A hát, az izé és az ugye diskurzusjelölők jelentéseinek ábrázolása a kibővített Natural Semantic Metalanguage modellben

	PDF (thesis) Download (4MB)
	PDF (booklet) Download (484kB)
	PDF (booklet) Download (441kB)

Abstract in Hungarian

Disszertációmban három diskurzusjelölőnek, a hátnak, az izének és az ugyénak két-két leggyakoribb funkcióját elemzem. Az elemek szerepköreit a saját gyűjtésű, gyermek- és felnőtt nyelvi diskurzusokat tartalmazó korpuszaimban, illetve a MONYEK (Mátyus‒Orosz 2014) adatbázisban vizsgálom meg. Célom, hogy a Natural Semantic Metalanguage (NSM) modell kiegészítésével egy olyan elemzési rendszert, egy saját jelentésmodellt alkossak meg, amely a diskurzusjelölők jelentéseit kezelni tudja. A funkciók pontos beazonosítása után az NSM modellhez kapcsolódó egyéb (pl. kontextuális, strukturális) jellemzőket mutatom be, illetve olyan tulajdonságokkal (pl. prozódia, nem verbális jelzések) egészítem ki még a keretet, melyek segíthetnek a jelentések közti kapcsolatok feltárásában. Az egyéb, modellhez szorosan kapcsolódó jellemzők bemutatása után az NSM nyelvtani készlete segítségével felírom az elemek állandó szemantikai jelentését és speciális megjelenéseiket (Wierzbicka 1976, 1988), illetve a jelentésmodellemben is összehasonlítom a jelölők funkciópárjait. Végezetül a számszerűsített adatokkal rendelkező prozódia segítségével gépi tanulási kísérleteket mutatok be, melyek célja vázolni, hogy a prozódiai jegyek felhasználásával több algoritmus képes megkülönböztetni a diskurzusjelölők egyes funkcióit. Az értkezezés eredményei a nyelvtudomány manapság igen népszerű diskurzusjelölő-kutatása számára hordoznak releváns eredményeket.

Abstract in foreign language

In my dissertation, I analyse the two most common functions of three discourse markers, the hát, the izé and the ugye. I investigate the roles of the elements in my own corpus of children's and adult discourse and in the MONYEK (Mátyus-Orosz 2014) database. My goal is to complement the Natural Semantic Metalanguage (NSM) model with an analysis system, a meaning model of my own, that can handle the meanings of discourse markers. After a precise identification of the features, I present other features (e.g. contextual, structural) related to the NSM model, and I add features (e.g. prosody, non-verbal cues) to the framework that can help to reveal the relationships between meanings. After presenting other features closely related to the model, I will use the NSM grammatical set to map the permanent semantic meanings of the elements and their specific appearances (Wierzbicka 1976, 1988), and I will also compare the feature pairs of markers in the meaning model. Finally, I present machine learning experiments using the quantified data prose with the aim of outlining how several algorithms can distinguish between the functions of discourse markers using the prose features. The results of this thesis are relevant for the nowadays very popular discourse marker research in linguistics.

View Item