Tallinna Pedagoogikaülikool Üld- ja rakenduskeeleteaduse õppetool. Ruth Mägi

Transcription

1 Tallinna Pedagoogikaülikool Üld- ja rakenduskeeleteaduse õppetool Ruth Mägi LEKSIKONID EHK ELEKTROONILISED SÕNASTIKUD Referaat Juhendaja Margit Langemets Tallinn,

2 SISUKORD 0. Sissejuhatus 3 1. Elektrooniline sõnastik Inimesele mõeldud sõnastik Elektrooniliste sõnastike hindamiskriteeriumid Andmete kirjeldamine Kuidas korraldada sõnastikes leiduvat infohulka? Sõnastike tegemine Sõnaartikli süsteemne kirjeldamine Märgendamine Tüpograafiline märgendus Deskriptiivne märgendus Üldistatud märgendus (SGML) TEI Ülevaade sõnaraamatu tüüpidest Ükskeelne sõnaraamat Ükskeelne õppurisõnaraamat Vahetüüp Kakskeelsed sõnaraamatud Kokkuvõte 24 Kirjandus 25 Internetiallikad 25 2

3 0. SISSEJUHATUS Referaat koosneb kahest osast: esimeses osas tutvustan elektroonilist sõnastikku ja selle osa arvutilingvistilises töös ning toetun suures osas Margit Langemetsa magistritööle Sõnaraamatu arvutuslingvistiline analüüs. Teises osas annan põgusa ülevaate sõnaraamatu tüüpidest, lähemalt peatun ükskeelsel ja kakskeelsel sõnaraamatu tüübil, nende juures tutvustan Internetis olevaid elektroonilisi sõnaraamatuid. See tutvustus ei ole kindlasti täielik, pigem subjektiivne valik. Elektroonilised sõnastikud on, nagu nimigi ütleb, elektrooniliselt kasutatavad sõnastikud, ehk sõnastikud CD-ROMidel ja Internetis. Seejuures ei pruugi elektroonilisus tingimata arvutis kasutatavat sõnastikku tähendada. Seda on võimalik kasutada ka nt mobiiltelefonis. Kuid lähtugem siinkohal laiemalt sõnastikest, mida kasutatakse arvutis. Arvutisõnastikku võib käsitleda kaheti: kui leksikaalset baasi, mis annab erinevat leksikaalset infot. Selles tegevusvaldkonnas uuritakse, millist infot sõnastik üldse sisaldab, kuidas seda formaliseerida 1 ja kasutada; kui teadmusbaasi, kus üldine semantiline info on mingisse formaati kodeeritud (Langemets 2000: 22). 1 Formaliseerimine siin: sõnaraamatu info mudeli loomine, et seda arvuti jaoks mõistetavaks teha. Formaliseerimise all võib piltlikult mõista info esitamist nii, et see oleks arvuti keeles. 3

4 I OSA 1. ELEKTROONILINE SÕNASTIK Elektrooniline sõnastik e leksikon on sõnade ja nende kohta käivate teadmiste kogum. Need teadmised võivad olla nt morfoloogia, fonoloogia, tähenduse vm kohta. Selle definitsiooni järgi ei erine elektrooniline sõnastik pabersõnastikust mitte mingilgi määral. Esineb kahte tüüpi elektroonilisi sõnastikke: ühed on mõeldud inimeste jaoks, teised masinsüsteemide jaoks. Inimeste jaoks mõeldud sõnastikel on nähtavad kasutajaliidesed, mille kaudu inimene jõuab otsitava tulemuseni, masinsüsteemi kuuluvad sõnastikud pole ekraanil tavaliselt nähtavad, need töötavad kuskil all muude keeletöötlussüsteemide heaks (Langemets 2000: 74) INIMESELE MÕELDUD SÕNASTIK Inimesele mõeldud elektroonilise sõnastiku lihtsaim otsing on sõnade sidusotsing: inimene sisestab või osutab sõna, millele otsisüsteem pakub vastuseks sõnaartikli. Info on enamasti sama mis aluseks olevas trükitud sõnastikus. Eelnevalt on arvutileksikograafid lahendanud selle, millist infot kasutajale pakkuda, kui detailset ja keerulist päringut võimaldada, et tulemus oleks ühtaegu teaduslik ja rahvalik. Info peab olema lingvistiliselt õige ja kasutajale mõistetav (Langemets 2000: 74). Inimesele mõeldud elektrooniline sõnastik nõuab eriettevalmistamist: info peab olema väga hästi struktureeritud ja kõik vajalikud infotüübid mingi märgendussüsteemi abil eksplitsiitselt märgendatud tuleb luua hea ja dünaamiline päringusüsteem Uurijad väidavad, et tavaliselt kasutavad inimesed sõnastikke sõna järele vaatamiseks (kõige rohkem otsitakse sõna tähendust, järgnevad õigekiri ja grammatika, ja seda ka elektroonilisest sõnastikust), seetõttu poleks justkui vaja, et päring suurt midagi erilist võimaldaks (Langemets 2000: 75). Elektrooniline sõnastik 4

5 peaks võimaldama keeleuurijatel materjali kompaktsemalt uurida, sest elektroonilisus lubab rakendada päringutes erinevaid filtreid 2 ja piiranguid. Nt on võimalik öelda programmile, et näita mulle ainult bioloogiasõnavara või idioome. Selleks peab olema eelnevalt vastav info progammis märgendatud 3. Arvutisõnastikke kasutatakse paljude arvutilingvistiliste ülesannete lahendamiseks. Masintõlge ja teksti mõistmise süsteemid kasutavad sõnastikus esitatavat infot (peamiselt vasteid, seletusi), kõnetöötlus vajab sõnastikes esitatavat hääldusinfot. Õigekirjakorrektorid, poolitusprogrammid, stiilianalüüsid kasutavad nt sõnaloendeid. On selge, et kõigi ülesannete jaoks ei ole vaja ühesuguseid sõnastikke: kui õigekirjakorrektorile on vaja üsna lihtsat suurt sõnastikku, siis masintõlke jaoks on tarvilik üksikasjalik, dünaamiline ja keeruline suur sõnastik. (Langemets 2000: 76) Järgnev tabel näitab sõnastike kasutust arvutirakendustes. Märgid: + palju kasutatud; vähe/v keskmiselt/ kasutatud; () tuleviku kasutus Lühendid: (vasakult paremale) leksikaalne info, kõnetuvastus ja kõnesüntees, õigekeelsuskontroll, stiilikontroll, grammatikakontroll, automaatne poolitus, automaatne indekseerimine, automaatne infoeristus, automaatne sisukokkuvõtte koostamine, masintõlge, teksti märgendamine, teksti genereerimine, keeleõppevahendite loomine, küsimuste-vastuste süsteemid, tekstikokkuvõtete tegemine 2 Filter siin: programmisisene rakendus, mis võimaldab infot esitada valikuliselt. Nt kui on vaja sõnaartiklitest leida vaid vormiinfot. 3 Märgendamine keeleüksuste esitamine tingmärkide vahel, järel. Märgenduse näide: <ms>hunt <mo>s <t>suur koerasarnane kiskja. Kus <ms> osutab märksõna, <mo> morfoloogiat, <t> tähendust. 5

6 ARVUTIRAKENDUSED LEKS INFO kõn õige stiili gr. po inde inf sis ma tkst tks keel kü tks e- - - kon o- k- o u - märge t e- s- t tuv keel kon tr litu seeri eri kv sin nd ge õpp vas kv sünt e tr s m st - n e- t kon tlk vah tr foneet. + info silbitamin e + + rõhk + (+) välde + ortograafia morfeem gram.kat sõnaliik (+) (+) + + (+) teema (+) (+) + + (+) (+) sem.suhe (+) (+) + (+) (+) sem. tunnusj. leksik. suhe (+) (+) (+) (+) (+) (+) + (+) + (+) kollokatsi oon (+) + + (+) (+ ) + (+) (+ ) fraseologis m (+) (+) (+ ) tõlkevaste + + (+) sem.täh.vä li (+) (+) (+) (+) + + (+) + + kasutusinf o (+) (+) (+ ) ( ) pragm. (+) (+) (+ ( (+) + info ) ) sagedus diskursus (+) (+) (+) (+ ) ( ) (+) + allkeel + ( 6

7 (Langemets 2000: 77) ) Loomuliku kõne ja keele uurimisega tegelejad on jõudnud arusaamisele, et töökindlate ja tõhusate keeletoodete areng sõltub sellest, kui kättesaadavad on suured adekvaatsed keeleressursid: elektroonilised sõnastikud, formaliseeritud grammatikakirjeldused, terminoloogiabaasid, teksti- ja kõnekorpused 4. Keeleressursside põhjal luuakse tooteid, mida omakorda saab kasutada uute (ja paremate) ressursside loomiseks. Keeletehnoloogia arengu vältimatuks eelduseks on niisiis elektrooniliste sõnastike olemasolu. On raske leida keeletehnoloogilist rakendust, milles üldse ei kasutata mingit leksikoni. Elektroonilised sõnastikud erinevad traditsioonilistest, inimese jaoks mõeldud (paber)sõnastikest nii oma struktuuri kui sisu poolest, mistõttu elektrooniliste sõnastike tegemine traditsiooniliste alusel või lausa nullist on oluline osa keeletehnoloogilisest arendustööst. Tavaliselt tehaksegi leksikone varasemate pabersõnastike baasil. Kuid elektroonilisel sõnastikul on pabersõnastiku ees mitmeid eeliseid: kasutaja leiab otsitava kiiremini elektrooniline sõnastik on lihtsamini edasiarendatav (tehniliselt) pööramine ja seoste leidmine lihtsam (teadustööks vajalik) ELEKTROONILISTE SÕNASTIKE HINDAMISKRITEERIUMID Suures osas on arvutisõnastiku usaldamine sama mis traditsioonilise sõnastiku usaldamine, tuleb uurida ja hinnata teadmiste kirjeldamist, sh mõistete defineerimist sõnastikes. Leksikograafilise kirjelduse headust mõõdetakse järgmiste mõistetega: Täielikkus. 4 Korpus keeleteaduses mõeldakse selle all keeleainese kogumikku, mida kasutatakse uurimistöös materjalina; arvutiajastul mõistetakse selle all peamiselt polüfunktsionaalseid elektroonilisel kujul olevaid tekstikogusid. 7

8 Et sõnastike maht on praktilistel kaalutlustel piiratud (ehkki mahupiirang ei ole nii oluline kriteerium elektroonilise sõnastiku puhul), on globaalse täielikkuse pakkumine mõttetu ja isegi ebahuvitav. Sõnavaravalik peaks olema piiritletud, kuid avatud. Mitte nii, nagu juhtus ühes uurimuses, kus võrreldi NY Times News Service tekstide sõnavara Webster s 7th sõnavalikuga ning avastati, et sõnastikus puudus 40% lehes esinevaist sõnadest. Võib ka juhtuda, et sõnaloend on ebapiisav teises mõttes, ühest sõnaartikliga sõnastikust tuvastati liiast tuletist. Lokaalne täielikkus peaks tingimata hõlmama antud ainevaldkonna mõisteid (nt kui sõnastikus on defineeritud ratsu, siis ainevaldkond male nõuab ka oda, vanker jne defineerimist. Põhimõttekindlus. Samasse ainevaldkonda kuuluvad definitsioonid tuleks koostada ühe põhimõtte alusel. Nt kui ratsut kirjes kirjeldatakse tema käike, siis tuleks seda teha ka oda puhul. Halb näide oleks see, kui ühe malendi puhul kirjeldatakse tema kuju, teise puhul tema käike jne. Õigsus. Definitsioon peab olema kooskõlas ainevaldkonna spetsialistide antuga. Käibimine. Defineerimisel tuleks arvestada, et sõnade kasutussagedus muutub ajas. Märksõnaks peaks valima käesoleva aja käibivaima sünonüümi. Samas võib sageli juhtuda, et käibivaim sõna on vastuolus keelekorralduslike soovitustega (nt kumba eelistada, kas rock või rokk?). Andmete esitus. Sõnaartiklite, nende osade loogilist korraldust kirjeldatakse formaalsete vahendite abil Nende vahendite õigsust kontrollitakse (nt DTD document type definition, õigsuse kontroll) (Langemets 2000: 86) ANDMETE KIRJELDAMINE Et andmeid keeletöötlusprogrammide jaoks kirjeldada, peab neid kirjeldama nii, et arvuti neist aru saaks. See tähendab objektkeele 5 üksuste nimetamist, nende üksuste 5 Objektkeel uuritav keel. 8

9 süntaksi ja semantika iseloomustamist. Sisuliselt tähendab see sõnaraamatu formaalse mudeli loomist. See tähendab formaalkeele loomist, mis kujutab endast täpselt fikseeritud süntaksi ja semantikaga tehiskeelt. Kuid loomulik keel on keeruline ja selle kõiki osi ei ole võimalik formaliseerida KUIDAS KORRALDADA SÕNASTIKES LEIDUVAT INFOHULKA? See puudutab nii andmete säilitamist kui ka arvutilingvistiliste võimaluste kasutamist uute sõnastike loomisel. Kuid algteksti teisendamine mingisse metaformaati on päris keeruline ülesanne. Mitmed maailma kirjastajad on juurutanud sõnastike alusvormi, millel on oma kindel struktuur. Nt Longmani kirjastus kasutab kolme elektroonilist alusvormi: LDOCE (LDOCE3-NLP) (Longman Dictionary of Contemporary English), LDEL (Longman Dictionary of English Language) ja Roget s Thesaurus. Longmani LDOCE3-NLP pakub keeletöötluse jaoks mitmeid võimalusi: sõnastiku täistekst (selle aluseks on inglise tekstikorpused: British National Corpus, Longman Lancaster Corpus, Longman Corpus of Learners English), seletustes on kasutatud nn definitsioonisõnavara 6, mis koosneb 2000 sõnast. Kasutatud on SGML-märgendust. sagedusinfo 3000 kõige sagedamini kasutatud sõna kohta (igal sõnal on oma kood: S1, W3 jne, mis näitab tema kuulumist esimesse, teise v kolmandasse tuhandesse) semantilised koodid seletuste juures (üldkeele sõnadel on semantilised koodid, kasutusel on 1052 võtmemõistet, nagu ANGRY, WALK, FINISH, HAPPY). Erisõnavara jaoks on kasutusel 236 erialakoodi. 500 sagedama verbi täielik grammatiline kirjeldus 1000 sagedama verbi kollokatsiooniline info British National Corpuse põhjal homograafid on järjestatud vastavalt esinemissagedusele korpuses mitmesõnaliste väljendite hoolikas esitus ja märgendus (Langemets 2000: 91 92). 6 Definitsioonisõnavara täpselt kindaks määratud sõnavara, mida kasutatakse sõnade defineerimisel. Enamasti on tingimuseks see, et definitsioonisõna oleks lihtne, sageli kasutatav ja sõnastikus endas defineeritud. 9

10 Näide ühest sõnaartiklist LDOCE3-NLP andmebaasist märgendatud kujul: Entry><Head><HWD>tariff</HWD> <HYPHENATION>tar.iff</HYPHENATION> <PronCodes><PRON>'t{rKf</PRON></PronCodes> <POS>n</POS> <GRAM>C</GRAM></Head> <Sense><FIELD>PET</FIELD> <DEF>a tax on goods coming into a country or going out of a country</def></sense> <Sense><LITTLEWORDS>especially BrE</LITTLEWORDS> <FIELD>DF</FIELD> <FIELD>B</FIELD> <ACTIV>LIST</ACTIV> <DEF>a list of fixed prices, such as the cost of meals or rooms, charged by a hotel or restaurant</def></sense></entry> Siia võrdluseks sõnaartikkel sama sõnaraamatu paberväljaandest Longman Dictionary of Contemporary English (LDOCE): tar iff / tærif/ noun [C] 1 a tax on goods coming into a country or going out of a country see TAX (USAGE) 2 especially BrE a list of fixed prices, such as the cost of meals or rooms, charged by a hotel or restaurant (LDOCE 2001: 1475) 1.4. SÕNASTIKE TEGEMINE Sõnastike tegemiseks kasutatakse järgmisi allikaid: teisi arvutisõnastikke, mida kohandatakse ja struktureeritakse ümber tekstikorpusi märgendatud arvutileksikone entsüklopeediaid (Langmets 2000: 92) Arvutileksikograafia igavene probleem on see, et sõnastikult nõutakse kaht erisuunalist asja: 1) trükis ilmutamist ja b) andmebaasiks olemist. 10

11 Suvaline arvutisse sisestatud sõnastik ei taga veel keeletöötluseks vajaliku info kättesaadavust. Selleks peab seal leiduv info olema: täielik formaliseeritud Seni ei ole piisavalt head teooriat selle kohta, mida üks arvutisse sisestatud sõnastik peaks sisaldama. Need probleemid jaotuvad kahte suurde rühma: kuidas teisendada implitsiitset infot eksplitsiitseks ja informatiivset infot süstemaatiliseks. Arvutilingvistika vajab iga tasandi eksplitsiitseid andmeid ja kõige raskem on neid esitada semantika kohta. Samas tuleb silmas pidada, et leksikoni formaliseerimisel ei ole tarvis kõiki keeleüksuse tunnuseid eksplitsiitselt esitada, sest need laienevad automaatselt allapoole (nii nagu mees on nimisõna ja muutub ühtmoodi kõigis oma tähendustes). Et enamik sõnaraamatus olevast infost on informatiivne, siis on kirjelduste kvaliteedi parandamiseks pakutud välja erinevate leksikograafiliste klasside kirjeldusmallid, mis baseeruvad klassile iseloomulikel semantilistel tunnustel: omavahel tähenduslikud sõnad (nt värvused, loomisverbid jne) esitatakse sõnastikus ühtmoodi, ja see tagaks kõigi andmete süstemaatilise esituse (Langmets 2000: 93 94) SÕNAARTIKLI SÜSTEEMNE KIRJELDAMINE Sõnaartikli süsteemsel kirjeldamisel tuleb otsustada: millises formaadis esitada sõnaartikli eri osad (ehk struktuuriüksused) kui eksplitsiitne peab olema sisemine esitus millist andmebaasi tahetakse: kas võimsat või piisab teksti märgendamisest (mis koos suhteliselt lihtsate programmidega on n-ö andmebaasi simulatsioon) Tegevust, kus töötatakse välja sõnastiku täielik struktuurikirjeldus ja spetsiaalne kirjelduskeel, nimetatakse sõnaraamatu formaliseerimiseks, selle eesmärk on teha sõnaraamatu tekst automaatselt töödeldavaks (Langmets 2000: 94). Üks võimalus eritüübiliste ülesannete jaoks on märgendamine MÄRGENDAMINE 11

12 Tüpograafiline märgendus Teksti sees olevad lisasümbolid kirjeldavad teksti tüpograafilist külge: poolpaksu kirja, kursiivi jne ning teksti asetust. Seda nimetatakse toimingumärgenduseks ning see reguleerib kirjastiilide toimimist tekstist. Mõningal määral avab toimingumärgend ja sisu: mis on nt poolpaks on märksõna või alamärksõna. Üks näide tüpograafilisest märgendusest: <B>pune<D> <I>s<D> <N>maitse-<D> <I>v<D> <N>ravimtaim<D> <B> poolpaks; <I> kursiiv; <N> normal, harilik kiri; <D> märgendi kehtivuse lõpp Kuid sageli on nii, et toimingumärgenditest tuleb puudu, et märkida erinevaid infoüksusi. Selline märgendus ei võimalda teksti komponentide algoritmilist eristamist ning info eristamine sellisest tekstist nõuab suurt pingutust Deskriptiivne märgendus Sellise märgendamise abil on võimalik kirjeldada teksti sisu. Märgendiga tähistatakse kõik struktuuriüksused, ära märgitakse üksuste algus, iga uus üksus lõpetab automaatselt eelneva. Struktuuriüksusi kirjeldatakse nende sisust lähtuvalt, sageli on märgendi koodist aru saada, millise struktuuriüksusega on tegu. Mõni näide deskriptiivsest märgendusest: <MS>pune <SL>s <DEF>maitse<PUN>- <LYH>v <DEF>ravimtaim <MS> märksõna; <SL> sõnaliik; <DEF> definitsioon; <PUN> punktuatsioon; <LYH> lühend; **** m+pune g+s t+maitse- v ravimtaim 12

13 m+ märksõna; g+grammatika; t+tähendus Neisse märgenditesse on sisse kodeeritud korraga mitu erinevat informatsioonitasandit. Ühest küljest märgivad nad struktuuriüksusi, teisest küljest on neile antud hilisem kokkuleppeline väljanägemine. Nt <MS> märgendi taga peidab end märksõna ja see märksõna peaks hilisemas kujundatud või muus versioonis olema kindlasti kirja poolest esiletõusev, nt 14-punktine poolpaks Times. Samas ei ole deskriptiivne märgendus küllalt tõhus selleks, et tähistada sõnaraamatus esinevaid keerulisi hierarhiaid. Selleks sobib üldistatud märgendus Üldistatud märgendus (SGML) Selle märgendussüsteemi põhimõtteid on: märgendus peab kirjeldama teksti struktuuri märgendatud tekst peab olema algoritmiliselt töödeldav Üldistatud märgenduskeele rahvusvaheliseks standardiks kinnitatud SGML (Standard Generalized Markup Language). Selle keele uuenduseks on nõue märgendada struktuuriüksuse alguse kõrval ka selle lõpp. See muudab iga olemasoleva infoüksuse eksplitsiitseks ning näitab sõnastiku hierarhiat (kus miski võib asetseda teise sees). SGML töötab nii trükis ilmutamise kui ka dokumentide vahetuse ja uuestikasutamise heaks. Andmestruktuuride formaalne esitus pannakse kirja DTD (Document Type Definition) abil, mis lähtub: teksti sisust kirjeldab teksti loogilist ülesehitust võimaldab märgendeid arusaadavatesse rühmadesse jagada on avatud täiendustele ja uutele märgenditele DTD defineerib dokumendi elemendid, elementide atribuudid ja nende võimalikud väärtused ning entiteedid. Element on dokumendi struktuuriüksus, millel on oma identifikaator ja sisumudel. Elemendi atribuut täpsustab või kitsendab element. Entiteet on valmisports dokumendist. Kogu dokumendi kirjelduse õigsust kontrollitakse SGML-parseri abil. 13

14 Arvutileksikograafias kasutatakse SGMLi väga palju. Ka ülalkirjeldatud LDOCE on seda teatud mugandustega kasutanud. Näide SGMList: <Entry><Head><HWD>myth</HWD> <PronCodes><PRON>mIT</PRON></PronCodes> <POS>n</POS></Head> <Sense><GRAM>C,U</GRAM> <ACTIV>BELIEVE</ACTIV> <DEF>an idea or story that many people believe, but which is not true</def> <EXAMPLE>the myth of male superiority</example> <EXAMPLE>Most people think that bats are blind, but in fact this is a myth.</example> <ColloExa><COLLO>popular myth</collo> <GLOSS>one that a lot of people believe</gloss> <EXAMPLE>Contrary to popular myth, there is no evidence that long jail sentences really deter young offenders.</example></colloexa> <ColloExa><COLLO>explode/dispel a myth</collo> <GLOSS>prove that it is not true</gloss></colloexa></sense> <Sense><GRAM>C</GRAM> <FIELD>RM</FIELD> <DEF>an ancient story, especially one invented in order to explain natural or historical events</def> <EXAMPLE>the myth of Orpheus</EXAMPLE></Sense> <Sense><GRAM>U</GRAM> <FIELD>RM</FIELD> <DEF>this kind of ancient story in general</def> <EXAMPLE>the giants of myth and fairy-tale</example></sense></entry> TEI SGMLi edasiarenduseks on TEI (Text Encoding Initative) märgendusmudelid. Need on valmismudelid eri tüüpi tekstide jaoks. Mudeldatud on korpustekstid, trükitud sõnaraamatud jm (Langmets 2000: ). 14

15 II OSA 2. ÜLEVAADE SÕNARAAMATU TÜÜPIDEST Sõnaraamatute tüüpidesse jagamine on ses mõttes tänamatu töö, et need tüübid võivad muutuda ja muutuda võivad ka karakteristikud, mille järgi käib tüüpidesse jagamine. Nt ükskeelne sõnaraamat võib korraga olla nii üldkeele sõnaraamat, mis on mõeldud täiskasvanutele, kui ka oskuskeele sõnaraamat, mis on mõeldud lastele. Järgnevalt ülevaade sellest, kuidas üldse ja mille järgi on võimalik sõnaraamatuid tüüpidesse jagada. Sõnaraamatute põhitüübid keelte arvu järgi: ükskeelne sõnaraamat (monolingual / unilingual dictionary) kakskeelne sõnaraamat (bilingual dictionary) mitmekeelne sõnaraamat (multilingual / plurilingual dictionary) Sõnaraamatute põhitüübid sihtgrupi järgi: algaja sõnaraamat (beginner s dictionary) koolisõnaraamat (school dictionary) õppuri sõnaraamat (learner s / student s dictionary) edasijõudnu sõnaraamat (advanced learner s / college dictionary) Sõnaraamatute põhitüübid spetsialiseerumise järgi: üldkeele sõnaraamat (general dictionary) oskuskeele sõnaraamat (specialized dictionary) Sõnaraamatute põhitüübid kasutuseesmärgi järgi: tõlkesõnaraamat seletussõnaraamat õigekeelsussõnaraamat hääldussõnaraamat vormisõnaraamat 15

16 sünonüümisõnaraamat antonüümisõnaraamat võõrsõnade sõnaraamat, jne Sõnaraamatute põhitüübid formaadi järgi: taskusõnaraamat, minisõnaraamat tavasõnaraamat, lauasõnaraamat pehmeköiteline kõvaköiteline jne pabersõnaraamat elektrooniline sõnaraamat Ükski sõnaraamat ei esine puhtakujulise omaette tüübina, need tüübid segunevad vastavalt sõnaraamatu eesmärkidele, mis on tavaliselt vastavuses tema sihtgrupi eesmärkidega ÜKSKEELNE SÕNARAAMAT Sõnaraamatute seas peetakse ükskeelset üldkeele (seletavat) sõnaraamatut nii oluliseks nähtuseks, et sõnaraamatutüpoloogias kipub ta lausa omaette seisev tüüp olema. Nimetatud sõnaraamatut iseloomustab: a) üldine makrostruktuur, mis tähendab, et lisaks sisuga sõnadele on esitatud hulk funktsioonisõnu (nt ära, ei, mõni, mhmh jne), b) üldine mikrostruktuur, mis tähendab, et sõnaartikkel esitab kõik tavapärased infoüksused, 7 c) kirjelduse objekt ja kirjeldus ise on ühes ja samas keeles. Nt ingliskeelses maailmas pidi see sõnaraamat olema nii tavaline, et on olemas igas kodus nii nagu televiisor (Langemets 2003: 152). Ükskeelsetest üldkeele (seletavatest) sõnaraamatutest on Internetis kättesaadavad: 7 Sõnaraamatu makrostruktuur sõnaraamatu korraldus; sõnaraamatu mikrostruktuur sõnaartikli korraldus. 16

17 Oxford English Dictionary (OED) on-line / See sõnaraamat on mõeldud eelkõige filoloogile, sest sisaldab palju sellist materjali, mille dekodeerimisega tavainimene hakkama ei saaks ega ole tal seda vajagi. Tegemist on väga väärtusliku inglise keele materjaliga, sest esindatud on praktiliseks kogu maailmas räägitav inglise keel. Selle elektroonilise sõnaraamatu aluseks on 20- köiteline OED. OED on elektrooniliselt saadaval nii CD-ROMi kui ka Internetiversioonina. Sõnaraamat sisaldab sõnaartiklit ja on tasuline. OED on-line i uuendatakse igas kvartalis 1000 sõnaartikli ulatuses, mis tähendab päris uute sõnade lisamist kui ka olemasoleva revideerimist. Chambers 21st Century Dictionary / See sõnaraamat on eelkõige tavainimesele mõeldud suur inglise keele sõnaraamat, mis põhineb samanimelisel paberväljaandel ja mis on saadaval nii CD-ROMi kui ka Internetiversioonina, Internetis on see tasuta väljas. Sellel aadressil on saadaval ka 17

18 Chambers Thesaurus ja Chambers Bibliographical Dictionary. Sõnaraamatu otsimootor näeb välja nagu tavaline kast ja siin on näide ühest sõnaartiklist, mis otsisõna kasti sisestamiseks vastuseks tuli. Näide: diet 1 noun 1 the food and drink habitually consumed by a person or animal. 2 a planned or prescribed selection of food and drink, especially one designed for weight loss, maintenance of good health or the control of a medical disorder. 3 as adj denoting a food or drink, often with a brand name, that contains less sugar than the standard version diet lemonade. Compare low-cal. verb (dieted, dieting) intrans to restrict the quantity or type of food that one eats, especially in order to lose weight. dieter noun. ETYMOLOGY: 13c: from French diete, from Greek diaita way of life. diet 2 noun 1 the legislative assembly of certain countries, eg Japan. 2 historical a conference held to discuss political or church affairs. ETYMOLOGY: 14c, originally meaning 'a day's journey': from Latin dieta public assembly, from Greek diaita way of life. Longman Web Dictionary / See sõnaraamat põhineb kahel sõnaraamatul: Longman Dictionary of Contemporary English (LDOCE) ja Longman Advanced Americal Dictionary. See sõnaraamat on hõlpsasti kasutatav kõigi tavainimeste käes. Olgugi, et sõnaraamatu tutvustuses mainitakse, et tegu on võimsa ja suure sõnaraamatuga, see päris nii ei ole, kuid peaks rahuldama nii mõndagi. Näide: diet 1 S3, W2 noun 1 KIND OF FOOD [countable, uncountable] the kind of food that someone eats each day: It is important to have a balanced, healthy diet. a vegetarian diet [+ of]: They exist on a diet of fish. 2 TO GET THIN [countable] a limited range and amount of food that you eat when you want to get thinner : go/be on a diet: Lyn always seems to be on a diet. 3 FOR HEALTH [countable] a limited type of food and drink that someone is allowed because they have a health problem: a salt-free diet 4 a diet of too much of an activity that you think is boring or has bad effects: Kids today are raised on a constant diet of pop music and television. 18

19 5 MEETING [countable] old use an official meeting to discuss political or church matters diet 2 verb [intransitive] to limit the amount and type of food that you eat in order to become thinner Ükskeelseid sõnaraamatuid on Internetis veel, kui nimetada mõni, siis on esindatud Merriam-Websteri sõnaraamat ( mille täisversioon on tasuline; rootslaste suursõnaraamat Svenska Akademiens Ordbok (Internetis väljas A Talkumera; sakslaste suursõnaraamat Deutsches Universalwörterbuch Dudeni kirjastuselt ( oli vahepeal (eksikombel?) Internetis üleval. Nüüd seda enam kasutada ei saa, küll on aga samast raamatust CD-ROMi sõnaraamat olemas ÜKSKEELNE ÕPPURISÕNARAAMAT Lisaks ükskeelsele sõnaraamatule on ingliskeelses maailmas väga levinud nn õppuri sõnaraamat (advanced learner s dictionay, Ameerikas college dictionary). Seda sõnaraamatut ei tohiks ajada segi koolidele mõeldud sõnaraamatuga: enamasti on õppesõnaraamatu adressaat täiskasvanu, kes valdab ühte keelt ning kes vajab sõnastiku abi teises keeles suhtlemiseks. Eestis sellist tüüpi sõnaraamatuid puhtal kujul ei olegi. Ligilähedasim oleks vene keele iseseisvaks õppimiseks ja aktiivseks kasutamiseks mõeldud Eesti-vene õppesõnastik (1984). Õppesõnaraamat erineb ükskeelsest sõnaraamatust selle poolest, et tema märksõnastik on lühem ja märksõna käsitlus on tavaliselt funktsionaalne ja sünkrooniline. Väga sageli on õppesõnaraamatute lisaosad, kus kajastatakse kohanimesid, kirjavahemärke, grammatikat jpm (Langemets 2003: ). Sellised sõnaraamatud on olemas kõigil maailma mainekamatel sõnaraamatukirjastajatel, uusimad neist on ka elektrooniliselt ilmunud. CollinsCOBUILD Advanced Learner s Dictionary with CD-ROM, Macmillan Advanced Learner s Dictionary with CD-ROM, Oxford Advanced Learner s Dictionary with CD-ROM jne. 19

20 Üks näide Cambridge i kirjastuselt. leheküljel on kättesaadavad mitmed Internetisõnaraamatud, nt Cambridge Andvanced Learner s Dictionary, ükskeelne seletav idioomi- ja ühendverbide sõnaraamat, Cambridge American English Dictionary. Ükskeelseid sõnaraamatuid on Internetis veel saksakeelseid, nt on Dudeni kirjastusel väljaantud autoriteetne ükskeelne saksa seletav sõnaraamat, millest on ka CD-ROM ja mingi võimalus seda ka Internetis kasutada ( Eestikeelsetest ükskeelsetest sõnaraamatutest on Internetis ÕS 76, KeeleWebi aadressil ee. Hiljuti avati Eestis uus Interneti keelekeskkond, kus muu hulgas on kasutamiseks väljas ka ÕS 99 (saidi aadress on VAHETÜÜP Ükskeelse ja kakskeelse sõnaraamatu vahele jääb maailmas suhteliselt haruldane sõnaraamatu tüüp, mida nimetatakse inglise keeles bilingualized dictionary 8, eesti keeles sellele õiget vastet polegi, seda võiks tõlkida kui kakskeelset seletavat sõnaraamatut, otsetõlkes kõlaks ta kakskeelseks muudetud sõnaraamat. See on algselt enne kakskeelseks muutmist olnud ükskeelne seletav sõnaraamat. Tõlkimise käigus on see varustatud põhitähenduste tõlkega. Kuid kakskeelseks muutmise määrad erinevad sõnaraamatuti: ükskeelse õppesõnaraamatu definitsioonid tõlgitakse sõna-sõnalt ning esitatakse paralleelselt mõlemas keeles või esitatakse nende asemel sihtkeele ühesõnalised vasted ükskeelse õppesõnaraamatu näited tõlgitakse/ei tõlgita püsiühendeid, väljendeid jm üritatakse/ei üritata tõlkida vastavalt püsiühendiga, väljendiga jm emakeelt kasutatakse metakeelena, et selgitada võõrkeele probleeme 8 Termini bilingualized dictionary (A. S. Hornby) kõrval on kasutatud ka terminit semibilingual dictionary (L. Kerneman). Kerneman on arvanud, et semibilingual käib sõnaraamatu kohta, mille puhul tõlgitakse vaid märksõna tähendused ja alltähendused. Kui tõlgitud on rohkem, võib seda nimetada juba bilingualized. 20

21 asendatakse või lisatakse süntaktilist, grammatilist või foneetilist informatsiooni. (Marello 1998: ) Eestis on kakskeelseks muudetud sõnaraamatute näited Inglise-eesti seletav sõnaraamat Password (mis on inglisekeelsete seletuste poolest lihtne ja lakooniline) ja Suur inglise-eesti seletav sõnaraamat, mille aluseks on olnud Chambers Essential English Dictionary ja mis on klassikaline ükskeelse seletava sõnaraamatu kakskeelestamise näide. Kumbki sõnaraamat ei ole (veel) elektrooniliselt saadaval. Minu teadmist mööda ei ole ka muu maailma kakskeelestatud sõnaraamatud elektroonilised KAKSKEELSED SÕNARAAMATUD Kakskeelne sõnaraamat erineb ükskeelsest sõnaraamatust mitte ainult keelte arvu poolest, mis on ühtede kaante vahele paigutatud. Peamine erinevus seisneb hoopis märksõna tähenduste esitamises: kakskeelse sõnaraamatu märksõnade tähendusteks on teise keele vasted, ükskeelse sõnaraamatu puhul asub märksõna tähenduste real märksõna ümbersõnastus (ehk märksõna tähenduse ümbersõnastatud seletus) samas keeles mis märksõnagi. Kakskeelne sõnaraamat võib olla nii ühe- kui ka kahesuunaline, st ühtede kaante vahel võib olla näiteks kas inglise-eesti üksinda või nii inglise-eesti kui ka eesti-inglise. Kakskeelses leksikograafias nimetatakse neid keeli lähtekeeleks (keel, millest tõlgitakse) ja sihtkeel (keel, millesse tõlgitakse) ning tähistatakse neid keeli K1 ja K2. Kahesuunalistes sõnaraamatutes esinevad korraga mõlemad suunad: K1->K2 ja K2->K1 (Atkins 2003: 10). Kakskeelne sõnaraamat eeldab oma kasutajalt, et ta oskab oma emakeelt, ent ei oska kuigi hästi vastavat võõrkeelt. Kakskeelse sõnaraamatu mõlema suuna peale peaks inimesel olema võimalik kasutada kokku nelja tüüpi sõnaraamatut. Enamasti jagatakse need tüübid vastavalt aktiivseks ja passiivseks. Kui sõnaraamatut kasutatakse emakeelest võõrkeelde tõlkimisel, siis nimetatakse seda sõnaraamatut aktiivseks sõnaraamatuks. Kui sõnaraamatut kasutatakse võõrkeelest emakeelde tõlkimise juures, siis on selline sõnaraamat passiivne sõnaraamat. eestikeelsele kasutajale 21

22 i. passiivne sõnaraamat ingliskeelsest tekstist aru saamiseks ii. aktiivne sõnaraamat ingliskeelse teksti produtseerimiseks ingliskeelsele kasutajale i. passiivne sõnaraamat eestikeelsest tekstist aru saamiseks ii. aktiivne sõnaraamat eestikeelse teksti produtseerimiseks. Kirjelduse vahendit nimetatakse metakeeleks. Metakeel on keel, milles räägitakse sõnaraamatu kasutajaga ehk siis selles keeles pannakse kirja eriala-, stiili-, grammatikamärgendid, kommentaarid jms. Metakeel võiks olla esimene tunnus, mille järgi otsustada, miskeelsele kasutajale sõnastik on mõeldud (Langemets 2003: 155). kui metakeel on ühes keeles, siis on sõnaraamatu sihtrühmana arvestatud vaid selle keele kõnelejaid. kui metakeel on vaheldumisi kahes keeles, siis on see tavalisele keeleoskajale kõige raskem variant, sest peab olema väga hea keeleoskaja, et mõista teise keele metakeelt. kui metakeel on korraga mõlemas keeles mis on eelkõige võimalik arvutiversioonides, paberversioonides oleks see mõttetult ruumimahukas, siis saavad ühtviisi hästi aru mõlema keele kasutajad. Kakskeelseid sõnaraamatuid on Internetis tunduvalt enam kui ükskeelseid, seda eelkõige ilmselt sellepärast, et kakskeelse sõnaraamatu kasutajaskond on kõige suurem. Kuid väga tihti on need sõnaraamatud väiksemamahulised ja ebapiisavad. On aga ka häid, ja kui tuua mõni näide, siis tuntumad kakskeelsed elektroonilised sõnaraamatud asuvad: Cambridge i sõnaraamatu keskkonnas ( org) Näide inglise-prantsuse sõnaraamatust Dictionnaire Cambridge Klett Compact: 22

23 diet I 1. (what one eats and drinks) alimentation f 2. (for medical reasons) diète f 3. (to lose weight) régime m 4. no pl (limited range) pénurie f II vi être au régime/à la diète III vt mettre au régime Sama keskkonna inglise-hispaania sõnaraamatu Diccionario Cambridge Klett Compact näide: diet I dieta f; staple ~ dieta básica; to be on a ~ estar a dieta; to put sb on a ~ poner a alguien a dieta; to go on a ~ seguir una dieta II vi estar a dieta III vt to ~ sb poner a alguien a dieta diet I 1. сущ. Lingvo Online sõnaraamatu keskkonnas ( 1) питание, пища; еда, корм; стол Syn: food, fare 2) диета, режим питания to be on diet быть на диете to follow, stick to, go on a diet быть на диете to prescribe a diet прописать диету balanced, well-balanced, steady diet сбалансированная диета bland diet нестрогая диета crash diet строгая диета reducing diet восстанавливающая диета special diet индивидуальная диета high-calorie diet высококалорийная диета high-fiber, high-fibre diet диета с большим употреблением клетчатки low-sodium diet диета с употреблением минимального количества соды starvation diet голодание therapeutic diet лечебная диета milk-free diet диета с исключением молока low-salt diet диета с употреблением минимального количества соли salt-free diet бессолевая диета 2. гл. 1) устанавливать диету; держать на диете 23

24 2) соблюдать диету 3. прил. II сущ. малокалорийный diet drink напиток с пониженным содержанием калорий 1) орган законодательной власти, национальный парламент (английское название для сейма, ландтага, рейхстага и т.п.) 2) совещание, конференция, съезд, конгресс 3) назначенная дата (для какого-л. события) - diet of appearance 4) однодневное собрание; заседание, длящееся не более одного дня Kakskeelseid sõnaraamatuid on Internetis tohutult (vähem on neid CD-ROMidel). Et valida nendest endale sobivaim, võiks eelnevalt kindlaks teha, milliseid nõudeid me sõnaraamatule esitame, ses osas aitab ka näiteks samas referaadis eespool tutvustatud leksikograafilise info headuse mõõtmise kriteeriumid. 3. KOKKUVÕTE Elektroonilisse sõnastikku võib suhtuda mitmeti. Üks võimalus on vaadata teda kui pabersõnastiku elektroonilist versiooni ja ei midagi muud. Teine, hulga laiem võimalus on suhtuda sellesse kui pidevalt täienevasse ja muutuvasse keeleressurssi, mis omakorda toodab uusi elektroonilisi sõnastikke. Elektrooniline ja pabersõnastik on ühe sõnastiku kaks erinevat väljundit, mis kindlasti täiendavad teineteist. Enamasti soovivad sõnastiku kasutajad minna kindla peale, sõnastike puhul avaldub see näiteks võimaluses saada sõnastikku enne soetamist korralikult sirvida. Sirvimiseks sobivad mõlemad sõnastikud ideaalselt. Järelikult on mõlema võimalused head, et neid ka edaspidi võrdselt kasutatakse. KIRJANDUS 24

25 Langemets, M Sõnaraamatu arvustuslingvistiline analüüs. Magistritöö. Tallinn, 134 lk. Langemets, M Kas ükskeelne või kakskeelne sõnaraamat? Toimiv keel I. Eesti keele instituudi toimetised 12, Langemets, M Eesti sõnaraamat Internetis Keel ja Kirjandus 5, Marello, C Hornby s bilingualized dictionaries International Journal of Lexicography, Vol. 11, No. 4, Atkins, B. T. S Bilingual Dictionary Past, Present and Future Lexicography and Natural Language Processing. A Festschrift in Honour of BTS Atkins. EURALEX, Longman Dictionary of Contemporary English. Pearson Education, 2001 INTERNETIALLIKAD ee