Teoretické základy selekčních jazyků v lingvistice

Lingvistika neboli jazykověda je věda o jazyku, jeho struktuře, vztahu k myšlení a skutečnosti. Selekční jazyk může být definován jako řízený soubor lexikálních jednotek vybraných z přirozeného jazyka a užívaných k vyjádření témat dokumentů. Vlastnosti jazyka, jazykových prvků a vztahy mezi nimi výrazně ovlivňují způsob tvorby a používání selekčních jazyků, včetně nároků na identifikaci termínů použitých v daném selekčním jazyce.

Lingvistika (jazykověda)

Podrobnější informace najdete v článku Lingvistika.

Lingvistika studuje jazyk jako systém znaků. V tomto systému jí zajímají:

• struktura jazyka
• součásti jazyka
• pravidelnosti i nepravidelnosti
• fungování jazyku jako prostředku komunikace

Studovat lze jeden, nebo více jazyků najednou jejich porovnáváním. Jazyky jsou zkoumány v daném momentě, nebo v rámci jejich vývoje. Podle konkrétního předmětu studia dochází k dělení lingvistiky do jednotlivých odvětví.

Zájem o jistý druh sledování a studia jazyka se v lidské civilizaci objevoval od počátku starověku. Velkým impulzem byla renesance se svým zájmem o klasickou latinu. Moderní lingvistika se datuje od roku 1916, kdy byla vydána kniha Kurz obecné lingvistiky od Ferdinanda de Saussure.

Jazyk v pojetí Ferdinanda de Saussure

Ferdinand de Saussure

V díle Ferdinanda de Saussure došlo k oddělení mluvy (parole), řeči (langage) a jazyka (langue). Nejméně prostoru je v tomto díle věnováno pojmu řeči (langage). Řeč je podle autora nejvyšší pojem z těchto tří. Jeho komplexnost ale přesahuje meze lingvistiky a zasahuje do mnoha jiných vědních disciplín. Proto se řeči již dále prakticky nevěnuje.
Jazyk je systémem jazykových znaků, které mohou být vyjádřeny akusticky pomocí mluvy, nebo graficky pomocí písma. Při mluvení (mluvě) dochází k následujícím procesům:

1. V mozku mluvčího dochází k asociaci pojmů s akustickými prvky
2. Mluvidla vydávají zvuky
3. Naslouchající vnímá zvuky
4. V mozku naslouchajícího dochází k asociaci akustických prvků s pojmy.

Mluva je tedy procesem v zásadě fyzikálním. Jazyk je do značné míry svázán se společenskými konvencemi. Je však mezi nimi úzká souvislost. Bez mluvy nelze komunikovat jazyk, ale bez jazyka nelze porozumět mluvě.

Jazykový znak

Jazykový znak je základní částí jazyka. Skládá se z označujícího akustického obrazu (může být jen myšlen) a označovaného asociovaného pojmu. Díky používání pojmů označující a označený je Ferdinand de Saussure pokládán i za zakladatele sémantiky.
Vztahy mezi tím, jakým znakem označujeme pojem v lidské mysli a jeho objekt v reálném světě se často zobrazuje pomocí sémiotického trojúhelníku.

Vlastnosti jazykového znaku

Jazykový znak kromě toho, že v sobě kombinuje označované a označující, má i další vlastnosti:

• Arbitrárnost. Neexistuje logická souvislost mezi označovaným a označujícím. Podoba znaku je dána čistě konvencí. I zvukomalebná slova v různých jazycích liší.
• Lineárnost. Jazykový znak vždy existuje v prostoru a čase. V jiné době a na jiném místě se podoba označujícího akustického znaku může lišit i v rámci nominálně stejného jazyka.
• Neproměnlivost. Nelze libovolně volit, jaký znak použiji. Kromě výše zmíněné arbitrárnosti rozhoduje například i nutnost držet se daného jazyka komunikace.
• Proměnlivost. Tato vlastnost souvisí s výše zmíněnou lineárností. V průběhu času dochází používáním jazyka masou mluvčích k posunu mezi označujícím a označovaným. Zatímco lineárnost upozorňovala na časoprostorové ohraničení jazykového znaku, proměnlivost upozorňuje na jistotu změny.

Jazyk přirozený a jazyk umělý

Jazyk je systém znaků, ale v obecném chápání pojmu spočívá jeho přednostní funkce v umožnění komunikace mezi minimálně dvěma partnery. Těmi se nejčastěji myslí lidé. Tato podmínka však není absolutně nezbytná, abychom mohli systém znaků označit za "jazyk". Podle používaného kódu komunikace (kód = strukturovaný systém znaků) lze jazyky dělit na:

• Jazyk lidský
  • Jazyk
    • Jazyk přirozený -
      • Standardní
      • Jiný (např. dialekt)
    • Jazyk umělý
      • Formální
      • Mezinárodní (např. esperanto)
  • Nejazyk = parajazyk (mimika, gesta, držení těla)
• Jazyk živočišný
  • Akustický
  • Kinesický (mimika, držení těla, gestikulace)

Předmětem studia lingvistiky je především přirozený jazyk. Tedy jazyk běžné mezilidské komunikace touto komunikací v průběhu času vytvářen, pozměňován a inovován. Tím se liší od formálního jazyku, který je přísně exaktní a má jasně definovanou gramatiku i slovník (např. programovací jazyky).

Ve výše naznačeném rozdělení spadá selekční jazyk do kategorie jazyků umělých, formálních. Ještě konkrétněji je řazen mezi jazyky informační, tedy sloužící k zachycení a zpracování informací.

Tvarosloví a pravopisná variabilita přirozeného jazyka

Morfém, lexém, foném

Morfém

Morfém je "minimální funkční a abstraktní jednotka jazyka s vlastním významem". Jedná se o základní jednotku morfologie, tedy odvětví lingvistiky věnující se tvorbě slov. Podle role morfému při tvorbě slov rozlišujeme morfém lexikální, který tvoří základ slova, a morfém gramatický, který nese gramatický význam - číslo, rod, pád. Toto dělení úzce souvisí s níže popsanými prvky lexému.

Lexém

Lexém je stavební jednotka slovníku, neboli znaková jednotka vyjadřující pojem nesoucí význam. Jedná se o základní jednotku, se kterou pracuje odvětví lingvistiky věnující se slovní zásobě - lexikologie.

Každý lexém je možné rozložit na tyto nižší prvky:

• Koncovka – určuje tvar slova, může být i nulová („žen“)
• Kmen – zbytek lexému po odstranění koncovky
• Kořen – neredukovatelná část, společný základ všech souvisejících slov, nižší prvek, než kmen
• Prefix – předchází kořenu při tvorbě slova
• Sufix - připojením za kořen vytváří kmen

Foném

Foném je hláska, neboli minimální systémová jednotka nesémantická, avšak funkční, schopná rozlišit v kombinaci s jinými prvky význam.
např.:
den X ten
Zvukové stránce jazyka se věnují obory fonetika a fonologie.

Flexe

Některé jazyky mají bohaté časování, skloňování nebo ohýbání slov. Jedná se o grafickou změnu souboru znaků tvořících lexém pro vyjádření gramatické kategorie (rod, pád, vid,...). Odborným termínem se tento jev nazývá flexe.

Tyto změny grafické podoby slova bez změny podoby denotátu (označovaného) komplikují situaci při vytváření a využívání selekčních jazyků. Selekční jazyky se musí vyrovnat s faktem, že na první pohled odlišné kombinace znaků je třeba chápat jako čistá synonyma se stejným denotátem.

Pravopisná variabilita

Některé jazyky používají rozdílné zápisy pro stejná slova v geograficky odlišných územích. Velmi známým je rozdíl mezi americkou a britskou angličtinou. Opět zde lze narazit na graficky odlišnou podobu zápisu označení pro stejný denotát.

Problematika nejednoznačnosti jazyka

Při obecné komunikaci i zpracovávání textu nám mohou dělat potíže problémy nejednoznačnosti jazyka. Jedná se o situaci, kdy jedna označovaná entita nemá v rámci jazyka jeden označující termín, nebo pokud při flexi (skloňování, časování) dochází k vytváření nejednoznačných tvarů slov. V těchto situacích není snadné rozhodnout, k jakému denotátu konkrétní podoba slova odkazuje.

Prvky jazyka mohou nabývat různých vztahů, se kterými je potřeba v oblasti selekčních jazyků počítat. Ačkoliv tyto vztahy mohou nabývat mezi sebou i celé věty, pro selekční jazyky jsou důležitější vztahy mezi jednotlivými slovy.

Možnosti řešení lingvistických problémů

Problematika neúplnosti a nepřesnosti

Lingvistická nejednoznačnost jazyka, stejně jako lexikální a tvaroslovná flexibilita mohou snížit úspěšnost rešeršních dotazů.

• V případě existence homonymie u použitých termínů vyhledávání hrozí, že získáme i nerelevantní výsledky pro nerelevantní denotace termínu. Klesá přesnost.
• V případě existence synonymie u použitého termínu vyhledávání nezískáme všechny relevantní dokumenty bez použití všech vhodných synonym. Klesá úplnost.
• Variabilita zápisu a flexe jazyka existuje všechny. Pokud systémové řešení nebo způsob zadání dotazu nezajistí vyhledání všech v úvahu přicházejících podob termínu, přicházíme o část relevantních výsledků. Klesá úplnost.
• Slovní spojení u prekoordinovaných selekčních jazyků vyžaduje přesné zadání. Pokud není vyhledávána přesná podoba slovního spojení, nejsou ve výsledku všechny relevantní zdroje. Klesá úplnost.

Volný a řízený slovník

Selekční jazyky slouží jako systém pro organizování znalostí. V současnosti je trend pojem "selekční jazyk" dokonce úplně nahradit pojmem "systém organizace znalostí". Pokud je jako takový systém organizace znalostí používán systém založený na lexikálních položkách, lze jej definovat jako slovník.

• Volný slovník - Jako volný slovník označujeme takový soubor lexikálních prvků, kde neexistuje předem dané ohraničení rozsahu ani jasně definovaný význam prvků. Takový slovník se prakticky rovná přirozenému jazyku.
  • Výhodou volného slovníku je právě jeho neohraničenost. Je v něm možné zachytit celý rozsah reality díky jeho vysoké vyjadřovací schopnosti. Jeho úspěšné používání však vyžaduje jistou míru inteligence při zpracovávání. Výše zmíněné prvky přirozeného jazyka způsobující neúplnost a nepřesnost tento typ slovníků neřeší. Výsledky vyhledávání tedy nebývají úplné.
• Řízený slovník - Opakem volného slovníku je slovník řízený. V něm je definován rozsah i význam jeho prvků. Někdy jsou zachyceny v řízeném slovníku i vztahy mezi jeho prvky. Takový slovník poté označujeme jako slovník strukturovaný.
  • Řízený slovník lze úspěšně uplatnit při automatizaci procesů organizování znalostí. Jeho nedostatek spočívající v nutnosti přizpůsobovat organizovanou realitu prvkům tohoto slovníku vynahrazuje jeho úplnost při vyhledávání. Všechny správně definované prvky jsou rovněž vždy vyhledány.

Další možnosti řešení

Vedle a zároveň v souvislosti s používání řízeného slovníku existují i další způsoby pomáhající automatizovanému zpracovávání přirozeného jazyka a minimalizující lingvistické problémy. V různých systémech bývají v různé míře zapojeny při zpracovávání dokumentu a při zadávání a vyhodnocování dotazu.

• Mezi základní možnosti řešení patří využívání booleovských nebo proximitních operátorů pro vyjádření kontextu, souvislostí mezi pojmy nebo doplňování znaků v rámci variability grafického zápisu. Mezi jedno z častých řešení počítajících i s uživatelem neznalým operátorů je automatické pravostranné doplňování.
• Derivátor - Tento systémový nástroj dokáže vygenerovat všechny možné podoby zadaného slova. Využíván může být především při vyhodnocování dotazu. Jeho nevýhodou je, že vyžaduje zadání přesných pravidel generování, bez nichž by docházelo k vytváření a vyhledávání nesmyslných tvarů slov. I tak ale jeho spolehlivost není stoprocentní.
• Lemmatizátor - Jedná se o nástroj svým způsobem opačný k derivátoru. Lemmatizátor slouží k převodu slova na základní slovníkový tvar, nebo holý kmen, nebo ještě menší část společnou slovům selekčně ekvivalentním. Využíván bývá jak při indexaci dokumentu, tak při vyhodnocování dotazu. Díky zapojení tohoto nástroje dochází ke zmenšení indexu a tím i ke zrychlení vyhledávání.
• Slovník stop-slov - jedná se o seznam nevýznamných slov, jejichž zanášení do indexu a i vyhledávání ze zadaného dotazu nemá smysl (se, a, ono, pod, ne, nebo). Vynechání těchto slov zmenšuje index a zrychluje vyhledávání bez ztráty přesnosti.

Odkazy

Použitá literatura

• ČERMÁK, František. Jazyk a jazykověda: přehled a slovníky. Vyd. 4., V Karolinu 2., dopl. Praha: Karolinum, 2011. ISBN 978-80-246-1946-0.
• HAJIČOVÁ, Eva. Zpracování přirozeného jazyka. MAŘÍK, Vladimír. Umělá inteligence. Praha: Academia, 1997, s. 244-256. ISBN 80-200-0504-8.
• HAJIČOVÁ, Eva, Petr SGALL a Jarmila PANEVOVÁ. Úvod do teoretické a počítačové lingvistiky. Praha: Karolinum, 2002. Učební texty Univerzity Karlovy v Praze. ISBN 80-246-0470-1.
• KOVÁŘ, Blahoslav. Věcné pořádání informací a selekční jazyky: pro potřeby ústředních úřadů, výzkumných ústavů, podniků socialistického sektoru, vysokých a odborných škol. 2. vyd. Praha: UVTEI, Institut pro mimoškolní vzdělávání, 1984. Učební texty (ÚVTEI).
• KUČEROVÁ, Helena. Organizace znalostí [online]. Verze 1.0. Praha: Ústav informačních studií a knihovnictví FF UK, 2014, 138 s. [cit. 2016-05-29]. Elektronické studijní texty ÚISK. Dostupné z: http://uisk.ff.cuni.cz/listing.do?categoryId=20240
• SAUSSURE, Ferdinand de. Kurs obecné lingvistiky. Vyd. 3., upr., V nakl. Academia 2. Přeložil František ČERMÁK. Praha: Academia, 2007. Europa (Academia). ISBN 978-80-200-1568-6.
• STROSSA, Petr. Počítačové zpracování přirozeného jazyka. Praha: Oeconomica, 2011. Odborná kniha s vědeckou redakcí. ISBN 978-80-245-1777-3.

Související články

• Selekční jazyk
• Ferdinand de Saussure
• Vztahy mezi prvky jazyka
• Lingvistika

Klíčová slova

• Lingvistika, Selekční jazyk, Jazykový znak