3rd Nordic Conference of Computational Linguistics NODALIDA

Transkript

1 163.'eim er G ustavson U ik s a n tik v a rie ä m b e te t, Stockholm FÖRARBETEN TILL EN DATORISERAD RUNORDBOK I d et fö lja n d e b e s k r iv s a r b e t e t med a t t u p p r ä tta e t t A D B -baserat r e g i s t e r ö v er d et s p r å k lig a m a t e r ia le t i S v e r ig e s r u n in s k r if t e r.d e t s k a l l också t jä n a som en u tgån gsp u nkt f ö r en p la n e ra d runordbok. Ur d a to r te k n is k synpunkt kan d et v a ra av i n t r e s s e, e fte rso m d et b ygger på e t t m ikro datorsystem och t illä m p n in g av i n t e r a k t i v a program, som medger direktkom m uniktion i k l a r t e x t. R e g i s t r e t s in n e h å ll kommer huvuds a k lig e n a t t bygga på in n e h å lle t i i n s k r i f t e r n a i s e r i v e r k e t S v e r ig e s r u n i n s k r i f t e r ( 1 9 OO- ). R e g is t r e t ä r tä n k t a t t b e s tå av tv å s t ö r r e d e la r : e t t o r d r e g is t e r och e t t r e g i s t e r ö v er de e n s k ild a in s k r i f t e r n a. T i l l o r d r e g i s t r e t k n y ts, om s å ä r lä m p lig t och m ö j li g t, e t t n am n register ö v er personnamnen och ortnamnen i r u n in s k r if t e r n a. Förutom a t t r e g is t r e n kommer a t t li g g a la g ra d e f ö r löpande ADBb eh an d lin g b l i r de o ckså utgån gspunkt f ö r t r y c k t a fö r te c k n in g a r, b l a i form av den nämnda runordboken. A v sik ten a r a t t ADB-system et s k a l l gö ra r u n m a te r ia le t i r u n i n s k r i f t erna sn ab b t och e n k e lt å tk o m lig t f ö r o l i k a sa m m an ställn in gar och anal y s e r och därigenom u n d e r lä t t a undersökningen och p u b lic e r in g e n av r u n in s k r ift e r n a i S v e r ig e. Vi kan med system ets h jä lp gö ra o l i k a s o r t e r in g a r och s e l e k t i v a sö k n in g a r, som annar vo re mycket tidsödande e l l e r o m ö jlig a a t t u t f ö r a. Vår a v s i k t ä r o ck så a t t gö ra d et t i l l g ä n g l i g t f ö r andra fo r s k a r e i form av en ru n d a tab a s.a D B -tilläm pn in gen inr.ebär o ck så, a t t p u b lic e r in g e n av m a t e r ia le t kan ske på ann at s ä t t än man t i d i g r e h a f t m ö jlig h e t t i l l. Den m an u ella b e a rb etn in g en medgav in te a t t man kunde göra om fattande och snabba ä n d rin g a r i och r e d i g e r in g a r av ord - och nam nförrådet i r u n in s k r if t e r n a. Sådana än d rin g a r v a r nödvändiga, e fte rso m v i s s a r e s u l t a t i de ä ld r e u tg åv o rn a v a r in a k t u e lla e l l e r f e l a k t i g a. Tanken på p u b lic e r in g av en ordbok sk ö ts d ä r fö r i r e a l i t e t e n på en a v lä g se n fr a m tid, t i l l den tid p u n k t då man räknade med a t t ha e t t ad ek vat m a t e r ia l. Genom R unverkets d ato rsystem och ord b ehan dling ssystem räkn ar v i nu med a t t kxinna g ö ra p r e lim in ä ra u tg å v o r, med g iv n a b eg rä n s n in g ar, i form av o r d lis t o r / n a m n lis t o r och a t t snabbt kunna in fö r a r ä t t e l s e r och o m red ig erin g ar a llt e f t e r s o m v i h ar u tv ä r d e r a t d et ä ld r e m a t e r ia le t. R e g is tr e ts s t o r l e k M a t e r ia le t o m fa tta r omkring 3500 r u n i n s k r i f t e r i S v e r ig e fr å n f ö r h i s t o r i s k t i d och fr å n n o rd isk m e d e ltid. Huvuddelen b e s t å r av in s k r i f t e r fr å n t a l e t och b ö rjan av b ö rja n av t a l e t ( v ik in g a tid e n ). Det m ed e ltid a m a t e r ia le t u tg ö r en f j ä r d e d e l. Denna runkorpus ä r p u b lic e ra d i S v e r ig e s r u n i n s k r i f t e r. Danmarks R u n e in d s k r ifte r ( , Skåne»B lekinge och H allan d ) och Norges I n n s k r i f t e r med de yngre Runer»B ohuslän). I v is s u t s t r ä c k n in g h ar o ckså 163

2 164 m a t e r ia le t i W^Krauses Die R u n e n in s c h rifte n im ä lt e r e n Futhark ( ) a n v än ta. Det m a te r ia l som f r o m å r lig e n p u b lic e r a s i t i d s k r i f t en Pom vännen under ru b rik en Runfynd 1966 osv in g å r också i m a t e r ia l e t.d e tta t r y c k t a ru n m a te ria l h a r t id ig a r e b l i v i t e x c e r p e r a t i tv å k o r t r e g i s t e r, e t t o rd - och n a m n reg ister på p a p p e rslap p ar e n l i g t p r in c ip e n en lap p f ö r v a r je e n s k i l t b e lä g g och e t t i n s k r i f t s r e g i s t e r på n å lk o r t med 100 s ö k m ö jlig h e te r. Det f ö r r a r e g i s t r e t i n f a t t a r omkring la p p a r, d et se n are omkring 5500 n å lk o r t. K r a v s p e c ifik a t io n När v i s k u lle v ä l j a d ato rsystem fanns fö lja n d e k r a v, som s k u l l e uppf y l l a s : 1. Det v a r n ö d vä n d ig t, a t t den som in te hade någon e r fa r e n h e t a v d a to r e r s k u lle kunna k ö ra sy ste m et och t a u t in fo r m a tio n. 2. Det v a r ö n s k v ä r t, a t t man hade direktkom m unikation m ellan användaren och d a to m och a t t man u t e s l ö t m ella n lig g a n d e le d i form a v h å lk o r t e l l e r andra inm atningsm edia.användaren s k u lle d ir e k t kunna u tb y ta in fo rm atio n med d a to m och d et s k u lle ske v i a en skärm e l l e r pä papper med h jä lp av en p r i n t e r. 5.Kommunikationen s k u lle ske e n k la s t m ö jlig t och i form a v en direkt-ii d ia lo g i k la r s p p å k. 4. Det s k u lle v a r a m ö jlig t a t t d i s t r ib u e r a den d atorbehan dlade m a te r ia l e t t i l l in t r e s s e r a d e f o r s k a r e, u n i v e r s i t e t s i n s t i t u t i o n e r och b i b l i o t e k på e t t e n k e lt s ä t t : A ntingen form av t r y c k t t e x t e l l e r med h j ä lp av d i s k e t t e r e l l e r h å rd d isk som in fo r m a tio n s b ä ra re, v i l k a dä s k u lle kunna användas i andra d a to ra n lä g g n in g a r. Dvs sy ste m et måste v a ra ö v e r s ä t t n in gs b a r t t i l l andra system. 5. K o stn a d sfrå g an v a r v ä s e n tlig.d e begränsade t i llg å n g a r n a s k u l l e rä ck a t i l l både m askin vara och program vara. Dessa k rav r e s u lt e r a d e i v a l e t av e t t m ikro datorsystem med e t t d a to r sp råk som v a r lä m p lig t a t t h a n t e K s t o r a mängder a lfa n u m erisk a d a ta.v i fann d et i d a to rs y stem e t ZILOG med program m eringsspråket Z i lo g Ba#ic och PLZ. Det h a r sen are kunnat k om p letteras med e t t o rd b eh an d lin g ssystem. B e s k riv n in g av d ato rs y stem e t D ato rsystem et b e s t å r av en c e n t r a le n h e t, tv ä b ild sk ä rm a r, en snabbsk riv an d e m a t r is p r in t e r och en långsammare s k r i v a r e. System ets m aximala k a p a c it e t ä r 20 m egabytes på h årddiskm inne. System et g ö r d et möjl i g t a t t a r b e ta on l i n e både med b ild sk ärm arn a och s k r iv a r n a. Data le v e r e r a s i behandlad form e l l e r i rå form på papper e l l e r b ild sk ärm. Ordbefiändling^lJStömet.\ÄgÉas av en METRIC 85 som g ö r d et m ö jlig t a t t i n t e m t r e d ig é r a m a t e r ia le t fö r e tr y c k n in g. R u n ord sregis t r e t När man s k a l l s t ä l l a i ord n in g e t t m a te r ia l som r u n o r d s m a te r ia le t f ö r d a to rb e a rb e tn in g ä r d et n öd vän d igt a t t skap a en sammanhängande och lo g i s k k l a s s i f i k a t i o n. Den måste v a r tilä m p b a r pä h e la m a t e r ia le t och g ö ra d et m ö jlig t a t t förm edla a l l den in fo rm a tio n som b e h ö v s.e ft e r s om r u n in s fc r ift s m a t e r ia le t h ar p u b lic e r a t s under en mycket lå n g p e rio d och av o lik a fo r s k a r e, s å a r d et n åg ot o e n h e t lig t och därigenom mindre l ä t t h a n t e r l i g t. S am tid ig t h ar e t t v i k t i g t k rav v a r i t a t t minim era f ö r b e r e d e ls e a r b e t e t f ö r s j ä l v a in s k r iv n in g e n. En s t o r d el av d et h i t t i l l s varande a r b e t e t h ar d ä r fö r v a r i t a t t bygga upp en sådan k l a s s i f i k a t i o n. Problem som måste lö s a s De p r in c ip e r som tillä m p a ts v id p u b lic e r in g e n av S v e r ig é s r u n i n s s k r i f t - e r h ar u t v e c k la t s e fte r h a n d. I de ä ld r e u tg åv o rn a används t ex en norma l i s e r i n g som a v v ik e r fr å n den som används i de sen are volym erna. 164

3 165 Även den gram m atiska och sem an tisk a termi i'o lo g in v a r i e r a r n åg ot i de o l i k a u tg åv o rn a. E tt annat problem av l e x i k a l i s k a r t ä r ö v e r s ä t t n in g en t i l l riusvenska. S k a ll en ety m o lo g isk p r in c ip e l l e r en sem an tisk p r in c ip t illä m p a s, s k a l l t ex g r ^ ^ m ö v e r s ä t t a s med " g ö ra bron" e l l e r "g ö ra vägbanken"? Vi h a ^ ^ i^ ^ 3 s a k lig e n f ö l j t den e ty m o lo g isk a p r in c ip e n, men ä r medvetna om dess b e g rä n s n in g a r. Problem av e t t annat s l a g ä r de som hör samman med d a to m s teckenupps ä t t n i n g. E t t såd an t ä r d a to m s sta n d a rd u p p sä ttn in g av s k r iv t e c k e n, som in t e kan å te r g e a l l a de s p e c ia lt e c k e n som används v id t r a n s l i t t e r a t i o n en av runorna med l a t in s k a b o k s tä v e r. A ntingen k o m p le tte ra r man den egna anläggn in gen med d essa s p e c ia lt e c k e n, e l l e r också använder man sta n d a rd u p p sättn in g e n. Vi h ar v a l t d et s e n a r e. Problem som å t e r s t å r a t t lö s a i fr å g a om o r d r e g is te r d e le n ä r b l a fråg a n om v ilk e n k l a s s i f i k a t i o n som s k a l l användas om e t t s e p a r a t namnr e g i s t e r lä g g s upp och hur d et i så f a l l s k a l l k o n s tr u e r a s, s å a t t d et p a ssa r in den allm änna str u k tu r e n i d et e x is te r a n d e r e g i s t r e t. Beskrivnaing av r e g i s t r e t 1. R e g is tr e ts id é fram går av fö lja n d e : F ets t i Is be läggen u tg ö r grunden. De o rg a n is e ra s e f t e r n o rm a lis era d m n svensk form (utom de o to lk a d e, som o r g a n is e r a s d ir e k t u t i f r å n f e t s t l l s - b e l ä g g e t ).R u n r e g is tr e t d elas upp i tr e d e l a r, v a r och en med s i n egen te ck e n u p p s ä ttn in g : u m o r d is k a, v ik in g a t id a och m ed e ltid a ru n or. 2. R e g is tr e ts s t r u k t u r : P o s t n r A 5B 5C 5D 5E 6A In n e h å ll N orm aliserad runsvensk form. Ordgrupp. Nusvensk ö v e r s ä t t n in g som tä c k e r h e la b e t y d e l s e f ä l t e t. Synonymer u n d v ik s. E v e n tu e lla g e n e r e lla kommentarer avseende p o s te rn a :a f e t s t i l s b e l ä g g e t. K o n te x tb e ty d e ls e (anges då s å anses n ö d v ä n d ig t). U p p g ift om f e t s t i l s b e l ä g g e t. E v e n tu e lla kommentarer t i l l f e t s t i l s b e l ä g g e t. I n s k r i f t s fö r te c k n in g 2 :a f e t s t i l s b e l ä g g e t e t c. Ex: P ost nr A 5B 5C 5D 5E 6A 6B 6c 6D 6E In n e h å ll s täin n NSM s ten s ta in U 117,U 171,U 244,Sö234.+ V r 4 s tin U240,+U176,U110B e tc O bservara a t t s t a i n U l68 a c,s och s t a in UI64 a c,p s k a l l fö r a s t i l l o lik a f e t s t i l s ^ e ^ g g e fte rso m de g ^ ^ ^ o l i k a to lk n in g a r. 165

4 Som nämnts kommer run ordsr e g i s t r e t a t t d ela s upp i en u r n o r d is k, en v ik in g a t id a och en m ed eltid a d e l. T r a n s k r ip t io n s r e g le m a b l i r av n ä tu r - l i g a s k ä l n åg ot o lik a r t a d f ö r de o lik a r u n a lfa b e te n a. Förutom de o lik a tecknen f ö r t r a n s l i t t e r e r i n g e n av runorna används också en mängd s p e c i a l tecken f ö r a t t t ex ange a t t r u n in s k r ift e n ä r f ö r lo r a d, ange supp le r in g, osäkerhe t i lä sn in g e n av en r\ina,ange b r o t t e l l e r skada i in - skrifibennpå ru n ste n en, b eteck n a s p e c ia lr u n a ( t ex binderuna) e l l e r m arkera runa som in te kan bestämmas t i l l s i t t teck en v ärd e. 3. V a rje ord i r e g i s t r e t h än fö rs t i l l e xa k t ^ av fö lja n d e 21 ordgrupp er: Ordgrupp Mnemoteknisk kod Pe rs onnamn, mans nnamn NPM, kvinnonamn NPK Ortnamn NO Subs ta n tiv,m a s k NSM,fem KSF,n e u tr Ns;: ", obestäm t genus NS A d je k t iv AD Verb VB Adverb AV P r e p o s itio n PP Pronomen PN K on jun ktion KJ R äkn eord,g ru n d ta l ROG, ordnings t a l ROO I n t e r je k t io n IJ I n f in itiv m ä r k e IM A r t i k e l AT P a r t i k e l PT Negerande s u f f i x SX O tolkad OT 4. F ragm en tarisk a ord anges under ordgruppen OT ( f ö r u t s a t t a t t man in te kan ge o rd e t en t o lk n in g ), v a r v id... anger v a r runor fa t t a s,o m d e t t a kan avgö r a s 5. T i l l v a r je t o l k a t ord hör en n o rm aliserad runsvensk form, som ä r: n o m.s in g.o b e s t.fo rm f ö r s u b s ta n tiv,n o m.s i n g. m ask.p o s i t : v s t a r k form, om den f in n s, fö r a d je k t i v och räkn eo rd, p o s i t i v f ö r a d v e r b,i n f i n i t i v f ö r v e r b, nom.s i n g. m ask.fö r pronomen (obs u n dan taget hon, som l i s t a s s e p a r a t ), nom.s i n g. mask. för a r t i k e l, nom.för personnamn,nom. f ö r ortnamn, ö v r ig a ordgrupper anses o b ö j li g a. 6. U p p g ifte r om f e t s t i l s b e l ä g g e t ; ITuvudord Subs t a n t iv A d je k tiv Verb Kod U p p g ift b bestämd form n m,g e,d a,ac k a s u s : n o m.g en.d a t.a c k. s,p n u m e ru s:sin g,re 9 p, -plur. m a,fe,n e som f ö r sub stan ti\r + genus p o,k o,s u +kom parationsform st,sv M ««+ stark el. s v a g b ö jn in g. hu, h j huvudverb r e s p.h jä lp v e r b in d,k o n, imp modus: i n d ik a t iv,k o n ju n k t iv,im p e r a t iv a k t, p a s, dep a k tiv u m, pass ivum,deponens 166

5 167 Huvudord Verb Adverb P r e p o s itio n e r Pronomen Räkneord A r t i k l a r Personnamn Ortnamn Kod i n f, pre p r e t,f u t,k n s p e r,p lu p r p.p fp I s,2 s, Js 1p*2p,5p m a,fe» n e,s,p po^ko^su g e,d a,a c m a,fe, ne,s, p n m,g e,d a,ac " p p g i f t i n f i n i t i v, p r e s ens p r e t e r it u m,fu tu r u m,k o n d itio n a lis p e r f e k t, p lu sk vam p erfek t presen s p a r t i c i p, p e r f e k t p a r t i c i p 1 : a, 2 : a, 3 : e person s in g. t l I t M I! p lu r. t i l l p a r t i c i p e r a n ^ s genus+numerus kom p aration sform kasu ss t y m i n g g e n u s, nume r u s, kas us w " samt s t a r k re s p s v a g t t n tt kas us Ö vrig a ord anses o b ö j li g a. 7.F ö r de ordgrupp er som b ö js med avseende på kasus g ä l l e r f ö lja n d e : Kasus anges dar d e t t a k l a r t fram går, a n tin g en genom b ö jn in g sfo rm e l l e r fu n k tio n i satsen» I de f a l l där d es sa e j överensstäm m er anses s a t s - : fu n ktio n en ha högre p r i o r i t e t. e.f Ö r verben g a l l e r f ö lja n d e : I s a m tlig a k o n s tr u k tio n e r med h jälp verb + hu vud verb anges h jä lp v e r b e t s e p a r a t under n a t u r l i g t tem pus. Ex»h ä fir p r e.v id huvudverb anges även h jä lp v e r b e t inom paren tes i s in n o rm aliserad e ru n sven ska i n f i n i t i v form. Ex. m u n r a ^ : Under rada an g es: h u, a k t, i n f, f u t (munu) i nu nämnd o rd n in g.t o ^ T iu ^ d v e rb e t anges a l l t s å s å v ä l fo r m e ll form som k o n te x t- u e l l b e t y d e ls e. Om e t t verb s t å r utan h jä lp v e r b uteläm nas h u-kodningen. I de f å f a l l där f l e r a h jä lp v e r b ä r kopplade t i l l e t t huvudverb, såsom i exem plet m u n k i e t i t l a ^ anges d et överordnade (mun) på v a n l i g t s ä t t. Det u nderor^ nad^ T^ at pverset anges som h jä lp v e r b, metmed både fo r m e ll form och k o n te x t u e ll b e ty d e ls e (h ä r i n f, f u t ), V id huvudverbet anges end a st d et Överordnade h jä lp v e r b e t men med u p p g ift om k o n s tru k tio n e n i s e p a r a t kommentar. Lö st och f a s t sammansatta v erb s t å som de u p p trä d er i r u n in s k r if t e n, dvs (n^ä p a r t i k e l och stam ä r d elad e å t s k i l j s de med m ellanrum. Uär ord förekommer m ellan p a r t i k e l och stam a v lä g sn a s d essa och d ettim a rk e ra s med en punkt. 9. O lik a s ta v n in g s fo rm e r av e t t ord ( t ex a f t och sammanförs under en n o rm aliserad form då s t o r s ä k e rh e t om sam h örigh et rå d e r. I den gener e l l a kommentarposten anges de o l i k a v a r ia n te r n a. lo.för hom ografer g ä l l e r fö lja n d e : De d elas upp e f t e r b e ty d e ls e och m arkeras med e t t ordningsnummer om edelbart e f t e r den n o rm aliserad e form en.ex: 5inn1 räkneord æinn2 a d je k t i v ( ensam ) æinn5 pronomen De behandlas på fö lja n d e sa tt:æ in n 1,æ in n 2,æ in n 3 anges under re sp ek t iv e ordgrupp, g i v e t v i s anges o sä k e rh e t med? Om d et in te pånågot s ä t t ä r m ö jlig t a t t ge någon t o lk n in g fö r e tr ä d e fra m fö r de andra bör o rd e t fö r a s under ordgruppen O tolkad (OT). 167

6 166 För närvarande p ågår in s k r iv n in g av^o r d m a te r ia le t på hårddisk.sam t i d i g t används d et in s k r iv n a m a t e r ia le t v id R unverkets s p r å k lig a u n d ersö kn in g a r. S ö k n in g s m ö jlig h e te m a i m a t e r ia le t ä r under u tv e c k l i n g. F ö ljan d e sö k n in g ar kan göras f ö r t i l l f ä l l e t : Man kan sökå i 7 av r e g is t r e n s a m t id ig t. I r e g i s t e r 3 (Nusvensk ö v e r s ä t t n i n g ), 6 (K o n te x tb e ty d e ls e ) och 7 ( F e t s t i l s u p p g i f t ) kan man d es s utom söka med f l e r a sökord på en gång ( 4 2 re sp 6 ) med em ellan. Om man exem p elvis v i l l undersöka v i l k a m askulina s u b s t a n t iv som s t å r i g e n i t i v p l u r a l i s an g er man NSM som sökord i p o s t 2 och g e,p som sökord i p o s t 7 * Man kan också m anipulera s tr ä n g a r e n l i g t fö lja n d e r e g l e r : 1. Tecken i b ö rjan av e t t sökord kan e r s ä t t a s med J -te c k e n, t ex h ittarj u R a l l a ord som s l u t a r på -u R. 2. Tecken i s l u t e t av sökord kan e r s ä t t a s e n l i g t samma p r in c i p, t ex h i t t a r s t } a l l a ord som b ö r ja r på s t -. 3 *0 v i l l fin n a en te c k e n fö ljd k a n denna sökas med omgärdande -te c k e n.e x : }uan} h i t t a r a l l a ord med te c k e n fö ljd e n u ^, t ex i f e t s t i l s b e l ä g g e t b u an ta. 4» Man kan även u t e s lu t a d e lp o s t kom b in ation er genom a t t b o r j^ ^ e n fö r s t a d e lp o s t e n med 0. Ex: Söko rd e t 0n e,a c i p o sten f ö r f e t s t i l g e r a l l a f e t s t i I s b e l ä g g som in te ä r n e,a c. 5» R etro g rad a sö k n in g a r kan g ö r a s. Vi s t r ä v a r också e f t e r a t t åstadkomma sö k n in g a r i Vommentarposterna i form av en f r i sö k n in g. M ö jlig h e te r n a t i l l d et måste avvägas mot de stru k tu rp ro b le m som d et f ö r med s i g och p å fr e s tn in g e n f ö r d ato ra n läg g n in g e n s k a p a c it e t och t i d s f ö r l u s t e r i sökn in gen. 168