терминологической службы по праву предлагается наряду с рядом словарей включить сведения, отражающие различные статистические характеристики терминов). Среди них могут быть сведения о числе употребляемых в различных нормативных актах или изданиях терминов; частоте использования отдельных терминов и т.д. (112, с.65), а также число текстов тех отраслей права, в которых встречается термин. Частотный словарь можно рассматривать как своего рода модель текста, как модель распределения частот употребления единиц в тексте (101, с.54) или как « информационнопоисковую систему в миниатюре, которая способна выдавать сведения о различных сторонах текста и словаря (143, с.7). Установление взаимной зависимости между частотными и лексикограмматическими свойствами слов в определенном текстовом массиве позволяет на практике установить частотную границу перехода от периферийной (в рассматриваемой тематической области) лексики к основной (ядерной); а также частотную границу, разделяющую терминологическую и нетерминологическую лексику (7,46). Анализ частотного распределения лексических единиц того или иного массива текстов позволяет выделить на его основе ядро лексики соответствующей предметной области. Подобная методика используется и при выделении ядра терминологии (о выделении ядра терминологии по программным средствам вычислительной техники на основе анализа частоты употребления терминов (9)), и при выделении опорных (ключевых) слов текста (30). Частотные и частотно — распределительные данные могут использоваться и, в той или иной мере сейчас используются, в различных информационно-поисковых системах для определения степени информативности терминов. Это, в свою очередь, являются основой для построения поисковых образов документов и отбора терминов в |
37 Прикладная лексикология и машинная лексикография являются сегодня ведущими направлениями автоматизации лингвистических и прикладных разработок. Одним из основных направлений автоматизации лексикографических работ является построение частотных словарей. Частотный словарь тех или иных лексических единиц дает представление о статистической структуре определенного уровня организации того текста, который послужил основанием для составления частотного словаря. Кроме того, полученные статистические данные находят применение при разработке алгоритмов автоматизированного анализа текстовой информации. Как отмечается в работе [Королев, 1981], "требование алгоритмизации играет все более возрастающую роль в современных АИПС; в ряде случаев оно становится доминирующим и оказывает решающее влияние на построение лингвистического обеспечения системы" [с. 5]. Как уже отмечалось, потребность в получении статистических данных об организации лексического состава нормативных актов в настоящее время осознается и специалистами в области права (например, в банк данных терминологической службы по праву предлагается наряду с рядом словарей включить и сведения, отражающие различные статистические характеристики терминов. Среди них могут быть сведения о числе употребляемых в различных нормативных актах или изданиях (например, в Своде законов СССР) терминов; частоте использования отдельных терминов и т.д. [Юсупов, 1990, с. 165], а также (об этом ниже) число текстов тех отраслей права, в которых встречается термин. Частотный словарь можно рассматривать как своего рода модель текста, как модель распределения частот употребления единиц в тексте [Тулдава, 1987, с. 54] или как "информационно-поисковую систему в миниатюре, которая способна выдавать сведения о различных сторонах текста и словаря" [Частотный словарь русского языка, 1977, с. 7]. Установление взаимной зависимости между частотными и лексико-грамматическими свойствами слов в определенном текстовом массиве позволяет-на практике установить частотную границу перехода от периферийной (в рассматриваемой тематической области) лексики к основной (ядерной); а также частотную границу, разделяющую терминологическую и нетерминологическую лексику [Андрукович, Королев, 1977; Королев, Корсакова. Сафронова. 1984]. Анализ частотного распределения лексических единиц того или иного массива текстов позволяет выделить на его основе ядро лексики соответствующей предметной области. Подобная методика используется и при выделении ядра терминологии (о выделении ядра терминологии по программным средствам вычислительной техники на основе анализа частоты употребления терминов см. [Ахмеджанов, Гельфман, Королев, 1989]), и при выделении опорных (ключевых) слов текста [Джубанов, 1990]. Частотные и частотно-распределительные данные могут использоваться и. в той или иной мере сейчас используются, в различных информационно-поисковых системах для определения степени информативности терминов. Это же в свою очередь является основой для построения поисковых образов документов и отбора терминов в поисковые предписания. Основными характеристиками термина здесь являются общая частота его употребления на рассматриваемом массиве и степень равномерности его употребления. Существуют различные меры, позволяющие определить степень равномерности и, соответственно, информативности, термина. В работе [Поликарпов, 1991] в числе существующих формальных методов задания информативных элементов текста (разработка подобных методов необходима для автоматического выделения информативных элементов текста в целях автоматизации индексирования, которая является одной из наиболее актуальных проблем информационных систем) называются статистические методы, основанные на учете частоты повторения элемента в различных интервалах текста, в целом тексте или совокупности текстов. В основе применения статистических методов в целях автоматического индексирования лежит идея о возможности использования числовых параметров для оценки степени информативности различных фрагментов текста. При этом основной и наиболее сложной задачей является выявление тех частотных параметров, которые можно было бы использовать для оценки значимости терминов. Проблемы установления статистических закономерностей, характеризующих единицы текста с точки зрения их терминологичности рассматриваются, в частности, в работах [Каушанская, 1972; Негуляев, 1973; Пиотровский, 1975; Манасян, 1985; Остапенко, 1987]. |