Большакова Е.И. и др. - Автоматическая обработка текстов на естественном языке и компьютерная лингвистика, страница 11

статью[159])23.Биграммы, выделяющиеся и для лексем, и для словоформ, оказываются, какправило, наиболее информативными.В список (только) лексемных биграмм попадают составные номинации,характеризуемыемаксимальнойсвободой(максимальнымразнообразием,минимальной ограниченностью) набора выполняемых ими в предложении семантикосинтаксических ролей.

Примеры этих биграмм, каждая единица сочетания приведенав нормализованном виде (прописными буквами – здесь и далее):• для новостных текстов – КУРМАНБЕК БАКИЕВ, АЛИШЕР УСМАНОВ,БЕНЕДИКТ XVI, УСЕЙН БОЛТ, СЕРДЕЧНЫЙ ПРИСТУП, ОСАМА БИН,СТИХИЙНЫЙ БЕДСТВИЕ, ЛАМПА НАКАЛИВАНИЕ, РАДОВАН КАРАДЖИЧ,ПОЛЕЗНЫЙ ИСКОПАЕМОЕ, ДЖОННИ ДЕПП, ФИДЕЛЬ КАСТРО, ДОЛИНА СВАТ,САДДАМ ХУСЕЙН, СИМФОНИЧЕСКИЙ ОРКЕСТР, КРОВНЫЙ МЕСТЬ, и т.д.;• для научных текстов – ВИНИТЕЛЬНЫЙ ПАДЕЖ, ИМЕНИТЕЛЬНЫЙ ПАДЕЖ,АКТУАЛЬНЫЙ ЧЛЕНЕНИЕ, ИНСТРУМЕНТАЛЬНЫЙ СРЕДА.Показательна высокая доля, которую имеют в этом классе наименования лиц.Такие номинации, условно говоря, можно сопоставить со словом, котороехарактеризуется достаточно полной парадигмой формоизменения.Словоформные биграммы, как правило, относятся к номинации в определеннойсинтаксической позиции. Примеры биграмм:• для новостных текстов – парниковых газов, Соединенных Штатов, ЖенскойТеннисной, кредитном портфеле, Палестинской автономии, встречную полосу,Нижнем Новгороде, Федеральную трассу;• для научных текстов – речевой акт, речевых актов, именная группа, именныхгрупп, коммуникативного акта, коммуникативных актов, просодическиххарактеристик, прошедшего времени, речевого сигнала.22Хочется отметить, что различные аудитории, обсуждавшие наши доклады на эту тему, высказывались весьмакатегорично: некоторые аудитории лишь лексемные коллокации считали достойными внимания, другие –напротив – только словоформные.

Безусловно, основные особенности, рассмотренные на примере биграммколлокаций, действуют и при увеличении объема сочетания.23Во всех трех случаях под «списком» имеется в виду первая сотня словосочетаний, выявленных тем или инымспособом. Нас интересует, однако, словосочетания с наибольшим значением меры, т.е. верхние части списков,которые мы в дальнейшем для краткости именуем просто списками.33Кроме того, биграммы этого подкласса могут относиться к части целостнойноминации, например, сочетание речевых актов часто является частью триграммы«теории речевых актов».В этих списках в обоих случаях некоторая составная номинация или терминрезко тяготеет к выполнению некоторой типичной (излюбленной) для неё семантикосинтаксической роли (то есть «излюбленная» роль для этой номинации оказываетсягораздо употребительнее остальных возможных для неё ролей).

Такое тяготениеявляется частным проявлением более общего закона тяготения номинативных единицнекоторого грамматико-семантического разряда к выполнению некоторой типичнойдля них семантико-синтаксической функции. Такое тяготение оказывается важным идля однословных номинаций, и для неоднословных.Если данная составная номинация входит в состав некоторого более крупного –трёхсловного или даже более протяжённого, напр., (Женской теннисной) ассоциации,теории (речевых актов) – сочетание является более устойчивым на синтагматическойоси, чем в случае прочих словоформных биграмм (допускающих более свободныесвязи с соседями на синтагматической оси).Таким способом мы выделяем наиболее информационно-нагруженные и точныесочетания, характеризующие данную коллекцию (см.

напр., биграммы в Таблицах 1, 2и 3). Для простоты восприятия в таблицах биграммы представлены в виде сочетанийсловоформ (соответствующей словоформной биграмме). Ведущее место в нейотводится интересующим нас «ядерным коллокациям». Однако в таблицеприсутствуют и сочетания, рассматриваемые нами в следующем пункте MIконструкции (особенно для научных коллекций).Таблица 1. Пример пересечения между биграммами для лексем и для словоформ (дляпервой сотни, в порядке убывания значения меры). Материал портала lenta.ru 2009 годаранг (для ранг (длялексем)словоформ)биграммы11Бритни Спирс22Эльвира Набиуллина323Ле Бурже936Лионель Месси104мысе Канаверал1143бин Ладена149Норильского никеля157дельты Нигера1750Ак Барс1828тротиловом эквиваленте1920тройскую унцию2070Ролан Гаррос2649дель Торо2787дель Потро2933Арбат Престиж3196РАО ЕЭС3235Салават Юлаев3451Арсений Яценюк3642голубых фишек34Таблица 2.

Биграммы (MI-score), выделяющиеся и для лексем, и для словоформ (впорядке убывания значения меры). Материал конференции «Корпусная лингвистика»24рангБиграммырангБиграммы2 наш взгляд36 одной стороны3 (по) крайней мере37 таким образом4 речевой деятельности40 разрешения неоднозначности5 художественной литературы41 английский язык7 первую очередь43 кроме того9 общим объемом47 Национальный корпус11 корпусная лингвистика48 грамматических категорий13 имена собственные52 устная речь15 математической лингвистики54 база данных16 словарной статьи58 во многих17 свою очередь61 лексических единиц18 предметной области62 дает возможность19 машинного перевода63 зависит от20 точки зрения64 отличие от22 за счет65 русский язык24 речь идет67 корпусные данные25 прежде всего68 отличается от26 большое количество71 зависимости от28 настоящее время72 работы над31 представляет собой79 частей речи32 млн словоупотреблений80 во всех34 другой стороны84 при помощи35 семантических состояний86 морфологической разметкиТаблица 3.

Биграммы (MI-score), выделяющиеся и для лексем, и для словоформ (в порядкеубывания значения меры). Материал конференции «Диалог».рангранг12ударном слогеконцептуальных графов283045внешним посессоромоперативной памяти333781416вокального жестакрайней мереXIX векалингвистическогопроцессораположение делпервую очередькартине мирамножественного числа384246172122252624Биграммы616370727385Биграммыинтеллектуальныетехнологиикорпусная лингвистикаотглагольныхсуществительныхзнаки препинанияпедагогическойкоммуникацииосновного тонамашинного переводаустойчивыхсловосочетанийточки зренияменьшей меревряд липредметной областивплоть доБольшую длину списка мы связываем с большей однородностью данной коллекции.35MI-конструкцииБольшинство клише и конструкций выделяется с помощью меры t-score.

Однаконекоторые типы клише и конструкций хорошо извлекаются с помощью меры MI(т.е. основываясь на выраженных сочетаемостных ограничениях). Особенно этиразные типы противопоставлены для новостной коллекции. Прежде всего, эти MIклише и MI-конструкции носят более казенный и (квази)терминологическийхарактер: злоупотребление должностными полномочиями, причинение тяжкоговреда и т.д.Если для новостных биграмм отмечены лишь штучные варианты: конструкцияНАЧИНИТЬ ВЗРЫВЧАТКА для лексем и обогащению урана для словоформ, то всписках триграмм для новостной коллекции клише и конструкции составляют более30%.Примеры:для лексем – УМЫСЛИТЬ ПРИЧИНЕНИЕ ТЯЖКИЙ, КРАТКИЙ ИЗЛОЖЕНИЕПРИВОДИТЬСЯ,ПОДРЫВНЕВСКИЙЭКСПРЕСС,ПРЕВЫШЕНИЕДОЛЖНОСТНОЙ ПОЛНОМОЧИЕ, ПСИХОЛОГИЧЕСКИ ВАЖНЫЙ ОТМЕТКА, ДАПРИЙТИСПАСИТЕЛЬ,ТЯЖКИЙВРЕДЗДОРОВЬЕ,ВРЕМЕННОНЕДЕЙСТВУЮЩИЙЧЕМПИОН,ЗАСЛУГАПЕРЕДОТЕЧЕСТВО,ЭКОНОМИЧЕСКИ АКТИВНЫЙ НАСЕЛЕНИЕ и т.д.;для словоформ – злоупотреблении должностными полномочиями, причинениетяжкого вреда, написания данной заметки, превышении должностных полномочий,краткое изложение приводится, совершил аварийную посадку, покончил жизньсамоубийством, превышение должностных полномочий и т.д.Приведенные примеры иллюстрируют то, что многие из конструкций имеютявно выраженную предикативность.Граница между клише и конструкциями во многих случаях нечеткая.

Так, напр.,должностные полномочия могут сочетаться с злоупотреблением или превышением, сзлоупотреблять или превышать. Общая логика заставляет предполагать чутьбольшую близость к конструкциям в случаях с глагольной вершиной. По-видимому,можно выделить два фактора, в какой-то степени разводящих клише и конструкции:глагольность и интуитивно ощущаемый казенно-канцелярский аромат сочетаний.Наиболее «правильными» среди выделяемых сочетаний полагаем конструкции типатакому выводу пришли, фондовые индексы завершили, выглядит следующим образом.Граница между коллокациями и клише также нечеткая.

Результаты анализаполученных списков позволяют предполагать, что признаками, которые можносчитать условно разделяющими коллокации и клише, являются казенный колорит иреференциальный статус. Под последним признаком мы понимаем то, что«коллокации» чаще всего включают в себя сложные номинации, обозначающиеуникальный объект (или чрезвычайно информационно важный – длярассматриваемого контекста, напр., коллекции – класс объектов) внеязыковойдействительности, коллокации-«клише», как правило, относятся к «традиционным» исравнительно большим классам объектов внеязыковой действительности, напр.,коллокациями-клише будут ВЕТЕРАН ВЕЛИКИЙ ОТЕЧЕСТВЕННЫЙ, КОЛОНИЯСТРОГИЙ РЕЖИМ, САМОДЕЛЬНЫЙ ВЗРЫВНОЙ УСТРОЙСТВО.В целом, можно рассматривать термин «клише» как «перпендикулярный» кшкале «коллокация-конструкция» – он отражает скорее стилистическиехарактеристики, а с морфосинтаксической точки зрения, как ясно извышеприведенного обсуждения, клише может являться как коллокацией, так и36конструкцией.

Отметим также, что клише являются неотъемлемой частью газетногостиля, их обилие в новостных текстах, как нам кажется, можно объяснитьследующими условиями:• большое количество информации, полученной из официальных источников, икак следствие, сильное влияние официально-делового функционального стиля;• требование оперативности, высокая скорость порождения текстов, котораяприводит к многократному использованию одних и тех же шаблонов;• высокие требования к скорости и качеству усвоения информации, которая дляэтого должна быть представлена в узнаваемой, всегда одной и той же форме.Все эти условия приводят к известной шаблонности новостных текстов,существенно облегчающей их обработку в системах автоматического анализа,которые довольно плохо справляются с художественными и художественнопублицистическмими текстами.t-score-конструкцииБиграммы, выделяемые с помощью меры t-score, кажутся сравнительно легкоинтерпретируемыми.