Nová cesta k modernímu jednojazyčnému výkladovému slovníku současné češtiny: koncepční poznámky ke struktuře dat v novém DWS Pavla Kochová, Zdeňka Opavská 1. Úvod V oddělení současné lexikologie a lexikografie ÚJČ AV ČR vzniká od počátku roku 2012 nový všeobecný výkladový slovník současné češtiny (s pracovním názvem Akademický slovník současné češtiny). Jde o slovník středního rozsahu s předpokládaným počtem 120 150 tisíc lexikálních jednotek. Jeho úkolem je zachytit slovní zásobu současné češtiny 1, a to všeobecně rozšířenou, užívanou ve veřejné oficiální a polooficiální komunikaci i v komunikaci běžné (tj. neveřejné, neoficiální). V omezeném rozsahu jsou ve slovníku podávány jednotky užívané v profesní a zájmové komunikaci, pokud jsou již užívány mimo své prostředí. Z výrazů nářeční povahy se zachycují jen ty výrazy, které mají širší územní platnost, užívají se především v mluvené komunikaci, příp. i v literatuře. Připravovaný slovník se svým rozsahem i způsobem zpracování řadí k akademickým slovníkům, tj. slovníkům s propracovaným, typizovaným a strukturovaným výkladem významu lexikálních jednotek, s přiměřeně bohatou exemplifikací dokumentující typická užití lexikálních jednotek, s dostatečně propracovaným popisem základních sémantických vztahů, zejména synonymie a antonymie, s odpovídajícím popisem gramatických vlastností lexikálních jednotek a s popisem příznakovosti lexikálních jednotek z hlediska stylového, časového, prostorového, frekvenčního a pragmatického (tj. postojově-hodnotícího). Oproti předcházejícím výkladovým slovníkům se údaje týkající se gramatiky podávají podrobněji, zejména pokud jde o výčet morfologických tvarů a o vazebnost, resp. valenci. Dále je 1 V souladu s vymezením současné češtiny, které se uvádí v Encyklopedickém slovníku češtiny (2002, s. 89), ji vymezujeme milníkem konce 2. světové války, tj. r. 1945.
v novém slovníku prohloubeno zpracování víceslovných lexikálních jednotek. U značné části z nich se uvádí výklad významu a exemplifikace; tím se jejich zpracování víceslovných lexikálních jednotek blíží zpracování lexikálních jednotek jednoslovných. Pokud jde o slovníkovou makrostrukturu, ve velmi omezené míře se uplatňuje hnízdování, tzn. že určité typy dosud tradičně přihnízdovávaných lexikálních jednotek vztahová adjektiva, deadjektivní příslovce a některé abstraktní názvy jsou zpracovány podrobněji. (Podrobněji k jednotlivým aspektům makrostruktury a mikrostruktury slovníku viz dále.) Z uvedeného je zřejmé, že připravovaný slovník v mnohém úzce navazuje na dlouholetou tradici tvorby jednojazyčných výkladových slovníků češtiny v lexikografickém oddělení Ústavu pro jazyk český AV ČR. Jde však zároveň o první synchronní všeobecný výkladový slovník tohoto typu a tohoto rozsahu, při jehož tvorbě se díky rozvoji komputační a korpusové lingvistiky, korpusové lexikografie a počítačové techniky mohou využívat nové technologické možnosti výzkumu lexika, a to jak při práci s lexikálním materiálem (jazykové korpusy, excerpční databáze, elektronické archivy, texty na webu a speciální softwarové nástroje, zejm. nástroj Word Sketch aplikace The Sketch Engine viz Kilgarriff, Rychlý, Smrž, Tugwell 2004), tak při vlastní tvorbě slovníku i při jeho publikování. Na rozdíl od předcházejících výkladových slovníků, které zde v minulých letech vznikaly 2, je v souladu se současným lexikografickým trendem tento slovník od počátku vytvářen a zpracováván prostřednictvím specializovaného lexikografického softwaru pro tvorbu slovníku. 2. Dictionary Writing System (DWS) pro nově vznikající slovník 2 V tištěné podobě vyšly a později byly převedeny do elektronické podoby tyto slovníky: Příruční slovník jazyka českého, přístupný z http://psjc.ujc.cas.cz; Slovník spisovného jazyka českého, přístupný z http://ssjc.ujc.cas.cz; Slovník spisovné češtiny pro školu a veřejnost elektronicky v nakladatelství LEDA, s. r. o., 1997, 2004, 2005); Akademický slovník cizích slov a jeho nové, přepracované vydání Nový akademický slovník cizích slov elektronicky v nakladatelství nakladatelství LEDA, s. r. o., pod názvem Velký slovník cizích slov (1999, 2005). Pomocí počítačové techniky, v textovém editoru Word (nikoli však pomocí specializovaného softwaru) vznikaly např. neologické slovníky Nová slova v češtině 1 a 2, slovník Slovesa pro praxi a Slovník slovesných, substantivních a adjektivních vazeb a spojení. Příruční slovník jazyka českého, Slovník spisovného jazyka českého, Slovník spisovné češtiny pro školu a veřejnost a Akademický slovník cizích slov jsou také součástí aplikace DEBDict.
Pro tvorbu, zveřejňování a publikování jednojazyčných a překladových slovníků je k dispozici několik zahraničních komerčních systémů (např. TshwaneLex, IDM DPS, ilex) a systémů volně šiřitelných (např. Mātāpuna Dictionary Writing System), v českém prostředí vznikl prohlížeč a editor slovníků DEB II. Po zvážení různých možností (zejména otázka zakoupení licencí komerčního DWS a nutnosti úprav programu v rámci možností, které daný software, ať již komerční nebo volně šiřitelný, nabízí) byla kvůli výrazným specifikům tvorby slovníku, včetně potřeby flexibility programu a jeho úprav v souvislosti s očekávanými dílčími změnami v koncepci slovníku, zvolena příprava nového vlastního softwaru 3. Vyvíjený software proto bude mít jak obecné rysy DWS, jak je zmiňují Atkins,Rundell 2008; Abel, Klosa 2012, tak rysy a funkce specifické, vyplývající z charakteru popisovaného jazyka a ze samotné koncepce připravovaného slovníku. Při vývoji softwaru je proto nutná úzká spolupráce lexikografické části týmu s programátory. 4 Projekt nového výkladového slovníku současné češtiny, jeho softwarového zajištění získal pro léta 2013 2016 podporu Ministerstva kultury ČR z programu aplikovaného výzkumu a vývoje národní a kulturní identity (NAKI) grantový projekt Nová cesta k modernímu jednojazyčnému výkladovému slovníku současné češtiny. 3 Srov. např. obdobný přístup slovenského lexikografického týmu zpracovávajícího Slovník súčasného slovenského jazyka (dosud vyšly 2 svazky 2006, 2011), který používá pro tvorbu slovníkových hesel vlastní lexikografický software. 4 V letech 2005 2011 získal lexikografický tým v rámci výzkumného záměru Vytvoření databáze lexikální zásoby českého jazyka počátku 21. století (AV0Z90610521) ve spolupráci s Centrem zpracování přirozeného jazyka FI MU v Brně cenné zkušenosti při vývoji lexikografického softwaru Praled (viz Horák, Rambousek 2013; Pala, Horák, Rambousek, Rangelova 2007). Ten byl využit pro budování lexikální databáze Pralex, která je jedním z důležitých zdrojů nového výkladového slovníku češtiny (k vývoji Praledu/Pralexu viz Světlá 2007, 2008, 2011, 2012 aj.). V roce 2005 2006 vznikl první nárys koncepce budoucího výkladového slovníku se zamýšleným názvem Lexikon 21 (k tomu viz zejména Světlá 2007, Rangelova, Králík 2007). Tento nárys se sice odrazil v struktuře editačních položek Praledu, ale dále se v přípravách slovníkové koncepce nepokračovalo a při naplňování databáze pod názvem Pralex (databáze slov, slovních tvarů a slovních spojení) na základě stručnějších zásad zpracování databázových položek byl důraz kladen hlavně na popis lexikální, sémantické a syntaktické spojitelnosti heslových slov (zejm. substantiv) ve vztahu k členění jejich sémantické struktury na jednotlivé významy. Proto je software Praled z pohledu DWS, jak o nich píší A. Abel a A. Klosa 2012 a B. T. Sue Atkins a M. Rundell 2008, neúplný a pro tvorbu a publikaci výkladového slovníku by nebylo možné ho bez rozsáhlých programových úprav, změn a doplnění použít (chybí zejména redakční a administrativní nástroje a nástroj pro tiskový výstup odpovídající tradičnímu slovníku, protože o tištěné podobě databáze Pralex se dále neuvažovalo).
3. Základní koncepční principy nového slovníku z hlediska požadavků na DWS Jak bylo naznačeno výše, požadavky na připravovaný software vyplývají z koncepce slovníku (tj. ze stanovené makrostruktury a mikrostruktury slovníku a ze zásad zpracování jednotlivých typů lexikálních jednotek z hlediska strukturního, slovnědruhového, sémantického) a z pracovních potřeb lexikografického týmu. V případě, že v koncepci slovníku dojde ke změnám, lexikografický software musí umožnit tyto změny provést. 3.1 Makrostruktura Makrostrukturu (=heslář) slovníku tvoří hesla jednoslovná, některé výrazy víceslovné povahy (víceslovné přejímky a citátové výrazy), podslovní části (prefixy, prefixoidy, radixoidy), zkratky a odkazová hesla. Pokud jde o víceslovné lexikální jednotky (víceslovná pojmenování např. termíny; frazémy; víceslovné výrazy gramatické povahy), ty jsou ve slovníku obdobně jako v předcházejících výkladových slovnících uvedeny v heslové stati jednoslovného hesla. V slovníkovém hesláři tedy netvoří samostatné položky. Na druhou stranu se při jejich zpracování zohledňuje skutečnost, že jde o samostatné formálně-významové jednotky slovní zásoby, a u velké části víceslovných lexikálních jednotek se proto podává výklad významu a exemplifikace stejně jako u hesel jednoslovných. Tyto komplexně podané víceslovné lexémy jsou na rozdíl od slovníkového výstupu zpracovány v databázi (tj. v DWS) jako samostatné položky. Tento způsob databázového zpracování umožňuje nejen realizovat přijatou koncepční zásadu (vedle uvedení výkladu významu a exemplifikace jde např. o zachycení variantnosti v záhlaví, stylistických kvalifikátorů atd.), ale dovoluje rovněž dosáhnout jednoty ve zpracování téže víceslovné lexikální jednotky uváděné v rámci různých hesel (podle přijaté koncepční zásady se víceslovné lexémy uvádějí pod všemi plnovýznamovými komponenty), vygenerovat dílčí hesláře, např. zpracované frazémy, i snadno reagovat na změny v koncepci
slovníku. Pro slovníkový výstup je tedy třeba víceslovnou databázovou položku propojit se všemi plnovýznamovými, případně i jinými komponenty. S makrostrukturou slovníku souvisí i potřeba hnízdovat některé deriváty k jejich základovým slovům. V připravovaném slovníku byla tato lexikografická technika zvolena jen pro velmi omezené případy: přechýlené názvy, zdrobněliny, opakovací slovesa, pokud není důvod zpracovat je jako samostatné 5. V databázovém hesláři jsou lexikální jednotky, které budou v slovníku hnízdovány, zpracovány jako samostatné položky. Pro slovníkový výstup je třeba tyto položky propojit s jejich základovými slovy. Z uvedeného je zřejmé, že heslář slovníkového výstupu není v případě víceslovných lexikálních jednotek a v případě lexikálních jednotek, kterou budou přihnízdovány, shodný s databázovým heslářem. Z výše uvedených poznámek k makrostruktuře slovníku (a k makrostruktuře databáze) vyplývají následující lexikografické požadavky na software: - v editačním formuláři označovat jednotlivé strukturní typy lexikálních jednotek (jednoslovné, víceslovné atd.); na základě tohoto označení moci typograficky odlišit (speciální značkou) jednotlivé typy (např. frazémy, víceslovná pojmenování) i generovat dílčí hesláře (např. soubor zpracovaných frazémů); - vytvořit prostředí pro zpracování víceslovných lexikálních jednotek a jejich připojení na určité místo v heslové stati jednoslovného hesla (a to do exemplifikace, na konec významu, na konec hesla); - vytvořit prostředí pro přihnízdování vybraných typů derivovaných lexikálních jednotek. 3.2 Mikrostruktura hesla 5 Přihnízdovat je možné i další lexikální typy, pokud se k takové koncepční zásadě přikloníme.
Mikrostruktura hesla se skládá z následujících částí: lemma (včetně variant), označení homonymie, výslovnost, původ lexikální jednotky, gramatická charakteristika (slovnědruhový údaj, tvaroslovné údaje, vazebnost, resp. valence), stylistická charakteristika, obor/oblast užití, výklad významu (včetně synonym a antonym), exemplifikace, poznámkový aparát (např. encyklopedické informace, rozšiřující etymologické a pravopisné informace) a odkazy na (sémanticky, gramaticky) souvztažná hesla. U polysémních hesel se rozlišuje, které z uvedených informací se vztahují k celému heslu a které jsou vázány pouze na konkrétní význam. K některým prvkům mikrostruktury uvádíme níže podrobnější poznámky. Tyto podrobnější komentáře vyplynuly z konzultací s programátory týkajících se specifikace požadavků na software. U variantních lemmat často platí pro jednotlivé podoby různé výslovnostní, morfologické, stylistické a frekvenční údaje (např. aforismus [-izm-], aforizmus; aikido -da, 6. j. -du, aikidó neskl. s.; bačkůrka, řidč. bačkorka). Pořadí variant nemusí být na začátku práce ujasněné, proto je nutné mít možnost snadno ho měnit pomocí softwarového nástroje včetně všech údajů, které se s danou variantou pojí. Pro uvedení podoby, která platí jen/častěji pro konkrétní význam polysémního hesla, se využívá podheslí, např. u citoslovečného hesla baf, baf baf je u významu, který vyjadřuje úmysl někoho polekat, v podheslí uvedeno: zprav. jen baf. Oproti předchozím výkladovým slovníkům jsou gramatické údaje zpracovány detailněji. Podrobnější je výčet morfologických tvarů u ohebných slovních druhů. Zápis tvaroslovné charakteristiky je dvousložkový až třísložkový: vybíráme typ morfologické informace (popisné označení tvaru, např. 1. mn., 2. st., rozk. aj.), uvádíme zakončení (resp. celý slovní tvar) včetně dublet a v relevantních případech i komentář konkrétního tvaru (např. z hlediska frekvence). Pro gramatické informace jiného druhu je určena upřesňující gramatická informace (uvádí se např. zprav. mn. pro substantiva užívaná zpravidla
v množném čísle, neos. u sloves užívaných pouze ve formě 3. os. sg.). Kromě toho se, pokud jde o gramatické informace, podrobněji zpracovává valence. V novém slovníku podáváme u jednotlivých lexikálních jednotek výklad významu rozčleněným způsobem tak, aby byly splněny požadavky na členitost z hlediska podávaných informací i z hlediska typografie ve výsledném slovníkovém hesle: editační část formuláře pro výklad významu se člení na předvýklad (sémantizační poznámku), vlastní výklad významu, synonymum, opozitum. Speciální strukturu pro výklad významu (včetně vyčleněných polí) mají některé typy hesel, např. podslovní části, dále lexikální jednotky, které budou hnízdovány, atd. Součástí editačního formuláře je i možnost uvést komentář ve speciálním poli u většiny uváděných informací, např. z hlediska frekvence nebo stylistické příznakovosti. V editačním formuláři každého hesla musí být interní editační (lexikografická) poznámka, která je k dispozici při zpracovávání hesla, ale pro slovníkový výstup se nepoužije. Zjednodušené schéma slovníkové heslové statě 6 heslové slovo (=varianta 1) číselné označení homonyma [výslovnost] tvaroslovné údaje slovnědruhový údaj <původ> stylistický kvalifikátor, heslové slovo (=varianta 2) číselné označení homonyma [výslovnost] tvaroslovné údaje slovnědruhový údaj <původ> stylistický kvalifikátor číslo významu* podheslí kvalifikátor (valence) (předvýklad) výklad významu; syn. synonyma; op. opozita: příkladová část vícesl. pojmenování kvalifikátor výklad významu; syn. synonyma; op. opozita Poznámka: vícesl. pojmenování** kvalifikátor výklad významu; syn. synonyma; op. opozita víceslovný gramatický výraz gramatický údaj kvalifikátor výklad významu: příkladová část frazém kvalifikátor výklad významu; syn. synonyma; op. opozita: příkladová část přihnízdované heslo tvaroslovné údaje slovnědruhový údaj stylistický kvalifikátor slovotvorný poukaz: příkladová část odkaz*** Vysvětlivky ke schématu: *U každého číslovaného významu mohou být navíc uvedeny tvaroslovné údaje a slovnědruhový údaj, pokud se liší od údajů uvedených pro celé heslo. **Víceslovné pojmenování, které není možné připojit k významu. ***Odkaz například na vidový protějšek, na zdrobnělinu zpracovanou samostatně atp. 6 Pro jednotlivé typy lexémů budou relevantní jen určité části z tohoto schématu. Vzhledem k tomu, že v koncepci slovníku mohou nastat určité změny, může se změnit nejen pořadí, grafická úprava jednotlivých údajů, ale i rozsah informací, které se u daného typu lexikálních jednotek podávají.
4. Závěrem V příspěvku jsme stručně nastínili základní koncepční zásady připravovaného slovníku současné češtiny, a to zejména ty, které mají vztah ke struktuře dat v nově vyvíjeném speciálním softwaru pro tvorbu slovníku (DWS). Blíže k vývoji DWS viz Barbierik a kol. (2013). Bibliografie Abel, A., Klosa, A.: The lexicographic working environment in theory and practice. In: Fjeld, R. V., Torjusen, J. M., editors, Proceedings of the 15th EURALEX International Congress, s. 1 23. University of Oslo, Oslo (2012) Akademický slovník cizích slov. Academia, Praha (1995) Atkins, B. T. Sue, Rundell, M.: Oxford Guide to Practical Lexicography. Oxford University Press, Oxford (2008) Barbierik, K. et al.: Development of a Dictionary Writing System. In: Molhanec, M., Bejček, M., Voráček, J., editors, SDOT 2013, s. 133 147. College of Polytechnics Jihlava, Jihlava (2013) DEB II. http://deb.fi.muni.cz/index-cs.php [cit. 2013-05-13] DEBDict. http://deb.fi.muni.cz/debdict/index-cs.php [cit. 2013-05-13] Horák, A., Rambousek, A.: PRALED A New Kind of Lexicographic Workstation. In: Computational Linguistics Studies in Computational Intelligence, vol. 458, s. 131 141. Springer, Berlin (2013) IDMDPS. http://www.idm.fr/products/dictionary writing system dps [cit. 2013-05-13] ilex. http://www.emp.dk/ilexweb/index.jsp [cit. 2013-05-13] Karlík, P., Nekula, M., Pleskalová, J., editors: Encyklopedický slovník češtiny. Nakladatelství Lidové noviny, Praha (2002) Kilgarriff, A., Rychlý, P., Smrž, P., Tugwell, D.: The Sketch Engine. In: Williams, G., Vessier, S., editors, Proceedings of the 11th EURALEX International Congress, s. 105 116. Université de Bretagne-Sud, Lorient (2004) Martincová, O. a kol.: Nová slova v češtině. Slovník neologizmů 1. Academia, Praha (1998) Martincová, O. a kol.: Nová slova v češtině. Slovník neologizmů 2. Academia, Praha (2004) Matapuna. http://sourceforge.net/projects/matapuna/ [cit. 2013-05-13] Nový akademický slovník cizích slov. Academia, Praha (2005) Pala, K., Horák, A., Rambousek, A., Rangelova, A.: Nové nástroje pro českou lexikografii DEB2. In: Štícha, F., Šimandl, J., editors, Gramatika a korpus 2005, s. 190 196. Ústav pro jazyk český AV ČR, v. v. i, Praha (2007) Příruční slovník jazyka českého. Státní pedagogické nakladatelství / SPN, Praha (1935 1957) Příruční slovník jazyka českého [online] [cit. 2013-05-13] Přístupné z: http://psjc.ujc.cas.cz Rangelova, A., Králík, J.: Wider Framework of the Research Plan Creation of a Lexical Database of the Czech Language of the Beginning of the 21st Century. In: Levická, J., Garabík, R., editors, Computer Treatment of Slavic and East European Languages. Proceedings, s. 209 217. Tribun, Bratislava (2007) Slovník spisovné češtiny pro školu a veřejnost. Academia, Praha (1978), 2. vyd. (1994), 3. vyd. (2003) Slovník spisovné češtiny pro školu a veřejnost. [CD-ROM] LEDA, s. r. o., Voznice (1997), (2004), (2005) Slovník spisovného jazyka českého. Nakladatelství ČSAV, Praha (1960 1971) Slovník spisovného jazyka českého [online] [cit. 2013-05-13] Přístupné z: http://ssjc.ujc.cas.cz Slovník súčasného slovenského jazyka. A G, H L. Veda, Bratislava (2006), (2011) Světlá J.: The Possibilities and Limits of Lexicographical Description of the Czech Lexicon in Database Form. In: Levická, J., Garabík, R., editors, Computer Treatment of Slavic and East European Languages. Proceedings, s. 244 253. Tribun, Bratislava (2007) Světlá, J.: K návrhu, vývoji a funkcím lexikální databáze češtiny. In: Rangelova, A., Světlá, J., Jarošová, A., editors, Lexikografie v kontextu informační společnosti, s. 19 32. Ústav pro jazyk český AV ČR, v. v. i., Praha (2008)
Světlá, J.: Struktura a zpracování hesel v lexikální databázi Pralex. In: Světlá J., Jarošová, A., Rangelova, A., editors, Česká a slovenská výkladová lexikografia na začiatku 21. storočia, s. 9 18. Tribun EU, Brno (2011) Světlá, J.: Lexikální databáze Pralex nástroj a základna pro výzkum a popis slovní zásoby současné češtiny. In: Čmejrková, S., Hoffmannová, J. Klímová, J., editors, Čeština v pohledu synchronním a diachronním. Stoleté kořeny Ústavu pro jazyk český, s. 403 408. Karolinum, Prague (2012) Svozilová, N., Prouzová, H., Jirsová, A.: Slovesa pro praxi. Valenční slovník nejčastějších českých sloves. Academia, Praha (1997) Svozilová, N., Prouzová, H., Jirsová, A.: Slovník slovesných, substantivních a adjektivních vazeb a spojení. Academia, Praha (2005) TshwaneLex. http://tshwanedje.com/tshwanelex/ [cit. 2013-05-13] Velký slovník cizích slov. [CD-ROM] LEDA, s. r. o., Voznice (1999), (2005)