=Paper=
{{Paper
|id=None
|storemode=property
|title=Подход к разработке русско-английского тезауруса по компьютерной лингвистике
(Approach to Development of Russian-English Thesaurus on Computational Linguistics)
|pdfUrl=https://ceur-ws.org/Vol-803/paper2.pdf
|volume=Vol-803
|dblpUrl=https://dblp.org/rec/conf/rcdl/ZagorulkoBKS11
}}
==Подход к разработке русско-английского тезауруса по компьютерной лингвистике
(Approach to Development of Russian-English Thesaurus on Computational Linguistics)
==
https://ceur-ws.org/Vol-803/paper2.pdf
Подход к разработке русско-английского тезауруса по
компьютерной лингвистике
© Ю.А. Загорулько1, О.И.Боровикова1, И.С. Кононенко1, Е.Г. Соколова2
1
Институт систем информатики имени А.П.Ершова СО РАН, г. Новосибирск
2
Российский государственный гуманитарный университет, г. Москва
zagor@iis.nsk.su, olesya@iis.nsk.su, irina_k@cn.ru, minegot@rambler.ru
Аннотация ни в одном из существующих лингвистических
источников.
В докладе представлен подход к разработке Так, тезаурус по теоретической и прикладной
русско-английского электронного тезауруса лингвистике, созданный в 1978 г. С.Е. Никитиной
по компьютерной лингвистике. [9], уже устарел. Кроме того, он одноязычный и не
Рассматривается общее строение тезауруса, содержит определений понятий.
структура тезаурусных статей и набор Терминологический словарь В.З. Демьянкова [6]
связей между терминами. Обсуждается содержит толкования и является двуязычным, но не
проблема выбора терминов для включения отражает современную картину этой научной
в тезаурус, а также проблема выбора области.
основного термина-дескриптора из Представительного компактного собрания
множества синонимичных терминов. терминов современной КЛ и их толкований не
Описываются особенности реализации существует не только в России, но и за рубежом.
электронной версии тезауруса, при этом Собственно лингвистика представлена в нескольких
особое внимание уделяется поддержанию фундаментальных источниках, в частности, в ЛЭС
логической целостности [10], словаре О.С. Ахмановой [1] и интернет-
терминологической системы тезауруса и энциклопедии «Кругосвет» [13], содержащей статьи
обеспечению удобного доступа к его по новым для традиционной лингвистики понятиям.
содержимому. Разработанный в 2007 г. в ИНИОН РАН тезаурус по
языкознанию [19] содержит около 3000 терминов,
1. Введение относящихся к различным разделам данной науки.
При всех своих достоинствах, данный тезаурус,
В настоящее время наблюдается значительный прежде всего, предназначен для
интерес к компьютерной лингвистике (КЛ), как к библиографического поиска, поэтому его словарные
прикладной научной дисциплине, включающей статьи не содержат дефиниций. Кроме того,
знания о методах извлечения информации из
тезаурус ИНИОН является одноязычным и
текстов, индексирования и содержательного поиска характеризуется малым удельным весом собственно
документов, построения естественно-языковых, в терминологии КЛ (дескрипторы из области КЛ
том числе речевых, интерфейсов. В связи с этим
составляют около 4% от общего количества
возникла острая потребность в терминов, представленных в тезаурусе).
систематизированных знаниях по терминологии КЛ, Определения терминов КЛ содержатся и в
которые, с одной стороны, способствовали бы
толковом словаре по искусственному интеллекту
повышению образовательного уровня, а с другой [18]. Однако он отражает терминологию на конец
стороны, использовались для индексирования 1980-х гг. Кроме того, он содержит довольно мало
публикаций по КЛ – как
терминов КЛ, а имеющиеся в нем термины чаще
ручного/автоматизированного, так и всего трактуются не с позиций этой области знаний,
автоматического – с целью облегчения доступа к а с позиций искусственного интеллекта.
представленным в них знаниях по КЛ.
Так как КЛ имеет междисциплинарный
Однако в данный момент в КЛ отсутствует характер, то некоторые ее термины можно найти в
четкая и общепринятая система научной общих энциклопедиях, например, в БЭС [2].
терминологии, причем многие термины
Популярным источником знаний по КЛ сейчас
современной КЛ не представлены на русском языке является Википедия [8], в которой можно найти
объяснения, классификации и ссылки на источники
по многим понятиям КЛ, однако эти сведения часто
Труды 13й Всероссийской научной конференции страдают односторонностью, неполнотой и
«Электронные библиотеки: перспективные методы и эскизностью.
технологии, электронные коллекции» - RCDL’2011,
Воронеж, Россия, 2011.
9
Таким образом, на данный момент не (непредпочтительные термины). При этом
существует источника, в котором вся терминология дескрипторы могут использоваться при
КЛ была бы приведена в единую систему. Этот индексировании документов и в поисковых
ощутимый и досадный пробел мог бы восполнить запросах, а аскрипторы (как текстовые входы)
двуязычный тезаурус, содержащий английские и подлежат замене одним или несколькими
русские термины КЛ и их толкования. дескрипторами [11].
Такой тезаурус позволит структурировать и В зависимости от языковой направленности
накапливать информацию, релевантную для этой тезаурусы разделяются на одноязычные и
области знаний, производить смысловой поиск многоязычные.
данных в информационных хранилищах и сетях. Многоязычный информационно-поисковый
Кроме того, такой тезаурус мог бы способствовать тезаурус (МИПТ) содержит термины из нескольких
повышению уровня профессиональной подготовки естественных языков и представляет эквивалентные
будущих специалистов не только в сфере КЛ, но и по смыслу понятия на каждом из них. В качестве
информационных технологий вообще. основной структурной единицы МИПТ может
Двуязычность тезауруса даст возможность рассматриваться составной дескриптор, собранный
отечественным ученым и специалистам быстрее и из эквивалентных дескрипторов одноязычных
эффективнее ориентироваться в мировой ситуации в версий, связанных средствами для указания
данной области, окажет им помощь при написании эквивалентности.
и переводе статей. В ситуации еще не до конца Построение русско-английского тезауруса по КЛ
преодоленного отставания российской КЛ от выполняется в соответствии с требованиями
англоязычной и наличия некоторых существенных межгосударственного стандарта ГОСТ 7.24-2007
различий, сохранившихся от изолированного [4], который разработан с учетом основных
развития российской КЛ в советский период, нормативных положений международного
составление такого тезауруса выявляет различия и стандарта ISO 5964-1985 [22] и устанавливает
сходства между понятиями, используемыми в состав, структуру и основные требования к
отечественной и зарубежной науке, и позволяет построению МИПТ. Русско-английский тезаурус по
вводить новые понятия и лингвистические термины, КЛ разрабатывается как набор одноязычных версий
отсутствующие в русском языке [17]. МИПТ, при этом выполняется согласованное
В данной работе рассматривается подход к построение одновременно двух версий тезауруса –
разработке русско-английского тезауруса по русскоязычной и англоязычной.
компьютерной лингвистике. Описывается общее Разработка каждой из одноязычных версий
строение тезауруса, структура тезаурусных статей и тезауруса выполняется на основе международного
набор связей между терминами. Особое внимание стандарта ISO 2788-1986 [21], межгосударственного
уделяется проблеме выбора и представления стандарта ГОСТ 7.25-2001 [5] и американского
отношений между терминами, а также стандарта Z39.19-2005 [20].
поддержанию логической целостности
терминологической системы тезауруса. 2.1 Структура словарной статьи
Основными единицами тезауруса являются
2. Структура русско-английского термины предметной области (ПрО), которые
тезауруса по КЛ разделяются на дескрипторы и аскрипторы.
Согласно ГОСТ 7.25-2001, в ИПТ включаются
Проектирование структуры двуязычного следующие типы лексических единиц (ЛЕ):
тезауруса по компьютерной лингвистике одиночные слова (существительные,
выполнялось на основе анализа существующих прилагательные, глаголы, наречия), именные
отечественных и международных стандартов словосочетания, лексически значимые компоненты
[4,5,20-22], регламентирующих построение сложных слов, сокращения слов и словосочетаний1.
информационно-поисковых тезаурусов (ИПТ), а ЛЕ объявляются эквивалентными в ИПТ, образуя
также на основе анализа и обобщения накопленного класс эквивалентности, если замена одной ЛЕ на
к этому времени опыта разработки тезаурусов другую не приводит к изменению смысла текста,
ИНИОН [12], РуТез [11] и др. существенному для поиска информации. Одна из
Отечественные и международные стандарты лексических единиц класса эквивалентности
определяют основные единицы, которые могут выбирается в качестве представителя этого класса и
включаться в тезаурус, и набор отношений между получает статус дескриптора, остальные ЛЕ
ними, устанавливают правила сбора массива получают статус аскриптора. При этом статус
лексических единиц, формирования словника, аскриптора получают также и термины,
построения словарных статей и оформления ИПТ. представляемые аббревиатурами или иными
По своему составу ИПТ подразделяют на вариантами написания (через дефис, с пробелом и
тезаурусы, все единицы которых являются т.п.).
дескрипторами (или предпочтительными В состав словарной статьи тезауруса вне
терминами), и тезаурусы, выделяющие среди своих зависимости от статуса термина входят следующие
единиц дескрипторы и аскрипторы элементы:
10
Название термина предметной области, задавать связи между аскрипторами и
который представляет собой слово, альтернативными дескрипторами или представлять
словосочетание или лексически значимый аскриптор комбинацией дескрипторов. Если нет
компонент сложного слова естественного однозначного соответствия между дескрипторами и
языка. аскрипторами, то используются отношения
Язык, на котором дано название термина. «Используй альтернативно» или «Используй
Комментарий, включающий правила и комбинацию», задающие соответствие между
рекомендации использования термина, а аскрипторами и заменяемыми ими дескрипторами;
также замечания и пояснения автора при этом вводятся обратные им отношения «Сравни
словарной статьи. альтернативный выбор» и «Сравни комбинацию».
Автор словарной статьи – задается для Например, аскриптор ПАРТИЦИПАНТ можно
контроля процесса коллективной разработки связать отношением «Используй альтернативно» с
тезауруса. дескрипторами СЕМАНТИЧЕСКАЯ
Термины-дескрипторы, кроме перечисленных ВАЛЕНТНОСТЬ и УЧАСТНИК СИТУАЦИИ. В то
выше атрибутов, описываются следующими же время аскриптор СИСТЕМА
дополнительными атрибутами: СТАТИСТИЧЕСКОГО МАШИННОГО ПЕРЕВОДА
Определение термина, поясняющее на языке может быть представлен с помощью связи
термина его смысл или значение. Наличие в «Используй комбинацию» как комбинация
тезаурусе определений терминов делает (сочетание) двух дескрипторов – СИСТЕМА
возможным его использование не только в МАШИННОГО ПЕРЕВОДА и
качестве инструмента для ручного или СТАТИСТИЧЕСКИЙ МАШИННЫЙ ПЕРЕВОД.
автоматизированного индексирования, но и Для отражения семантических связей между
в качестве источника систематизированных понятиями, выражаемыми дескрипторами, в
знаний о данной ПрО. одноязычных версиях устанавливаются
Релятор, представляющий собой помету, иерархические и ассоциативные отношения.
введенную для различения омонимичных Между дескрипторами вводятся такие
терминов (омографов) в рамках иерархические отношения, как
описываемой ПрО. Он является частью недифференцированная иерархическая связь
термина и поясняет его значение, относя его «Выше», направленная от нижестоящего
к определенной понятийной категории или дескриптора к вышестоящему, родовидовая связь
предметно-тематической области (в «ВышеРод», устанавливаемая между двумя
контексте данной работы – подобласти КЛ дескрипторами, когда объем понятия нижестоящего
или смежной ей области/подобласти дескриптора входит в объем понятия вышестоящего
знаний). Например, для различения двух дескриптора, партонимическая связь «ВышеЦелое»,
понятий, образованных на основе задаваемая между двумя дескрипторами в том
словосочетания РАЗМЕТКА ТЕКСТА, случае, когда нижестоящий дескриптор
могут быть использованы реляторы представляет компонент объекта, обозначаемого
ПРОЦЕСС и ОБЪЕКТ. В результате мы вышестоящим дескриптором. Вводятся также
получаем два разных термина-дескриптора обратные им отношения: «Ниже», «НижеВид»,
РАЗМЕТКА ТЕКСТА (ПРОЦЕСС) и «НижеЧасть».
РАЗМЕТКА ТЕКСТА (ОБЪЕКТ). Для задания отношений между дескрипторами,
представляющими класс понятий и экземпляр этого
Область/подобласть знания, к которой
класса, были выбраны связи
относится данный термин-дескриптор.
«ВышеКлассЭкземпляра» и «НижеЭкземпляр».
Признак корневого термина (Top Term),
При установлении иерархических отношений
указывающий на то, что дескриптор
для некоторых дескрипторов можно указать
находится на самом верхнем уровне какой-
признак «Аспект деления иерархии». Так,
либо иерархии понятий.
например, в иерархии, построенной по отношению
Термины тезауруса связываются различными
«НижеВид», МАШИННЫЙ ПЕРЕВОД по признаку
семантическими отношениями, отражающими
«подход» разделяется на СТАТИСТИЧЕСКИЙ
место каждого термина в системе понятий
МАШИННЫЙ ПЕРЕВОД, МАШИННЫЙ
выбранной ПрО.
ПЕРЕВОД НА ОСНОВЕ ПРАВИЛ и МАШИННЫЙ
Для связи дескрипторов с аскрипторами
ПЕРЕВОД, ОСНОВАННЫЙ НА ПРЕЦЕДЕНТАХ, а
используются отношения синонимии. Так, если
по признаку «степень участия человека» – на
дескриптор может однозначно во всех контекстах
ПОЛНОСТЬЮ АВТОМАТИЧЕСКИЙ ПЕРЕВОД и
заменить какой-то аскриптор, то он связывается с
ЧЕЛОВЕКО-МАШИННЫЙ ПЕРЕВОД.
ним отношением «Синоним»; при этом также
Таким образом, один и тот же дескриптор
устанавливается обратное отношение от аскриптора
одновременно может входить в несколько иерархий
к дескриптору – «Смотри». Для моделирования
понятий, построенных по различным отношениям
других соотношений между аскрипторами и
(«Выше», «ВышеРод», «ВышеЦелое») и по
дескрипторами в соответствии с ГОСТ 7.25-2001 в
различным аспектам деления иерархии.
тезаурус вводятся отношения, позволяющие
11
Связи между дескрипторами, отличные от определяются классы терминов и типы источников
иерархических отношений и отношений синонимии, терминов, а также набор отношений и их свойства.
задаются отношением «Ассоциируется с». Такое Причем могут быть заданы не только структурные
отношение позволяет задавать произвольные свойства отношений – путем указания типа их
ассоциативные связи между дескрипторами, аргументов и задания ограничений на
например, отношения, выражающие зависимости существование (число) и обязательность связей, но
вида «процесс-объект», «причина-следствие» и др. и формальные свойства – приписыванием
Чтобы указать эквивалентность дескрипторов из отношениям математических свойств
разных одноязычных версий между ними (симметричность, рефлексивность, транзитивность,
устанавливается отношение «Эквивалент на другом асимметричность, антирефлексивность) и заданием
языке». Если понятие не может быть выражено на для них обратных отношений.
другом языке одним дескриптором, тогда для него в Второй уровень обеспечивает хранение
соответствии с ГОСТ 7.24-2007 указывается в тезаурусных статей и описаний источников. Для
качестве эквивалента комбинация нескольких задания терминов, их определений и источников, а
дескрипторов. также для установления связей между ними
редактор тезауруса предоставляет экспертам-
2.2 Представление источников терминов лингвистам удобный интерфейс. Заметим, что сразу
Для подтверждения актуальности введенных в после завершения ввода и/или редактирования
тезаурус терминов и ознакомления пользователей описаний терминов, источников и связей между
тезауруса с практикой их употребления для каждого ними, новая информация становится доступной
термина задаются его связи с источниками, т.е. через пользовательский web-интерфейс тезауруса.
текстовыми документами или коллекциями Редактор тезауруса реализован как web-
текстовых документов, в которых данный термин приложение и доступен зарегистрированным
встречается или определяется. пользователям через Internet. С целью обеспечения
Этим целям служат два отношения: связь распределенной коллективной разработки в
«Встречается в», при которой можно указать редакторе тезауруса поддерживается механизм
частоту встречаемости термина в источнике, если делегирования прав экспертам разных уровней. В
источник – коллекция текстов, и связь «Встречается соответствии с этим механизмом только эксперты
в части документа», с помощью которой самого высокого уровня могут редактировать
отмечается, что данный термин встречается в структуры тезауруса, а эксперты других уровней –
предметном указателе или глоссарии источника, что только его содержание (описание терминов и
указывает на важность термина и повышает степень источников). При этом действует следующее
доверия к нему. Термины-дескрипторы, ограничение: два эксперта не могут одновременно
снабженные толкованиями-определениями, редактировать одну и ту же словарную статью (или
связываются с источником определения с помощью описание источника).
отношения «Дается определение в». Кроме того, действует правило, по которому
В тезаурусе источники описываются редактировать словарную статью может только ее
следующими параметрами: название, автор. Если кто-то из экспертов захочет внести
библиографическая ссылка, язык, тип (книга, изменения в «чужую» статью, он может согласовать
монография, научная статья, документация, такую возможность с ее автором, в частности, через
учебник, словарь, тезаурус, интернет-ресурс, специальный форум, на который имеется ссылка в
коллекция текстов и др.), краткое описание и адрес электронном тезаурусе.
в сети Интернет. Для коллекции текстов Для того чтобы тезаурус мог использоваться при
дополнительно задается число текстов и индексировании и поиске текстовых документов, он
словоупотреблений. должен представлять целостную и
непротиворечивую систему понятий ПрО. Это
обеспечивается встроенными в редактор терминов
3. Реализация электронной версии механизмами вывода и поддержки логической
тезауруса целостности системы понятий тезауруса, работа
Для представления тезауруса в виде которых базируется на описаниях свойств
электронного ресурса было разработано отношений тезауруса, представленных в редакторе
двухуровневое хранилище данных, а для его тезауруса в виде аксиом и ограничений.
разработки и сопровождения – редактор тезауруса. В частности, на основе этих свойств происходит
На первом уровне хранятся структуры тезауруса, корректное установление связей между терминами
определяющие схемы тезаурусных статей, вид и тезауруса, при необходимости осуществляется их
свойства отношений, задаваемых между терминами, автоматическое добавление и/или удаление. Кроме
а также характеристики источников терминов и их того, регулируются ограничения на существование
определений. Создание и настройка структуры и число тех или иных связей между терминами
тезауруса осуществляется в специальном разделе тезауруса в зависимости от их принадлежности к
редактора тезауруса. В частности, здесь тем или иным классам.
12
Рис.1. Представление термина «Машинный перевод»
Например, если для рассмотренного в разделе обеспечиваться запрет на создание связей «Смотри»
2.1. отношения «Смотри» задано обратное и «Синоним» с другими дескрипторами.
отношение («Синоним») и ограничение на Для обеспечения доступа к электронному
существование связей («только одна связь данного тезаурусу был разработан пользовательский web-
типа для каждого термина-аскриптора»), то при интерфейс, который представляет пользователю
связывании аскриптора АВТОМАТИЧЕСКИЙ содержимое тезауруса в виде сети взаимосвязанных
ПЕРЕВОД и дескриптора МАШИННЫЙ ПЕРЕВОД информационных объектов – элементов тезауруса:
отношением Смотри (АВТОМАТИЧЕСКИЙ ПЕРЕ- терминов (дескрипторов и аскрипторов) и описаний
ВОД, МАШИННЫЙ ПЕРЕВОД) произойдет источников терминов и их определений. Набор
создание обратной связи Синоним (МАШИННЫЙ атрибутов терминов и связей, установленных между
ПЕРЕВОД, АВТОМАТИЧЕСКИЙ ПЕРЕВОД) (если ними, соответствует структуре тезауруса,
таковой еще не существует), а также для аскриптора описанной в разделе 2.1.
АВТОМАТИЧЕСКИЙ ПЕРЕВОД будет
13
При навигации по тезаурусу обеспечивается исчезает. К середине 70-х годов терминология в
возможность выбора необходимых пользователю области искусственного интеллекта стала
терминов, детального просмотра их описаний устанавливаться. Появились термины, которые
(тезаурусных статей), а также описаний источников признало подавляющее большинство специалистов.
(публикаций или коллекций текстов), в которых Все эти термины (за редким исключением) по
встречается термин и/или его определение. происхождению англоязычные, так как именно в
Пользователь может указать, какой тип США проводились интенсивные исследования в
информации его интересует – все термины, этой области. Окончательно основная терминология
дескрипторы, аскрипторы или источники терминов. закрепилась в первой половине 80-х годов» [18].
При этом ему выдается полный список имеющихся ИИ – это методологическая область, методы
в тезаурусе объектов выбранного типа, который которой применимы к разным ПрО, в частности,
отображается в виде html-страницы, содержащей активно применяются в КЛ в последнее
набор ссылок на эти объекты. десятилетие. Терминология КЛ в отдельных
Информация о конкретном объекте и его связях разделах продолжает сохранять черты первого этапа
также отображается в виде html-страницы (Рис.1). (наличие большого числа синонимов, например, в
При этом объекты, связанные с данным объектом, разделе семантических отношений). ИИ тоже
представляются на его странице в виде считается междисциплинарной областью, однако по
гиперссылок, по которым можно перейти к их этому параметру ИИ и КЛ противоположны: ИИ
детальному описанию. междисциплинарна, потому что ее методы
Дальнейшая навигация по тезаурусу применяются в разных дисциплинах, КЛ – потому
представляет собой процесс перехода от одних что она вбирает в себя разные дисциплины, такие
объектов тезауруса к другим по заданным между как лингвистика (разделы, связанные с обработкой
ними связям, отражающим существующие между текстов и речи), психология, некоторые разделы
ними – тезаурусные (между терминами) или ИИ.
библиографические (между терминами и Следствием указанных выше факторов является
источниками) – отношения. отсутствие русскоязычных учебных и
лексикографических источников, достаточно полно
4. Методика выбора терминов для отражающих структуру современной КЛ, в отличие
включения в тезаурус от англоязычных источников, где она представлена
детально и отчетливо.
Важным моментом при построении тезауруса Учитывая вышеперечисленные особенности КЛ
является методика подбора терминов – кандидатов и связанный с ними недостаток современной
на включение в тезаурус, – а также выбор терминов- справочной русскоязычной литературы по КЛ, при
дескрипторов из множеств синонимичных разработке тезауруса использовались источники
терминов. «живых» терминов РКЛ и их толкований, и именно
Выбор терминов для включения в русско- они фиксируются в словарных статьях тезауруса.
английский тезаурус по КЛ сопряжен с В качестве основного источника русскоязычных
трудностями, которые обусловлены особенностями терминов была выбрана коллекция текстов
самой КЛ как новейшей науки и состоянием ее докладов, представленных на международной
развития в России. Здесь важно отметить конференции «Диалог» в 2000-2010 гг., как
следующие факторы, характеризующие КЛ в целом «зеркала», отражающего термины РКЛ в их
и русскоязычную КЛ (РКЛ), в частности: реальном употреблении.
междисциплинарный характер КЛ; К данной коллекции была применена словарная
неоднородность ПрО «Компьютерная технология [16], с помощью которой на базе
лингвистика»; лингвистических моделей (морфологического и
неравномерность развития отдельных локального синтаксического анализа) и
направлений КЛ; статистических показателей был создан список
отличие русскоязычной КЛ от англоязычной статистически значимых в данной ПрО слов и
(в частности, отставание отдельных словосочетаний – кандидатов в термины ПрО. Затем
направлений РКЛ). этот список был обработан (отфильтрован)
Ранее КЛ рассматривалась как часть экспертами в области КЛ, которые существенно
исследовательского направления «искусственный опирались не только на знания о предмете и
интеллект» (ИИ). Терминология этого направления направлениях КЛ, но и на общелингвистические
считается зрелой: «Специальная терминология по представления о терминологичности и путях
искусственному интеллекту и интеллектуальным формирования терминологических словников.
системам начала формироваться в 60-е годы ХХ в. Таким образом, наш подход, учитывающий
Первый этап формирования терминологии всегда предварительное структурирование ПрО,
отличается наличием многих синонимических согласуется с общей методикой формирования
терминов, которые используют различные школы и словников на базе классификационных схем
группы специалистов. На этом этапе термины предметных областей (см., например, [14]).
быстро возникают и часть из них также быстро
14
Для английской части словника, с учетом 5. Заключение
русско-английской направленности создаваемого
тезауруса выбирались переводные эквиваленты из В докладе представлен подход к разработке
доступных англоязычных источников по КЛ. русско-английского электронного тезауруса по
С другой стороны, чтобы дополнить картину компьютерной лингвистике, общий состав и
РКЛ в тех ее разделах, где имеются пробелы, при структура которого были разработаны на основе
сборе терминов по таким разделам пришлось международных и отечественных стандартов.
опираться преимущественно на англоязычные При разработке программных компонентов
источники. Так, учитывая скачок, совершенный в электронной версии тезауруса (хранилища данных,
течение последних нескольких лет в такой пользовательского интерфейса и редактора)
высокотехнологичной подобласти КЛ, как речевые использовалась технология [7], которая была ранее
технологии, а также тот факт, что это направление применена для создания портала знаний по
слабо представлено в коллекции «Диалог», при компьютерной лингвистике [3].
сборе терминов для этой подобласти была Хотя рассмотренные средства разрабатывались
применена обратная методика, т.е. в качестве для создания русско-английского тезауруса по
основных использовались англоязычные источники: компьютерной лингвистике, благодаря наличию
предметные указатели нескольких современных и средств настройки структуры тезауруса и
наиболее авторитетных англоязычных книжных поддержки ее семантических свойств они могут
источников обзорно-учебного профиля и глоссарии, быть использованы для построения многоязычных
входящие в документацию известных звуковых тезаурусов для любых языков и предметных
анализаторов. На данной терминологической базе областей.
был составлен англо-русский словник параллельных В настоящее время ведется активная разработка
терминов. тезаурусных статей и заполнение ими контента
Достаточно сложной оказалась и проблема электронного тезауруса, который на данный момент
выбора основного термина-дескриптора из включает более 1000 терминов КЛ, около 3500
множества синонимичных терминов. Прежде всего, связей между терминами и более 120 источников
эта проблема связана с появлением новых понятий и терминов и их определений.
соответствующих им терминов. Так, появление
систем translation memory в сфере Литература
автоматизированного перевода привело к широкому
[1] Ахманова О.С. Словарь лингвистических
использованию практиками-переводчиками термина
терминов. – 3-е изд., стер. – М.: УРСС, 2005. –
память переводов, который не был принят научным
576 с.
сообществом, противопоставившим ему термин
[2] Большой энциклопедический словарь (БСЭ) /
переводческая память (синонимический ряд:
гл. ред. А.М.Прохоров. - Изд. 2-е, перераб. и
переводческая память – 8, память переводов – 0,
доп. – М. : Большая Российская энциклопедия; –
архив переводов – 1, накопитель переводов – 0,
– СПб.: Норинт, 2004. – 1456 с.
копилка переводов – 0)2.
[3] Боровикова О.И., Загорулько Ю.А., Загорулько
Развитие некоторых направлений КЛ (например,
Г.Б., Кононенко И.С., Соколова Е.Г. Разработка
таких как автоматический перевод в режиме
портала знаний по компьютерной лингвистике //
онлайн) приводит к столкновению вариантов старых
Труды 11-ой национальной конференции по
терминов. Так, тезаурус ИНИОН [19] и ЛЭС [10]
искусственному интеллекту с международным
основным термином в паре автоматический
участием КИИ-2008. – М.: ЛЕНАНД, 2008. –Т.3.
перевод и машинный перевод считают
–С.380-388.
автоматический перевод, присвоив ему статус
[4] ГОСТ 7.24-2007. Система стандартов по
дескриптора. Однако показатели встречаемости в
информации, библиотечному и издательскому
коллекции «Диалог» говорят в пользу термина
делу. Тезаурус информационно-поисковый
машинный перевод: машинный перевод – 318 vs.
многоязычный. Состав, структура и основные
автоматический перевод – 583. Интернет-
требования к построению. (Введен в действие с
энциклопедии «Википедия» и «Кругосвет», а также
1 июля 2008 г.).
учебники придерживаются этой же традиции. На
[5] ГОСТ 7.25-2001. Система стандартов по
сайте Европейской ассоциации машинного перевода
информации, библиотечному и издательскому
[15] также отмечается, что термин machine
делу. Тезаурус информационно-поисковый
translation, хоть и звучит архаично, но, тем не
одноязычный. Правила разработки, структура,
менее, сохраняется как основной общий термин для
состав и форма представления. (введен в
всей области. В данном случае эксперты
действие с 1 июля 2002 г.)
согласились с этой точкой зрения.
[6] Демьянков В.З. Англо-русские термины по
Таким образом, при выборе терминов
прикладной лингвистике и автоматической
дескрипторов мы опирались не только на
переработке текста. Вып. 2. Методы анализа
статистику, но и на традиции словоупотребления,
текста // Тетради новых терминов. № 39. – М.:
сложившиеся к настоящему времени в
ВЦП, 1982.
лингвистическом научном сообществе.
15
[7] Загорулько Ю.А., Боровикова О.И. Подход к Approach to Development of Russian-
построению порталов научных знаний // English Thesaurus on Computational
Автометрия. Новосибирск: 2008. Т. 44. № 1. С.
100–110. Linguistics
[8] Интернет-энциклопедия «Википедия» © Yu.A. Zagorulko, O.I. Borovikova, I.S.
http://ru.wikipedia.org Kononenko, E.G. Sokolova
[9] Никитина С.Е. Тезаурус по теоретической и
прикладной лингвистике. – М.: Наука, 1978. The paper presents an approach to development of
[10] Лингвистический энциклопедический словарь. Russian-English thesaurus on Computational
//Под ред. В. Н. Ярцевой. М.:Советская Linguistics. A general structure of the thesaurus,
энциклопедия, 1990. — 685 с. [3 изд. 2002.] composition of the thesaurus entries and set of relations
[11] Лукашевич Н.В. Тезаурусы в задачах between terms of the thesaurus are described. The
информационного поиска. – М.: Издательство problems of choice of terms for inclusion in the
Московского университета, 2011. – 512 с.. thesaurus and the preferred terms (descriptors) from set
[12] Мдивани Р.Р. О разработке серии тезаурусов по of synonymous terms are discussed.
социальным и гуманитарным наукам // НТИ, Features of implementation of online version of the
сер. 2, №7, 2004. с. 1-9. thesaurus are outlined. The paper gives a particular
[13] Онлайн Энциклопедия «Кругосвет»: [сайт]. attention to maintenance of a logical consistency of the
[2001-2009]. URL: http://www.krugosvet.ru/ thesaurus terminology system and to providing a
[14] Перерва В.М. О принципах и проблемах отбора convenient access to the thesaurus content.
терминов и составления словника
терминологических словарей // Проблематика Работа выполнена при финансовой поддержке РГНФ
определений терминов в словарях разных типов. (проект № 10-04-12108в).
1
– Л., 1976. – С. 190-204. На начальном этапе мы включаем в тезаурус только
[15] Веб-сайт EAMT (The European Association for существительные и именные словосочетания.
2
Machine Translation ). http://www.eamt.org/ Здесь приводятся частотные характеристики терминов в
коллекции «Диалог»
[16] Сидорова Е.А. Многоцелевая словарная 3
Поиск в Интернете дает обратное соотношение:
подсистема извлечения предметной лексики // машинный перевод – 640000, автоматический перевод –
Труды международной конференции Диалог’ 1960000, которое объясняется тем, что если речь идет о
2008 «Компьютерная лингвистика и МП с языка на язык (а не о переводе на другой тариф и
интеллектуальные технологии». М.: РГГУ, 2008. т.п.), основную часть ответов составляет реклама онлайн-
Вып. 7 (14). –С. 475-481. переводчиков, т.е. имеется в виду разновидность
[17] Соколова Е.Г., Семенова С.Ю., Кононенко И.С., полностью автоматического перевода (онлайн-перевод).
Загорулько Ю.А., Кривнова О.Ф., Захаров В.П.
Особенности подготовки терминов для русско-
английского тезауруса по компьютерной
лингвистике // Компьютерная лингвистика и
интеллектуальные технологии. По материалам
ежегодной международной конференции
«Диалог» (Бекасово, 25-29 мая 2011 г.). Вып.
10(17). –М.: РГГУ, 2011. –С.644–655.
[18] Толковый словарь по искусственному
интеллекту / Авторы-составители: А.Н.
Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. –
М.: Радио и связь, 1992. –256с.
(http://www.raai.org/library/tolk/aivoc.html)
[19] Языкознание. Информационно-поисковый
тезаурус ИНИОН РАН. – М., 2007.
[20] ANSI/NISO Z39.19-2005 Guidelines for the
Construction, Format, and Management of
Monolingual Controlled Vocabularies (Periodic
Review).
[21] ISO 2788-1986. Documentation – Guidelines for
the establishment and development of monolingual
thesauri. Ed. 2.
[22] ISO 5964-1985. Documentation - Guidelines for
the establishment and development of multilingual
thesauri, IDT (Revised by: ISO/DIS 25964-1 Under
development).
16