacijos kategorijas, kurios tuo metu domina vartotoją. Šiems uždaviniams spręsti reikalinga duomenų kategorijų klasifikacija, kurią būtų galima taikyti kaip terminologinių bazių, turinčių skirtingą struktūrą, „bendrą vardiklį“. Svarbus tokios klasifikacijos reikalavimas – jos paprastumas ir aiškumas paprastiems terminologijos produktų vartotojams. Straipsnyje aptariama lingvistinėmis duomenų funkcijomis paremta klasifikacija galėtų tapti tokiu „bendru vardikliu“. 54 Igor Kudashev | Improving Compatibility of Terminological... ИСПОЛЬЗОВАНИЕ МЕТАКЛАССОВ ДАННЫХ КАК СРЕДСТВО УЛУЧШЕНИЯ СОВМЕСТИМОСТИ ТЕРМИНОЛОГИЧЕСКИХ КОЛЛЕКЦИЙ Одной из тенденций развития информационных ресурсов в целом и терминологических в частности стало объединение разрозненных баз данных в крупные порталы и создание общих интерфейсов к ним. Примером может служить Евро-ТермБанк (http://www.eurotermbank.com). По мере роста объемов информации и требований пользователей к подобным продуктам растет потребность в обеспечении расширенного поиска, охватывающего все поля словарных статей, а также возможности отображения лишь тех категорий информации, которые в данный момент интересуют пользователя. Эти задачи требуют наличия классификации информационных категорий, которая могла бы служить «общим знаменателем» для терминологических баз с различной структурой. Немаловажным требованием к подобной классификации является ее простота и понятность для простых пользователей терминологических продуктов. В статье описывается один из возможных кандидатов на роль «общего знаменателя» – классификация, основанная на лингвистических функциях данных. Gauta 2009-10-14 Igor Kudashev University of Helsinki Palmenia Centre for Continuing Education P.O. Box 239 (Paraatikenttä 6) FIN-45100 Kouvola, Finland E-mail: [email protected] Terminologija | 2009 | 16 55