ТЕРМИНОЛОГИЯ И СОВРЕМЕННОСТЬ

Rūta MARCINKEVIČIENĖ

Университет Витаутаса Великого

ТЕРМИНОГРАФИЯ И ТЕКСТОВЫЙ КОРПУС

Корпусная лингвистика, возникшая вместе с первым текстовым корпусом более тридцати лет назад, произвела революцию в общей лексикографии. Сегодня толковые словари составляются в большей или меньшей степени на основе текстовых корпусов. В этом отношении терминография до сих пор остается в забвении в странах, далеко продвинувшихся в корпусной лингвистике, а уж что говорить о таких новичках, как мы. Здесь мы и попытаемся показать, насколько важен, попросту незаменим текстовый корпус для составления словарей терминов.

Эпоха компьютерных технологий, а вместе с ней и компьютерных текстовых корпусов, очень четко отделила традиционную терминологию и терминографию от новой. Взгляды терминологов на несколько вопросов стали существенно различаться: на само понятие термина, источники терминов, критерии разграничения терминов и нетерминов, квалификацию терминолога, нормирование терминов и некоторые другие. Значительное расширение и переплетение областей специальных наук резко увеличило объем работы терминологов, поскольку при использовании традиционных методов едва ли можно поспевать за развитием науки и технологий. Именно поэтому к терминам стали относиться иначе: акцент делается скорее на употреблении, чем на норме.

Традиционную терминологию, возникшую в начале этого века вследствие огромного технологического прорыва, прежде всего заботили обозначение понятий, упорядочение разнообразия терминов, появившихся за короткое время, систематизация и нормирование терминологии отдельных отраслей и областей науки. С самого зарождения терминологии как самостоятельной науки к терминам относились иначе, чем к другим словам. Основоположник терминологии Вюстер (цит. по Pearson 1998: 10) утверждал, что с терминами следует обращаться иначе, чем со словами общего языка, поскольку терминология начинается с анализа понятий. А понятия, как известно, существ-

5

уют независимо не только от обозначающих их терминов, но и от разных языков. Термины — не что иное, как названия понятий, в идеале взаимодействующие с самими понятиями в таком соотношении: одно понятие — один термин. Термины определялись преимущественно с учетом места обозначаемых ими понятий в иерархической системе понятий и их связей с другими понятиями. Основу терминологии составляли термины, созданные и/или нормированные и одобренные специалистами соответствующей области и имевшие четко определенное, закрепленное, а значит, и защищенное значение. Поэтому неудивительно, что традиционных терминологов, придерживавшихся прескриптивных установок (ср. Вюстера, для которого Sein-Norm была гораздо важнее, чем Ist-Norm), совершенно не интересовало реальное состояние языка отдельных отраслей науки и аутентичное употребление терминов.

При переходе от понятия к термину и составлении таким образом терминологии каждой отдельной отрасли по ономасиологическому принципу у тогдашних терминологов не возникало и не могло возникнуть проблемы идентификации термина — только проблемы его создания. Кроме того, в то время отдельные отрасли науки были еще достаточно автономны. Терминологи также специализировались в разных областях и знали терминологию сравнительно изолированных отраслей. По мере возникновения общих вопросов терминами начинают интересоваться их представители; кроме того, в терминологию приходят новые люди, не обязательно специалисты конкретной научной области и/или лингвисты, то есть программисты, создатели баз данных терминологии и электронных словарей и другие. Поскольку реальное языковое употребление и количество новых терминов уже давно превзошли имеющиеся списки одобренных терминов, терминография быстро меняющихся отраслей науки, существенно отстающая от жизни из-за традиционного метода картотек, не позволяет новым специалистам полагаться на ранее зарегистрированные термины. Их начинают собирать из текстов: именно текст становится отправной точкой работы терминолога (Rogers et al. 1994: 843). Кроме того, изучается реальное употребление терминов, которое часто очень сильно отличается от идеала, к которому стремятся нормализаторы языка. И здесь становится неясно, что считать термином, когда слово терминологизируется, какое употребление слова следует считать терминологическим, как отличить термин от нетермина. Таким образом, терминология перестает быть столь четко определенной и изолированной частью лексики. Она образует довольно трудно отделимую группу слов, в центре которой находятся прототипические члены, всегда воспринимаемые как

6

За терминальным ядром следуют слова, которые приобретают статус термина лишь при определённых обстоятельствах, в определённом контексте. На периферии же есть и такие слова, которые на первый взгляд не похожи на термины, однако их следует считать таковыми. Например, это относится к словам из общеупотребительной лексики, встречающимся в научно-популярных текстах. По этой и другим причинам терминографам очень важно идентифицировать термины, извлекать их из аутентичных текстов и описывать. Именно поэтому столь важны становятся текстовые корпусы и программное обеспечение, облегчающее работу с ними. Внимание к реальному употреблению направляет терминологов скорее к описанию, чем к нормированию, а водораздел между прескриптивизмом и дескриптивизмом делит терминографию на традиционную и современную.

Почему текстовый корпус

Текстовый корпус как источник терминов полезен терминографам по многим причинам. Авторы, выступающие за его создание и использование, указывают на главные из них. Пожалуй, важнее всего то, что из одного и того же корпуса сразу получают три необходимые терминографам вещи: сами термины, их дефиниции, то есть предметную информацию о самом понятии, а также примеры употребления, а значит, и частотность употребления, сочетаемость терминов и т. п. (Sager 1990, Meyer et al. 1996, Pearson 1998). Разумеется, корпусом могут пользоваться и исследователи, уже располагающие предварительным списком терминов. В этом случае они получают из корпуса предметную и языковую информацию. Однако если термины извлекаются из корпуса, у них есть одно большое преимущество — они системны и взаимосвязаны, поскольку в отдельных текстах представлены наборы терминов, употребляемых отдельными авторами, и в каждом таком наборе термины тщательно продуманы и гармонично соотносятся друг с другом. Именно по этой причине — чтобы полученные термины отражали отдельные системы — в корпус необходимо включать целые тексты, а не их фрагменты, то есть выборки (Meyer et al. 1996: 268). Корпус целых текстов необходим и для получения предметной информации, которая была бы утрачена, если ограничиться частями текстов.

Сегодня корпуса, создаваемые терминографами, всё ещё используются преимущественно для сбора информации о терминах, известных ранее. Проверяют,

7

употребляются ли они по-прежнему и, если да, то каким образом, не изменились ли особенности их употребления, а вместе с ними и значение, не изменился ли объём обозначаемых ими понятий с появлением новых терминов. Однако гораздо важнее корпус для получения новых терминов; возможно, поэтому идентификация терминов и их автоматическое или полуавтоматическое извлечение сегодня — одна из самых популярных тем в электронной терминографии. В этом отношении терминограф отличается от лексикографа. Последний не задаётся вопросом, что такое слово, а лишь решает, какие слова включать в какие словари; терминограф же довольно часто задаётся вопросом: что такое термин? Новые термины, извлечённые из корпуса и хранящиеся в специальных базах данных, где их обрабатывают, обладают ещё одной особенностью: для них точно указаны датированные источники, позволяющие судить о появлении, распространении и исчезновении терминов.

Если представить конечный результат работы терминографа в виде электронной базы данных (БД) или печатного словаря, подготовленного на её основе, то текстовый корпус будет важен на всех этапах создания этой БД. Компьютерные технологии охватывают весь рабочий цикл терминографа: от компьютерных текстовых корпусов через специальные программы поиска и идентификации терминов до создания терминологических баз данных, описания терминов и распространения этого описания в электронном виде или в традиционной книжной форме (Ahmad et al. 1994: 267).

Рабочий цикл терминографа выглядит следующим образом. На первом этапе по определённым принципам из архива электронных текстов составляется корпус; затем из него извлекают термины и переносят их в БД, где описывают: в отдельных полях БД приводят взятые из конкорданса примеры типичного употребления терминов и полученные там же дефиниции. Затем, опираясь на языковую и предметную информацию, полученную из корпуса, указывают связанные с описываемым термином слова: синонимы, антонимы, гипонимы, гиперонимы; приводят перекрёстные ссылки на соответствующие статьи, указывают принадлежность термина к предметной области и его место в общей системе понятий. Кроме того, приводятся грамматические и прагматические особенности, ограничения сочетаемости или иного употребления, сведения о нормативности термина и, если это предусмотрено, эквиваленты перевода (подробнее об особенностях терминографического описания см. Sager 1990: 142–163). Таким образом, текстовый корпус незаменим с самого начала, то есть с момента знакомства с самой

8

научной отраслью, и до заключительного этапа — подготовки словарной статьи. Современные терминологи весьма скептически относятся к компьютеризации уже существующих печатных словарей, составленных не на основе корпусов, то есть к их переносу в базы данных (Sager 1990: 141).

Ещё один довод в пользу создания специальных корпусов для терминографов состоит в том, что для терминографии аутентичные примеры языка важнее, чем для лексикографии. Они гораздо важнее интроспекции, поскольку терминограф, в отличие от лексикографа, не является специалистом и не создаёт тексты на той разновидности языка, которую описывает. Столкнувшись с проблемным случаем, он не может спросить себя: как бы я употребил это слово? Он может спросить лишь: что это слово означает для специалиста в данной области, как употребил бы его учёный, технолог или эксперт? Таким образом, из-за ограниченной применимости языковой интуиции терминографы гораздо больше зависят от корпуса, чем лексикографы. Atkins et al. делят всех пользователей корпусов на три группы: а) тех, кого интересует язык текстов; б) тех, кого интересует содержание текстов; и в) тех, кого интересуют тексты как таковые, то есть их структура, создание и т. п. (цит. по Meyer et al. 1996: 269). Лексикографы относятся к первой группе, а терминографы — к первым двум, поскольку для них важны как знания о языке, так и знания о самой предметной области. Осознав важность корпуса для терминологии и предоставляемые им возможности, необходимо определить, каким должен быть корпус терминографа.

Какой корпус

Как уже отмечалось, терминографу от корпуса нужны две одинаково важные вещи: языковая и предметная информация, поэтому важно, чтобы из него можно было получить и то и другое. С языковой точки зрения корпус должен быть таким, чтобы в нем термины были представлены четко, правильно и, желательно, с дефинициями. Желательно, чтобы терминов было как можно больше и чтобы они были как можно разнообразнее; в идеале — все термины, созданные и употребляемые конкретным языковым сообществом. Важно также, чтобы термины употреблялись в многочисленных и разнообразных контекстах. С предметной точки зрения в корпус следует включать такие тексты, из которых выявлялось бы содержание обозначаемых терминами понятий, их взаимосвязи и зависимости. Очень важно, чтобы термины в этих текстах были определены.

9

По указанным причинам специалисты предлагают включать в корпуса весь спектр возможных текстов, рассматриваемых с коммуникативной и прагматической точек зрения, от простейших до сложнейших. Pearson делит тексты на специальных языках на четыре группы в зависимости от вероятности обнаружить в них термины: a) тексты, в которых адресат специалиста — равный ему по знаниям партнер, то есть такой же специалист: статьи в реферируемых научных журналах, монографии; в этих текстах плотность терминов максимальна; b) тексты, адресованные специалистом коллеге более низкого уровня, но работающему в той же области, например различные инструкции и учебники; терминов здесь несколько меньше; c) научно-популярные тексты, написанные для людей, не знакомых со специальной областью. В них сознательно избегают сложных и вообще любых терминов, предпочитая объяснения, пересказ другими словами, аналогии и сравнения, так что автор, если очень захочет, может обойтись совсем без терминов; d) тексты, соответствующие коммуникации учителя и ученика: учебники, учебные пособия. Термины в них есть, но употребляются они несколько иначе. Важная особенность этих текстов — объяснение терминов (Pearson 1998: 36–40).

Описать тексты терминографического корпуса только с коммуникативной и прагматической точек зрения недостаточно. Для качества корпуса и его репрезентативности не менее важны и другие параметры текстов, а также их пропорции. На вопрос о том, сколько текстов нужно собрать, чтобы можно было полагаться на данные составленного из них корпуса, специалисты отвечают: «В отличие от корпусов общего назначения здесь качество гораздо важнее количества» (Meyer et al. 1996: 268). Обычно специализированные корпуса по понятным причинам меньше корпусов общего назначения. Однако, несмотря на меньший объем, они состоят из полных, несокращенных текстов. Кроме того, они должны охватывать всю выбранную терминографами отрасль вместе со всеми входящими в нее подобластями. Часто трудно провести четкую границу между отдельными научными отраслями, особенно если эта отрасль связана с общими вопросами и составители корпуса испытывают соблазн углубиться, то есть включить больше текстов, несомненно относящихся к этой области и написанных специалистами для специалистов. Поэтому терминологам предлагают обращаться к экспертам в описываемой области, чтобы те посоветовали, какие тексты включить, дабы создать репрезентативный во всех отношениях корпус и не упустить вместе с исключенными текстами

10

системно важные понятия и обозначающие их термины, а главное — чтобы не преобладали приоритеты одного из составителей (Ahmad 1993: 60). Для терминографического корпуса совершенно не подходит принцип, который лексикографы иногда применяют к корпусам общего назначения: «Что имею, то и кладу».

С учетом типологии корпусов и наиболее важных с точки зрения непрерывности типов корпусов — фиксированного, непрерывного и обновляемого (monitor) — предлагается создавать терминографический корпус как собрание текстов второго, а еще лучше — последнего типа. Тогда корпус будет постоянно пополняться новыми текстами, а старые либо останутся в нем (в случае непрерывного корпуса), либо будут перемещены в архив, если корпус обновляемый. Непрерывный корпус постоянно увеличивался бы, и заранее выбранные принципы его построения не обязательно сохранялись бы, поскольку с изменением тенденций в издательском деле новые тексты могли бы смещать баланс в ту или иную сторону. Пропорции обновляемого корпуса оставались бы неизменными, а новые тексты занимали бы лишь ту долю, которая изначально отводилась текстам соответствующего типа. В любом случае корпус необходимо постоянно обновлять, поскольку термины устаревают гораздо быстрее слов повседневного языка.

После рассмотрения общих вопросов размера корпуса, его характера и предметных границ и принятия соответствующих решений далее следует определить, какие именно тексты включать в корпус, чтобы он был репрезентативным и сбалансированным. В каждом конкретном случае необходимо учитывать жанр текста, время его написания, автора и языковой статус, стремясь к максимальному разнообразию. Ведь только жанровое разнообразие и широкий спектр текстов — от серьезных до популярных — позволяют отобрать как научные, формальные термины, среди которых много авторских неологизмов, так и популярные термины, гораздо более распространенные и укоренившиеся в разговорной речи.

При оценке возраста текстов предпочтение отдается более новым, однако ценными, особенно с предметной точки зрения, могут оказаться и тексты, написанные раньше. Авторство также должно быть весьма разнообразным, чтобы не преобладали особенности стиля одного или другого широко представленного автора. Хотя стилистическое разнообразие научных текстов не очень велико, если сравнить, например, с художественной литературой, авторский почерк важен не только с точки зрения употребления языковых единиц, но и их отбора. Поэтому неудивительно, что разные ученые, особенно если они принадлежат к разным школам научной мысли, употребляют раз-

11

такие термины. Для стандартизации и нормирования терминов, равно как и для поиска неологизмов, чрезвычайно важно как можно большее разнообразие терминов в корпусе. Последний, но не менее важный аспект — языковой статус текстов. Предпочтение отдается оригинальным, а не переводным текстам, написанным авторами — носителями языка, а затем также прошедшим рецензирование и редактуру.

Средства анализа корпуса для терминографов

За последнее десятилетие было создано разнообразное программное обеспечение, облегчающее лексикографам поиск слов и другие виды анализа корпуса. Хотя работа лексикографов и терминографов в целом различается, они пользуются практически одними и теми же программными возможностями, а именно: а) списками частотности слов; б) конкордансами, то есть всеми случаями употребления исследуемого слова в контексте определенного размера, обычно в пределах одной строки; и в) статистикой сочетаемости (Meyer et al. 1996: 274). Эти средства помогают изучать корпус с языковой точки зрения.

Наряду с языковыми средствами программного обеспечения, которыми лексикографы пользуются совместно, постепенно появляются и специальные программы, предназначенные только для терминографов. От общих программ они отличаются уже не языковым, а предметным характером, поскольку предназначены для анализа информации, содержащейся в корпусе. В данном случае корпус рассматривается уже не как совокупность контекстов употребления терминов, а как источник специальных знаний в отдельной области или отрасли науки. Здесь можно упомянуть несколько их групп: а) программы для анализа текста с точки зрения представленной в нем информации — поиска смысловых слов, информационно насыщенных фрагментов текста, в которых указаны взаимосвязи и зависимости между понятиями, и т. п.; б) программы, отбирающие нужные терминографу фрагменты корпуса, например определения терминов; в) программы, помогающие анализировать понятия, обозначенные терминами, и облегчающие систематизацию знаний, полученных из корпуса (knowledge acquisition systems). Хотя последняя группа совершенно новая и весьма перспективная, в специальной литературе ей пока уделяется слишком мало внимания. Гораздо больше написано о возможности полуавтоматического сбора содержащихся в корпусе определений терминов (Pearson 1998: 121–204).

12

Для сбора как определений, так и составных терминов необходим морфологически аннотированный корпус, то есть такой, в котором все слова размечены по частям речи. Начальный этап работы должен выполнить сам лексикограф: он читает тексты и собирает определенные термины. На основе этой информации он затем составляет морфологические модели определений — все комбинации последовательностей частей речи, встречающиеся в определениях. После этого компьютер ищет такие сочетания слов во всем корпусе. В результате получается не список терминов и их определений, а список кандидатов на роль определенных терминов. Его передают специалисту в данной области для проверки и исключения ненужных предложений. Чтобы уменьшить количество избыточных, случайно совпадающих морфологических сочетаний, компьютеру задают наиболее часто встречающиеся в определениях лексические единицы — частотные слова определений. Аналогичным образом из корпуса можно извлекать и составные термины; в этом заключается суть программ первого поколения для автоматического выявления терминов LEXTER (Bourigault 1995) и TERMINO (Lauriston 1994).

Разумеется, такая обработка корпуса сопряжена с определенными проблемами. Прежде всего, далеко не все отобранные словосочетания являются терминами. Эту проблему решают, составляя и вводя в компьютер список ненужных слов (stop-list), которые не включаются в списки кандидатов в термины. Кроме того, часто остается неясным, какие слова относятся к самому составному термину, а какие — лишь к его окружению. Однако это не всегда ясно и при ручном сборе терминов.

Полуавтоматический способ отбора терминов

Чтобы проиллюстрировать возможности простейших программных средств, доступных терминографу, для анализа мы выбрали электронную версию «Синтаксиса» В. Лабутиса (T.I, V., 1994) „Sintaksės“ и исследовали текст с помощью пакета инструментов для лингвистов Майка Скотта WordSmith Tools, version 2.0 (Oxford, 1997). Целью статистического анализа было получить несколько списков слов или словосочетаний, из которых впоследствии можно было бы отобрать кандидатов в термины и сами термины.

Статистические показатели анализируемого текста таковы: весь текст состоит из 37 319 слов и словоформ; после удаления повторов остается

13

9 249 слов и их форм. Коэффициент словарного разнообразия (type/token ratio) составляет 24,78. Во всём тексте 2 364 предложения, средняя длина предложения — 15,78 слова.

Прежде всего была выполнена простейшая операция — составлен частотный список всех слов текста, позволяющий предположить, что среди наиболее часто употребляемых слов можно обнаружить термины. Как видно из приведённого фрагмента списка, текст состоит из слов и словоформ, расположенных в порядке убывания частоты. Поскольку текст не размечен грамматически, то есть в нём отсутствуют пометы, указывающие на принадлежность каждой словоформы к отдельным частям речи, список не лемматизирован, поэтому формы одного и того же слова перечислены отдельно. Для краткости далее по тексту и неизменяемые слова, и различные формы изменяемых слов будут называться просто словами.

Таблица 1. 20 наиболее частотных слов и словоформ текста

№

Слово и словоформа

Частотность в исследуемом тексте

Доля текста (%)

1.

IR

1,319

3.53

2.

SU

479

1.28

3.

AR

390

1.05

4.

ПРЕДЛОЖЕНИЯ

288

0.77

5.

ЭТО

284

0.76

6.

СЛОВ

258

0.69

7.

МОЖЕТ

243

0.65

8.

O

229

0.61

9.

IŠ

206

0.55

10.

ПРЕДЛОЖЕНИЯ

196

0.53

11.

Į

194

0.52

12.

ЕСТЬ

194

0.52

13.

КАК

187

0.50

14.

NE

182

0.49

15.

ТОЛЬКО

171

0.46

16.

СОГЛАСНО

170

0.46

17.

БЫТЬ

155

0.42

18.

JŲ

143

0.38

19.

ПРЕДЛОЖЕНИЙ

143

0.38

20.

СОЧЕТАНИЯ

141

0.38

14

Как правило, текст состоит из сравнительно небольшого числа слов, которые употребляются много раз, и большого числа слов, употребляемых редко. Слова, употреблённые один раз, составляют 62% всех случаев употребления слов. Обычно они составляют половину текста; после лемматизации списка, по-видимому, столько их и осталось бы, поскольку производные словоформы были бы сведены к основным. Однократные и редкие случаи употребления, то есть от 2 до 10, терминологу неинтересны, ведь вероятность найти здесь термины невелика. Остаётся сравнительно небольшая часть списка — всего 6% часто употребляемых слов текста, из которых уже стоит отбирать однословные термины.

Диаграмма

Распределение слов текста и словоформ по частоте употребления (числу случаев употребления)

Слова и их формы, употреблённые более 10 раз: 6%

Слова и их формы, употреблённые от 2 до 10 раз: 32%

Слова и их формы, употреблённые 1 раз: 62%

Если бы эти данные об употреблении были представлены в виде кривой, а не диаграммы, стало бы видно, что 10 случаев употребления — это очень чёткая граница, порог, за которым слова употребляются гораздо чаще, чем до него. Более подробный анализ показал, что из 599 слов, употреблённых 10 и более раз, целых 239 — это однословные термины или части составных терминов, иными словами, важные для терминографа слова. К ним относятся названия частей речи, падежей, языковых явлений, единиц и разделов языкознания.

Преимущество общего частотного списка слов — уже упомянутая очень чёткая граница частоты употребления, а недостатков у него несколько. Один из них: список состоит из отдельных слов, тогда как однословных терминов, как известно, не так много. С другой стороны, большинство новых терминов, не попавших в словари и потому особенно интересующих терминологов, как раз являются многосло-

15

…джа. Второй недостаток: значительную часть списка занимают очень частотные служебные слова, которые также малоинтересны терминологам. Последний недостаток можно устранить, составив несколько иной список — список знаменательных слов. Знаменательные слова извлекаются из текста несколько более сложным способом: исследуемый текст сравнивается с гораздо более крупным корпусом, в нашем случае — с компьютерным корпусом Университета Витаутаса Великого объёмом 55 миллионов слов. Если какое-либо слово в исследуемом тексте встречается относительно чаще, чем в среднем в большом корпусе, то его следует считать знаменательным словом этого текста. Проще говоря, если текст посвящён кино, это слово будет упоминаться в нём гораздо чаще и поэтому попадёт в список знаменательных слов. Как видно из таблицы, здесь служебных слов гораздо меньше, поскольку их частотность в тексте и корпусе примерно одинакова. Таким образом, на первый план выходят более уникальные слова исследуемого текста, а в случае научного текста — термины. К сожалению, в этом списке, как и в первом, они приводятся по отдельности, а не в составе словосочетаний.

Таблица 2. 20 наиболее частотных знаменательных слов и словоформ

№ | Слово и словоформа | Частотность в исследуемом тексте | Частотность в корпусе | Коэффициент значимости 1. | ПРЕДЛОЖЕНИЯ | 288 | 707 | 2,974.8; 2. | ПРЕДЛОЖЕНИЯ | 196 | 370 | 2,108.4; 3. | СЛОВ | 258 | 6,504 | 1,554.3; 4. | ПРЕДЛОЖЕНИЙ | 143 | 386 | 1,453.6; 5. | СЛОВОСОЧЕТАНИЯ | 141 | 405 | 1,418.4; 6. | КОМПОНЕНТОВ | 103 | 130 | 1,171.5; 7. | СЛОВОСОЧЕТАНИЙ | 103 | 591 | 909.2; 8. | КОМПОНЕНТ | 77 | 124 | 847.4; 9. | В ПРЕДЛОЖЕНИИ | 85 | 310 | 819.6; 10. | КОМПОНЕНТЫ | 73 | 106 | 815.0; 11. | КОМПОНЕНТА | 71 | 84 | 814.2; 12. | ПРЕДЛОЖЕНИЕ | 91 | 528 | 801.4; 13. | КОМПОНЕНТОМ | 69 | 78 | 795.8; 14. | СИНТАКСИСА | 68 | 163 | 704.7; 15. | ПРЕДЛОЖЕНИЕ | 73 | 634 | 588.1; 16. | ПРЕДЛОЖЕНИЯ | 61 | 315 | 550.1; 17. | СКАЗУЕМОГО | 44 | 60 | 495.3; 18. | ПРЕДЛОЖЕНИЯМИ | 49 | 205 | 460.5; 19. | СЛОЖНОГО | 42 | 75 | 455.4; 20. | СКАЗУЕМЫМ | 36 | 36 | 421.4

16

Третья возможность программного обеспечения, основанного на статистических методах, — извлекать из исследуемого текста словосочетания, которые в идентичной форме употреблены в тексте два или более раз. Программа позволяет обнаруживать цепочки длиной до восьми слов. Понятно, что таких длинных образований в тексте немного. Гораздо больше в нём устойчивых четырёхсловных и трёхсловных, а особенно двухсловных сочетаний. В исследуемом тексте В. Лабутиса насчитывается 2 восьмисловных сочетания, употреблённых не менее двух раз, 6 семисловных, 23 шестисловных, 65 пятисловных, 211 четырёхсловных, 756 трёхсловных и целых 2695 двухсловных сочетаний. Ниже приводятся словесные цепочки разной длины; полужирным выделены сочетания, части которых можно считать составными терминами, а рядом указано количество употреблений каждой цепочки в тексте.

ВОСЕМЬ СЛОВ

ОБРАЗУЕТСЯ НЕ МЕНЕЕ ЧЕМ ИЗ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 2

ОБРАЗУЕТСЯ НЕ МЕНЕЕ ЧЕМ ИЗ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВОФОРМ 2

СЕМЬ СЛОВ

ОБРАЗУЕТСЯ НЕ МЕНЕЕ ЧЕМ ИЗ ДВУХ САМОСТОЯТЕЛЬНЫХ 2

НЕ МЕНЕЕ ЧЕМ ИЗ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВОФОРМ 2

ОБРАЗУЕТСЯ НЕ МЕНЕЕ ЧЕМ ИЗ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 2

УПОТРЕБЛЕНИЕ СЛОВОФОРМ ПРИ ДРУГИХ СЛОВОФОРМАХ 2

ШЕСТЬ СЛОВ

НЕ МЕНЕЕ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 4

ФОРМ СЛОВ, ВЫСТУПАЮЩИХ В РОЛИ ГЛАГОЛОВ И СКАЗУЕМЫХ 3

В АКАДЕМИЧЕСКОЙ ГРАММАТИКЕ ЛИТОВСКОГО ЯЗЫКА LKG III 2

ДВЕ ИЛИ НЕСКОЛЬКО ФОРМ САМОСТОЯТЕЛЬНЫХ СЛОВ 2

УПОТРЕБЛЕНИЕ ФОРМ ПО ОТНОШЕНИЮ К ФОРМАМ ДРУГИХ СЛОВ 2

И С НЕКОТОРЫМИ ПРЕДЛОЖНО-ПАДЕЖНЫМИ КОНСТРУКЦИЯМИ 2

ЧАСТЬ ПРЕДЛОЖЕНИЯ ИЛИ ЧАСТЬ СЛОЖНОГО ПРЕДЛОЖЕНИЯ 2

С ДРУГИМИ ПАДЕЖАМИ И ПРЕДЛОЖНО-ПАДЕЖНЫМИ КОНСТРУКЦИЯМИ 2

С ПАДЕЖАМИ И ПРЕДЛОЖНО-ПАДЕЖНЫМИ КОНСТРУКЦИЯМИ 2

ФОРМА СЛОВА КАК-ЛИБО УПОТРЕБЛЯЕТСЯ ПО ОТНОШЕНИЮ К 2

УПОТРЕБЛЕНИЕ ФОРМ СЛОВ ПО ОТНОШЕНИЮ К ДРУГИМ СЛОВАМ 2

ПЯТЬ СЛОВ

МЕНЕЕ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 4

ГЛАГОЛОВ И СЛОВ, ВЫСТУПАЮЩИХ В РОЛИ СКАЗУЕМОГО 4

17

ПАДЕЖНЫМИ ФОРМАМИ И ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 3

ПРЕДИКАТИВНЫЕ СТРУКТУРЫ, ОБРАЗУЮЩИЕ СЛОЖНОЕ ПРЕДЛОЖЕНИЕ 3

ИЛИ НЕСКОЛЬКО ФОРМ САМОСТОЯТЕЛЬНЫХ СЛОВ 2

ОТДЕЛЬНОЕ СООБЩЕНИЕ О СИТУАЦИИ В ДЕЙСТВИТЕЛЬНОСТИ 2

ЧАСТЬ ИЛИ КОМПОНЕНТ СЛОЖНОГО ПРЕДЛОЖЕНИЯ 2

ВЫСТУПАЕТ ЗАВИСИМЫМ КОМПОНЕНТОМ ИМЕННОЙ ГРУППЫ 2

ИСПОЛЬЗОВАНИЕ ФОРМ ПРИ ДРУГИХ СЛОВАХ 2

МОЖЕТ ВЫСТУПАТЬ И В СЛОЖНОМ ПРЕДЛОЖЕНИИ 2

И МЕЖДУ ПРЕДИКАТИВНЫМИ СТРУКТУРАМИ СЛОЖНОГО ПРЕДЛОЖЕНИЯ 2

И ФОРМ СЛОВ, ВЫСТУПАЮЩИХ В РОЛИ ГЛАГОЛА 2

КАК ФОРМЫ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 2

ДРУГИМИ ПАДЕЖНЫМИ ФОРМАМИ И ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 2

ПАДЕЖА ИЛИ ПАДЕЖА С ПРЕДЛОГОМ 2

СВЯЗЬ С ГРАММАТИЧЕСКОЙ КАТЕГОРИЕЙ ЛИЦА 2

СИНТАГМАТИЧЕСКИЕ ОТНОШЕНИЯ И СЛОВОСОЧЕТАНИЯ 2

КЛАССИФИКАЦИЯ НЕОДНОКРАТНО ПОДВЕРГАЛАСЬ КРИТИКЕ 2

С ПРИДАТОЧНЫМ ПРЕДЛОЖЕНИЕМ ВТОРОЙ СТЕПЕНИ 2

С КАКИМИ ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 2

С ДРУГИМИ ПАДЕЖАМИ И ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 2

С ДАТЕЛЬНЫМ И ТВОРИТЕЛЬНЫМ ПАДЕЖАМИ 2

С ПРИДАТОЧНОЙ ЧАСТЬЮ ВСЕГО ПРЕДЛОЖЕНИЯ 2

ЭТО ЧАЩЕ ВСЕГО ГЛАГОЛЬНЫЕ СЛОВОСОЧЕТАНИЯ С 2

ПРИМЕНЕНИЕ К ДРУГИМ ФОРМАМ СЛОВ 2

ПРИДАТОЧНЫЕ ПРЕДЛОЖЕНИЯ ОДНОЙ И ТОЙ ЖЕ СТЕПЕНИ 2

ИМЕЮТ ОБЩИЙ ВТОРОСТЕПЕННЫЙ ЧЛЕН ПРЕДЛОЖЕНИЯ 2

РОЛЬ ПО ОТНОШЕНИЮ КО ВСЕМУ СЛОЖНОПОДЧИНЁННОМУ ПРЕДЛОЖЕНИЮ 2

ФОРМА СЛОВА КАК БЫ НИ ПРИМЕНЯЛАСЬ 2

ПРИМЕНЕНИЕ ФОРМ СЛОВ К ДРУГИМ 2

СЛОВОСОЧЕТАНИЕ ИЛИ ДРУГАЯ КОНСТРУКЦИЯ 2

KETURI ŽODŽIAI

И С ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 5

И СЛОВ, ВЫСТУПАЮЩИХ В РОЛИ СКАЗУЕМОГО 4

ГЛАВНЫМ ЧЛЕНОМ КОТОРЫХ ЯВЛЯЕТСЯ 4

МЕНЕЕ ДВУХ САМОСТОЯТЕЛЬНЫХ 4

НЕ МЕНЕЕ ДВУХ 4

СЛОВОФОРМА, ВЫСТУПАЮЩАЯ В РОЛИ ПОДЛЕЖАЩЕГО 4

ВЫСТУПАЮЩИХ В РОЛИ ПОДЛЕЖАЩЕГО И СКАЗУЕМОГО 4

ФОРМЫ ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 3

СОЧИНИТЕЛЬНЫЕ И ПОДЧИНИТЕЛЬНЫЕ 3

ПАДЕЖАМИ И С ПРЕДЛОЖНЫМИ 3

СЛОВА, ВЫСТУПАЮЩЕГО В РОЛИ ГЛАВНОГО ЧЛЕНА 3

ПРЕДИКАТИВНЫЕ СТРУКТУРЫ, ОБРАЗУЮЩИЕ ПРЕДЛОЖЕНИЕ 3

С ГРАММАТИЧЕСКОЙ КАТЕГОРИЕЙ ЛИЦА 3

СПОСОБ ВЫРАЖЕНИЯ ОТНОШЕНИЙ МЕЖДУ СЛОВАМИ 3

ПРИДАТОЧНЫМ ПРЕДЛОЖЕНИЕМ ВТОРОЙ СТЕПЕНИ 2

ОБ ЭТИХ ПОНЯТИЯХ СМ. 2

18

ОБ ЭТОМ НА ПРАКТИЧЕСКИХ ЗАНЯТИЯХ 2

ИЛИ ЧЛЕН СЛОЖНОГО ПРЕДЛОЖЕНИЯ 2

РАСКРЫВАЕТ ДРУГОЙ ПРЕДИКАТИВНЫЙ ЧЛЕН 2

ОБЩИЙ ВТОРОСТЕПЕННЫЙ ЧЛЕН ПРЕДЛОЖЕНИЯ 2

КАЧЕСТВО И КОЛИЧЕСТВО ОБРАЗА ДЕЙСТВИЯ 2

ПРИЛАГАТЕЛЬНОЕ ОБРАЗУЕТ СОЧЕТАНИЕ С 2

ЗАВИСИМЫМ КОМПОНЕНТОМ ИМЕННОГО СЛОВОСОЧЕТАНИЯ 2

TRYS ŽODŽIAI

МОГУТ БЫТЬ 14

С ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 11

БОЛЕЕ ИЛИ МЕНЕЕ 10

ЛИТОВСКОГО ЯЗЫКА СИНТАКСИСА 9

ПРЕДЛОЖЕНИЯ МОГУТ БЫТЬ 9

ГЛАГОЛЬНЫЕ СОЧЕТАНИЯ С 8

КОМПОНЕНТЫ МОГУТ БЫТЬ 7

ГЛАВНЫЙ КОМПОНЕНТ КОТОРЫХ 7

ИМЕННЫЕ СОЧЕТАНИЯ С 6

НЕ МЕНЕЕ ЧЕМ 6

ПРИСОЕДИНЕНИЕ И СОЧИНЕНИЕ 6

ПРЕДЛОЖЕНИЙ МОЖЕТ БЫТЬ 6

ФОРМЫ САМОСТОЯТЕЛЬНЫХ СЛОВ 6

ГЛАГОЛОМ И СКАЗУЕМЫМ 6

ДВУХ САМОСТОЯТЕЛЬНЫХ СЛОВ 5

DVIPUSĖS SĄSAJOS SANTYKIU 5

DU ŽODŽIAI

МОЖЕТ БЫТЬ 118

И Т. Д. 41

ЛИТОВСКОГО ЯЗЫКА 36

ŽODŽIŲ FORMŲ 35

ТАКЖЕ 34

SUDĖTINIO SAKINIO 32

SAKINIO DALIŲ 31

ŽODŽIŲ FORMOS 31

НЕ ТОЛЬКО 29

ŽODŽIŲ JUNGINIŲ 26

СОЧЕТАНИЯ С 25

PREDIKATINIŲ DĖMENŲ 24

МОЖЕТ ИМЕТЬ 23

ТЕМ НЕ МЕНЕЕ 23

ОСНОВНЫХ КОМПОНЕНТОВ 21

ПРЕДИКАТИВНЫЙ ЦЕНТР 20

ПРЕДИКАТИВНЫЕ КОМПОНЕНТЫ 20

КАК БЫ 18

СЛОЖНЫЕ ПРЕДЛОЖЕНИЯ 18

19

МОЖЕТ ОБРАЗОВЫВАТЬ 17

ГЛАВНЫЙ КОМПОНЕНТ 17

ПРЕДЛОЖНЫМИ КОНСТРУКЦИЯМИ 17

С РОДИТЕЛЬНЫМ ПАДЕЖОМ 17

КАК И 16

СИСТЕМЫ ЯЗЫКА 16

ЗАВИСИМОГО КОМПОНЕНТА 16

СЛОЖНЫХ ПРЕДЛОЖЕНИЙ 16

КРОМЕ ТОГО 15

И СОГЛАСНО 15

СЛОВОСОЧЕТАНИЯ 15

Как видно из приведённых примеров, более длинные словосочетания напоминают скорее выражения или фразы, а короткие — синтаксические словосочетания. Неодинаков

Неодинакова и степень их устойчивости, выявляемая по числу употреблений: например, некоторые двухсловные сочетания даже в таком небольшом тексте встречаются 118 раз. Кроме того, некоторые цепочки слов полностью совпадают с составными терминами, например: придаточное предложение второй степени, отношение двусторонней связи, языковая система, а из других эти термины необходимо выделить, например: выявляет другой предикативный компонент, словоформа тем или иным образом приспосабливается к слову, выступающему в качестве главного компонента и т. д. Хотя их и следует сокращать, они по-своему информативны, поскольку предикативные слова (в примерах они выделены разрядкой), не входящие непосредственно в состав термина, а относящиеся к его окружению, сообщают важную информацию о сочетаемости и особенностях употребления.

Последний список, как и предыдущие, не лемматизирован, поэтому один и тот же многословный термин повторяется каждый раз в иной грамматической форме. Кроме того, он повторяется и в цепочках словесных звеньев разной длины — от самой длинной до самой короткой: состоят не менее чем из двух самостоятельных словоформ, не менее чем из двух самостоятельных словоформ, самостоятельных словоформ, словоформ. Как бы то ни было, частые повторы не мешают, а помогают выявить наиболее важные, наиболее употребительные составные термины. Даже если с помощью перечисленных полуавтоматических программных средств удаётся извлечь не все термины исследуемого текста, они всё же позволяют выявить наиболее важные, а тот факт, что составленные компьютером списки читает и обрабатывает терминограф, гарантирует качество конечного результата.

20

Вывод

Современная терминология, стремящаяся собирать, описывать и нормировать термины различных отраслей науки, не может обойтись без компьютерного корпуса и связанных с ним других этапов подготовки компьютерного банка терминов: программного обеспечения общего назначения или специального программного обеспечения, лексической базы данных и т. д. Корпус должен быть подготовлен таким образом, чтобы охватывать как можно более широкий спектр текстов и тем самым представлять язык описываемой отрасли науки. Даже используя программное обеспечение общего назначения, предназначенное для лексикографов, можно автоматически получить списки слов и словосочетаний — кандидатов в термины, из которых отбираются известные и новые термины.

Получено 1999 06 21

Literatūra

1. A h m a d 1994 – Ahmad, K., Davies, A., Fulford, H., Rogers, M. What is a term? The semi-automatic extraction of terms from text. In: M. Snell-Hornby, F. Pochacker, K. Kaindl (eds.). Translation Studies: An Interdiscipline. Amsterdam – Philadelphia, 1994, P. 267–278.

2. A h m a d 1993 – Ahmad, K. Pragmatics of Specialist Terms: The Acquisition and Representation of Terminology. In: Petra Steffens (ed.). Machine Translation and the Lexicon. Thirds International EAMT Workshop. Heidelberg, Germany, April 26–28. 1993. Proceedings. Berlin – Heidelberg, 1995, P. 51–76.

3. B o u r i g a u l t 1996 – Bourigault, D., Gonzalez-Mullier, I., Gros, C. LEXTER, a Natural Language Processing Tool for Terminology Extraction. In: Euralex ’96 Proceedings II, Goteborg, 1996, P. 771 – 780.

4. L a u r i s t o n 1994 – Lauriston, A. Automatic Recognition of Complex terms: Problems and the TERMINO solution. In: Terminology. Vol 1(1), 1994, P. 147–170.

5. M e y e r 1996 – Meyer, I., Mackintosh, K. The Corpus from a Terminographer’s Viewpoint. In: International Journal of Corpus Linguistics. Vol. 1(2), 1996, P. 257–285.

6. P e a r s o n 1998 – Pearson, J. Terms in Context. Amsterdam – Philadelphia, 1998.

7. R o g e r s 1994 – Rogers, M., Ahmad, K. Computerised Terminology for Translators: the role of text. In: M. Brekke, O. Andersen, T. Dahl, J. Myking. Applications and Implications of Current LSP Research. Proceedings of the 9^th European Symposium on LSP, Bergen, Aug. 2–6, 1993. Vol. II. Bergen, 1994. P. 840–851.

21

8. Sager 1990 – Sager, J.C. A Practical Course in Terminology Processing. Amsterdam – Philadelphia, 1990.

TERMINOGRAPHY AND CORPUS

Summary

The paper deals with role of a corpus in terminology in general and terminology in particular. It argues for the necessity to use not only corpus but also general purpose and specific tools for the extraction of terminology and compilation of terminological databases. Peculiarities of the terminographer’s corpus such as its contents, size and specificity are also discussed. In addition, a wide range of possible general purpose and specific tools for term extraction are presented here. Some of them, based on statistical analyses of a text, were applied for one Lithuanian text on syntax in order to show how different tools can produce different semi-automatic lists of terms.

22