Об автоматизации комплексного анализа русского поэтического текста В.Б.Барахнин, О.Ю.Кожемякина Институт вычислительных технологий СО РАН, Новосибирский. - презентация

1 Об автоматизации комплексного анализа русского поэтического текста В.Б.Барахнин, О.Ю.Кожемякина Институт вычислительных технологий СО РАН, Новосибирский государственный университет

2 Пятиуровневая модель информации Цель информации Действие инормации Содержание информации Изложение информации Концепция информации Отпра- витель Адреса т Сообщение АПОБЕТИКА ПРАГМАТИКА СЕМАНТИКА СИНТАКСИС СТАТИСТИКА ИНФОРМАЦИЯ Результат действия ДействиеПонимание значения Понимание кода Принятие сигнала Источник информации

3 О влиянии нижних уровней сообщения на верхние Два нижних уровня сообщения (статистика и синтаксис), непосредственно связанные с кодировкой и языком сообщения, далеко не всегда влияют на верхние уровни. Например, для сообщения научного жанра практически не наблюдается зависимости понимания значения, действия и результата действия сообщения от языка, на котором написано сообщение. Однако для некоторых типов сообщения такая зависимость весьма велика. Это относится, например, к сообщениям (текстам) художественного жанра, прежде всего, – к поэтическим текстам. «Явление структуры в стихе всегда в конечном итоге оказывается явлением смысла» (Ю.М.Лотман)

4 Уровни структуры стиха Литературный жанр Тематика Речевой жанр Грамматика Лексика Фонетика Ритм Метр

5 Соответствие уровней информации и структуры стиха Синтактика Семантика Прагматика метр, ритм, фонетика лексика, грамматика тематика

6 История исследования влияния нижних уровней стиха на верхние К. Тарановский в работе «О взаимодействии стихотворного ритма и тематики» (1963) исследовал взаимодействие ритмических особенностей и жанрового применения пятистопного хорея. Было показано, что во многих стихах, написанных этим размером (начиная с «Выхожу один я на дорогу...» М.Ю.Лермонтова), «динамический мотив пути противопоставляется статическому мотиву жизни». Была предложена методика определения семантики того или иного стихотворного размера, заключающаяся в исследовании не его единичные употребления, а по традицию его жанрового и тематического использования, что предполагает анализ корпусов поэтических текстов. М.Л.Гаспаров: «Лексика формирует для нас прежде всего семантику данного конкретного стихотворения, метрика – общий фон семантической традиции, на котором оно воспринимается».

7 Актуальность задачи автоматизации анализа поэтических текстов Итак, исследование влияния нижних уровней структуры стиха на высшие является весьма актуальной проблемой русской филологии. Одной из основных трудностей при ее решении является необходимость анализа корпусов поэтических текстов большого объема. Задача эта чрезвычайно трудоемкая, поэтому зачастую в поле зрения исследователя попадает лишь сравнительно небольшой круг стихов поэтов- классиков, что, без сомнения, значительно снижает полноту анализируемого материала и, следовательно, достоверность полученных результатов. Таким образом, возникает задача автоматизации анализа различных уровней структуры стиха, что позволит освободить исследователей от рутинной работы и при этом резко расширить круг анализируемых авторов. Описанная выше корреляция между уровнями структуры произвольного сообщения и стиха показывает, что многие технологии и математические методы, применяемые в информатике, вполне могут быть использованы в процессе автоматизации анализа стихов.

8 Состояние предметной области Простейшие математические подходы применяются в филологическом анализе русских стихотворений довольно давно. Широко известны частотные словари языка поэтов-классиков. Проводились многочисленные исследования статистики типов русской рифмы, в том числе, и применительно ко временнóй динамике (Давид Самойлов). Однако зачастую сбор статистической информации до сих пор ведется практически вручную (исключение составляет лишь контент-анализ). Отдельные исследования, описывающие комплексный подход к автоматизации характеристик русских поэтических текстов (например, песен Заонежья), затрагивают, как правило, весьма специфические жанры поэзии – например, фольклорные стихи, структурные характеристики которых, например метрика, тематика и т.д., значительно отличаются от соответствующих структур «литературного» стиха.

9 Подходы и технологии автоматизации анализа поэтических текстов

10 а) Метр, ритм, фонетика Анализ метра и ритма предполагает исследование чередования так называемых сильных и слабых звуков (несколько упрощенно – ударных и безударных слогов), при этом метр – «идеальная схема» чередования, а ритм – их реальное чередование, несколько отличающееся от идеального ввиду взаимодействия естественных свойств речевого материала и метрического закона. Для такого анализа используются фонетические словари. Наиболее полным из сетевых фонетических словарей открытого доступа – «Словарь полного фонетического разбора»

11 Метр, ритм, фонетика Фонетика - фонетический разбор 1) Орфографическая запись слова: Фонетика 2) Ударение в слове: фон`етика 3) Деление слова на слоги (перенос слова): фо-не-ти-ка 4) Фонетическая транскрипция слова Фонетика : [фан'`эт'ика] 5) Характеристика всех звуков: ф [ф] - согласный, твердый, глухой, парный о [а] - гласный, безударный н [н'] - согласный, мягкий, звонкий, непарный, сонорный е [`э] - гласный, ударный т [т'] - согласный, мягкий, глухой, парный и [и] - гласный, безударный к [к] - согласный, твердый, глухой, парный а [а] - гласный, безударный

12 Метр, ритм, фонетика Использование указанного словаря для анализа фонетически характеристик стиха осложняется тем, что в нем приведены только начальные формы слов, поэтому проводится генерация фонетической записи словоформ. Сами словоформы содержатся в том или ином морфологическом словаре, например, сопровождающем свободно распространяемый продукт Ispell html Однако автоматизация этого процесса не совсем тривиальна, поскольку не существует строгих закономерностей расположения ударения в словоформах в зависимости от места его расположения в начальной форме слова. Для анализа метрических и строфических характеристик стиха используются «эталонные» базы даны типичных размеров и строф.

13 б) Лексика и грамматика Лексический анализ стихотворения предусматривает создание его лексического словаря, который используется, в частности, для выявления доминирующих частей речи, тематических (семантических) полей и поэтической фразеологии (прежде всего, употребляемых метафор). Среди некоммерческих программных продуктов, решающих задачу составления лексического словаря некоторого текста, можно назвать стеммер компании «Яндекс» Стеммер позволяет извлекать как слова, являющиеся заданной частью речи (что автоматически решает задачу выявления доминирующих частей речи), так и словосочетания заданной структуры (например, (прилагательное) + (существительное) или (существительное) + (существительное в родительном падеже)}. Последняя из названных возможностей способна значительно обогатить традиционные словари языка того или иного поэта.

14 б) Лексика и грамматика Грамматический анализ текста включает определение его возможной принадлежности к именному или к глагольному стилям (соответственно сплошные назывные предложения или перечисление действий), а также временнóго плана и субъектной структуры стихотворения (что требует исследования употребления категорий времени, залога и лица). Именной или глагольный стиль определяется путем непосредственного анализа лексического словаря. Для определения употребления категорий времени, залога и лица дополнительно требуется использовать довольно несложные морфологические правила русского языка, позволяющие установить, какая конкретно категория времени, залога или лица употреблена.

15 в) Тематика Исследование зависимости тематики от низших уровней структуры стиха – одна из наименее исследованных областей филологического анализа. В этой области имеется целый ряд нерешенных проблем: «Вопрос о том, связан ли метроритмический уровень текста с его тематикой, до сих пор является дискуссионным… Методика выявления смысловой окраски ритма до сегодняшнего дня разработана недостаточно… Вопрос о тематических, образных и эмоциональных ассоциациях, связанных с теми или иными звуками, находится в стадии разработки, и пока мы не можем дать совершенно бесспорных характеристик семантики каждого звука».

16 Тематика Применение методов статистического анализа больших массивов стихотворных текстов вполне может стать эффективным методом разрешения этих и подобных проблем филологического анализа. Важным направлением исследований представляется использование многофакторного анализа семантических, эмоциональных и т.п. ассоциаций, масштабное применение которого практически невозможно без применения методов автоматизации.

17 г) Об электронных библиотеках поэзии Большие подборки русской поэзии, прежде всего, классической, имеются в Библиотеке Максима Мошкова, Интернет- библиотеке Алексея Комарова, на сайте «Мировое искусство: живопись, литература, анимация, кино». При этом, разумеется, при использовании этих библиотек для анализа классической поэзии могут возникнуть определенные проблемы, связанные, например, с тем, что все тексты в них приведены в современной орфографии, что способно внести известные (хотя и весьма незначительные) искажения в фонетический анализ текста.

18 Выводы В настоящей работе намечены основные подходы к автоматизации процесса статистического анализа низших структурных уровней (метр, ритм, фонетика, лексика, грамматика) русских поэтических текстов. Результаты такого анализа позволят существенно расширить возможности филологов, исследующих как указанные уровни стихов, так и их семантические и прагматические характеристики, в том числе избавить филологов от рутинной работы, расширить круг анализируемых произведений, уменьшив зависимость качества сравнительного анализа от личной эрудиции исследователя, а также применять различные методы интеллектуального анализа данных.

19 Благодарим за внимание!