Niemieckie rzeczowniki złożone i ich polskie odpowiedniki

Transkrypt

1 UNIWERSYTET IM. ADAMA MICKIEWICZA WYDZIAŁ NEOFILOLOGII MARCIN JUNCZYS-DOWMUNT Niemieckie rzeczowniki złożone i ich polskie odpowiedniki Automatyczna ekstrakcja, analiza i weryfikacja na podstawie korpusów równoległych ROZPRAWA DOKTORSKA Promotor: prof. dr hab. Jerzy Pogonowski POZNAŃ 2009

2

3 Podziękowania Dziękuję prof. Jerzemu Pogonowskiemu za opiekę naukową, dobre rady i miłą atmosferę podczas nieraz wielogodzinnych konsultacji. Składam również podziękowania pracownikom Zakładu Logiki Stosowanej, których trafne uwagi na seminariach zakładowych przyczyniły się do polepszenia rozprawy. Dziękuję także prof. Piotrze Łobacz oraz prof. Władysławowi Zabrockiemu za szybką pomoc z formalnościami związanymi z finalizacją studiów doktoranckich i obrony. Szczególnie serdecznie dziękuję Rodzicom za wiarę w moje możliwości oraz mojej narzeczonej Hani, która podjęła się wyzwania kilkakrotnego przeczytania całej pracy i zwróciła mi uwagę na wiele błędów językowych. Niniejsza praca nie powstałaby bez ich nieustannego wsparcia. 3

4

5 Spis treści Podziękowania Spis treści Spis tablic Spis rysunków Abstract Uwagiwstępne Wprowadzenie Niemieckie złożenia nominalne Wcześniejsze badania o podobnym zakresie Porównanie z językiem polskim: praca Jana Jeziorskiego Prace z innym językiem porównywanym Wykorzystany korpus równoległy: JRC-Acquis Cele rozprawy O klasyfikacji niemieckich złożeń nominalnych Według stopnia leksykalizacji i idiomatyzacji Idiomatyzacja Leksykalizacja Klasyfikacje semantyczne w językoznawstwie klasycznym Opisy oparte na składni Metody oparte na parafrazach Połączenie z teoriami generatywnymi Klasyfikacje według abstrakcyjnych relacji Odrzucenie klasyfikacji Metody automatycznej klasyfikacji Metody oparte na parafrazach Metody oparte na abstrakcyjnych relacjach Systemy hybrydowe

6 6 Spis treści 3 Automatyczna ekstrakcja materiału badawczego Wprowadzenie Przegląd literatury Miary podobieństwa Statystyczne modele dopasowania wyrazów Ogólny opis metody Wstępne przetwarzanie korpusu Tokenizacja Lematyzacja Automatyczna identyfikacja niemieckich złożeń rzeczownikowych Techniczna definicja niemieckiego wyrazu złożonego Procedura identyfikacji Wyniki statystyczne identyfikacji Błędne identyfikacje Dopasowania na poziomie wyrazów Formalne aspekty statystycznych modeli dopasowań Definicja modelu tłumaczenia Rola korpusu równoległego Dopasowania tłumaczeń na poziomie wyrazów Automatyczne metody symetryzacji dopasowań Złoty standard, czyli zestawy testowe Dobór złożeń w zestawach testowych Anotacja zestawów testowych Miary Wyniki ekstrakcji Ekstrakcja odpowiedników tokenów Wpływ redukcji słownictwa Wpływ symetryzacji Metody filtracji Filtracja według ciągłości odpowiedników Filtracja przez analizę składniową Filtracja według wyrazów autosemantycznych Wyniki po filtracji Sprowadzanie wyników do poziomu typów Podsumowanie wyników Poprawione metody podziału niemieckich wyrazów złożonych Pojęcie segmentacji i dekompozycji raz jeszcze Metody podziału rzeczowników złożonych Ogólny algorytm Metoda oparta na korpusie

7 Spis treści Metoda oparta na słowniku Ujednoznacznianie dekompozycji Ujednoznacznianie na podstawie informacji ze słownika bilingwalnego Ujednoznacznianie za pomocą częstości z internetu Kombinacje metod ujednoznaczniania Probabilistyczne metody podziału Hipoteza one sense per corpus Osłabianie niezależności Ocena skuteczności metod Metody podziału rzeczowników złożonych Wpływ metod podziału złożeń na jakość ekstrakcji Wnioski Automatyczne generowanie parafraz Wprowadzenie Zestaw parafraz według Jeziorskiego Zestaw testowy Automatyczne generowanie kandydatów Automatyczny wybór kandydatów Wyniki Wyniki dla typu N+N Wyniki dla typów V+N i A+N Przechowywanie i manualna weryfikacja danych Struktura bazy danych Listy typów i tokenów Reprezentacja korpusu równoległego Informacje o segmentacjach i dekompozycjach Informacje o parafrazach Informacje o odpowiednikach Inne tabele Schematy anotacji polskich odpowiedników Anotacja pełna Anotacja płytka Ręczna weryfikacja analiz i odpowiedników Opis interfejsu aplikacji Kryteria akceptacji złożenia Praca z aplikacją Wyniki ręcznej weryfikacji Zestawy referencyjne

8 8 Spis treści Informacje zawarte w materiale referencyjnym Raz jeszcze o oszacowaniu poprawności ekstrakcji Analiza zebranego materiału Wyniki identyfikacji rzeczowników złożonych Rozkład złożeń nominalnych według części mowy pierwszego członu Rozkład polskich odpowiedników w korpusie Złożenia z większą liczbą odpowiedników Polskie ekwiwalenty według parafrazy złożenia Trzy eksperymenty językoznawcze O interfiksach Dystrybucja interfiksów O funkcji interfiksów Założenia dla eksperymentu Wykorzystany materiał Metoda zliczania danych Wyniki analizy kwantytatywnej Wnioski O zjawisku pełnej równoważności Pełna równoważność według Jeziorskiego Analiza danych pod względem pełnej równoważności Analogia a wybór wzorców składniowych Eksperyment z narzędziem TIMBL Wnioski O stosunkach funkcjonalnych między członami złożeń Podsumowanie eksperymentów Zakończenie 227 Bibliografia 231 A Ręcznie sprawdzony zestaw referencyjny A 239 A.1 Indeks częstościowy 2500 najczęstszych wyrazów złożonych (zestaw A1) A.2 Indeks częstościowy 2500 losowo wybranych wyrazów złożonych (zestaw A2) A.3 Łączony słownik z polskimi odpowiednikami

9 Spis tablic 1.1 Fragment Dyrektywy Rady z dnia 27 lipca 1976 r. w sprawie zbliżenia ustawodawstw Państw Członkowskich odnoszących się do świateł obrysowych, przednich świateł pozycyjnych (bocznych), tylnych świateł pozycyjnych (bocznych) i świateł stopu pojazdów silnikowych i ich przyczep (CELEX: 31976L0758) Redukcja liczby typów za pomocą metod wstępnego przetwarzania Pierwsze 120 jednostek z niemieckiej listy frekwencyjnej Kilka potencjalnie błędnie zanalizowanych wyrazów niezłożonych Błędnie zidentyfikowane wyrazy obce i ich LPR Przykładowe niemieckie nazwy własne i ich odpowiedniki Kilka przykładowych zdań z zestawów testowych Wyniki dla różnych metod wstępnego przetwarzania korpusu Wyniki dla różnych metod symetryzacji Anotacja polskich odpowiedników wyrazubeitritts vertrag Wyniki po zastosowaniu filtrów i ich kombinacji OdpowiednikiSee verkehr po filtracji FSYN+FCONT+FMORF OdpowiednikiSee verkehr po normalizacji Liczba złożeń i par odpowiedników po filtracji i normalizacji Rozkład częstości złożeń nominalnych z wielomo segmentacjami i dekompozycjami Liczebności dla segmentówrecht isteuer Znaczenia dla leksemul i Gerät_N Przykładowe wyniki dlac Steuergerät z (*) oraz bez (**) kontekstu semantycznego Wyniki dla trafności, dokładności, pełności oraz miary F Wyniki dla wybranych metod podziału i rozmiarów korpusu

10 10 Spis tablic 5.1 Parafrazy według Jeziorski (1983) Rozkład częstości parafraz w zestawie testowym Tablica rekcji przyimków i form z enklizą Przykładowe wyniki dla zapytań do wyszukiwarki GOOGLE Wycinek z tabelicompounds Wycinek z tabelitokens Wycinek z tabelitokens połączony zcompounds Wycinek z tabelicorpus Wycinek z tabelitus Wycinek z tabelituvs Wycinek z tabelisplits Wycinki z tabelsplitsegments isegments Wycinki z tabelsplitseglexemes,lexemes iinterfixes Wycinek z tabelicounterparts Wycinek z tabelicp_tokens Kilka przykładowych typów anotacji Znaczenie elementów symboli Zasady zastępowania symboli Liczba złożeń i par odpowiedników po filtracji i normalizacji złożeń odrzuconych ze względu na brak odpowiedników Dzisięć najczęstszych złożeń oraz dziesięćhapaxlegomena Rozkład częstościowy złożeń dwuczłonowych według cześci mowy pierwszego członu Rozkład częstości struktur odpowiedników w zestawie A Rozkład częstości struktur odpowiedników w zestawie B Rozkłady złożeń z większą liczbą odpowiedników OdpowiednikiUnternehmensbesteuerung Struktury odpowiednikówumweltprobleme Rozkład częstości struktur odpowiedników dla par w zestawie B Rozkład odpowiedników złożeń z symbolem parafrazy gen Rozkład odpowiedników złożeń z symbolem parafrazy prep Rozkład odpowiedników złożeń z symbolem parafrazy nom-adj Rozkład odpowiedników złożeń z symbolem parafrazy app-als Rozkład odpowiedników złożeń z symbolem parafrazy other Rozkład odpowiedników złożeń z symbolem parafrazy idiom Rozkład częstościowy interfiksów w zebranych złożeniach Dziesięć najczęstszych leksemów określających występujących w złożeniach z interfiksem-e

11 Spis tablic Przykładowa lista złożeń nominalnych, interfiksów i najczęstszych struktur odpowiedników Rankingi zależności między interfiksem a liczbą odpowiednika wyrazu określającego złożenia według miarφ,χ 2 oraz MI dla danych niefiltrowanych i nieweryfikowanych z listy LN Rankingi zależności między interfiksem a liczbą odpowiednika wyrazu określającego złożenia według miarφ,χ 2 oraz MI dla danych ręcznie weryfikowanych z listy LB Zależności między parafrazą a strukturą ekwiwalentu według miary wzajemnej informacji MI Fragment listy przykładów w postaci wektorów cech z odpowiednimi wzorcami składniowymi Złożenia o odwróconych członach i identycznych odpowiednikach 224

12

13 Spis rysunków 3.1 Pełny schemat procesu ekstrakcji Przykładowe reguły tokenizatora Przykład działania tokenizatora Model zaszumionego kanału dla tłumaczenia statystycznego (Jurafsky i Martin 2000) Dopasowanie z niezależnymi angielskimi wyrazami Dopasowanie z niezależnymi francuskimi wyrazami Ogólne dopasowanie Przykładowe dopasowania Rozkłady częstości złożeń w zestawach testowych Przykładowe pełne dopasowanie ręczne Dwa różne odpowiedniki złożeniaüberprüfungsantrag Porównanie wyników po zastosowaniu filtrów i ich kombinacji w postaci graficznej Pseudokod ogólnego algorytmu dzielącego wyrazy złożone Drzewo wyszukiwania dla wyrazudruckerzeugnisse Ujednoznacznianie za pomocą słownika bilingwalnego Częściowo udane ujednoznacznienie metodą LEX+WWW Nieudane ujednoznacznienie metodą LEX+WWW Udane ujednoznacznienie za pomocą LEX+WWW Trafność parafrazowania dla wszystkich typów Porównanie rozkładów parafraz w zestawie testowym oraz w wynikach uzyskanych automatycznie (Ciemne kolumny to przykłady z zestawu testowego, jaśniejsze reprezentują wyniki automatu) Trafność dla parafraz złożeń typu N+N

14 14 Spis rysunków 5.4 Porównanie proporcji dla parafraz przyimkowych w zestawie oraz w wynikach uzyskanych automatycznie Rozbicie danych dla trafności na poszczególne przyimki Uproszczony schemat bazy danych Struktura symbolu Przykładowy widok aplikacji dla wyrazuausfuhrlizenzen Relacje zachodzące między zestawami Mikrostruktura hasła Dystrybucja frekwencyjna niemieckich wyrazów złożonych w korpusie. Pierwszy rysunek skupia się na rozkładzie częstych złożeń, drugi na rozkładzie rzadkich Stosunek liczby tokenów do liczby typów dla wyrazów złożonych oraz niezłożonych dla wzrastającej długości korpusu (w skali liniowej oraz logarytmicznej) Graficzne porównanie rozkładów odpowiedników dla podstawowych typów parafraz

15 Abstract We apply methods first used for statistical machine translation to the automatic extraction and analysis of German compound nouns and their Polish equivalents. A large German-Polish parallel corpus is used as the main source of data. In the course of this work several new applications are developed and described. With the help of these applications a set of more than 140,000 unique German compound nouns is created for which we are able to identify more than 200,000 unique Polish counterparts in the corpus. From this data we extract several subsets of equivalence pairs that have been filtered either automatically or half-automatically. Additionally, one manually verified subset of equivalence pairs is created. These data sets serve as reference material for the verification of several claims from other works in contrastive linguistics that based their results on much smaller amounts of data. Apart from that we supply information about the quantitative distribution of German compound nouns and their Polish equivalents which has not been provided in any earlier work. 15

16

17 Rozdział1 Uwagi wstępne 1.1 Wprowadzenie Im Rahmen eines harmonisierten Verfahrens der BauartgenehmigungÖ1 für BegrenzungsleuchtenÖ2, SchlußleuchtenÖ3 und BremsleuchtenÖ4 kann jeder MitgliedstaatÖ5 feststellen, ob die gemeinsamen Vorschriften für den Bau und die Prüfung eingehalten worden sind, und die anderen MitgliedstaatenÖ6 von der getroffenen Feststellung durch Übersendung einer Abschrift des für jeden Typ einer BegrenzungsleuchteÖ7, einer SchlußleuchteÖ8 bzw. einer BremsleuchteÖ9 ausgestellten BauartgenehmigungsbogensÖ10 unterrichten. Zharmonizowana procedura homologacjiö1 przednich świateł pozycyjnych bocznychö2, tylnych świateł pozycyjnych bocznychö3 iświateł stopuö4 umożliwia każdemu Państwu CzłonkowskiemuÖ5 sprawdzenie zgodności ze wspólnymi wymogami konstrukcyjnymi i testowymi oraz informowanie innych Państw CzłonkowskichÖ6 o swoich ustaleniach, przez przesłanie kopii świadectwa homologacjiö10 danej części, sporzadzanego dla każdego typu przednich świateł pozycyjnych bocznychö7, tylnych świateł pozycyjnych bocznychö8 iświatełstopuö9. Tablica1.1: Fragment Dyrektywy Rady z dnia 27 lipca 1976 r. w sprawie zbliżenia ustawodawstw Państw Członkowskich odnoszących się do świateł obrysowych, przednich świateł pozycyjnych (bocznych), tylnych świateł pozycyjnych (bocznych) i świateł stopu pojazdów silnikowych i ich przyczep (CELEX: 31976L0758) Wprowadzający przykład przedstawia niemieckie zdanie zawierające sześć różnych niemieckich złożeń nominalnych oraz polski odpowiednik tego zdania. 17

18 18 Rozdział 1. Uwagi wstępne Za pomocą indeksów dolnych zaznaczyliśmy w obu wersjach językowych możliwe ekwiwalenty. Jedynie złożenia Bremsleuchte oraz Mitgliedstaat występują w Duden Universalwörterbuch (Duden 2006), w przypadkuschlußleuchte można odnaleźć tylko podobny wyrazschlusslicht 1. W słowniku dwujęzycznym PONS Großwörterbuch Deutsch-Polnisch (Bayer 2008) nie występuje żadne z wymienionych złożeń, można jedynie odnaleźć warianty podobne: Bremslicht, Schlusslicht orazmitgliedsstaat z dodatkowym interfiksem+s. Brak takich wyrazów w słownikach nie jest niczym zadziwiającym. W niemieckiej leksykografii już dawno stwierdzono, że nie ma sensu włączać do słowników wszystkich wyrazów złożonych o regularnym charakterze 2, co z resztą ze względu na produktwność i teoretyczną nieograniczoność kompozycji byłoby niewykonalne. Wyrazy typu Begrenzungsleuchte, Bremsleuchte i Schlussleuchte można potraktować jako słownictwo fachowe, które niekoniecznie trzeba uwzględnić w słowniku ogólnym, nawet gdy nie są w pełni przeźroczyste. Z drugiej strony nie ma pewności, czy istnieje słownik fachowy niemiecko-polski, który te wyrazy zawiera. A nawet jeśli istnieje, to i tak można przytoczyć wiele innych przykładów dla wyrazów złożonych, których ten słownik już zawierać nie będzie. Z powyższego przykładu możemy odczytać polskie odpowiedniki, np. dla Begrenzungsleuchte mamy przednie światło pozycyjne boczne. Odpowiedniki te są prawdopodobnie dziełem tłumaczy specjalistów, którzy przy ich ustaleniu korzystali z innych źródeł niż słowniki 3. Z kolei w przypadku wyrazubauartgenehmigungsbogen trudno mówić o słownictwie fachowym, mimo tego, że ma jego cechy. Mamy raczej do czynienia z okazjonalizmem albo podobną strukturą, którą później będziemy określali jakotextwort (wyraz tekstowy) 4. Przytoczony przykład ilustruje kilka znanych faktów: kompozycja jako sposób na tworzenie nowych rzeczowników jest częstym i chętnie stosowanym środkiem słowotwórczym w języku niemieckim; tylko niektóre złożenia nominalne można odnaleźć w słownikach, nawet wtedy, gdy nie są one w pełni motywowane; nieocenionym źródłem wiedzy mogą okazać sie teksty równoległe stworzone przez tłumaczy specjalistów. 1 Nie zwracamy w tej chwili uwagi na różnice między starą a nową pisownią niemiecką, tylko traktujemy segmenty Schluss- i Schluß- jako równoważne. 2 O tym więcej w rozdziale Korzysta się np. z opisów technicznych napisanych w odpowiednich językach, które niekoniecznie są tekstami równoległymi a jedynie tekstami porównywalnymi. 4 Wyrazy tekstowe wprowadzamy również w rozdziale

19 1.2. Niemieckie złożenia nominalne 19 Wiedzę dotyczącą niemieckich rzeczowników złożonych oraz ich polskich odpowiedników zawartą w korpusach równoległych można wykorzystać na dwa sposoby: można zestawić wszystkie złożenia i ich ekwiwalenty, korzystając z tego zestawienia jako słownika (przydatne w przypadku słownictwa fachowego); można wykorzystać takie zestawienie do analizy możliwych regularności zachodzących pomiędzy niemieckimi złożeniami a ich tłumaczeniami (przydatne w przypadku tłumaczenia nieznanych wyrazów tekstowych). W niniejszej rozprawie zajmiemy się technicznymi i teoretycznymi aspektami obu zagadnień. Skupimy się szczególnie na automatycznej i półautomatycznej eksploatacji dużych korpusów równoległych. Opiszemy w ramach tej pracy stworzone narzędzia do ekstrakcji, analizy i weryfikacji par odpowiedników oraz za ich pomocą uzyskane dane. Zebrany materiał zostanie wykorzystany do prezentacji rozkładów częstościowych dla różnych klas złożeń nominalnych i ich polskich odpowiedników. Tym samym uzupełnimy wcześniejsze prace o podobnej tematyce językoznawczej o dokładne dane liczbowe. Omówimy możliwe regularności zachodzące między niemieckimi złożeniami nominalnymi oraz ich polskimi odpowiednikami. Wcześniejsze koncepcje z innych prac kontrastywnych zostaną ocenione na podstawie naszych danych pod względem przydatności jako algorytmy tłumaczenia klasycznego oraz maszynowego. Niniejsza rozprawa jest pierwszą pracą, która porusza temat automatycznej identyfikacji i ekstrakcji niemieckich złożeń nominalnych i ich odpowiedników w innym języku. Zgodnie z naszą wiedzą jest to również pierwsza praca w ramach niemiecko-polskiej lingwistyki kontrastywnej, w której stosuje się metody automatyczne oraz kwantytatywne do analizy zebranego materiału. Nie jest nam też znana praca z dziedziny badań kontrastywnych nad niemieckimi złożeniami rzeczownikowymi, która wykorzystywałaby porównywalnie duże zestawy złożeń. Nasze dane pod względem liczby różnych par odpowiedników przekraczają materiał z innych prac o dwa rzędy wielkości, a pod względem liczby par tokenów o trzy rzędy wielkości. 1.2 Niemieckie złożenia nominalne Przedmiotem naszej pracy są niemieckie rzeczowniki złożone. Pojęcia rzeczownik złożony, złożenie rzeczownikowe oraz złożenie nominalne traktujemy w tej pracy jako synonimiczne. Posłużymy się głównie następującą prostą definicją złożenia nominalnego:

20 20 Rozdział 1. Uwagi wstępne Unter Zusammensetzungen (Komposita) verstehen wir Wörter, die ohne zusätzliche Ableitungsmittel aus zwei oder mehreren selbstständig vorkommenden Wörtern gebildet sind. Dabei stellt der (isolierbare) erste Bestandteil [...] das Bestimmungsglied dar, der zweite das Grundwort (die Basis), das die Wortart der ganzen Zusammensetzung festlegt. (Duden 1998, str. 432) Powyższą definicję zastąpimy w rozdziale mniej więcej równoważną definicją techniczną, bez której zadanie identyfikacji i ekstrakcji nie byłoby wykonalne. Do powyższej definicji należy jeszcze dodać pisownie łączną, która jest jednym z głównych kryteriów identyfikacji niemieckich złożeń. W innych definicjach wylicza się między innymi następujące cechy złożeń nominalnych (na podstawie Ortner i Ortner 1984, Stepanowa i Fleischer 1985, Fleischer i Barz 1995): akcent główny pada na pierwszy człon; binarna struktura; subordynacja i niezmienna kolejność członów; niejawność relacji semantycznych zachodzących między członami. Dla automatycznej identyfikacji nie korzystamy z powyższych kryteriów. Złożenia ekstrahujemy z tekstów elektronicznych, więc informacje o akcencie nie są nam dane. W rozdziale z kolei jawnie lekceważymy zasadę binarności dla rzeczowników wielokrotnie złożonych, gdyż próba uwzględnienia złożonej struktury binarnej utrudniłaby konstrukcję modelu probabilistycznego. Przy ekstrakcji nie korzystamy też z kryteriów semantycznych, stąd ostatnie dwa punkty nie służą nam do określenia przedmiotu naszych badań. Zajmujemy się nimi jednak już po ekstrakcji: Na temat nietypowych relacji subordynacji oraz o próbach zamiany kolejności członów piszemy nieco więcej w rozdziale 8.3. Relacjom zachodzącym między członami poświęciliśmy drugą połowę następnego rozdziału, a automatycznym metodom parafrazowania cały rozdział 5. W skutek przyjęcia tak uproszczonego zestawu kryteriów dla identyfikacji złożeń nominalnych pojawiają się problemy związane z odgraniczeniem złożeń nominalnych od innych powierzchownie podobnych struktur, szczególnie od tzw. Zusammenbildungen (formacje prefiksalno-sufiksalne) oraz od derywatów powstałych z innych złożeń, w tym też z czasowników złożonych. Kilka sposobów na odrzucenie błędnych identyfikacji przedstawimy w rozdziale W pozostałych przypadkach trzymamy się definicji z rozdziału i traktujemy takie formacje jako złożenia nominalne, o ile zostaną tak zidentyfikowane.

21 1.3. Wcześniejsze badania o podobnym zakresie Wcześniejsze badania o podobnym zakresie Temat niemieckich wyrazów złożonych oraz ich odpowiedników w różnych językach został już wcześniej intensywnie przebadany, np. dla angielskiego (Djirackor 1981), francuskiego (Bossong 1981, Stein 1993), polskiego (Jeziorski 1983), chińskiego (Sui 1983), hiszpańskiego (Angele 1992), czeskiego (Kotulkova 2004) lub litewskiego (Stankevičiene i Bilinskiene 2006). Wszystkie wspomniane prace opierają się na odpowiednio większych lub mniejszych zestawach złożeń oraz ich odpowiedników w drugim języku. We wszystkich pracach zasoby te zostały zebrane ręcznie, tzn. źródłowe niemieckie złożenia zostały znalezione poprzez przeglądanie niemieckich tekstów, następnie zostały odszukane ich odpowiedniki w tłumaczeniach lub innych rodzajach tekstów równoległych Porównanie z językiem polskim: praca Jana Jeziorskiego Szczególne znaczenie dla nas ma praca Jeziorski (1983), która jak dotąd jest najobszerniejszym opisem niemieckich złożeń nominalnych oraz ich polskich odpowiedników, co nie ulega też zmianie przez ukazanie się niniejszej rozprawy. Za pomocą metod automatycznych nie jesteśmy w stanie przeprowadzić podobnie precyzyjnej analizy, jak uczynił to Jeziorski, gdyż jesteśmy zmuszeni do ustępstw pod względem głębokości analizy 5 oraz pełności materiału 6. Wydaje nam się jednak, że jesteśmy w stanie dostarczyć dodatkowe dane, które z kolei leżą poza zasięgiem tradycyjnych metod: dane częstościowe dla dużych zestawów materiału. Jeziorski do swoich badań wykorzystał raptem niecałe 2000 przykładów. W tej pracy korzystamy z różnych zestawów o różnych rozmiarach, od zestawu A składającego się z ok różnych złożeń i ponad par ekwiwalentów do pełnego zestawu złożeń po filtracji zawierającego ponad złożeń oraz ponad różnych odpowiedników. Przy niektórych zadaniach opieramy się więc na ponad stokrotnie większej ilości danych niż inni badacze. Wydaje nam się też, że wartość dodaną stanowią stosowane metody z językoznawstwa korpusowego, gdyż w przypadku pracy Jeziorski (1983) o korpusie mówić nie można. Nie będziemy w tym miejscu pisali więcej o wynikach z pracy Jeziorski (1983), ponieważ zostaną one przedstawione w poszczególnych rozdziałach niniejszej pracy, zawsze wtedy, gdy będziemy porównywali nasze metody czy wyniki z pracą Jeziorskiego. 5 Nie mamy możliwości pełnej analizy morfologicznej, np. nie możemy odróżnić derywatów od wyrazów prostych. 6 Część materiału tracimy przez błędy, różne metody filtracji oraz przez ręczną weryfikację.

22 22 Rozdział 1. Uwagi wstępne Prace z innym językiem porównywanym Pracą o bardzo podobnym zakresie i rozmiarze co Jeziorski (1983) jest Kotulkova (2004), która kontrastuje niemieckie wyrazy złożone z innym słowiańskim językiem czeskim. Podejście Kotulkovej jest, tak jak nasze, oparte na koncepcji korpusu bilingwalnego. Korpus ten składa się z dwóch pozycji współczesnej literatury, niemieckiej powieści Güntera Grassa i jej czeskiego tłumaczenia oraz czeskiej powieści Michala Viewegha i jej przekładu na język niemiecki. Złożenia rzeczownikowe zostały zidentyfikowane w niemieckich wersjach tych dzieł i zestawione z odpowiednimi materiałami czeskimi. W ten sposób zostało zebranych ok par tłumaczeń. Kotulkova z rozmysłem wybiera dzieła literackie i bada język stosowany w literaturze. Tutaj pojawia się pytanie, czy wyniki bazujące na twórczości czterech osób, czyli dwóch autorów oraz dwóch tłumaczy, można przeskalować na szerszy kontekst, tym bardziej, że tytuł pracy Kotulkovej,Deutsche Determinativkomposita und ihre Entsprechungen im Tschechischen, budzi większe oczekiwania. Podobne pytanie można zadać dla wszystkich badań opartych na korpusach niezbalansowanych z materiałami pochodzącymi tylko z jednej dziedziny. Dotyczy to również naszej pracy, gdyż teksty prawnicze są znane ze specyficzności języka. Tak jak wcześniej Jeziorski, Kotulkova nie bada aspektów związanych z produktywnością złożeń rzeczownikowych oraz ich odpowiedników. Kotulkova przejęła również sposób klasyfikacji według parafraz złożeń z pracy Jeziorskiego, z tym że traktuje parafrazy czysto heurystycznie a nie jako nadbudowę teoretyczną. Hiszpańskie odpowiedniki niemieckich złożeń nominalnych opisano w pracy Angele (1992) na podstawie tekstów ekonomicznych oraz literatury pięknej. Zebrano ponad różnych złożeń oraz ponad 5800 par odpowiedników. Założenia badawcze są oczywiście podobne do założeń wyżej przedstawionych prac, jednak tutaj skupiono się dodatkowo na wpływie kontekstu. Szczególnie sposoby klasyfikacji złożeń odbiegają od powyższych prac, gdyż Angele nie stosuje parafraz jako narzędzia heurystycznego. Jedyny podział odbywa się według części mowy pierwszego członu. Podobnie postępuje Stein (1993), który korzysta z niemieckich i polskich wniosków patentowych, na podstawie których zebrał ok różnych złożeń i tłumaczeń. Z wyjątkiem pracy Jeziorski (1983) wszystkie opisane prace korzystają już z korpusów równoległych, z tym że bardzo małych, składających się zaledwie z kilku lub kilkunastu różnych tekstów. Oczywiście wynika z tego, że korpusy te nie są zbalansowane. Niżej opiszemy nasz korpus, który również nie jest zbalansowany, jednak pod względem rozmiarów przekracza korpusy z opisanych prac o kilka rzędów wielkości.