Проблемы идеографической репрезентации семантики свободных высказываний таксономического типа

Введение. Проблема идеографической репрезентации семантики свободных высказываний таксономического типа в языкознании связана с задачами компьютерного распознавания предложений и небольших текстов, относящихся к конкретным предметным областям. Разработка данной проблемы привела к появлению работ, посвящённых как языковому моделированию, так и проблеме разработки общей методики такого моделирования¹.

Известно, что необходимыми условиями для адекватного протекания процесса коммуникации является сходство языковых картин мира коммуникантов2. Иными словами, в процессе кодирования и декодирования посылаемых и получаемых сообщений коммуниканты должны опираться на сходные системы значений. Эти системы значений Н.И.Жинкин обозначил как «универсальный предметный код» (УПК)3.

Проблематика УПК в особенности актуальна для коммуникации в профессиональных облас-

тях, где функционируют устойчивые термино-системы и определяемые научной парадигмой языковые картины предметных областей. Действительно, специфичность профессионального знания вкупе с однозначной формулировкой его терминов требуют наличия единой системы значений, поскольку эти значения должны одинаково восприниматься всеми, кто имеет отношение к данной предметной области. В свете этого весьма актуальным направлением представляется создание единой семантической модели конкретной предметной области. Модель такого рода должна строиться на основе лексической базы и описывать предметную область с точки зрения её структуры – виды составляющих её элементов и объединяющих их связей.

Предложения и тексты таксономического типа (все «А» делятся на «а1», «а2», … «аn»), имеют достаточно стандартную семантическую конфигурацию и широко распространены в различных науках. Они являются удобным языковым материалом для наглядной репрезентации их семантики. Для этих целей в лингвистике используется идеографический метод Ю.Н.Караулова. В своём классическом виде данный метод представляет семантику предметной области в форме ориентированного плоского древовидного графа. Вместе с тем, развитие современной лингвистики и смежных наук, опирающихся на её разработки, выявило некоторые слабые стороны классического идеографического метода.

Во-первых, на практике широко распространено деление одного понятия одновременно на различные группы (т.е. по нескольким критериям). Например, понятие «человек / люди» можно делить по полу, возрасту, образовательному цензу, национальности и т.д. При этом появляются антонимические группы, а сам граф перестаёт быть плоским и превращается в ква-зипространственный.

Во-вторых, появление критериев, по которым выделяются группы, с точки зрения языкознания означает появление на графе метаязыковых структур, не предусмотренных в классическом идеографическом методе.

В-третьих, различные значения, входящие по различным критериям в разные группы, могут обозначаться одними и теми же словами. Например: открытая и закрытая дверь (по положению в пространстве); открытый и закрытый человек (по характеру); открытая и з акрытая научная тема (по уровню секретности) и т.д. Это порождает полисемию слов и требует для распознавания их значений опоры на лексическое окружение. Но в самом графе это требует не объединения различных значений, а наоборот, их чёткого различения.

В-четвёртых, одно и то же значение может одновременно входить в две или более семантических группы. Например, элемент костный мозг будет одновременно и частью кости, и частью кроветворной, и частью иммунной систем человека. При этом граф, отображающий такие семантические связи, превращается из плоского или даже квазипространственного в сетевую структуру. Это было показано нами ранее на примере анализа анатомии таза человека⁴.

Наконец, в-пятых, семантика выделенных групп может иметь как континуальный (непрерывный), так и дискретный (чётко разделённый) характер. Примером первого случая может быть лексика деления человека по возрасту (от младенца до старика) или силы ветра на шкале Бофорта (от штиля до урагана). В этом случае мы сталкиваемся не просто с группами, а со шкалами. В этих случаях деление шкал носит достаточно условный характер, а семантика становится нечёткой. Понятно, что и идеографическое отображение таких шкал становится также достаточно условным. Во втором случае семантика слов чётко отделена друг от друга (например, названия драгоценных камней – алмаз, сапфир, рубин и т.п.). С точки зрения идеографии только такая семантика может быть репрезентирована классическим древовидным графом Ю.Н.Караулова.

Таким образом, на сегодняшний день в языкознании возникла необходимость в коррекции классического идеографического метода. Актуальность данной задачи стимулируется развитием компьютерной лингвистики и систем автоматического распознавания естественного языка. Если в процессе коммуникации в режиме «че- ловек-человек» процессы кодирования и декодирования сообщений носят естественный характер и едва ли осознаются коммуникантами, то в режиме «человек-машина» необходимо делать поправку на особенности второго коммуниканта – компьютера. Это означает, что упомянутые выше когнитивные процессы необходимо описать и алгоритмизировать, а саму языковую картину предметной области – переработать в соответствующую базу знаний.

В программировании одним из методов описания структуры баз знаний является теория графов, что и делает сходными эти две задачи: репрезентации семантики свободных высказываний с помощью идеографического метода Ю.Н.Караулова и описания структуры компьютерной базы знаний с помощью теории графов. Но поскольку теория графов носит более развитой характер, чем идеографический метод Ю.Н.Караулова, то перед нами встаёт вопрос: что для лингвистики необходимо заимствовать из теории графов, чтобы дополнить и развить классический идеографический метод и сделать его более адекватным для задач языкового описания семантики предметных областей.

Терминология. Граф – базовое понятие; включает множество вершин и множество рё бер, являющееся подмножеством декартова квадрата множества вершин (т.е. каждое ребро соединяет ровно две вершины). Вершина графа – базовое понятие: точка, где могут сходиться / выходить рёбра дуги графа. Дерево (древовидный граф ) – связный граф, не содержащий циклов. Корень графа – выбранная вершина дерева. Лес – ориентированные древовидные графы без циклов. Компонентами связ ности леса являются деревья. Лист дерева – вершина дерева с единственным ребром или входящей дугой. Обычно это нижние (терминальные) вершины на древовидном графе. Ребро (дуга) графа – базовое понятие: способ графического отображения смысловой связи двух соседних вершин.

Цели и задачи. Целью нашего исследования стал сравнительный анализ идеографического метода Ю.Н.Караулова и теории графов, использующихся для репрезентации семантики свободных высказываний таксономического типа, относящихся к заданной предметной области.

Задачами исследования стали: а) анализ таксономических высказываний с точки зрения соотношения в них элементов метаязыка и языка-объекта; б) семантический анализ структуры составного термина, относящегося к данной предметной области; в) определение возможностей для репрезентация выявленной семантики с помощью идеографического метода и выявление возникающих при этом проблем.

Материал и метод. Материалом нашего исследования являются 343 ответа студентов 5-го курса лечебного факультета на вопрос о классификации повреждений таза, а также 17 учебников и научных монографий, относящихся к данной предметной области (травматология). В общей сложности объём материала составил 360 высказываний таксономического типа.

В ходе исследования использованы следующие методы: 1) метод экспертных оценок имеющегося речевого материала; 2) метод системного анализа; 3) тезаурусный метод; 4) метод когнитивной графики (графическое представление семантики предметной области с помощью идеографического метода и теории графов); 5) сравнительный метод; 6) статистический метод.

Результаты работы. 1. Анализ таксономических высказываний с точки зрения соотношения в них элементов метаязыка и языка-объекта. Для решения первой и третьей задач рассмотрим несколько высказываний студентов с точки зрения соотношения в них элементов метаязыка и языка-объекта, а также с точки зрения возможности их идеографической репрезентации: А) Все переломы таза делятся на открытые, закрытые, со смещением, без смещения, с повреждением внутренних органов, без повреждения внутренних органов. Б) Все переломы таза делятся на: 1. Открытые, закрытые; 2. Со смещением и без смещения; 3. С повреждением внутренних органов, без повреждения внутренних органов. В) Все переломы таза делятся: 1) по наличию раны; 2) по наличию смещения; 3) по локализации повреждений.

В первом предложении основная семантика представлена семантически однородными признаковыми элементами. Они являются либо прилагательными, либо предложно-падежными конструктами и относятся к языку-объекту. Видно, что студент воспринимает картину повреждений таза слитно, не выделяя явных оппозиционных групп. Семантический граф этого предложения может быть легко представлен в рамках классического идеографического метода Ю.Н.Караулова, где корнем графа является тема предложения (Т – «Все переломы таза»), а его листьями – члены ремы предложения (Р₁ – Р 6 ) (рис. 1).

Т

Р 1        Р 2        Р 3             Р 4        Р 5        Р 6

Рис. 1. Граф ответа «А»

Во втором предложении рема разделена на три группы, которые представлены семантически оппозиционными парами. Эти пары обозначены цифрами, которые могут быть легко заменены словами. Очевидно, что в данном высказывании цифровые обозначения «1», «2» и «3» могут рассматриваться как элементы метаязыка.

Это усложняет графическую репрезентацию данного высказывания за счёт появления вершин и связей, которые относятся к метаязыковому слою (рис. 2). Классический идеографический метод Ю.Н.Караулова не предусматривает репрезентации метаязыковых элементов.

Рис. 2. Граф ответа «Б»

Третий ответ представлен только критериями (К) выделения видов переломов таза. Элементы языка-объекта в данном случае отсутствуют, они лишь подразумеваются. Идеографический метод в его классическом варианте здесь уже не применим. Сравнение графов №1 и №3 будет некорректным (рис. 3). Даже при их внешнем сходстве они имеют лишь один общий элемент — корень Т. Это лучший из трёх ответов: студент показал не только знание классификации, но и понимание принципов её построения.

Кр 1

Кр 2

Рис. 3. Граф ответа «В»

Кр 3

Таким образом, для того, чтобы классический идеографический метод Ю.Н.Караулова мог использоваться для репрезентации, а тем более для сравнения различных высказываний таксономического типа, он должен быть расширен и дополнен: а) возможностями для репре- зентации метаязыковых элементов высказываний; б) построением обобщённого графа, описывающего семантику всех слоёв метаязыка и языка-объекта данной предметной области как некоторого универсального предметного кода этой области.

• 2.    Семантический анализ структуры составного термина, относящегося к предметной области «Повреждения таза». Для решения второй задачи проанализируем семантическую структуру составного термина, описывающего семантику данной предметной области. Проведённый анализ показал, что в основе описания семантики классификации повреждений таза лежат составные термины, структуру которых можно выразить абстрактной формулой: {P} {S} ^ {A}, где знаком «<=» обозначено согласование, а «^» - управление между элементами лексико-семантических групп, образующих предметную область. Примером таких составных терминов могут быть выражения открытый перелом таза , закрытый отрыв правого крыла таза , передний вывих копчика и т.д. В реальной речи врачей эти составные термины могут быть фрагментами классификации

Главными словами этих выражений являются слова, обозначающие виды повреждений: переломы, отрывы, вывихи и т.д. Обозначим их как S1, S2 …. SM. Т.о., мы получаем субъектную лексико-семантическую группу (ЛСГ {S}). Вторую группу слов и словосочетаний состав- ляют анатомические термины таз, кости таза, копчик, правое крыло таза и т.д. Это объектная ЛСГ; обозначим её элементы как А1, А2, ... АN. Наконец, третью, признаковую ЛСГ составляют прилагательные вроде открытый, закрытый, передний и т.д. Обозначим их как P1, P2, … PL.

Т.о., общую семантическую структуру предметной области «Повреждения таза» можно представить в виде т.н. леса, т.е. графа, состоящего из нескольких плоских подграфов-деревьев. В данном случае лес образован графами трёх ЛСГ - признаковой ({Р}), субъектной ({S}) и объектной ({A}). Каждый граф состоит из определённого числа элементов двух видов – элементов метаязыка и языка-объекта. При этом вся собранная нами лексика, называющая признаки, виды повреждений и анатомические объекты, относится к языку-объекту и размещается в листьях графа (овальные элементы). Лексику, описывающую критерии выделения семантических оппозиций, следует отнести к метаязыку. На графе метаязыковые элементы представлены прямоугольными вершинами.

повреждений таза, готовыми диагнозами, а также фрагментами сложных предложений.

Рис. 4. Принципиальная схема семантической структуры предметной области «Повреждения таза»

1                      2          3          4                      5

Рис. 5. Схема вхождения одного и того же элемента в разные подгруппы

В количественном отношении ЛСГ {S} представлена 24 терминами (L = 24). ЛСГ {А} состоит из минимум 1600 лексических единиц – это предметная терминология, общемедицинская терминология и общая (бытовая) лексика (M ~ 1600). При этом было выявлено наличие номинативных терминологических лакун, т.е. отсутствие терминологических наименований для реальных анатомических объектов5. Признаковую лексико-семантическую группу (ЛСГ {P}) формируют около ста терминов-прилагательных (N ~ 100). Т.о., общее количество комбинаций элементов этих трёх ЛСГ по самой минимальной оценке должно составить около четырёх миллионов (100 * 24 * 1600 = 3 840 000).

Анализ семантики ЛСГ {А} позволил выявить тот факт, что одна и та же лексическая единица или словосочетание может входить в несколько семантических подгрупп одновременно. Например, словосочетание верхняя ветвь правой лонной кости (рис. 5, №6) является элементом деления концепта правая лонная кость (рис. 5, №1). Одновременно с этим данное словосочетание является элементом деления концептов « правая тазовая кость» (рис. 5, №2), « правая половина таза » (рис. 5, №3), « переднее полукольцо таза » (рис. 5, №4) и «правая колонна таза » (рис. 5, №5). Т.о., словосочетание верхняя ветвь правой лонной кости одновременно входит в пять семантических подгрупп. Идеографически данная семантика будет репрезентироваться уже не исходящими (как в классическом методе Ю.Н.Караулова) из неё стрелками, а входящими в неё (рис 5). Это приводит к переходу от классических древовидных структур к сетевым, а сам граф становится не плоским, а квазипространственным.

Ещё одна проблема идеографической репрезентации семантики была выявлена при анализе

ЛСГ {S}(виды повреждений). Среди лексических единиц, обозначающих виды повреждений ( переломы, вывихи, растяжения, отрывы и т.д. ) был выявлен термин переломовывих ⁶. Очевидно, что он занимает промежуточное положение между строгими определениями перелом и вывих . Следует отметить, что сочетание двух и более видов других повреждений встречается весьма часто (классическим литературным примером может стать сочетание огнестрельных ранений ног с их последующим отморожением у известного лётчика А.Ма-ресьева). Однако кроме термина « переломовывихи , нами не зафиксировано лексики, обозначающей такой род сочетаний.

При идеографической репрезентации это приведёт к появлению значительного количества значений, имеющих онтологическое содержание, но не имеющих терминологического обозначения, а только дескриптивное. На нашем материале (при 22 дочерних вершинах относительно корня «Повреждения» и одной переходной «Переломовывихи» в ЛСГ {S}) это явление при семантическом моделировании может привести к появлению 462 (22 * 21 = 462) словосочетаний. Иными словами, при идеографической репрезентации семантики данной ЛСГ за вершинами, обозначенными 22 зафиксированными терминами, имеется на порядок большее количество «пустых», или невербализованных с точки зрения репрезентирующей их лексики концептов.

Обсуждение полученных результатов. Проведённый нами анализ семантической структуры терминосистемы «Повреждения таза» с применением для её визуализации идеографического метода Ю.Н.Караулова показал, что для адекватной идеографической репрезентации материала такого рода необходимо в первую очередь различать язык-объект и описывающий его метаязык. На графе это приводит к появлению различных типов вершин, а также связы- вающих их отношений, характер которых необходимо учитывать.

Отдельного комментария требует методологическая сторона работы. Выявленное нами количественное ограничение (порядка 4 млн. теоретически возможных сочетаний), делает традиционный метод филологических исследований (сбор лексической базы, описание парадигматических, гипо- и гиперонимических отношений между её элементами, построение концептуальной модели) – изначально непродуктивным, поскольку для того, чтобы полученная в рамках данной предметной области модель была более или менее достоверной, филологу необходимо описать хотя бы 1 – 1,5 миллиона терминов. Из-за такого количественного ограничения данная задача перестаёт быть решаемой традиционными языковыми методами.

В этом отношении в методологическом плане более продуктивным представляется иной путь: от эпистемологии предметной области через конечные задачи обработки речевого материала к способам языкового выражения установленной предметной семантики. Иными словами, это путь от предметной экстралингвистики и её семантического моделирования к описанию способов номинации (т.е. после получения ограниченного материала сразу переходить к моделированию семантики). Минусом такого пути является организационная сторона работы: необходимо создание устойчивых коллективов из специалистов-предметников, филологов и программистов, работающих длительное время на конкретном направлении.

Выводы. Таким образом, отвечая на главный вопрос – об определении возможностей репрезентации семантики с помощью идеографического метода и возникающих при этом проблем – мы можем сказать следующее: 1) Классический идеографический метод визуальной (идеографической) репрезентации семантических отношений в рамках предметной области, предложенный Ю.Н.Карауловым, нуждается в усовершенствовании. 2) Потребность в совершенствовании метода Караулова обусловлена, помимо прочего, необходимостью учитывать не только элементы языка-объекта (как у Ю.Н.Караулова), но и элементы метаязыка, что делает необходимым различать на графе как характер вершин, так и характер связывающих их отношений. 3) При построении графа составного термина, лежащего в основе описания семантики данной предметной области, мы переходим от одного «дерева» (как у Ю.Н.Караулова) к «лесу», представленному в данном конкретном случае сразу тремя деревьями. Это связано с выявленной нами трёхмерной семантической структурой пространства полного составного термина, и, соответственно, с трёхмерностью концептуальной семантической модели данной классификации, что отражается на общей структуре графа. 4) Наконец, мы должны констатировать возможность появления при моделировании семантики не только древовидных (как у Ю.Н.Караулова), но и сетевых структур.

PROBLEMS OF IDEOGRAPHIC REPRESENTATION OF TAXONOMIC-TYPE EXPRESSIONS SEMANTICS

• ¹Samara State Medical University

• ²Samara State Technical University