Terminologinių rinkinių suderinamumo gerinimas pasitelkiant duomenų kategorijų tarpinę klasifikaciją

IGOR KUDASHEV

University of Helsinki

ĮVADAS

Nepaisant standartizuoto duomenų kategorijų rinkinio (ISO 12620:1999) ir standartizuotų terminologinio darbo metodų (ISO 704:2000), vis dar sunku rasti dvi skirtingose organizacijose sukurtas terminologines duomenų bazes, kurias būtų galima lengvai sujungti neprarandant duomenų ir neiškreipiant pradinių kiekvienos duomenų bazės sudarymo principų. Akivaizdžiausios to priežastys yra šios:

skiriasi nacionalinės kalbos ir tradicijos;

skiriasi specialiosios kalbos sritys;

skiriasi sudarytojų išsilavinimas ir požiūriai;

skiriasi techniniai sprendimai.

Tuo pat metu viena iš terminologinių išteklių ir kitų rūšių duomenų tvarkymo tendencijų – išskaidytus išteklius telkti į didesnius portalus ar paslaugas, paprastai jų fiziškai nesujungiant. Vienas iš pavyzdžių – EuroTermBank portalas (http://www.eurotermbank.com), kuriame galima ieškoti keliose vidinėse ir išorinėse terminologinėse duomenų bazėse ir sudaryti rezultatų rinkinį.

Augant naudotojų poreikiams ir duomenų kiekiui, tampa būtina pasiūlyti išplėstinę paiešką, apimančią visus įrašo laukus, o ne tik antraštinius žodžius, ir pritaikyti įrašus pagal naudotojų pageidavimus. Šiame straipsnyje siūlome duomenų kategorijų klasifikaciją, kuri gali būti tiltas tarp terminologinių rinkinių. Klasifikacija skirta šioms problemoms, susijusioms su skirtingus duomenų kategorijų rinkinius turinčių terminologinių rinkinių tvarkymu:

terminologinių išteklių telkimui ir sujungimui;

paieškos, apimančios visus įrašų laukus, organizavimui;

įrašų iš kelių rinkinių pritaikymui pagal naudotojų pageidavimus.

36

Igor Kudashev | Improving Compatibility of Terminological...

Terminologinėje duomenų bazėje, be pačių terminologinių duomenų, gali būti įvairių tipų duomenų, pavyzdžiui, informacija apie šaltinius, naudotojus ir terminologijos valdymo operacijas. Šiame straipsnyje daugiausia dėmesio skiriame duomenų kategorijų, susijusių su LSP raiškos aprašymu, klasifikacijai.

KAS YRA DUOMENŲ KATEGORIJA?

Terminologinėse duomenų bazėse įvairių tipų duomenys pateikiami skirtinguose laukuose. Duomenų kategorija yra tam tikro duomenų lauko specifikavimo rezultatas (ISO 1087-2:2000: 13). Terminologai duomenų kategorijos sąvokai paaiškinti pasitelkia įvairias metaforas. Viena metafora – drabužių spinta, kurioje skirtingų tipų drabužiams laikyti naudojami atskiri stalčiai. Kita metafora – pirkinių krepšelis, kuriame kiekvienos rūšies prekės suvyniojamos į atskirą pakuotę, kad jos nesusimaišytų.

TIPIŠKI DUOMENŲ KATEGORIJŲ NEATITIKIMAI

Duomenų kategorijos yra duomenų klasifikavimo rezultatas. Duomenis galima klasifikuoti įvairiais būdais, atsižvelgiant į klasifikatoriaus požiūrį ir naudotojų poreikius. Pasitelkus drabužių spintos metaforą, galima sakyti, kad skirtingos spintos turi nevienodą stalčių skaičių, o jų forma, dydis ir pan. gali skirtis.

Terminologinėse duomenų bazėse galimi bent šeši duomenų kategorijų neatitikimų tipai:

- duomenų kategorijų pavadinimų neatitikimas;

- duomenų kategorijų „dydžio“ neatitikimas, t. y. skirtingas „granuliacijos“ lygis;

- duomenų kategorijų „vietos“ neatitikimas, t. y. jų vietos klasifikavimo schemoje neatitikimas;

- klasifikavimo principų neatitikimas (persidengimas);

- duomenų kategorijų turinio neatitikimas;

- mišrūs atvejai.

Toliau pateikiami keli pavyzdžiai, iliustruojantys kai kuriuos dažnai pasitaikančius neatitikimus.

1 atvejis: duomenų kategorijos įvardijamos skirtingai.

Pavyzdys: vienoje duomenų bazėje duomenų kategorija vadinama note, kitoje – comment, trečioje – remark, o ketvirtoje – NB.

Terminologija | 2009 | 16

37

2 atvejis: duomenų kategorijos pavadinimas vartojamas skirtingomis reikšmėmis.

Pavyzdys: duomenų kategorija sinonimas gali atitikti „visišką sinonimą“, „artimą sinonimą“ arba „visišką arba artimą sinonimą“.

3 atvejis: duomenų kategorijų pavadinimai yra „netikri draugai“.

Pavyzdys: anglų kalbos santrumpa ir akronimas, kaip apibrėžta ISO standarte (ISO 12620:1999: 6–7), ir rusų kalbos аббревиатура bei акроним tarpusavyje atitinka kryžmiškai (Kudashev & Hajutin 2003: 104–105).

4 atvejis: duomenų kategorijos suskaidytos nevienodai.

Pavyzdys: duomenų kategorija sutrumpinta termino forma ISO 12620:1999 suskaidyta į penkis poklasius (santrumpa, sutrumpinta termino forma, inicializmas, akronimas ir nukirstas terminas), tačiau ISO 12616:2002 („Vertimui orientuota terminologija“) tokio skirstymo nėra.

5 atvejis: duomenų kategorijos persidengia.

Pavyzdys: duomenų kategorijos pavyzdys ir kontekstas persidengia. Kai kurie pavyzdžiai yra kontekstai, o kai kurie kontekstai gali būti pavyzdžiai, tačiau šios dvi kategorijos nėra tapačios.

6 atvejis: ta pati duomenų kategorija priskiriama skirtingoms aukštesnėms kategorijoms.

Pavyzdys: duomenų kategorija kontekstas ISO 12620:1999 laikoma su sąvoka susijusiais duomenimis, matyt, todėl, kad kontekstai gali suteikti papildomos informacijos apie sąvoką. Tačiau dažnesnė kontekstų funkcija – teikti informaciją apie terminų vartoseną ir kolokacijas, todėl „daugelyje duomenų bazių kontekstas priskiriamas su terminu susijusiai kategorijai“ (ISO 12620:1999: 25).

7 atvejis: skiriasi duomenų kalba, ženklų sistema arba notacija.

Pavyzdys: viena duomenų bazė kalbos dalį gali žymėti noun, kita – n., trečia – subst., o ketvirta – grafiniu simboliu.

8 atvejis: tapačios arba panašios duomenų kategorijų reikšmės vartojamos skirtingomis prasmėmis ir skirtinguose ryšiuose.

Pavyzdys: reikšmė neologizmas ISO 12620:1999 duomenų kategorijoje termino kilmė atrodo kaip chronologinė žyma, nors iš tikrųjų nurodo termino kūrimo metodiką.

38

Igor Kudashev | Improving Compatibility of Terminological...

9 atvejis: pusiau uždarų klasių reikšmės skiriasi dėl skirtingo kalbinių reiškinių klasifikavimo įvairiose kalbose ir skirtingų tradicijų. Pavyzdys: ISO 12620:1999 žymos, skirtos apibūdinti LSP posakiams, priklausantiems „žemesniam stiliui“, apima slang register ir vulgar register. Jos apytikriai atitinka žymas профессиональный жаргонизм (profesinis žargonas) ir профессиональное просторечие (profesinė šnekamoji kalba) rusų kalboje. Tačiau suomių kalboje yra tik viena kategorija – ammattislangi (profesinis žargonas; žr. Sanastotyön käsikirja 1989: 12).

Taip pat reikėtų pažymėti, kad kai kurie duomenys terminologinėse kolekcijose gali būti išreikšti numanomai.

1 pavyzdys: tai, kad kai kuriais atvejais terminologinėje kolekcijoje yra žyma obsolete, o kitais jos nėra, reiškia, kad terminas, nepažymėtas šia žyma, priklauso aktyviajam LSP žodynui.

2 pavyzdys: jei tame pačiame įraše pateikiami du ar daugiau terminų, tai paprastai reiškia, kad jie yra sinonimai arba ekvivalentai.

Keičiantis terminologiniais ištekliais arba juos agreguojant gali prireikti tokius numanomus duomenis padaryti aiškiai išreikštus. Pavyzdžiui, jei duomenys saugomi ontologijos, o ne statinių įrašų forma, tuomet pirmiau minėtą numanomą informaciją apie sinonimus ir ekvivalentus reikia aiškiai išreikšti ir išsaugoti „išskaidant“ įrašus.

ISO DUOMENŲ KATEGORIJŲ RINKINIAI IR KLASIFIKACIJOS

ISO 12620:1999 apibrėžia duomenų kategorijų rinkinį, skirtą terminologinei informacijai registruoti. Jame nenustatoma, kokias duomenų kategorijas reikėtų naudoti; jis veikiau yra jų sąrašas. Šis duomenų kategorijų rinkinys plečiamas projekte ISOcat (www.isocat.org), kuriame dokumentuojamos plačiai pripažintos kalbinės duomenų kategorijos.

Nors projektas ISOcat neabejotinai naudingas kalbininkams, galintiems geriau kategorizuoti ir apibrėžti kalbines sąvokas, bei terminų bankų kūrėjams, galintiems pasirinkti parengtas duomenų kategorijas iš plataus sąrašo, vargu ar jis padės išspręsti duomenų mainų, agregavimo ir viso įrašo paieškos keliose duomenų bazėse problemas.

Pirma, tai negali sutrukdyti terminologinių produktų rengėjams

Terminologija | 2009 | 16

39

duomenų klasifikavimo kitu būdu ir jų pačių duomenų kategorijų naudojimo. Antra, kuo daugiau duomenų kategorijų naudojama terminologijos rinkiniuose, tuo įvairesni jie tampa, todėl apsikeisti duomenimis darosi dar sudėtingiau.

Teoriškai duomenų kategorijų sąrašas yra begalinis, o praktiškai – labai platus. Pavyzdžiui, su terminologija susijusių duomenų kategorijų sąraše, pateiktame ISOcat inventoriuje, jau yra daugiau kaip 500 elementų. Viena iš ISOcat projekte taikomų praktikų gali šį skaičių daug kartų padidinti. Kalbame apie uždarųjų ir pusiau uždarųjų klasių reikšmių pateikimą kaip atskirų duomenų kategorijų.

Pavyzdžiui, duomenų kategorijos register reikšmės, tokios kaip vulgarRegister, slangRegister ir kt., dabar pateikiamos kaip savarankiškos duomenų kategorijos. Panašiai duomenų kategorija reliabilityCode skaidoma į reliabilityCode1, reliabilityCode2 ir kt. Gali būti įvairių nuomonių, ar tai praktiškai pagrįsta, tačiau duomenis galima organizuoti daugybe skirtingų būdų, todėl nėra formalių apribojimų skaidyti duomenų kategorijas iki primityviųjų klasių, kurios gali priimti tik reikšmes yes ir no. Tačiau akivaizdu, kad šią duomenų kategorijų sritį reikia tinkamai struktūruoti ir klasifikuoti, kad ji išliktų valdoma ir gerai organizuota.

Tuo tarpu ISO 12620:1999 pasiūlyta duomenų kategorijų klasifikacija keliais aspektais yra problemiška. Pirmiausia esama tam tikrų nenuoseklumų, susijusių su pagrindiniu duomenų skirstymu. Pagal 6.2 skyrių (Typology of data categories) duomenų kategorijos skirstomos į tris pagrindines grupes: terminai ir su terminais susijusi informacija, aprašomieji duomenys ir administraciniai duomenys. Tačiau Annex D (Systematic listing of data categories) antroji grupė vadinama Data categories related to concept description. Be to, šiai grupei priklauso pogrupis Note, kuris „išskirtas kaip atskiras, nes gali būti siejamas su bet kuria kita kategorija, todėl negali būti priskirtas jokiam kitam konkrečiam pogrupiui“ (ISO 12620:1999: 4).

Net jei darytume prielaidą, kad numatytą skirstymą sudaro keturios grupės – terminai ir su terminais susijusi informacija, su sąvokomis susijusi informacija, administraciniai duomenys ir Note, ši klasifikacija vis tiek kelia daug klausimų. Štai keletas jų:

- Kodėl examples ir contexts priskiriami prie su sąvokomis, o ne su terminais susijusių duomenų? Plg. duomenų kategorijos context aprašą: „Tekstas arba teksto dalis, kurioje vartojamas terminas“ (ISO 12620:1999: 25).

- Kodėl synonym ir equivalence priskiriami prie su terminais susijusių duomenų, nors visa kita, kas susiję su reikšme, priskiriama prie su sąvokomis susijusių duomenų? Plg. duomenų kategorijos degree of equivalence aprašą: „Laipsnis, kuriuo dviejų ar daugiau sąvokų intencijos sutampa“ (ISO 12620:1999: 21).

40

Igor Kudashev | Improving Compatibility of Terminological...

Kodėl antonym ir homograph priskiriami prie administracinių, o ne prie su terminais ar sąvokomis susijusių duomenų?

Kodėl audio, video ir kt. laikomi (tik) su sąvokomis susijusiais duomenimis?

Kaip tiksliai apibrėžiami administraciniai duomenys? Kodėl šiai klasei priskiriamos tokios nevienalytės kategorijos?

Techniniu požiūriu terminologinius duomenis gali būti naudinga skirstyti į susijusius su sąvokomis ir susijusius su terminais, nes toks skirstymas palaiko į sąvoką orientuotą metodą, mažinantį terminų tarpusavio ryšių skaičių, nes sinoniminiai terminai susiejami su ta pačia sąvoka. Tačiau toks skirstymas apskritai, o ypač jo įgyvendinimas ISO 12620:1999, gali kelti sunkumų įprastiems terminologinių duomenų bazių naudotojams – vertėjams ir tam tikrų sričių specialistams. Iš tiesų nėra lengva suprasti, kodėl synonyms reikėtų ieškoti prie su terminais susijusių duomenų, o antonyms – prie administracinių duomenų, o examples – prie su sąvokomis susijusių duomenų.

Įprasti naudotojai dirba su terminais – žodžiais ir žodžių junginiais, todėl jiems natūraliau kalbėti apie termino reikšmę, termino sinonimus, termino vartojimo pavyzdžius ir pan. Tai reiškia, kad duomenų kategorijų klasifikacija, skirta viso įrašo paieškai įvairiuose rinkiniuose, turėtų būti orientuota į terminą, intuityviai aiški ir pagrįsta įprastomis kalbinėmis kategorijomis.

DUOMENŲ KATEGORIJŲ NEATITIKIMŲ TARPUSAVIO SUSIEJIMAS

Duomenų kategorijų neatitikimų problemą galima išspręsti pasitelkus susiejimą. Jei neatitikimai yra nominalūs, pavyzdžiui, skiriasi duomenų kategorijų pavadinimai arba tas pats turinys pateikiamas skirtingai, galima tiesiogiai susieti duomenų kategorijas. Atlikus tiesioginį susiejimą, agreguotame ištekliuje duomenų galima ieškoti taip pat tiksliai kaip ir pirminėse duomenų bazėse.

Esant didesniems duomenų kategorijų skirtumams, reikia nustatyti bendrą vardiklį, susiejant duomenų kategorijų rinkinių klasifikacijas. Bendro vardiklio naudojimas šiek tiek sumažina paieškos tikslumą, tačiau tai vienintelis būdas užtikrinti bendrą paiešką skirtingos struktūros terminologiniuose ištekliuose. Jei naudotojas nenori aukoti paieškos tikslumo, jis turi atskirai ieškoti kiekviename rinkinyje.

Kaip ir apskritai keičiantis duomenimis, ilgainiui veiksmingiau naudoti tarpinį formatą, t. y. tam tikrą jungiamąją duomenų kategorijų klasifikaciją, negu daugybę susiejimų tarp skirtingų klasifikacijų.

Terminologija | 2009 | 16

41

nei daugybę susiejimų tarp skirtingų klasifikacijų. Bendrieji duomenų kategorijų klasifikacijos, skirtos kaip bendra sąsaja tarp kitų klasifikacijų, principai yra tokie:

1. Kadangi klasifikacijos klasės turi būti bendri vardikliai, jų abstrakcijos lygis turi būti aukštesnis nei daugumos „elementariųjų“ duomenų kategorijų, kurios toliau neskaidomos. Tačiau abstrakcijos lygis negali būti pernelyg aukštas, nes naudotojams nebūtų įdomi pernelyg bendro pobūdžio klasifikacija. Praktikoje pakanka dviejų abstrakcijos lygių klasifikacijos.

2. Klasifikacija turėtų apimti visų tipų LSP raiškas, kurios paprastai aprašomos terminologinėse duomenų bazėse, įskaitant terminų elementus, tikrinius vardus, nomenklatūrą, pastoviuosius žodžių junginius ir kt.

3. Klasifikacijoje turėtų būti tik tos duomenų kategorijos, kurios tiesiogiai susijusios su LSP raiškų aprašymu. Techninių ir administracinių aspektų (pvz., laikmenos, koduotės, šaltinių, patikimumo ir kt.) aprašymas yra kita užduotis.

4. Klasifikacija turėtų būti hierarchinė, tačiau tame pačiame abstrakcijos lygyje turėtų būti leidžiami keli skirstymo pagrindai.

5. Klasifikacija turėtų būti plečiama, t. y. kiekviename hierarchijos lygmenyje turėtų būti kategorija „kita“.

Šiuos principus reikia derinti su pirmiau minėtu reikalavimu, kad klasifikacija būtų patogi naudotojui. Mūsų nuomone, šiuo požiūriu ypač tinkama kandidatė yra klasifikacija, pagrįsta duomenų kalbinėmis funkcijomis.

Jungiamojoje klasifikacijoje, pagrįstoje kalbinėmis funkcijomis, dėmesys nuo duomenų kategorijų pavadinimų perkeliamas į jų turimų duomenų funkciją ar funkcijas. Čia galima palyginti su biblioteka, turinčia abėcėlinį ir teminį katalogus.

Paieška pagal duomenų kategorijų pavadinimus panaši į paiešką naudojantis abėcėliniu katalogu. Pavadinimas šiek tiek leidžia spręsti apie knygos turinį, tačiau kartais gali klaidinti. Be to, naudotojai negali numanyti visų galimų pavadinimų, apimančių tam tikrą temą. Abėcėlinis katalogas naudingas tada, kai naudotojai tiksliai žino, kokį įrašą ar įrašus nori rasti. Tačiau dauguma bibliotekų lankytojų paiešką pradeda teminiame kataloge, nes iš anksto nežino, kokie įrašai apima juos dominančią temą.

Terminologinis portalas, apjungiantis kelis terminologinius rinkinius-

42

Igor Kudashev | Improving Compatibility of Terminological...

Terminologinių rinkinių su skirtingais duomenų kategorijų rinkiniais naudojimas kelia naudotojams tokią pačią problemą kaip ir knygų gausa bibliotekos lentynose. Naudotojai žino, kokia informacija juos domina (gramatika, reikšmė, vartosena ir kt.), tačiau nebūtinai žino, kuriuose duomenų kategorijų laukuose galima rasti šią informaciją. Skirtinguose terminologiniuose rinkiniuose panašių tipų duomenys gali būti saugomi skirtinguose duomenų laukuose. Pavyzdžiui, informacijos apie sritinį LSP raiškos statusą galima rasti tokiuose laukuose kaip vartosena, regioninė žyma, kalbos simbolis ir kt.

Jei paieška grindžiama lingvistinėmis duomenų funkcijomis, naudotojams nereikia rūpintis tiksliais duomenų kategorijų pavadinimais. Jie tiesiog nurodo, kad ieško informacijos apie sritinį statusą, reikšmę ar sinonimus, o terminologijos valdymo sistema suranda ir pateikia visus arba sutrumpintus įrašus iš skirtingų duomenų bazių, kuriuose yra nurodyto tipo informacijos. Paiešką pagal funkciją galima ir reikėtų papildyti paieška pagal laukų pavadinimus tiems naudotojams, kurie tiksliai žino, kuriuose laukuose nori ieškoti.

Duomenų laukuose, kaip ir bibliotekos fonduose, gali būti įvairių rūšių lingvistinės informacijos. Pavyzdžiui, pavyzdys yra tipiškas daugiafunkcis laukas, kuriame gali būti informacijos apie termino formą, reikšmę ir vartoseną, įvairiomis proporcijomis. Kiekvieną duomenų kategoriją galima apibūdinti kaip turinčią vieną ar kelias funkcijas. Taip pat turėtų būti įmanoma nurodyti, kiek konkreti duomenų kategorija atspindi tam tikras funkcijas. Ši charakteristika gali būti išreikšta žodžiais (pvz., pirminė ir antrinė funkcija) arba skaičiais (pvz., 0–100%).

Paprasčiausias būdas susieti konkretų duomenų kategorijų rinkinį su tarpine klasifikacija – laikyti, kad konkretaus tipo duomenų laukų turinys yra vienodas, ir sudaryti paprastą atitikties lentelę. Tikslesnis, bet ir sudėtingesnis susiejimas leistų sudarytojams nurodyti atskirų duomenų laukų nuokrypius nuo verčių, naudojamų bendrojoje atitikties lentelėje. Pavyzdžiui, kontekstuose paprastai pateikiama informacija apie termino vartoseną ir reikšmę. Tikslinga įtraukti šių tipų informaciją į bendrąją atitikties lentelę, nes ji susijusi su kiekvienu konteksto lauku. Tačiau kai kuriuose kontekstuose gali būti ir enciklopedinės informacijos. Šį pavienį enciklopedinės informacijos atvejį galima pažymėti lokaliai, lauko lygmeniu.

Terminologija | 2009 | 16

43

DUOMENŲ KATEGORIJŲ KLASIFIKACIJA, GRINDŽIAMA LINGVISTINĖMIS DUOMENŲ FUNKCIJOMIS

Kadangi LSP raiškos vienetai yra lingvistiniai ženklai, informaciją apie juos galima suskirstyti į informaciją apie jų formą, reikšmę, vartoseną, santykius su kitais vienetais, kilmę ir raidą. Toliau išsamiai aprašoma kiekviena iš šių klasių ir pateikiama kai kurių joms priklausančių duomenų pavyzdžių. Trumpą klasifikacijos variantą žr. 1 priede.

Su forma susiję duomenys

LSP raiškos vienetai turi dvi formas – rašytinę ir sakytinę. Be to, su LSP raiškos vieneto forma susijusius duomenis galima suskirstyti į tris klases:

- su kanonine forma susiję duomenys;

- su vieneto daryba susiję duomenys;

- su vieneto kaityba susiję duomenys.

DUOMENYS, SUSIJĘ SU KANONINE FORMA

Kanoninė forma – tai forma, kuria antraštinis žodis pateikiamas duomenų bazėje. Ji yra „reprezentacinė“ kitų formų atžvilgiu. Pavyzdžiui, daugumoje Europos kalbų daiktavardžių kanoninė forma yra vienaskaitos vardininkas, o veiksmažodžių – esamasis laikas, bendratis. Tačiau kanoninės formos parinkimo taisyklės įvairiose kalbose ir leksikografinėse tradicijose skiriasi.

Štai keli duomenų, susijusių su rašytine kanonine forma, pavyzdžiai:

- raiškos tipas pagal jos rašytinę formą (pvz., pilna forma, sutrumpinta forma, simbolis, formulė ir kt.);

- formos rašyba;

- formos rašybos variantai;

- žodžio kėlimas.

Duomenų, susijusių su sakytine kanonine forma, pavyzdžiai:

- raiškos tipas pagal jos sakytinę formą (pvz., inicializmas, akronimas);

- tarimas;

- formos tarimo variantai;

- skiemenavimas.

Kaip matyti, kai kurios duomenų kategorijos gali būti susijusios ir su rašytinėmis, ir su sakytinėmis formomis. Pavyzdžiui, nurodymas, kad tam tikra raiška yra inicializmas, t. y. sutrumpinta forma, sudaryta iš viso termino pradinių raidžių, kurios tariamos atskirai (pvz., Jungtinės Tautos – JT), suteikia informacijos ir apie rašytinę, ir apie sakytinę formas. Be to, tai gali

44 Igor Kudashev | Improving Compatibility of Terminological...

galima teigti, kad teikiama informacija apie terminų darybą, kilmę ir raidą.

DUOMENYS APIE TERMINŲ DARYBĄ

LSP raiškos priemonių darybai aktualių duomenų pavyzdžiai:

- terminų komponentai ir terminų elementai;

- morfeminė struktūra;

- sintaksinis modelis;

- terminų darybos modelis;

- terminų darybos būdas (-ai);

- morfologiniai variantai;

- vediniai.

DUOMENYS, SUSIJĘ SU KAITYBA

Duomenų, susijusių su LSP raiškos priemonių kaityba, pavyzdžiai:

- gramatinės kategorijos (skaičius, giminė, gyvumas ir kt.);

- visa ar dalinė formų paradigma;

- kaitybos, asmenavimo ir kt. modeliai.

Su reikšme susiję duomenys

Ši klasifikacijos dalis pradedama gana periferine kategorija, siekiant išlaikyti nuoseklumą su kitomis dalimis. LSP raiškos priemones galima suskirstyti į kelias klases pagal tai, kiek jų vidinė forma atspindi reikšmę. Pavyzdžiui, pastovusis junginys yra vienetas, kurio reikšmės negalima išvesti iš junginį sudarančių žodžių bendros reikšmės.

Be to, duomenis, susijusius su LSP raiškos priemonių reikšme, galima suskirstyti į dvi dideles kategorijas. Pirmoji – loginė reikšmė – LSP raiškos priemone žymimos loginės sąvokos aprašymas. Tokio pobūdžio informacija paprastai pateikiama terminologiniuose apibrėžtyse ir į apibrėžtis panašiuose aprašymuose.

Antroji kategorija apima gana nevienalyčius reikšmės komponentus, kuriuos galima vadinti asocijuota reikšme. Šie komponentai, pavyzdžiui, apima:

- įvairias konotacijas, t. y. vertinamuosius reikšmės komponentus;

- vidinę raiškos priemonės formą (jos „pažodinę“, morfemą po morfemos išskaidytą reikšmę);

Terminologija | 2009 | 16

45

– kitos tos pačios raiškos LSP ar LGP reikšmės;

– reikšmės komponentai, kylantys iš antoniminių, sinoniminių, paroniminių ir kitų sisteminių raiškos santykių;

– įvairios asociacijų rūšys;

– reikšmės komponentai, kylantys iš sąskambių, rimų ir pan.

Šiuos reikšmės komponentus vadiname „indukuotais“, nes jie kyla iš kalbos vartotojų požiūrio į objektus, žymimus LSP raiškomis, iš vartotojų asociacijų arba iš LSP raiškos santykių su kitais kalbos vienetais. Šia prasme kalbos vartotojai, kiti kalbos vienetai arba ir vieni, ir kiti „indukuoja“ papildomus reikšmės komponentus LSP raiškoje. Daugiau informacijos apie indukuotos reikšmės pateikimą LSP žodynuose žr. (Kudashev 2006; Kudashev 2007: 254–258).

Indukuoti komponentai yra pageidautini ir net sąmoningai puoselėjami, kai jie sukuria teigiamas asociacijas ir konotacijas arba leidžia vartotojams neformalioje komunikacijoje išreikšti savo požiūrį į dalyką. Tačiau dažniausiai jie tik atitraukia vartotojų dėmesį nuo loginės reikšmės, kuri turėtų būti LSP komunikacijos pagrindas. Tai tikriausiai viena iš priežasčių, kodėl terminologijos teorijoje indukuotos reikšmės komponentai iš esmės buvo ignoruojami. Vis dėlto atsižvelgti į juos yra svarbi sėkmingos terminologinės nominacijos ir veiksmingos LSP komunikacijos prielaida.

Duomenys, susiję su enciklopediniu aprašymu

Enciklopedinis aprašymas suteikia informacijos apie objektus, žymimus LSP raiškomis, ir dažniausiai ši informacija yra ekstralingvistinė. Tačiau kartais nelengva nubrėžti ribą tarp sąvokos aprašymo ir LSP raiška žymimo objekto aprašymo. Daugelyje terminologinių duomenų bazių jau yra informacijos, kuri laikytina enciklopediniu aprašymu, ir tikimasi, kad tokios informacijos dalis ateityje didės, nes įvairių tipų informaciniai leidiniai vis labiau artėja vieni prie kitų (plg. Hartmann 2001: 5). Siekdami pripažinti šį faktą, nusprendėme enciklopedinį aprašymą įtraukti į duomenų kategorijų, susijusių su LSP raiškų aprašymu, klasifikaciją.

Su vartojimu susiję duomenys

Atrodo, kad dažniausiai prašoma informacijos rūšis yra susijusi su vartojimu

46 Igor Kudashev | Improving Compatibility of Terminological...

terminological data (Kudashev 2007: 207). It can be subdivided into two big categories:

- vartojimo apribojimai;

- vartojimo dažnumas.

SU VARTOJIMO APRIBOJIMAIS SUSIJĘ DUOMENYS

Bet kurios LSP raiškos vartojimas apribotas bent jau tam tikra nacionaline kalba, sritimi ir laikotarpiu. Be to, vartojimas gali būti apribotas tam tikra geografine vietove, profesine grupe, organizacija, registru ir kt. Toliau pateikiamas dažniausiai pasitaikančių vartojimo apribojimų sąrašas su keliais pavyzdžiais skliaustuose:

- nacionalinė kalba (en, fi, ru);

- sritis ir posritis (fizika – atominė fizika – didelių energijų fizika);

- mokslinė mokykla / teorija (Niutono fizika, Einšteino fizika; danų struktūralizmas kalbotyroje);

- chronologinis apribojimas (pasenęs žodis, neologizmas, vartotas Antrojo pasaulinio karo metais);

- geografinis apribojimas (en-US, en-GB, tarmės raiška);

- organizacinis apribojimas (terminas, vartojamas „Nokia“, „Microsoft“, JT, PSO);

- nuosavybinis apribojimas (prekės ženklas, komercinis pavadinimas);

- registro apribojimai (oficialus terminas, neformalus terminas, profesinis žargonas);

- profesinės grupės apribojimai (gydytojai, slaugytojai, medicinos padėjėjai);

- junglumo apribojimai (atlikti / vykdyti / padaryti / pradėti tyrimą);

- atitikties apribojimai (standartizuotas, teiktinas, rekomenduojamas, nerekomenduojamas terminas).

Tikriausiai verta išsamiau aptarti du pastaruosius apribojimų tipus.

Su junglumo apribojimais susiję duomenys

Junglumas – tai kalbinių vienetų gebėjimas sudaryti didesnius vienetus. Junglumą galima skirstyti į semantinį, leksinį ir sintaksinį. Semantinis junglumas reiškia, kad posakių reikšmės komponentai nėra prieštaringi. Leksinis junglumas pasireiškia posakių gebėjimu jungtis su tam tikromis kitomis leksinėmis priemonėmis. Sintaksinis junglumas – tai posakių gebėjimas jungtis su tam tikromis gramatinėmis kitų posakių formomis ir pagalbiniais žodžiais.

Terminologija | 2009 | 16

47

Junglumo apribojimai paprastai aprašomi pasitelkiant sintaksinius modelius, pavyzdžius ir kontekstus.

Su atitikties apribojimais susiję duomenys

Terminologiniai produktai paprastai būna daugiau ar mažiau preskriptyvūs. Šis normatyvumas gali apimti įvairias pakopas – nuo sudarytojų ar jų konsultuotų srities ekspertų rekomendacijų iki normatyvinio patvirtinimo. Bet kuriuo atveju kalbama apie LSP raiškos atitiktį „geram“ arba „taisyklingam“ stiliui (sudarytojų požiūriu), o standartų atveju – ir kokiam nors norminiam dokumentui.

SU NAUDOJIMO DAŽNIU SUSIJĘ DUOMENYS

Informacija apie vartojimo dažnį gali būti grindžiama korpuso duomenimis ir išreikšta skaitmenimis arba pateikiama kaip daugiau ar mažiau subjektyvus žodinis įvertinimas (pvz., dažnai vartojamas – retai vartojamas – vartojamas labai retai).

Su sisteminiais santykiais susiję duomenys

Sisteminiais santykiais vadiname ontologinius santykius (santykius, apimančius žinias apie pasaulį), sisteminius leksinius santykius ir tarpkalbinius ekvivalentiškumo santykius. Toliau pateikiami dažniausių sisteminių santykių pavyzdžiai:

– sinoniminiai santykiai;

– antoniminiai santykiai;

– homoniminiai santykiai;

– paroniminiai santykiai;

– gimininiai santykiai;

– partityviniai santykiai;

– neh hierarchiniai ontologiniai santykiai (asociatyviniai, nuoseklumo, laiko, priežastiniai ir kt.);

– (tarpkalbiniai) ekvivalentiškumo santykiai.

Santykiai, susiję su žodžių daryba, kaityba ir posakių junglumu, šiai kategorijai nepriklauso, nes jie nėra sisteminiai leksiniai santykiai.

Duomenys apie kilmę ir raidą

Šio tipo duomenys yra artimi etimologiniams duomenims, tačiau jais neapsiriboja. Pavyzdžiui, jie gali apimti:

48 Igor Kudashev | Improving Compatibility of Terminological...

- informaciją apie formas, iš kurių, kaip manoma, kilo konkreti specialiosios kalbos (LSP) raiška;

- informaciją apie konkrečios LSP raiškos raidos etapus;

- informaciją apie ankstesnę konkrečios LSP raiškos formą (-as), reikšmę (-es), vartoseną ir kt.

IŠVADOS

Šiame straipsnyje aptarėme duomenų klasifikavimo principus, kuriais siekiama sujungti struktūrinius neatitikimus tarp skirtingų terminologinių rinkinių duomenų kategorijų. Klasifikaciją numatoma taikyti terminologinių duomenų agregavimui ir sujungimui, visų įrašų paieškai keliose terminologinėse kolekcijose organizuoti ir įrašams pritaikyti pagal naudotojų pageidavimus.

Dviem pastarosioms užduotims reikia, kad klasifikacija būtų gana paprasta ir intuityviai aiški įprastiems terminologinių produktų naudotojams. Šiuo požiūriu viena geriausių galimybių, regis, yra klasifikacija, pagrįsta duomenų lingvistinėmis funkcijomis. Paieška pagal duomenų lingvistines funkcijas veiksmingai papildo paiešką pagal duomenų kategorijų pavadinimus ir atlieka tokią pačią funkciją kaip bibliotekos dalykinis katalogas.

Šiame straipsnyje daugiausia dėmesio skyrėme duomenų, susijusių su LSP raiškų aprašymu, klasifikacijai, nes tai svarbiausias terminologinėse duomenų bazėse pateikiamų duomenų tipas. Kitų tipų duomenų, pavyzdžiui, informacijos apie šaltinius, naudotojus ir terminologijos valdymo operacijas, klasifikacijos bus pateiktos ContentFactory projekto specifikacijose. Šiuo projektu siekiama sukurti ontologija pagrįstą platformą paskirstytam bendradarbiaujamajam terminologijos darbui. Projektas baigiasi 2010 m., o didelė jo vidinės dokumentacijos dalis bus paskelbta viešai.

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