Мультиязычный корпус терминов: контент и инструменты

Полный текст

Введение

Язык для специальных целей (LSP) — функциональная разновидность естественного языка, единицы которого передают специальное знание, без которого невозможна профессиональная коммуникация на уровне восприятия, интерпретации, перевода и продуцирования устных и письменных научных текстов. В российской лингвистике LSP понимается а) как один из типов подъязыков, приспособленных для специальной коммуникации в области науки и техники [1]; б) самостоятельная функциональная подсистема, которая формирует инвентарь средств выражения специальных понятий (знаков), а также привила их организации и оценки [2]. Центральное место в языке для специальных целей отводится термину — специальной лексеме, называющей общее понятие [3].

В современных исследованиях по общему терминоведению ведется работа по анализу терминов и глоссариев различных областей современного языкознания (см., например [4—6]), поднимаются вопросы трудностей систематизации лингвистической терминологии, выявления многозначности и омонимии (см., например [7—9]). Кроме того, появляется значительное количество работ сопоставительного характера по анализу русских, английских и китайских лингвистических терминосистем и трудностей перевода [см., например, 10–14]. Исследуются особенности и новые методы лексикографирования лингвистических терминов, в том числе использование новых технологий в лексикографии, создание новых узкопрофильных и переводных словарей [15–19]. Важными для работы по созданию мультиязычного корпуса терминов являются исследования методов компьютерной лексикографии, а также опыт создания электронных словарей [17; 19; 20].

В российской лексикографической практике большое внимание уделяется созданию учебных словарей, в том числе, лингвистических.  Наиболее заметными работами последних лет являются словари И.С. Куликовой и Д.В. Салминой [21] и А.В. Лемова [22].  При всей их значимости, они характеризуются рядом недостатков: расположением материала по алфавиту, а не по языковым уровням, отсутствием онлайн версий и ориентированностью на школьников. Что касается попыток синхронизации лингвистических терминов с обращением к китайскому языку, то такой опыт тоже существует [23], однако это переводные словари без толкований и примеров употреблений, что не отвечает требованиям работы в мультиязычной академической среде. Зарубежная лексикография отличается многолетней работой по созданию электронных словарей (Oxford Dictionary, MerriamWebster Dictionary, Macmillan Dictionary), которые становятся не только словарным ресурсом, но и востребованным инструментом для изучения языка, т.к. дополнены иллюстрациями, аудиодорожками, интерактивными играми и заданиями, способствующими лучшему усвоению новой лексики. Открытый доступ к данным онлайн-ресурсам повышает интерес к изучению иностранного языка.

Отсутствие удобного и отвечающего современным запросам академического сообщества лексикографического источника для работы с терминами на разных языках указывает на необходимость создания электронного терминологического корпуса. Научная значимость подобного корпуса связана со стремительным развитием профессионального знания, разрастанием массива специальной лексики в разных языках и потребностью в коммуникации между носителями разных языков, что требует определения места, статуса и границ языка для специальных целей в языковой структуре. Актуальность исследования связана с тем, что появляются новые возможности компьютерной лингвистики, включая опыт создания различных языковых баз данных и корпусов, что позволяет решать проблему мультиязычного сведения массивов данных, в том числе терминосистем. Существующая разница в способах вербализации специального знания носителями русской и китайской лингвокультур на фоне англоязычной терминосистемы может быть преодолена с помощью трехъязычного терминологического тезауруса, содержащего перевод терминов, их синхронизированное толкование на трех языках, примеры употребления в научных текстах на трех языках.

Для создания мультиязычного корпуса терминов предметной области «Лингвистика», содержащего толкование и контексты употребления терминов, и разработки методического аппарата обучения иноязычных учащихся пониманию и переводу специальных текстов на русском, английском и китайском языках, коллектив авторов столкнулся с решением задач трех уровней:

1. контентный — необходимость в описании значимого количества терминов метаязыка указанной предметной области; выявление и снятие многозначности терминов и омонимии; устранение лакун в терминосистемах описываемых языков;
2. технический — обеспечение возможности выгрузки отдельных массивов терминов по уровню владения языком; разработка инструментария и рекомендаций его использования для создания подобных ресурсов для других предметных областей; создание интернет-ресурса в форме клиент-серверной системы с комплексом приложений для научно-исследовательской, учебно-методической и учебной деятельности пользователей;
3. методический — разработка рекомендаций для использования корпуса в обучении иноязычных учащихся, в том числе, владению терминологией по различным лингвистическим дисциплинам на русском, китайском и английском языках.

Интернет-ресурс TermLex

В качестве технического решения для 1) создания мультиязычного корпуса лингвистических терминов, содержащего толкование и контексты употребления терминов, и 2) разработки методического аппарата обучения иноязычных учащихся пониманию и переводу специальных текстов на русском, английском и китайском языках был выбран интернет-ресурс в форме клиент-серверной системы с комплексом приложений для научно-исследовательской, учебно-методической и учебной деятельности пользователей. Мы назвали его TermLex.

Интернет-ресурс TermLex позволит обеспечить как доступ к словарю-тезаурусу, так и удобный инструментарий для работы с его компонентами (словниками, индексами и конкордансами). Программный комплекс интернет-ресурса ориентирован на работу с современными компьютерами и/или мобильными устройствами. В качестве его архитектуры выбрана клиент-серверная модель. Клиентская часть поддерживает современные версии браузеров Chrome и Firefox, а также содержит модуль совместимости с Internet Explorer для поддержки менее современного оборудования, серверная — базирруется на окружении Linux и свободных технологиях с открытым исходным кодом. Корпус обеспечивает быстрый и простой доступ к информации на распространенных устройствах с доступом в интернет, используются преимущества в виде централизованного обновления программного кода и базы данных, что позволяет предоставлять пользователям самую полную и актуальную информацию. Данные и основной программный код хранятся и исполняются на сервере, передавая и загружая на клиентскую сторону (браузер) только запрошенную пользователем информацию и веб-интерфейс. Клиентская часть представляет собой веб-интерфейс, работающий с серверной частью или на базе серверной части. Она разработана на современных открытых технологиях HTML, CSS, JavaScript. Верстка веб-интерфейса является адаптивной, позволяющей с комфортом работать с сервисом как на больших экранах компьютеров, проекторов, планшетов, так и на маленьких экранах мобильных телефонов. Ключевой функциональностью веб-интерфейса является информационно-поисковая система, которую предполагается реализовать с использованием индексирования полей непосредственно в базу данных (БД), а также с применением дополнительных инструментов, которые доступны в инфраструктуре выбранного языка для реализации поискового функционала. Для наполнения данными веб-ресурса и последующего управления накопленными данными разработан административный веб-интерфейс. Доступ к интерфейсу будет у лиц, ответственных за наполнение и управление базой данных. Через административный интерфейс можно будет вводить новые данные, производить изменение (корректировку) имеющихся, просматривать статистику и служебные сообщения системы, управлять учетными записями пользователей. Для заполнения базы данных разрабатывается специальный модуль ввода данных. Этот модуль должен на основе файлов с исходными данными, приведенными к единому формату, генерировать запросы и заполнять базу данных для дальнейшего использования в электронном издании. Для извлечения информации из системы для последующего использования в бумажном виде будет предусмотрен интерфейс корректного вывода на печать и/или экспорта в переносимые файлы повсеместно распространенного формата PDF. Экспортированные в формат PDF материалы ресурса будут доступны для последующей работы без доступа к сети интернет, а также могут быть использованы в качестве архивных копий работы.

Действующий макет Интернет-ресурса TermLex

Макет TermLex представляет собой: (1) набор основных технологических процедур и операций сбора и первичной обработки (подготовки) данных создаваемого мультиязычного корпуса терминов предметной области «Лингвистика» в форме интернет-ресурса, (2) базы данных ресурса и (3) программного комплекса, реализующего основные функции доступа к данным и представления их пользователям в виде веб-интерфейса.

Основными процедурами сбора и первичной обработки данных, которые реализованы в действующем макете, являются: определение источников (экспертный подбор текстов на русском языке), статистическая обработка текстов (автоматизированное получение словников и конкордансов, экспертное определение терминов и их дефиниций с переводом на английский и китайский языки, автоматизированное составление словарных статей, гипертекстирование источниковых материалов).

В качестве источниковых материалов для реализации макета были выбраны два авторских текста Н.Л. Чулкиной, объем учебного пособия — 5389 лексических единиц, хрестоматии — 9203.

Далее выбранные тексты были обработаны с целью получения частотных словников и конкордансов. Затем предполагалось автоматизированное проведение лемматизации словников и последующее экспертное выделение основных понятий (терминов). Выделение терминов проводилось на экспериментальном материале, в качестве которого был взят текст первой лекция «Предмет семиотики. Основные понятия и термины» учебного пособия. Это позволило существенно сократить автоматизировано полученный конкорданс, который в последующем предполагалось использовать в качестве источника примеров их использования (эксцерпций, дескрипций) в словарных статья терминологического словаря. Для обработки применялся ранее созданный программный продукт WinDialex [24].

Для выбранных терминов в интернете были найдены их определения. Данные в основном были взяты из Википедии. В дальнейшем были выполнены переводы этих определений, а также экспертно выбранных трех примеров их использования в обрабатываемых текстах. В итоге был сформирован «терминологический словарь» для каждого из обработанных текстов, состоящий 20 словарных статей. Каждая статья содержит три компоненты: <термин>; <определение>; {<пример1>, <пример2>, <пример3>}.

Программный комплекс макета — это веб-приложение, разработанное на основе html, JavaScript и CSS. Он состоит из трех частей:

1. интерфейса, обеспечивающего взаимодействие с пользователями и программой;
2. программы, которая обрабатывает всю информацию — получает запросы от пользователя и ищет данные в базе знаний;
3. базы знаний, в которой содержатся тексты рассматриваемых научных публикаций и других учебных материалов, а также результаты их обработки (словники, конкордансы, словари понятий (терминов) и концептуальные графы их связанности.

Интерфейс представлен страницей в интернете, на которой расположены: заголовок, меню настроек, сама научная публикация в разных вариантах представления и меню с данными по отдельно взятому термину (рисунок 1).

Рис. 1. Интернет-страница
Figure 1. Web page

Заголовок содержит несколько функций, которые отвечают за переход со страницы с интерфейсом к документации о программе и обратно и, а также название ресурса — TermLex. Документация содержит сведения о программе и ее создателях, такие как: полное название, номер версии, короткую справку о функциях, инструкцию по эксплуатации, Ф.И.О. авторов, способы связи с ним и т.д.

Меню настроек позволяет выбирать несколько параметров которые влияют на работу с рассматриваемой научной публикацией и/или учебным материалом, выбирать их из базы знаний (рисунок 2).

Рис. 2. Меню настроек
Figure 2. Settings menu

В макете данное меню имеет только три пункта. Чтобы применить настройки необходимо нажать кнопку «Применить».

Первый пункт меню — выбор рассматриваемого научного материала. Это может быть как лекция, так и научная статья. Для того, чтобы сменить рассматриваемый материал, необходимо из выпадающего списка выбрать интересующий вариант и нажать кнопку. После того, как выбор сделан, в центральном меню должно измениться содержание в зависимости от того, какое отображение информации выбрано в следующем пункте. На данный момент доступны два варианта:

• граф — отображает научную статью в виде графа, где вершины представляют собой ключевые слова/термины, а ребра между ними обозначают связь посредством наличия в определениях друг друга;
• текст — представляет *.pdf документ, который пользователь может просматривать или скачать для дальнейшей работы.

Следующей настройкой является «Всплывающее меню», которое имеет два положения, так как является «флажком». Эта настройка относится только к графу и является версией правого меню, в котором находится информация о термине: термин, определение и дескрипция. Для того чтобы применить данную настройку необходимо отметить флажок и нажать кнопку. В результате появится несколько дополнительных меню (рисунок 3).

Рис. 3. Всплывающее меню
Figure 3. Pop-up menu

Всплывающее меню появляется при наведении курсором мыши на слово. Слово в результате выделяется, чтобы показать, что с ним идет работа. На выбор предоставляется три опции: язык текста, определение и дескрипция. Данные параметры влияют выбор текста, который будет выводиться во всплывающем меню или правом меню. Первый параметр изменяет язык отображения. На данный момент доступны три языка: русский, английский и китайский. Второй — «Определение» — отвечает за выбор различных определений отдельно взятого термина, третий — «Дескрипция» позволяет выбрать один из примеров использования термина. Стоит также отметить, что у некоторых терминов могут отсутствовать переводы на разные языки, определения и дескрипции. Первое вызвано тем, что не были получены их переводы у специалистов, второе отсутствием достаточного числа определений, которые удалось найти и последнее из-за нечастого употребления самого термина в тексте. Самих определений и дескрипций не больше трех. Данные опции могут быть доработаны.

Меню, отображающее научный материал, занимает большую часть страницы, так как, помимо того, что это является более удобным для усвоения информации, это также связано с тем, что для отображения графов некоторых материалов требуется большое пространство.

Для отображения графа разработана специальная программа, которая автоматически определяет матрицу семантических связей между терминами на основе их определений (дефиниций). Термины считаются связанными между собой если в их дефинициях есть хотя бы одно общее слово и это слово является термином. Такое условие связанности позволяет не только связать термины между собой, т.е. сформировать сетевую модель текстового материала (научных статей и учебных материалов), но и наметить последовательности их освоения (изучения). Прототипом разработанной программы явилась система Serelex: Поиск семантически связных слов (it-claim.ru) [25; 26].

Другой вариант отображения информации о научном тексте — это сам текст. На данный момент он представлен встроенным *.pdf файлом, который хранится на сервере веб-страницы. В нем представляется вся информация о рассматриваемой теме и, в случае необходимости, доступна функция его скачивания, которая производится с помощью html-элемента <embed>. Он позволяет вставлять в документ различный контент. Контент может представлять собой рисунки или другие файлы. Они могут быть как внешними (внешние приложения или другие источники интерактивного контента), так и внутренними (такие как плагины для браузеров).

Визуализация меню представлена на рисунке 4.

Рис. 4. Представление текста научного материала
Figure 4. Representation of the scientific material text

Меню отображения данных о термине содержит важную информацию о выбранном термине и повторяет некоторые функции всплывающего меню. Данное отображение информации присутствует постоянно. Это создает возможность копирования информации при необходимости, а также не позволяет отвлекаться на необходимость сохранения положения курсора на термине. Также стоит отметить, что в отличие от всплывающего меню изменение текста в боковом меню происходит моментально.

После того как пользователем будет выбрано первое слово, оно будет отображаться в окне «Термин», в окне ниже будут представлены определение данного термина и пример его употребления в тексте. Пример можно увидеть на рисунке 5.

Рис. 5. Изменение языка на китайский
Figure 5. Change language to Chinese

Разработка модели, интерфейса и макета для мультиязычного корпуса позволяют начать работу по наполнению корпуса контентом, решению проблем, связанных с многозначностью и омонимией терминов, а также выявить возможные трудности использования корпуса в различных практиках — учебной, переводческой, научной.

Заключение

Работа по созданию мультиязычного корпуса терминов опирается на серьезную теоретическую базу терминоведения и изучения языка для специальных целей, созданную к настоящему времени в России и за рубежом, исследования по компьютерной лексикографии, опыт лексикографирования лингвистических терминов и создания переводных словарей данного типа, а также работы по использованию терминологических словарей в учебном процессе. Создание мультиязычного корпуса терминов позволит решить такие проблемы, как рассинхронизация лингвистических терминосистем в русском, английском и китайском языках; трудности перевода научных текстов данной предметной области с русского языка на китайский язык и обратно; сложности введения лингвистических терминов при обучении студентов из Китая на основных и специальных курсах и отсутствие эффективных средств обучения; отсутствие онлайн ресурса, содержащего специальную терминологию, с возможностью перевода на разноструктурные языки, толкования значения, обращения к контекстам употребления в релевантных текстах. В перспективе на основе корпуса возможно создание нового продукта — мобильной версии трехъязычного словаря тезаурусного типа.

Об авторах

Нина Леонидовна Чулкина

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: chulkina-nl@rudn.ru
ORCID iD: 0000-0002-6758-4683

доктор филологических наук, доцент, профессор кафедры общего и русского языкознания филологического факультета

117198, Российская Федерация, г. Москва, ул. Миклухо-Маклая, 6

Юрий Николаевич Филиппович

Московский политехнический университет

Email: y_philippovich@mail.ru
ORCID iD: 0000-0001-9419-2282

кандидат технических наук, профессор, директор Научно-образовательного центра инфокогнитивных технологий (НОЦ ИКТ)

107023, Российская Федерация, г. Москва, ул. Большая Семёновская, 38

Оксана Ивановна Александрова

Российский университет дружбы народов

Email: alexandrova-oi@rudn.ru
ORCID iD: 0000-0002-7246-4109

кандидат филологических наук, доцент, доцент кафедры общего и русского языкознания филологического факультета

117198, Российская Федерация, г. Москва, ул. Миклухо-Маклая, 6

Наталья Викторовна Новоспасская

Российский университет дружбы народов

Email: novospasskaya-nv@rudn.ru
ORCID iD: 0000-0001-7599-0246

кандидат филологических наук, доцент кафедры общего и русского языкознания филологического факультета

117198, Российская Федерация, г. Москва, ул. Миклухо-Маклая, 6

Владислав Алексеевич Речинский

Московский политехнический университет

Email: rechvlad@mail.ru
аспирант кафедры инфокогнитивных технологий факультета информационных технологий 107023, Российская Федерация, г. Москва, ул. Большая Семёновская, 38

Список литературы

Дополнительные файлы

Нет дополнительных файлов для отображения