INFORMATICA UMANISTICA D: LESSICOGRAFIA E COMPUTER Contesti e Concordanze Collocazioni Dizionari elettronici CITAZIONI You taught me language, and my profit on’t Is, I know not how to curse: the red plague rid you For LEARNING me your language Citazione da The Tempest in Johnson’s Dictionary Due usi di contesti nella lessicografia Per determinare conoscenze lessicali nel senso discusso nelle due lezioni precedenti Classe grammaticale, accezioni CONCORDANZE Per identificare aspetti ‘collocazionali’ COLLOCAZIONI CONCORDANZE In Pinocchio, la forma BUONO occorre 11 volte. Domande che si pone un lessicografo: Quali parti del discorso? Quali sensi? Usati in quali contesti? Soluzione: le CONCORDANZE CONCORDANZE CONCORDANZA = forma + contesto 1 2 3 4 5 6 7 1, 2, 5, 8, 12, 13, 15, 1 1 2 1 3 6 1 | | | | | | | uomini, sono stati e sono o repubbliche o principati. È principati indrieto el ragionare delle repubbliche, perché altra volta ne ragionai assicurarsi di loro. Ma nelle repubbliche è maggiore vita, maggiore dove si trattassi delle repubbliche. Questi sono quando, o per vede a' principi soli e repubbliche armate fare progressi grandissimi, Alessandro Magno, e come molte repubbliche e principi si sono armati molti si sono immaginati repubbliche e principati che non si STRUMENTI INFORMATICI PER LA RICERCA DICONCORDANZE Esistono oggi moltissimi strumenti che permettono di eseguire il tipo di analisi appena visto automaticamente Esempi: WORDSMITH distribuito da ICAME (a pagamento) TextSTAT (gratis) WORDSKETCH (a pagamento) TextSTAT Sviluppato dal Dipartimento di Linguistica Olandese della Freie Universitaet Berlin Permette di estrarre FREQUENZE e CONCORDANZE da ‘CORPORA’ che includono testi in ASCII, HTML, e WORD Si puo’ scaricare da: http://www.niederlandistik.fuberlin.de/textstat/software-en.html TextSTAT CONCORDANZE: FORME DIVERSE DI CONTESTO e le colonne e i simulacri e l’ERME ch’abbella agli occhi tuoi quest’ERMO lido, Bruto per l’atra notte in ERMA sede, ERMA terrena sede! Oh quanto affanno Sempre caro mi fu quest’ERMO colle, l’ERMA terra contemplo, e di fanciulla de’ tuoi steli abbellir l’ERME contrade ERME Torri, I 2 ERMO lido, IV 4 ERMA sede, VI 11 ERMA terrena sede, VIII 36 ERMO colle, XII 1 L’ERMA terra contemplo, XVI 63 ERME contrade, XXXIV 8 COMBINAZIONI DI PAROLE E COLLOCAZIONI “You can tell a word from the company it keeps” (Firth, 1957) La competenza lessicale non consiste solo di conoscenza sintattica, morfologica, e semantica Ma anche di conoscenza in parte arbitraria su quali parole si combinano di preferenza Restrizioni sulle combinazioni di parole Ordine Restrizioni concettuali *Il maglione che righe a indossi, *dormire il letto ?? Il letto e’ corso a casa Restrizioni lessicali Francese: crescere = grandir (persone), pousser (piante) Tedesco: mangiare = essen (persone), fressen (animali) Restrizioni lessicali The tall boy (*the high boy) Mantenere un segreto (? Conservare un segreto) COLLOCAZIONI In lessicografia si distingue tradizionalmente tra `normali’ restrizioni lessicali e COLLOCAZIONI Collocazioni Pioggia battente (?? Pioggia intensa) Stendere un documento (? Scrivere un documento) Lanciare un messaggio Intuizione: In queste combinazioni di parole, stendere, battente, lanciare (i COLLOCATI) sono ‘scelti’ dalle BASI (documento, pioggia, messaggio) per esprimere un significato che non hanno quando usati con altre parole ‘Meaning by collocation’, Firth 1957 Definizione di collocazione Una collocazione e’una combinazione di parole soggetta ad una restrizione lessicale per la scelta di una parola (il COLLOCATO) che e’ condizionata da una seconda parola (la BASE) Importanza delle collocazioni A livello avanzato di conoscenza della lingua straniera, le collocazioni fanno la differenza Italiano lavarsi i denti = Inglese brush one’s teeth (spazzolare) = Tedesco sich Die Zaehne putzen (pulirsi) VERBI SUPPORTO (= WEAK VERBS) Un caso particolare di collocazioni della forma VERBO + NOME in cui la base (il nome) determina il significato del collocato (il verbo) Prendere una decisione, dare spiegazioni, fare una telefonata, essere in dubbio, avere paura Il verbo ha un significato generico e spesso contribuisce solo il tempo LOCUZIONI od ESPRESSIONI IDIOMATICHE alzare il gomito tagliare la corda vuotare il sacco mosca bianca Differenza fondamentale dalle costruzioni precedenti: il significato non e’ costruito dai costituenti RICERCA AUTOMATICA DI COLLOCAZIONI Il termine ‘collocazione’ e’ usato in linguistica computazionale in senso piu’ lato per indicare tanto le restrizioni lessicali quanto le collocazioni vere e proprie quanto gli idiomi Dalla definizione alla ricerca Non e’ facile definire il termine ‘collocazione’ in modo da poterne automatizzare la ricerca. Si trovano definizioni Frequentista Fraseologica Criteri: Definizione dev’essere UTILE dal punto di vista lessicografico Dev’essere FACILE da OPERAZIONALIZZARE (e possibilmente, automatizzare) Definizione frequentista Una collocazione e’ ogni combinazione di parole che occorre molto di frequente Piu’ precisamente: ogni combinazione che occorre piu’ frequentemente di quanto non ci si aspettasse per caso Problema: pura frequenza non implica interesse lessicografico Ho mangiato, va’ a casa, cosa dire COLLOCATI PIU’ FREQUENTI DI ATTENZIONE Definizioni fraseologiche Una collocazione e’ una co-occorrenza di parole soggetta ad una regola di restrizione (Melcuk & Wanner) Troppo generale: esistono molti tipi di restrizioni ALLA RICERCA DI COLLOCAZIONI NEI CORPORA I metodi per la ricerca automatica di collocazioni sfruttano una combinazione di informazioni: FREQUENZA Da sola pero’ non e’ sufficiente INFORMAZIONI FRASEOLOGICHE INDICAZIONI DI ‘DISTINZIONE’ INFORMAZIONI FRASEOLOGICHE Si utilizzano corpora in cui i token sono stati classificati grammaticalmente Ci si concentra su alcune combinazioni sintattiche: VERBO NOME NOME AGGETTIVO AGGETTIVO NOME Potenziali collocati di documento INDICAZIONI DI ‘IMPORTANZA’ Una volta identificate le costruzioni piu’ frequenti, si cerca di stimare quali siano le costruzioni piu’ INTERESSANTI Le costruzioni interessanti sono quelle che sembrano occorrere con una frequenza maggiore di quella che ci si aspetterebbe UN ESEMPIO DI INDICAZIONE DI IMPORTANZA La MUTUAL INFORMATION e’ una misura che calcola il rapporto tra la PROBABILITA’ di incontrare due parole assieme con la probabilita’ di incontrarle individualmente Intuizione: se la frequenza di occorrenza di due parole e’ piu’ alta di quel che ci si aspetterebbe, e’ possibile che costituiscano una collocazione MUTUAL INFORMATION ESEMPIO LE PAROLE CON MI PIU’ ALTA NEL WEBBIT Scelta tra potenziali candidati Il passo successivo sarebbe identificare i candidati che Esprimono restrizioni lessicali interessanti Esprimono vere e proprie collocazioni (= in cui il collocato ha un significato inusuale) Esprimono delle locuzioni (il significato non puo’ essere derivato dai componenti) Questo passo dev’essere fatto a mano! Collocazioni e lessicografia Che differenza c’e’ tra morbido e soffice? Collocati di morbido: panno, pelle, gomma, burro Collocati di soffice: erba, sabbia, treccia, superficie Letture Jezek, capitolo 6 Lenci Montemagni e Pirrelli, capitolo 7 DIZIONARI ELETTRONICI Dizionari elettronici Strumenti informatici usati non piu’ solo per realizzare dizionari cartacei, ma per sviluppare nuovi tipi di dizionari che consentono nuove forme di ricerca Tre tipi di dizionari in formato digitale Versioni digitali di dizionari tradizionali Machine Readable Dictionaries Collins COBUILD, Devoto-Oli, Zingarelli interattivo ODE Nuove forme di dizionario WordNet DIZIONARI PER L’INGLESE IN FORMA ELETTRONICA Oxford English Dictionary, seconda edizione Oxford Talking Dictionary Concise Oxford Dictionary Learner dictionaries: Longman Dictionary of Contemporary English (LDOCE) Collins COBUILD English Dictionary CONCISE OXFORD DICTIONARY RICERCA: Headword search (con *) Hypertext search Full text search (also of phrases / groups) FILTRI: etymology, phrasal verbs, suffixes COLLINS: COBUILD Disponibile da: http://www.biblio.unitn.it/BancheDati/Banche Dati.asp DIZIONARI ELETTRONICI PER L’ITALIANO Il VELI Zanichelli: CD-ROM Multilingue, Scaffale Elettronico Devoto-Oli Garzanti: IPA `parla’ DEVOTO-OLI ESEMPIO: DEVOTO-OLI Ricerca normale Forme di citazione (incrementale) Hyperlinks Definizione / declinazione Sinonimi / contrari Ricerca avanzata No: pronuncia; citazioni? Limitato: storico DEVOTO-OLI: SINONIMI E CONTRARI ESEMPIO: ZINGARELLI INTERATTIVO MRDS Distinzione importante: Particolarmente utili: dizionari creati per EFL: Dizionari consultabili elettronicamente Dizionari MACHINE READABLE Dizionari MACHINE TRACTABLE LDOCE COBUILD Progetto piu’ ambizioso: ODE in XML ESEMPIO: STOCK in LDOCE 0100 a supply (of something) for use: a good stock of food 0200 goods for sale: Some of the stock is being taken without being paid for 0300 the thick part of a tree trunk 0400 (a) a piece of wood used as a support or handle, as for a gun or tool (b) the piece which goes across the top of an ANCHOR^1 (1) from side to side 0500 (a) a plant from which CUTTINGs are grown (b) a stem onto which another plant is GRAFTed 0600 a group of animals used for breeding 0700 farm animals usu. cattle; LIVESTOCK 0800 a family line, esp. of the stated character 0900 money lent to a government at a fixed rate of interest 1000 the money (CAPITAL) owned by a company, divided into SHAREs 1100 a type of garden flower with a sweet smell 1200 a liquid made from the juices of meat, bones, etc., used in cooking ….. ESEMPIO: ODE su CD-ROM (in XML) Esempio di database lessicografico in XML (= estremamente machine tractable) ODE IN XML: OVERVIEW ODE IN XML: FORMATO DELLE ENTRIES <se> <cn>815750</cn> <hg> <hw>stock</hw> </hg> <s1> <ps>noun</ps> <s2 num="1"> <df>the goods or merchandise kept on the premises of a shop or warehouse and available for sale or distribution:</df> <ex>the store has a very low turnover of stock</ex> - - | </S2> <S2 num=“2”> …… </S2> </S1> <s1> <ps>adjective</ps> ….. ODE IN XML: INFORMAZIONI NLP - <nlp> - + </nlp> <sup>merchandise</sup> <ss>Commerce</ss> <morph id="01"> <mu sy="NN"> <inf>stock</inf> <ph>stQk</ph> </mu> <mu sy="NNS"> <ph>stQks</ph> </mu> </morph> Due dizionari elettronici ELDIT WordNet ELDIT (Elektronisches Lern(er)wörterbuch Deutsch-Italienisch – Dizionario elettronico per apprendenti italianotedesco ) Un esempio di dizionario Per apprendimento Nato in forma elettronica Lezione su ELDIT: il 9/5