Grammar valency models of most frequent Lithuanian verbs

Darbe aprašytas 3000 dažniausių lietuvių kalbos veiksmažodžių junglumo tyrimas remiantis automatinėmis priemonėmis ir iš 100 mln. žodžių sudaryto „Dabartinės lietuvių kalbos tekstyno“ duomenimis. Automatiškai lietuvių kalbą analizuojanti programa, sukurta Vytauto Didžiojo universiteto Kompiuterinės lingvistikos centre, iš morfologiškai anotuoto tekstyno nustatė, kokius linksnius ir prielinksnius valdo dažniausi lietuvių kalbos veiksmažodžiai. Programa nenurodė, ar tirti veiksmažodžiai gali valdyti bendratį ir prisijungti šalutinius sakinius – tai nustatyta darbe aprašyto tyrimo metu. Šiame tyrime atsisakyta analizuoti tuos atvejus, kai veiksmažodžiai gali prisijungti vietininką ir prieveiksmius, nes beveik visi veiksmažodžiai gali būti vartojami su minėtomis formomis. Paaiškėjo, kad automatinės programos net 41 proc. linksnių pavartojimo atvejų buvo nurodyta neteisingai ir tik apie 14 proc. gerai nustatytas veiksmažodžių junglumas su prielinksniais. Tokias automatinės programos klaidas lemia tai, kad veiksmažodžių valdomi žodžiai gali būti nutolę per kelias pozicijas ir tarp tų žodžių gali būti įsiterpusių kitų veiksmažodžių valdomų žodžių. Atlikus 500 dažniausių veiksmažodžių vartojimo dažnumo skaičiavimus, paaiškėjo, kad daugiau negu pusė (51 %) visų valentinių palydovų sudaro linksniai, kiek mažiau (36 %) – prielinksninės konstrukcijos. 8 procentai visų valentinių palydovų sudaro šalutiniai sakiniai, o junglumo modeliai su bendratimi sudaro tik 5 % visų junglumo modelių. Palyginus 3000 išsamiau analizuotų veiksmažodžių gautus junglumo modelius su N. Sližienės žodyne pateiktais modeliais, paaiškėjo, kad beveik 88 proc. junglumo modelių sutapo. Vadinasi, tekstyne rasta apie 12 proc. daugiau veiksmažodžių junglumo modelių nei N. Sližienės žodyne. Daugiau negu trečdalį visų tirtų dažniausių lietuvių kalbos veiksmažodžių N. Sližienės žodyne nepavyko rasti. Tokiems veiksmažodžiams gramatinis junglumas nustatytas remiantis tekstyno duomenimis. Parengtas 3000 dažniausių veiksmažodžių žodynėlis turėtų būti naudingas tiek kalbos praktikai (ypač lietuvių kalbos besimokantiems užsieniečiams), tiek mokslui (galima aprašyti tendencijas, kaip kinta lietuvių kalbos veiksmažodžių junglumo modeliai). Šio tyrimo rezultatai galės būti panaudoti VDU Kompiuterinės lingvistikos centre vykdomuose lietuvių kalbos skaitmeninimo projektuose: tobulinant morfologinį analizatorių, sprendžiant morfologinio daugiareikšmiškumo problemas, kuriant sintaksinį anotatorių, tobulinant ir kuriant mašininio vertimo sistemas.The present thesis presents a valency analysis of 3000 most frequent Lithuanian verbs, which were analysed by using data of an automatic program and the Corpus of the Contemporary Lithuanian Language containing 100 million running words. The program, which is created by the Centre of Computational Linguistics at Vytautas Magnus University and automatically analyses the Lithuanian language, determined cases and prepositions that are governed by the most frequent Lithuanian verbs relying on the data of the morphologically annotated corpus. The analysis revealed that the program did not indicate whether the verbs under analysis could be followed by the infinitive form and which verbs could attach subordinate clauses. The ability of verbs to attach either the locative case or adverbials was not analysed, since almost all verbs can be used with these forms. The results show that even 41 percent of case occurrences with the verbs were indicated incorrectly and only around 14 percent of cases of verb combinability with prepositions were correct. Such automatic program errors are conditioned by the fact that words, which are governed by the verbs, can be several positions away from the verb in a sentence or they can be separated by some words, which are governed by other verbs. Frequency counting of 500 most frequent verb usage shows that more than one half (51 %) of all valency satellites are cases while 36 % of them are prepositional constructions. 8 % are subordinate clauses while valency models with infinitive comprise 5 % of all valency models. The comparison of 3000 valency models, which were analysed in greater detail, with the models provided in the dictionary by N. Sližienė showed that almost 88 percent of the valency models coincide. Such results imply that almost 12 percent more verb valency models were found in the corpus than in the dictionary by N. Sližienė. However, more than one third of all the examined most frequent Lithuanian verbs were not found in the dictionary by N. Sližienė. Thus, grammatical valency for such verbs was determined relying on the corpus data. A dictionary consisting of 3000 verb entries was compiled. It could be useful for language practice (especially by foreigners studying Lithuanian) as well as research (since it will be possible to describe changing tendencies in Lithuanian verb valency models). Moreover, the research results could also be used by the Centre of Computational Linguistics at Vytautas Magnus University for its projects on digitalisation of Lithuanian, such as improvement of the morphological analyser, solution of polysemy problems in morphology, creation of a syntactic analyser, improvement and development of machine translation systems.Vytauto Didžiojo universiteta