До питання лематизації корпусів поетичних текстів

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Інститут філології КНУ імені Тараса Шевченка

До питання лематизації корпусів поетичних текстів

Білик К.А., канд. філол. н.

Традиційна анотація корпусу передбачає його лематизацію, яка уможливлює виконання пошуку за словоформами. На прикладі аналізу корпусу текстів Рільке показано морфологічну аморфність, притаманну слововжитку в поетичних текстах, яку пояснено психолінгвістичним розумінням продукування мови, та доведено, що для аналізу поетичних текстів, для яких характерною є синтаксична аморфність та відсутність колокацій, доцільним є виконання пошуку не за лемами, а за спільнокореневими словами, отже, важливою вимогою до анотації корпусу поетичних текстів є проведення стемінгу.

Ключові слова: корпусна лінгвістика, конструкційна граматика, колокація, консоціація, асоціація, праймінг, стемінг.

Bilyk K.A., CandPhilSci, Assistant Professor, Institute of Philology, Taras Shevchenko National University of Kyiv

ON LEMMATIZATION OF POETIC TEXTS CORPORA

The annotation of any given corpora traditionally requires its lemmatisation that allows for the further searching for the word forms. Evidence from a corpus of texts by Rilke suggests the morphological amorphousness of word usage in poetic texts, that is explained by psycholinguistic theory of speech production. It is shown, that the analysis of poetic texts, characterized by the relative absence of collocations, benefits from search not by for the word forms, but for the word stems, which in term requires the stemming of corpora ofpoetic texts.

Key words: corpus linguistics, construction grammar, collocation, consociation, association, priming, stemming.

лематизація поетичний текст

Билык Е. А., канд. филол. н.

К ВОПРОСУ О ЛЕММАТИЗАЦИИ КОРПУСОВ ПОЭТИЧЕСКИХ ТЕКСТОВ

Традиционная аннотация корпуса подразумевает его лемматизацию, которая делает возможным поиск по словоформам. На примере анализа корпуса текстов Рильке показано морфологическую аморфность, присущую словоупотреблению в поэтических текстах, которая объясняется психолингвистическим пониманием продуцирования речи, и доказано, что для анализа поэтических текстов, для которых характерны синтаксическая аморфность и отсутствие коллокаций, уместен поиск не по леммам, а по однокоренным словам, то есть, важным требованением к разметке корпуса поэтических текстов является проведение стеминга.

Ключевые слова: корпусная лингвистика, конструкционная грамматика, коллокация, консоциация, ассоциация, прайминг, стемминг.

Корпусній лінгвістиці належать безперечні здобутки у спостереженні принципово важливої ролі повторюваності для мови, яка мало усвідомлювалася раніше, насиченості мови колокаціями та подібними до неї регулярними фразеологічними структурами. Корпусна лінгвістика унаочнила те, що значення слова не може бути досліджене ізольовано, без залучення аналізу контексту, а також надала докази на користь того, що слова здатні впливати на весь текст і програмувати появу інших слів. Дослідження, здійснені в руслі корпусної лінгвістики, зробили очевидними такі явища, як існування слів, що поєднуються переважно з колокатами, які мають схожі відтінки значення (семантична преференція), і закріплення значення слова за певною синтаксичною конструкцією. Вони заклали теоретичні й методологічні основи вивчення складного феномену зчитування “привида” відсутнього слова, тобто відновлення значення слова, закріпленого за колокацією, як “другого шару” повідомлення навіть за його відсутності або підстановки, прикладом чого може бути... stille Wasser sind Mцrder Canetti E. Die Blendung / E. Canetti. - Carl Hanser Verlag. - c. 333., що можна перекласти як «у тихому болоті вбивці водяться», яке виникло завдяки підстановці одного слова у відомій колокації stille Wasser sind tief (у тихому болоті чорти водяться). Зчитування другого шару значення стало можливим завдяки існуванню загальномовної колокації, чиї компоненти характеризуються високою асоційованістю між собою.

Такі спостереження завдячують, з одного боку, зростанню обчислювальної потужності комп'ютерів, що дозволило залучення до аналізу раніше неохопних масивів текстів (на сьогодні корпуси можуть сягати кількох мільярдів токенів, наприклад, на момент публікації статті Corpus of Global Web-based English (GloWbE) нараховує майже 2 млрд токенів, Das „Digitale Wцrterbuch der Deutschen Sprache“ (DWDS) - 5.5 млрд токенів, а Das Deutsche Referenzkorpus (DeReKo) - більш ніж 31 млрд токенів), з іншого - тому, що цифрове представлення текстів уможливлює гнучкий пошук за багатьма параметрами та різні варіанти сортування результатів, що спростило дослідження закономірностей суміжного вжитку лексичних одиниць. Проблемам аналізу колокацій та подібних до них структур було присвячено праці Д. Синклера, Б. Лоува, Д. Ліча, Д. Байбера, С. Ганстон, Т Сяо, А. МакЕнері, А. Стефановича, М. Гоуі.

Зауважимо, що повний і вичерпний огляд лінгвістичних теорій, які прагнуть пояснити точку перетину між значенням та його синтаксичною реалізацією, виходить за межі даної статті. Паралельному дослідженню функціонування значення мовних одиниць та синтаксису приділялося чимало уваги й в інших лінгвістичних напрямках. Тут можна згадати лінгвістику тексту та дискурсологію, особливо на перших етапах її розвитку, зокрема, ті дослідження граматики тексту, які прагнули встановити, якою мірою синтаксис речення залежить від попереднього (а, можливо, й наступного) речення в тексті, і які дійшли висновку, що найбільший вплив має семантика сусідніх речень [7:135], а також граматику контексту, яка пов'язує синтаксичну структуру речення з його прагматикою [7:135]. Когнітивна лінгвістика, психо- та нейролінгвістика, становлять, на нашу думку, теж неабиякий інтерес в даному аспекті, а особливо праці, присвячені питанню породження мовлення (Рьолофс, Левельт [15], Карамадза [5], Делл [17]). Безумовно, експериментальні дослідження у цьому напрямку унаочнюють взаємозв'язок між синтаксисом та лексичним значенням. З'ясування того, який вплив має контекст (асоціація чи праймінг) на вибір лексичної одиниці, на якому етапі відбувається вибір фонетичного й граматичного оформлення слова, можуть дати вагомі свідчення для розуміння взаємозв' язку між синтаксисом та семантикою.

М. Гоуі пропонує нову амбітну теорію організації лексикону, згідно якої центрального значення набуває не граматико-синтаксична структура, а саме лексика. Він наполягає на тому, що лексика має свою структуру упорядкування, а граматичні структури, в яких зустрічається лексика, випливають із цієї системи упорядкування лексики, тобто він вважає, що синтаксичні зв`язки є вторинними відносно лексики [11:1]. Гоуі відкидає класичну теорію, відповідно до якої кожне слово має (чітко розмежовані) звучання (і через артикуляцію пов'язане з фонологією), значення (яке досліджує семантика), етимологію (яка знаходиться у царині діахронічної лінгвістики) тощо. На думку Гоуі, не завжди достатньо переконливий зв'язок власне слова з означеними лінгвістичними напрямками зумовив появу теорій, які доводили, що спершу генерується граматична структура речення, яка згодом заповнюється лексичними одиницями (ідеї Хомського, генеративний синтаксис), або теорій, які, навпаки, на перший план виводили семантику продукованого речення, трансльовану за допомогою відповідної лексики (цей напрямок він пов'язує з роботами відомого когнітивного лінгвіста Пінкера); останні є прикладами підходів, які розмежовують синтаксичний та семантичний компоненти, вибудовуючи ієрархічні стосунки між ними з перекосом у той чи інший бік. Коментуючи граматичні теорії, які на позір відштовхуються від домінуючої ролі лексики, зокрема системно-функціональну лінгвістику чи тагмеміку, Гоуі зауважує, що їм також притаманний поділ на граматичну та лексичну системи, що, на його думку, тільки підкреслює усталений глибокий розкол між цими рівнями мови у теорії граматики [11:2].

Гоуі не відкидає однак існування інших граматичних теорій, де подібне розмежування значною мірою знівельоване. До таких теорій він відносить конструкційну граматику Ч. Філлмора і А. Ґольдберґ [10] (на чиє визначення конструкції спирається зауважена далі теорія А. Стефановича), когнітивно орієнтовану «граматику слова» Р. Гадзона [12; 13; 19], а також ті граматичні теорії, які розвинулися під впливом корпусної лінгвістики й виходять з розуміння мови як фразеологічної системи, зокрема ідеї С. Ганстон і Дж. Френсиса [14], або впливові дослідження Д. Синклера. На думку Гоуі, серед усіх перерахованих підходів Синклерів є найближчим до стирання кордонів між лексичним та граматичним підходами до вивчення мови.

Корпусні дослідження мали величезний вплив на уявлення про мову як про таку, що складається з майже безкінечної кількості закономірних та регулярних конструкцій, що актуалізувало давно існуючу проблему співвіднесеності форми та значення мовних одиниць, а також синтаксису й семантики. Традиційні підходи до вивчення колокованих структур у корпусній лінгвістиці дозволяють визначити не тільки характерні для слова коокуренти (колокації) й типові граматичні структури (колігації), але й можливі подібності в лексичному значенні частотних колокатів (семантичну просодію та семантичну преференцію). Дослідження конструкцій та значення лексичних одиниць у межах корпусної лінгвістики відбувається через пошук за лемами, тобто за всіма словоформами певної частини мови. Спільнокореневі слова найчастіше відкидаються, і мотивується це тим, що слова, які належать до різних частин мови, природно, мають різну граматичну сполучуваність і зв`язуються з різними колокатами.

Існують теорії, які вимагають ще більш суворого обмеження при пошуку, наприклад, колострукційний аналіз, пропонований Стефановичем. Колострукційний аналіз базується на конструкційній граматиці й спирається на визначення конструкції Гольдберг як поєднання «форми й функції [...], [у яких] певний аспект форми чи значення неможливо визначити тільки за його компонентами або за іншими подібними конструкціями»¹ [10:219]. Стефанович піддає критиці описаний вище Constructions are stored pairings of form and function, including morphemes, words, idioms, partially lexically filled and fully general linguistic patterns. [...]. Any linguistic pattern is recognized as a construction as long as some aspect of its form or function is not strictly predictable from its component parts or from other constructions recognized to exist [Goldberg, 219]. підхід до дослідження сполучуваності слів та їхніх значень через лематизацію, оскільки відбір лексичних одиниць для аналізу нерідко виконується в автоматичний або напівавтоматичний спосіб без огляду на граматичну сполучуваність. Колострукційний аналіз передбачає зосередження уваги на конкретній конструкції та визначення, які лексичні одиниці можуть займати певний слот у конструкції з високою імовірністю, а які, навпаки, відштовхуються цим слотом, тобто можуть з`являтися у досліджуваній позиції рідше, ніж можна очікувати [18]. Очевидно, що попри вагому роль семантичної складової, такий підхід на перше місце ставить синтаксис.

Однак такий підхід звужує можливості пояснення, наприклад, знайдених при аналізі поетичних текстів Р. М. Рільке феноменів слововжитку. Як було показано в попередніх дослідженнях [1-4], колокації у віршах поступаються місцем менш фіксованим синтаксично, попри це регулярним і статистично значимим структурам - консоціаціям, дослідження яких (воно почалося в кінці ХІХ ст.) є ще однією спробою проаналізувати взаємозв'язок значення слова та синтаксису, а саме - синтаксичну реалізацію асоційованих слів. Консоціація - це вид синтактико-семантич- ного зв'язку, який характеризується регулярною сумісною появою асоційованих лексичних одиниць, що не обов`язково належать до одного тематичного поля, в одному відрізку тексту на не фіксованій відстані (до кількох десятків слів). Термін було за- попроновано А. Норееном та Г. Шпербером [16], і на їхнє переконання, консоціації є характерними для цілих епох. Шпербер, вивчаючи поетичні тексти В. фон Ешен- баха середньоверхньонімецькою мовою, встановив, що деякі слова з`являються в супроводі часто одного й того самого слова або низки слів, не обов'язково семантично пов`язаних між собою: зокрема, слово „серце“ супроводжували „око`` і „сльоза“. На основі цього спостереження він зробив висновок, що „уявлення про одне з цих слів входить до уявлення про інше й навпаки” [16: 6], тобто вони містять посилання одне на одне. Відстань між знайденими словами може коливатися від безпосереднього сусідства до кількох десятків лексичних одиниць (приклади, наведені Г. Шпербером, рознесені переважно не більше, ніж на двадцять-двадцять п'ять слів, до тридцяти).

Г. Шпербер вказує на спільну сему, що входить до значення обох цих слів, сему „туга“, яка й стала передумовою того, що слова „серце“ та „око“ вживаються поруч. Користуючись термінологією Шпербера, який в свою чергу посилався на скандинавського вченого А. Нореена, ці слова є консоційованими [19: 6]. Вони виступають як стимул для вживання іншого консоціата, актуалізуючи спільну сему, на основі якої виникла асоціація. Якщо застосувати тричленну модель асоціації до констатованої Шпербером консоціації, можна з`ясувати, що зауважена спільна сема є третім членом асоціації, передумовою спільного вжитку лексем. До того ж, за спостереженням Шпербера, її може бути імпліковано: більш регулярними в досліджених ним текстах є ті бінарні структури, в яких підґрунтя суміжного вживання є мало зрозумілим (наприклад, пара «серце - око»), аніж ті, що містять експлікований третій член консоціації (наприклад, «сльоза - око», «серце - сльоза»).

Консоціацію, безперечно, можна вважати конструкцією, подібною до колокації, і асоціативний зв`язок в її основі теж не викликає сумнівів. Однак дослідження її за допомогою лематизації та аналізу колокацій є проблематичним саме через гнучкі синтаксичні рамки, притаманні поетичним текстам, оскільки трансформації в поетичних текстах піддаються не лише усталені синтаксичні структури, але й граматичні категорії. У Рільке читаємо: O stьrz ihn, dass er, umgedreht/in deinen SchoЯ, den GegenHimmel kennt, / in den er wirklich bдumt und wirklich ragt ("Du hast mir, Sommer, der du plцtzlich bist", 1915), і значно пізніше Erst in der Eingestaltung / in dein Verzichten wird er wirklich Baum (“Durch den sich Vцgel werfen”, 1924). На прикладі прикметника dunkel спостерігаємо подібну нетипову синтаксичну сполучуваність та морфологічні трансформації: Er aber, der nicht wuЯte, wie sie litt, / und nur noch tiefer seinem Dunkel traute, / sang: „Alles Leben ist in meiner Laute.“ (“Der blinde Knabe“, 1898); Und nach dem Schweigen waren sie sich nah; / so daЯ sie sich nicht dunkel fragen muЯten (“Die Nonne“, 1898); Du kannst mich dunkel unterscheiden / von jenen Dingen, welche knien (“Ich habe Hymnen, die ich schweige”, 1899); Gott aber dunkelt tief (“Ich komme aus meinen Schwingen heim”, 1899); Du dunkelnder Grund (“Du dunkelnder Grund, geduldig ertrдgst du die Mauern”, 1899). Ці приклади унаочнюють креативну потужність морфології та синтаксису у поетичних текстах і вказують на те, що граматична категорія може не відігравати визначальної ролі при формуванні поетичного тексту.

Залишаючи поза межами цієї статті проблему омонімії та особливо актуальне для німецької мови питання відсіювання тих спільнокореневих слів, зокрема композитів, у яких аналізована складова втратила своє первинне значення (наприклад, чи залучати до аналізу слова Hand іменник Handschuh, або чи є актуальними для прикметника groЯ композити GroЯmutter чи GroЯvater, чи для Macht - Ohnmacht), які потребують окремого розгляду для кожного випадку, пропонуємо зосередитися на дослідженні проблеми зміни синтаксичної поведінки і зміни приналежності аналізованих лексичних одиниць до певної граматичної категорії. Як бачимо, прагнення зберегти звучання слова задля збереження певного значення та набору асоціацій, з ним пов'язаних (у випадку наведених вище прикладів - сакральних конотацій, асоціативного зв'язку з художнім концептом gott поетичної картини світу Рільке [3]), спричиняє вжиток кореня слова у формі різних граматичних категорій та у мало характерних для них словосполученнях: wirklich bдumt; wirklich Baum (sein); dunkelfragen (mьssen); dunkel unterscheiden (kцnnen). Те, що у поезіях Рільке переважно відсутні типові асоціації колокативного походження слова Baum, може бути свідченням боротьби поетичної мови з асоціаціями колокативного походження, оскільки саме вони є тим типом асоціацій, який реплікується під час асоціативного експерименту [8; 9], тож імовірно, що й Рільке вони могли бути притаманними. Ця проблема, звісно, теж стосується зв'язку між синтаксисом та значенням слова, а також питання породження мовлення в цілому та поетичного тексту зокрема.

Висока значимість для Рільке слів Baum і dunkel, зумовлена їх приналежністю до консоціацій центрального концепту його поезій Gott [3] спричиняє вибір певної лексичної репрезентації задля перенесення у даний контекст усього комплексу пов`язаних з цими словами асоціацій (семантичних і колокативних). Цей комплекс конотацій та асоціацій закріплюється за коренем слова як за основною повнозначною морфемою, і сам вона стає їх носієм, уможливлюючи морфологічні трансформації. Таке явище закріпленості комплексу асоціацій за коренем слова і множинності його граматичних проявів ми називаємо морфологічною аморфністю, і саме вона є одним з механізмів, що забезпечує гнучкість поетичної мови. Традиційний корпусний аналіз (який, зауважимо, розвинувся на матеріалі англійської мови) передбачає, найперше, лематизацію (тобто пошук за словоформами однієї частини мови). Проте, як видно з наведених вище прикладів, дослідження поетичних текстів Рільке може бути продуктивнішим за умови стемінгу, тобто залучення до аналізу не тільки словоформ, але й спільнокореневих слів через морфологічну аморфність поетичного тексту.

Пояснення цьому можна знайти в дослідженнях, виконаних у руслі когнітивної та психолінгвістики. Більшість теорій продукування мовлення відштовхуються від існування лем (у розумінні, відмінному від притаманного корпусній лінгвістиці) - абстрактних репрезентацій слова в ментальному лексиконі, які ще не мають повноцінної фонетичної та морфологічної форми [6:299, 20:243]. Зокрема, Карамадза [5], чиї експерименти засновані на суб'єктах з різного роду афазіями, презентуючи модель незалежного мережевого доступу до лексем, зауважує, що синтаксична інформація, безумовно, відіграє важливу роль при організації ментального лексикону, однак вважає, що не стільки словоформа, скільки семантична репрезентація, лема є первинною при виборі необхідної реалізації у мовленні через фонологічні чи орфографічні лексеми.

Морфологічна аморфність зауважених лексем, очевидно, пов`язаних спільними асоціативними контекстами, спостережена в поетичних текстах Рільке, може бути пояснена висунутою психолінгвістами теорією про існування леми як одиниці, позбавленої морфологічних ознак, і бути підтвердженням тези Гоуі про те, що синтаксис і семантика у традиційних граматичних теоріях є занадто розмежованими і потребують іншого осмислення. Існування семантичних репрезентацій у вигляді лем з їх подальшою реалізацією в конкретних зв`язках і контекстах, може пояснити той факт, що асоціативні зв`язки в поезіях Рільке реалізується не через повноцінні колокації та кліше (що в принципі характерно для поетичної мови), а відносно аморфними синтаксичними структурами, лексичними одиницями різних граматичних класів з одним коренем, який виступає носієм усього комплексу асоціативних посилань та конотацій. Імовірно, ця ж модель може пояснити вживання й синонімічних одиниць у поетичних текстах у подібних контекстах (наприклад, Wind - strцmende Luft), однак ця гіпотеза потребує більш докладного дослідження.

Отже, можна зробити висновок, що корпусно-лінгвістичні дослідження поетичних текстів потребують інших підходів не тільки до аналізу колокативних структур, а саме таких, які беруть до уваги синтаксичну аморфність поетичного тексту, а й іншого підходу до добору лексичних одиниць, за якими виконується пошук. Морфологічна аморфність поетичних текстів диктує необхідність залучення до аналізу спільнокореневих слів, що дозволяє зробити висновок про важливість стемінгу корпусу поетичних текстів.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Білик К. А. Консоціації художнього концепту БОГ у поезії Р. М. Рільке в українських перекладах / Катерина Аркадіївна Білик // Компаративні дослідження слов'янських мов і літератур: Пам'яті акад. Леоніда Булаховського. - Київ, 2014. - Вип. 25. - С. 10 - 18. 2. Білик К.А. Консоціація як фактор впливу на організацію поетичного тексту / Катерина Аркадіївна Білик // Мовні і концептуальні картини світу. Збірник наукових праць КНУ імені Тараса Шевченка. - Київ: ВПЦ “Київський університет”, 2014. - Вип. 47. - С. 49 - 56. 3. Білик К. А. Корпусно- лінгвістичний метод визначення консоціацій у художньому тексті / Катерина Аркадіївна Білик // Science and Education a New Dimension: Philology. - Budapest, 2015. - Vol. III (14), № 65. - P 45 - 49. Білик К. А. Особливості застосування функції логарифмічної правдоподібності для порівняння спеціалізованих корпусів / Катерина Аркадіївна Білик // Мовні і концептуальні картини світу. Збірник наукових праць. - Київ: ВПЦ “Київський університет”, 2015. - Вип. (1) 52. - С. 97-104. 5. Caramazza A. How many levels of processing are there in lexical access? / A. Caramazza // Cognitive neuropsychology. - 1997. - Vol. 14, №1. - P.177-208. 6. Crystal D. A dictionary of linguistics and phonetics / D. Crystal. - Malden, Massachusetts, Oxford [England], Boston, Massachusetts: Blackwell Publlishing; Credo Reference, 2015. - 555 p. 7. Dijk T.A. van. A note on the partial equivalence of text grammars and context grammars / T.A. van Dijk // Discourse and inference in cognitive anthropology (Loflin, M., and Silverberg, J., eds.). - 1974. - P 135-144. 8. Fitzpatrick, T. Word association patterns / T. Fitzpatrick // International Journal of Applied Linguistics. - 2007. - Vol. 17, №3. - P.319-331. 9. Durrant P. Are high-frequency collocations psychologically real? / P. Durrant, A. Doherty // Corpus Linguistics and Linguistic Theory. - 2010. - Vol. 6, №2. - P.125-155. 10. GoldbergA.E. Constructions / Adele E. Goldberg // Trends in Cognitive Sciences. - 2003. - Vol. 7, №5. - P. 219-224. 11. Hoey M. Lexical priming: A new theory of words and language. Psychology Press; 2005. 12. Hudson R. A. Language networks: The new word grammar / Richard Hudson. Oxford: Oxford University Press, 2007. 13. Hudson R.A. An introduction to word grammar / Richard Hudson. - Cambridge: Cambridge University Press, 2010. - 350 p. 14. Hunston S. Pattern grammar / S. Hunston, G. Francis. - Amsterdam: John Benjamins, 2000. - 304 p. 15. Levelt W. J. Speaking: From intention to articulation / Willem J. Levelt. - MIT press, 1993. - 567 p. 15. Sperber H. Einfьhrung in die Bedeutungslehre / Hans Sperber. - 3. Aufl. - Bonn: Ferd. Dьmmlers Verlag, 1965. - 96 S. 16. Spivey M. The Cambridge handbook of psycholinguistics / M. Spivey, M. Joanisse, K. McRae. - Cambridge, New York: Cambridge University Press, 2012. 17. Stefanowitsch A., Gries S. Th. Collostruc- tions: investigating the interaction between words and constructions / A. Stefanowitsch, S. Th. Gries // International Journal of Corpus Linguistics. - No. 8(2), 2003. - P 209-243. 18. Sugayama K. Word grammar / K. Sugayama, R.A. Hudson. - London, New York: Continuum, 2006. - 256 p. 19. Warren P. Introducing psycholinguistics / P. Warren. - Cambridge: Cambridge University Press, 2013. - 290 p.

Размещено на Allbest.ru