Введение

Регулярная (систематическая) полисемия – это не произвольная «многозначность вообще», а повторяющиеся в языке модели смысловых сдвигов, которые проявляются у целых групп лексем: университет как    учреждение и как здание, книга как физический объект и как информационное содержание, газета как организация и как печатное издание и т.п. Этот тип полисемии принципиально отличается от омонимии (например, лук ‘оружие’/‘овощ’), поскольку связи между значениями предсказуемы и системны. Теоретическая постановка проблемы восходит к работам Ю.Д. Апресяна, где вводится понятие «регулярной полисемии» как набора систематических смысловых соответствий (Apresjan, 1974).

Типологии регулярной полисемии

В Генеративном лексиконе Дж. Пустеджовски полисемичные лексемы описываются через «dot-типы» – сложные типы, сочетающие, например, физический объект и информацию (book) или учреждение и место (school/university). Механизмы коэрции и копредикации позволяют формально фиксировать, когда два аспекта «сосуществуют» в одной конструкции (эта книга тяжёлая, но интересная). Такая типизация задаёт естественную «карту» регулярных моделей (Pustejovsky, 1995).

Альтернативная линия – лексические правила (lexical rules), которые систематически «расщепляют» или «расширяют» смысл: контейнер/ содержимое (выпил бутылку), животное/ мясо (ягнёнок), растение/продукт (виноград/виноградник), организация/ здание (школа ремонтируется/школа объявила). Copestake & Briscoe (1995) различают конструкционную полисемию            и расширение смысла и показывают,                как эти процессы формализуются в ограничительно-базированных грамматиках.

Уточнённые типовые системы в духе Asher (Type Composition Logic) объясняют условия совместимости предикатов      (почему интересная и тяжёлая книга допустима, а интересный и кирпичный университет – нет), тем самым давая         тест для разграничения регулярной полисемии и «концептуальных коллизий» (Asher, 2011).

Экспериментальные данные показывают, что «близкие» метонимические смыслы часто разделяют представление, тогда как метафорические – обособлены;      это поддерживает идею повторяющихся, узнаваемых паттернов полисемии (Lopukhina et al., 2018; см. также обзор в Haber & Poesio, 2024).

Мы используем гибридную типологию, согласующую GL-dot-типы и лексические правила (с примерами на рус./узб./англ.):

1. Организация ↔ локация (университет переполнен / университет объявил приём; universitet to‘liq / universitet e’lon qildi).
2. Артефакт ↔ информация/контент (толстая/интересная книга).
3. Контейнер ↔ содержимое (выпил целый бокал).
4. Производитель/автор ↔ продукт/текст (Пушкин хорошо продаётся).
5. Событие ↔ результат (строительство идёт / завершённый строительный объект).
6. Животное ↔ мясо, растение ↔ продукт и др.

Эти классы поддаются формальным тестам: (а) копредикация (совместимость предикатов для разных аспектов), (б) селективные предпочтения (аргументная сочетаемость), (в) синтаксические       позиции (PP-рамки, принадлежность к именительным/экзистенциальным конструкциям).

Для автоматизации необходимы: (i) словарные графы и онтологии (WordNet-подобные ресурсы, BabelNet), (ii) размеченные корпуса для WSD, (iii) большие неразмеченные корпуса. BabelNet объединяет WordNet и Википедию в многоязычную сеть, что удобно для проекции паттернов между языками (Navigli & Ponzetto, 2010; Navigli & Ponzetto, 2012).

Автоматическое выявление регулярной полисемии: методы и пайплайн

• Селективные предпочтения: если субъект/объект сочетается с глаголами речи (университет объявил), это сигнал org, а с предикатами физ. свойств (старое здание университета) – loc.
• Зависимые предлоги/падежи: паттерны в/на + Norg для локации; руководство Norg для института.
• Копредикационные ловушки: автоматическая проверка совместимости предикатов «разного типа» в одной координации.

Дистрибутивные и нейросетевые подходы.

Кластеризация контекстов полисемичного леммы с помощью контекстуализированных эмбеддингов (BERT-класс), последующая кластер-пометка через слабые правила (seed-слова/паттерны) и выравнивание с инвентарём типов (org/loc, cont/contnr и т.д.).

One-sense-per-collocation как эвристика, усиливающая распределение контекстов (Yarowsky, 1995), и классическое WSD как подсистема (Navigli, 2009).

Вводим для «подозрительных» лемм двойные типы (dot-типы) и проверяем их «активацию» по сетке признаков: предикаты-индикаторы содержимого vs. носителя, агента vs. места.

Для копредикации применяем простую типовую проверку в духе Asher: запрет на совместное предицирование несовместимых аспектов, разрешение –          при наличии dot-типа.

Инжиниринговый пайплайн.

1. Кандидаты: список лемм с высокой вероятностью регулярной полисемии (из словарей/частотных списков + из BabelNet).
2. Паттерны: извлекаем dependency-шаблоны для каждого класса (org/loc и пр.).
3. Кластеризация контекстов: агломеративная или HDBSCAN над слоями [CLS]/токен-векторов.
4. Семантическая маркировка кластеров: слабый супервайзинг на основе сидов/паттернов; сопоставление с инвентарём типов.
5. Валидация копредикацией: автоматические «positive/negative» тесты по координациям (интересная и тяжёлая книга – позитив для content+physical).
6. Линкинг: мэппинг на BabelNet/WordNet синсеты; экспорт в лексикон.

Оценивание

• Метрики: Precision/Recall/F1 по вручную верифицированным наборам паттернов и лемм.
• Человеческая проверка: приемлемость копредикации (Likert, минимум 3 эксперта).
• Сравнение с WSD-базовыми линиями: оценка выигрыша от явного моделирования регулярной полисемии относительно чистой дизамбигуации (Navigli, 2009).

Пример анализа:

• RU: газета, университет, министерство, стакан. Для газета признаки org: субъекты речевых глаголов (сообщила, опровергла); для print: материальные атрибуты (толстая, свежая).
• UZ: universitet, maktab, idish/ichimlik. Падежные и послеложные конструкции (universitetda, maktab e’loni) надёжно разделяют loc и org; контейнер/содержимое выявляется по глаголам потребления (stakanni ichdi ≈ «выпил бокал»).
• Валидация: в обеих системах копредикация служит отличителем «регулярной» модели от случайной омонимии.

Риск переобучения на поверхностных паттернах, переносимость между жанрами, а также неполные/шумные словари – ключевые препятствия. Перспективно объединение типовых тестов с «объяснимыми» атрибутами (правила + attention-раскладки) и выпуск многоязычной «таблицы» регулярных моделей для целевых доменов (медицина, образование, право).

Заключение

Регулярная полисемия – не шум, а структура. Её типологии (dot-типы, лексические правила) дают формальные ориентиры, а вычислительные методы – практические средства обнаружения и эксплуатации этих ориентиров в приложениях: от извлечения фактов до машинного перевода и терминографической консолидации.