Лингвистический анализ и формальное представление содержания нарративного текста

В данной работе «Лингвистический анализ и формальное представление содержания нарративного текста» предлагается метод извлечения, формализации и наглядного представления существенной информации текста.

В середине XX века Эмиль Бенвенист прогнозировал «формальное» будущее лингвистики, подчеркивая ее стремление к точности, которое заключалось, прежде всего, в изменении отношения к своему объекту: «Если наука о языке должна выбирать себе образец для подражания, то им будут науки математические или дедуктивные, которые представляют свой объект в полностью рациональной форме, сводя его к совокупности объективных свойств, получающих постоянные определения. Из этого следует, что лингвистика будет становиться все более и более „формальной“, по крайней мере, в том смысле, что язык предстанет как некоторая совокупность всех своих наблюдаемых форм» [Вепуепи^е 1966; русск. пер. в кн.: Бенвенист 1974:37].

На современном этапе развития лингвистики, в эпоху всеобщей компьютеризации и глобальной информатизации наш интерес к опыту точных наук и использование этого опыта в разработке авторской технологии исследования текста можно считать отвечающим запросам времени.

Выявление семантически значимой информации происходит во многом благодаря использованию средств компьютерной графики. Высокая эффективность графического представления информации подтверждена многочисленными исследованиями наглядно-образного и визуального мышления на основе когнитивного подхода. Фундаментальная идея этого подхода заключается в том, что мышление есть не что иное, как манипулирование внутренними (мысленными) репрезентациями структурированных определенным образом знаний — фреймов, сетей, планов, сценариев. Исходя из этого, разработаны модели представления знаний на основе семантических сетей, продукций, логики предикатов и нечетких знаний [Поспелов 1989].

Следует отметить, что разработанное на основе когнитивного подхода новое направление в области искусственного интеллекта — когнитивная компьютерная графика (ККГ) — с 1988 г. является «стратегическим приоритетом национальной политики США в области развития перспективных информационных технологий, прежде всего для науки и образования. Суть концепции ККГ очень проста: если на экране дисплея удается визуализировать существенные свойства и отношения между объектами некоторой предметной области (даже любой степени абстракции), то такой ККГ-образ, как правило, содержит в себе информацию (на уровне графических деталей компьютерного изображения) о возможных и не всегда заранее известных следствиях этих свойств и этих отношений» [Агеев 2002:37].

Изложенные выше соображения определяют актуальность данного исследования.

Цель нашего исследования — разработка и применение метода анализа нарративного текста как системы таких алгоритмизируемых процедур, которые способны выявлять лингвистически значимую информацию, моделировать процесс перехода от лексико-грамматического уровня текста к структуре его содержания, визуализировать статику и динамику последнего.

Объектом анализа является содержание нарративного текста как ментальное образование — семантика текста в её статике и становлении.

Материалом для исследования послужил рассказ А. П. Чехова «Дама с собачкой», хорошо структурированный небольшой по объему текст (его длина составляет 317 предложений (5238 ЛЕ)) как обозримое целое для анализа, но с достаточным материалом для классификации. Исследуемые единицы отбирались при помощи компьютерной программы «Словари», разработанной под руководством сотрудников Научно-методического центра по компьютерной лингвистике факультета РГФ ВГУ. Обработка материала проводилась на компьютере Pentium IV в редакторе Word for Windowsдля количественной обработки использовались электронные таблицы и графические представления Excel for Windows.

Предлагаемый нами метод исследования семантики текста предполагает пошаговое решение следующих задач:

— выявление ключевых слов посредством анализа частотного словаря;

— выявление кореферентных наименований ключевых слов;

— анализ семантико-синтаксической связи между ключевыми словами и составление структурных схем, формируемых определенным предикативным типом и репрезентирующих статус ключевых словграмматическое и кореферентное обобщение контрагентов ключевых слов;

— представление системы семантических связей в тексте в виде графических моделей;

— определение с использованием графических моделей количественных параметров, характеризующих систему семантических связей в тексте: семантической связности, характеризующей план содержания текста, его семантическую монолитностьцепочечного коэффициента, определяющего среднюю длину цепочки сложного синтаксического целого (ССЦ), в которой каждое предшествующее ССЦ непосредственно связано с последующим за ним ССЦфункционального веса, параметра, определяемого числом семантических связей, в которые вступает в данном тексте рассматриваемая единица;

— исследование и визуализация динамики референтов и предикативной связи;

— интерпретация фактов, выявленных с помощью предлагаемой технологии обработки информацииа также решение целого спектра более частных задач.

О методе исследования изучаемого объекта заявлено в названии темы диссертации, а его создание определено как цель. Предлагаемый метод разработан на основе частных лингвистических методов исследования письменных текстов, основанных на количественном анализе, методах контент-анализа и валентного анализа, методов и средств когнитивной компьютерной графики.

Научная новизна исследования заключается.

1) в разработке оригинального метода анализа и формализации содержания нарративного текста;

2) в выборе в качестве материала исследования самого сложного случаяхудожественного текста1;

3) в разработке и представлении динамической модели содержания нарративного текста.

Теоретическая значимость работы состоит в попытке выйти за рамки анализа художественного текста, который является на данном этапе исследований пока традиционным и собственно лингвистическим, и разработать алгоритмический метод использования лингвистической информации для выявления и наглядного представления содержания текста.

Практическая ценность предложенного алгоритма заключается в возможности как его самостоятельного использования, так и в составе других алгоритмических процедур для решения ряда практических задач, связанных с компьютерной обработкой текста в рамках литературои переводоведения, а также для построения интегрированных технологий для систем искусственного интеллекта. Поэтому наблюдения и обобщения, сделанные в процессе исследования, могут быть использованы специалистами по теоретической и прикладной лингвистике и прогностике текста, квантитативной лингвистике, литературоведению и переводу в лекционных курсах и на практических занятиях.

1 Существует мнение, что художественная проза и поэтические тексты, «не могут быть объектом формализации» [А. Новиков 1983:6], поскольку их формализация «не диктуется какой-либо практической необходимостью» [Там же]) — одновременно отмечается, что «проза А. П. Чехованаиболее трудно поддающиеся формализации и моделированию тексты» [Лотман 1972:355].

Положения, выносимые на защиту, формулируются следующим образом:

1. Первым этапом анализа является выделение ключевых слов, опирающееся на анализ употребительности слов в тексте.

2. Вторым, к сожалению, пока не формализованным этапом анализа является установление кореферентного тождества слов и словосочетаний с целью получения полной информации о номинировании персонажей (действующих лиц, участников ситуации).

3. Формализация семантического пространства может осуществляться через анализ синтаксических связей членов предложения.

4. Количество минимально необходимых для существенного представления содержания нарративного текста в его статике и динамике предикативных типов равно 11: акциональный, перцептивный, экзистенциальный, сущностный, квалификативно-дескриптивный, социативный, посессивный, коммуникативно-контактный, предикаты речи, движения и состояния.

5. Динамика отношений между персонажами (количество и качество их отношений) может измеряться через количество и качество их синтаксических связей, опосредованных глаголами указанных семантических типов.

6. Семантическая сеть текста, построенная по методу Э. Ф. Скороходько, может использоваться для выделения значимых частей текста как условие моделирования динамики его содержания.

Основные положения диссертации изложены и апробированы в период с 2000 по 2003 гг. на научных конференциях и семинарах различных уровней: международной конференции «Актуальные проблемы языкознания и методики обучения иностранным языкам», организованной факультетом иностранных языков Воронежского государственного педагогического университета (март 2000) — международной конференции «Перевод: язык и культура», проводимой факультетом РГФ Воронежского государственного университета (октябрь 2000, сентябрь 2001) — второй и третьей конференциях «Проблемы лингвистической прогностики», организованных и проведенных факультетом РГФ, Научно-методическим центром по компьютерной лингвистике и кафедрой теоретической и прикладной лингвистики Воронежского государственного университета (ноябрь 2001, май 2003) — международной научной конференции «Проблемы компьютерной лингвистики», организованной Научно-методическим центром по компьютерной лингвистике, факультетом РГФ и факультетом ПММ Воронежского государственного университета (май 2002 и 2004) — на третьем международном семинаре по когнитивной лингвистике (Тамбовский госуниверситет, сентябрь 2002), а также отражены в 9 публикациях.

Структура работы обусловлена поставленными задачами. Диссертация состоит из введения, двух глав и заключения, 29-ти таблиц, 11-ти схем, 10-ти диаграмм, 4-х графиков, списка использованной литературы, 10-ти приложений.

Выводы по 2-ой главе.

1. Построение семантической сети позволяет визуализировать систему семантических отношений между ССЦ и семантическую структуру такого объекта повышенной сложности, как художественный текст.

2. Применяя сетевой метод, мы определили ряд важных количественных параметров, представляющих особую ценность для характеристики системы семантических связей в тексте, а именно: семантическую связность (С=0Д15) — цепочечный коэффициент (Z=3,7) — функциональный вес ССЦ (ф!7=136) .

3. В результате сетевого моделирования выявлено девять частей СемСети. Анализ динамики КС и силы Р-связи между персонажами в каждой из этих частей, визуализация полученной информации в виде графов (схемы связей) позволяют констатировать, что а) среди ключевых персонажей Гуров занимает лидирующую позицию в I, VI, VII, VIII и IX частях ССАнна Сергеевна — во II, Ш, IV и V-ойб) наибольшей силой связи обладает пара персонажей Гуров<-«Анна Сергеевна. Максимальной величины эта сила достигает в V частив) формализация кореферентных наименований КС в виде таблиц (см. Приложение 2−10) позволяет рассматривать в качестве доминанты местоимение 3 л. им. п.: Гурова — во всех частях СемСети кроме 1-ой, Анны.

Сергеевны — во II, IV, V, VIII, IX частяхимя собственное: Гурова — в VIII-ой,.

Анны Сергеевны — в I, Ш, VI, VII, VIII, IX частях. Причем, Сг-доминантами одновременно являются и местоимения, и имена собственные КС: Гурова — в.

VIII части СС, Анны Сергеевны — в VIII и 1Х-ой.

4. Если сила связей между персонажами выражается в их количестве, то характер зависит от качества предикативной связи. Анализ Р-связи по частям, визуализация его результатов в виде таблиц, графиков и диаграмм позволили проследить динамику этой связи и выявить Р-доминанту — это р х регс.

5. Анализ динамической модели содержания текста дает возможность уяснить авторскую стратегию размещения информации. Эта стратегия нацелена в конечном итоге на реализацию главной задачи — отразить процесс поиска истины, анализа ложных стереотипов, переход персонажа от прежнего состояния к новому.

6. Процедура по выявлению Р-доминанты в произведении А. П. Чехова «Дама с собачкой», а также предикатная динамика, наблюдаемая, прежде всего, внутри таких Р-типов как Ррегс, Pstat? Pmouv, Pact, Pdescr, позволяют определить вектор действия, который направлен не во внешний мир главных героев: глобальные метаморфозы происходят в их внутреннем мире.

7. Как показал дискурсивный анализ, смена различных видо-временных контекстов свидетельствует о неоднородности нарративного темпа то стремительного, с быстрой сменой действий, то картинно-замедленного.

ЗАКЛЮЧЕНИЕ

.

Подведем итоги проведенного исследования и обобщим полученные в его ходе результаты. В работе предлагается метод анализа и визуального представления текста в его статике и динамике.

Предлагаемый метод исследования содержательного пространства нарративного текста осуществлялся в три этапа: а) обработка информации, б) визуальная презентация полученной информации и в) интерпретация результатов исследования.

Его применение позволило выявить ключевые слова (КС), характеризующиеся своей функциональной значимостью: употребление КС в сильных синтаксических позициях (в заглавии и зачине), частотой употребления и своей связью с другими словами в тексте.

С целью получения полной информации о номинировании персонажей (участников ситуации) было установлено кореферентное тождество слов и словосочетаний (кореферентные синонимы и местоимения).

Если выбор лексики, по мнению психологов, обусловлен интенцией автора текста, то употребление грамматических форм в меньшей — степени поддается авторскому контролю. Поэтому доминирующие синтаксические конструкции, выявленные в результате семантико-синтаксического анализа, не только специфицируют художественной текст, отражают уникальность его стилевой организации, но и определяют особенности художественного мышления автора.

Для решения задач прикладного характера, связанных с компьютерной обработкой текста, было проведено подробное описание синтаксических связей членов предложения. Для машины такое описание делает «понятной» структуру анализируемого предложения и возможным построение дерева вывода соответствующей структуры.

В ходе исследования выявлены 11 типов предикативной связи (Р-типов) КС и их контрагентов, охарактеризованной посредством семантических типов предиката, и репрезентирован статус КС.

Получены данные, структурированные в виде таблиц и схем, необходимые для визуализации существенной информации средствами компьютерной графики в виде статической и динамической моделей содержания.

Для построения статической модели проведена статистическая обработка данных и представлена в относительных величинах путем составления пропорций с учетом общего количества кореферентных наименований в тексте и предикативных связей между персонажами. Статическая модель в виде графа, состоящего из вершин и ребер, является способом отражения как относительного веса КС, так и силы связей между персонажами произведения в целом по тексту.

Формализация предикативной связи позволила выявить предикативную доминанту в целом по тексту (Р-доминанту), критерием релевантности которой является самая высокая частотность Р-типа. Как показал качественный и количественный анализ Р-связи, такой Р-доминантой оказался перцептивный Р-тип.

Для построения динамической модели семантического пространства текста применена семантическая сеть (СемСеть) как инструмент содержательного членения и мощное наглядное средство описания знаний. Сетевое моделирование позволило визуализировать систему семантических связей между единицами этой системы — сложными синтаксическими целыми (ССЦ), семантическую структуру исследуемого текста и определить её тип.

Посредством сетевого моделирования определены основные количественные параметры системы семантических связей, важные для автоматизированного анализа текста на естественном языке: семантическая связность, функциональный вес ССЦ, цепочечный коэффициент.

Сегментация СемСети на части (в другой терминологии цепочки) позволила проследить динамику референтов и предикативной связи (их интенсивность и качество). При этом было установлено, что динамика проявляется только в отношениях главных героев произведениясвязь через предикацию с другими персонажами статична.

Для построения модели связей между персонажами каждой из девяти частей СемСети, был использован тот же способ представления данных в относительных величинах, что и при создании статической модели.

Визуализация данных в виде круговой диаграммы для каждой части СемСети позволила нагляднее продемонстрировать динамику предикативной связи.

Чтобы получить целостную картину пошаговой динамики Р-связи по частям СемСети и в целом по тексту, а также поведения каждого из Р-типов в отдельности, вся полученная информация была представлена на четырех графиках, репрезентирующих динамику самых частотных Р-типов (Pperc, Pstat> Pmouv, Pdei), среднечастотных Р-типов (Р^, Pdescr, Pcomm-cont) и наименее частотных Р-типов (Pexist, Ропот, Psoc, Pposs) — 11 кривых последнего графика соответствуют всем 11-ти типам Р-связи.

Интерпретированы факты, полученные формальным путём, в ходе сопоставления их с результатами литературоведческих исследований [см. Барлас 1991; Бердников 1974; Катаев В. Б. 1979; Мелетинский 1994; Чудаков 1972, 1992; и мн. др.], полученных посредством неформального, интуитивного анализа. Таким образом, интуитивные ощущения динамики содержания переведены в наглядность.

Каждый из девяти графов и соответствующее количество диаграмм частей СемСети визуализируют существенные отношения между объектами и указывают на определенные связи между смыслом графического образа моделируемой ситуации и его вербального описания.

Установлено, что различный порядок убывания частот Р-типов и изменение их состава в каждой из 9-ти частей СемСети текста является свидетельством о смене темы в этих частях и перемещения акцента с одной стороны ситуации на другую.

Определена роль различных видо-временных контекстов в создании эффекта статичности микроситуаций, картинно-изобразительного характера повествования, или, наоборот, динамичности.

Всё это дает возможность 1) уяснить авторскую стратегию размещения информации- 2) показать, что вектор действия направлен не во внешний мир главных героев: глобальные метаморфозы происходят в их внутреннем мире- 3) «визуализировать» переход персонажа от прежнего состояния к новому.

Предлагаемый метод создает необходимые предпосылки для компьютерного представления и анализа содержания текста. Он может быть использован в различных лингвистических исследованияхпозволяет решать ряд теоретических и прикладных задач, особенно связанных с проектированием лингвистического обеспечения систем искусственного интеллектаанализом архитектоники литературного произведениясозданием языков описания документовинформационным поиском, автоматическим реферированием, индексированием и экстрагированием.