ЛИНГВИСТИЧЕСКИЙ АНАЛИЗ И ФОРМАЛЬНОЕ ПРЕДСТАВЛЕНИЕ СОДЕРЖАНИЯ НАРРАТИВНОГО ТЕКСТА

ЛИНГВИСТИЧЕСКИЙ АНАЛИЗ И ФОРМАЛЬНОЕ ПРЕДСТАВЛЕНИЕ СОДЕРЖАНИЯ НАРРАТИВНОГО ТЕКСТА

Научная статья

Ефимова Т.В.

Воронежская государственная медицинская академия имени Н.Н.Бурденко, Воронеж, Россия

Аннотация

Цель работы – 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. Результаты обеспечивают продвижение в решении проблемы знаковости текста. Практическая значимость диссертации связана с возможностью использования полученных результатов в исследовании лингвистики текста и целостного представления содержания текста в формализованном и визуализированном виде; в лекционных курсах и на практических занятиях по лингвистике, литературоведению и переводу, а также в решении прикладных задач, связанных с компьютерной обработкой текстов в рамках литературо- и переводоведения.  

Ключевые слова: лингвистический анализ, формализация содержания, семантическое пространство, статическая модель, динамическая модель.

Keywords: linguistic analysis, formalization of content, semantic space, static model, dynamic model.  

В данной работе предлагается метод извлечения, формализации и наглядного представления существенной информации нарративного 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» [1, с.37].

Предлагаемый метод исследования семантики текста 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.

Выявление семантически значимой информации текста 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 [2].

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» [3, с.37].

Эмпирическим 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.

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

Исходя из того, что текст - это система индивидуально-авторских знаний о мире, воплощенная в литературно-художественной форме и направленная читателю, мы исследуем семантическое пространство текста как пространство, определенным образом организованное подобно индивидуальной базе знаний, содержащее множество объектов и связей. Определение этих объектов, а также структуры и типа связей между ними, связано с решением конкретных задач формализации содержания текста с использованием статистических и сетевых методов.

Предлагаемый нами алгоритм анализа семантического пространства осуществляется в три этапа: а) обработка текстовой информации, б) визуальная презентация полученной информации и в) интерпретация результатов исследования. Он  включает следующие шаги:

1. Составление частотного словаря с целью выявления ключевых слов (далее КС) текста и их лемматизация, т.е. приведение разных текстовых форм КС к одной канонической, назначенной в качестве главной, исходной форме, которая несет основную информацию[1].
2. Анализ лексического состава текста с целью выявления кореферентных наименований ключевых слов (Cr).
3. Анализ семантико-синтаксической связи между ключевыми словами и составление структурных схем, формируемых  определенным предикативным типом и репрезентирующих статус ключевых слов (персонажей).
4. Обобщение (грамматическое и кореферентное) контрагентов ключевых слов.
5. Моделирование семантического пространства текста.

1. Термин “ключевое слово” встречается в разных науках: в литературоведении он обозначает лейтмотив произведения [4, с.31]; в информатике и психолингвистике - слово или словосочетание, несущее основную семантическую нагрузку с точки зрения информационного поиска. Процесс выделения таких слов носит название индексирования с целью устранения информационного шума[2]: «Для усунення iнформацiйного шуму застосовують методики iндексування тексту, яки враховують комунiкативну значущiсть та функцiональне навантаження слiв у ньому» [5, с.145]. Как показали эксперименты по восприятию содержания текста, ключевые слова называют персонажей, основной предмет, о котором идет речь в произведении, и характеризуют его, т. е. «такi слова в конденсированiй формi виражають основну информацiю про  змiст тексту» [5, с.144].

По данным психолингвистики, формальными показателями, свидетельствующими о значительной информационной весомости КС в тексте, являются:

1) частотность слова (именно этот показатель КС использовал в области информатики Г. Лун при создании системы автоматического реферирования в 1958 году);

2) синтаксическая позиция слова (КС содержатся, прежде всего,  в заголовке и первом предложении: «Название дается рассказу, конечно, не зря, оно несет в себе раскрытие самой важной темы, оно намечает ту доминанту, которая определяет собой все построение рассказа [6, с.217].

3) Набор КС связан с отражением цельности текста, что также было подтверждено экспериментально: текст хранится в памяти в наборе КС, которые затем эксплицируются при его воспроизведении [7].

Выполненный с помощью компьютерной программы частотный словарь текстовых слов и их лемматизация позволили выявить КС, которые представлены в нижеследующей таблице.

Таблица 1.

2. Переходя к конкретному анализу эксплицитных форм когерентности текста (языковых средств, выполняющих как репрезентативную, так и связующую функцию, то есть средств, обеспечивающих его формальное и смысловое единство), мы провели такое кореферентное обобщение, которое, по словам Н.Д. Арутюновой, «позволяет пронести тождество предмета сквозь текст» [8, с.26]. Это тождество достигается следующим образом:

1)  Через чистый лексический повтор без модификаций. Любой повтор выполняет не только текстообразующую функцию, но и функцию усиления, подчеркивания. Прежде всего, речь идет о заглавии «Дама с собачкой». В исследуемом произведении ключевое слово, точнее словосочетание, вынесено в позицию заглавия - в сильную позицию текста, что подчеркивает его концептуальную значимость. Оно повторяется в тексте пять раз (включая заглавие). Повторяемость данного словосочетания в контекстах, конкретизирующих и всякий раз по-новому раскрывающих его смысл, обусловливает динамику текста. С этим словосочетанием парадигматически и синтагматически сопряжены  и такие слова, которые в целом образуют ментальное пространство рассказа: кореферентные наименования персонажей, их атрибуты, предикаты и ассоциации.

2)   Через повторную номинацию.

3)   Через репрезентацию, основанную на метонимических и гипо-гиперонимических отношениях. Например: Анна Сергеевна – новое лицо, дама, невысокого роста блондинка в берете,  молодая женщина.

4)   Через субституцию, реализуемую посредством прономинализации.

3. Поскольку кореференция обеспечивает единство темы и единый план ее развития на парадигматическом и синтагматическом уровне, следующим шагом нашего алгоритма является семантико-синтаксический анализ окружения ключевых слов. Следует также заметить, что, 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.

Как известно, каждую семантико-синтаксическую структуру формирует определенный тип предиката с относящимися к нему актантами. Каждый семантический тип предиката эксплицируется соответствующей предикатной лексикой – предикаторами, обладающими общностью грамматических и семантических признаков, предикаторами одного и того же валентного типа. Под предикатором вслед за Ю.С.Степановым понимается языковая форма предиката (глагол, прилагательное), “понятийной сущности”, “явления семантики” [9, с. 321].

Выделение семантических типов предикатов и их структур осуществляется в два этапа: на первом этапе дифференцируются конкретные высказывания, а на втором – идентифицируются и обобщаются однотипные конкретные высказывания, как по форме, так и по смыслу.

В результате анализа связи номинаций действующих лиц через предикацию выявлено 11 типов предикативной связи (Р-типов): акциональный  (Р_act), перцептивный (Р_рerc), экзистенциальный (Р_exist), сущностный (Р_onom), квалификативно-дескриптивный (Р_descr), социативный (Р_soc), посессивный (Р_poss), коммуникативно-контактный (Р_comm-cont), предикаты речи (Р_dеl), движения (Р_mouv) и состояния (Р_stat), каждый из которых на семантико-синтаксическом уровне эксплицируется определенными структурами.

Семантико-синтаксический анализ показал, что в качестве синтаксической доминанты  «Дамы…» следует рассматривать:

а) экспрессивные синтаксические конструкции: сравнительные конструкции с союзом точно, присоединительные конструкции с союзами и и но, обособленные и присоединенные обстоятельства (чаще обстоятельства образа действия, выраженные деепричастными оборотами или наречиями в постпозиции), неопределенно-личные предложения с необозначенным подлежащим, в которых основное внимание сосредоточено на состоянии или действии; сложные синтаксические конструкции с разнотипной синтаксической связью: с сочинением и внутренней подчинительной связью,  с сочинением и бессоюзной связью, с сочинением, подчинением и бессоюзной связью;

б) сложноподчиненные предложения, а также сложные синтаксические конструкции с придаточными изъяснительными (изъяснения требуют глаголы речи, восприятия, эмоционального состояния); в) однотипные конструкции с перцептивными (мыслительной деятельности) глаголами  и глаголами внутренней речи.

Структурные схемы, обусловленные определенным семантическим типом предиката, репрезентируют статус ключевых слов: чаще субъектную позицию занимает Гуров. Анализ структурных схем позволяет также сделать вывод о том, что повторение ключевых слов и их кореферентных наименований в разной синтаксической роли (подлежащего или дополнения) является существенным признаком связности текста.

4. Результаты проведенного кореферентного и грамматического обобщения контрагентов ключевых слов представлены в нижеследующей таблице 2.

Таблица 2.

Продолжение Таблицы 2.

¹Курсивом выделены упоминаемые автором персонажи, не имеющие эксплицитной синтаксической связи с КС и их контрагентами.  

5. Предлагаемый нами алгоритм дает возможность на этапе лингвистического анализа получить необходимые данные (отчасти формализованные в виде таблиц и структурных схем) для решения ряда семантических задач, в частности, предполагающих в той или иной форме моделирование семантического пространства текста в статике и динамике. Речь идет, прежде всего, о визуализации полученной информации в виде графических образов (далее ГО), которые трактуются как модели отображаемого объекта – текста, как средство представления данных исследований сложных структур, явлений, процессов [10–16].

Для построения статической модели выделяются ключевые слова (далее КС) для получения полной информации о номинировании персонажей (действующих лиц, участников ситуации) с опорой на анализ употребительности их номинаций в тексте и на определение кореферентного тождества слов и словосочетаний. Полученные данные представляются в относительных величинах путём составления пропорций с учётом общего количества кореферентных наименований КС и связей между ними через предикацию.

Статическая модель в виде графа, состоящего из вершин и ребер, отражает как относительный вес КС, так и силу связей между ними в целом по тексту. Вершины в виде круга – это персонажи произведения с указанием их имён-гиперонимов и количества кореферентных наименований; рёбра же в виде стрелок отражают связи между действующими лицами через предикацию и силу этих связей. (См. Рис.1).

Площадь круга  вычисляется по формуле:

где S – площадь круга,  Cr – количество кореферентных наименований персонажей.Толщина стрелок на схеме пропорциональна количеству предикативных (семантико-синтаксических) связей между КС.

Формализация предикативной связи позволяет 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. Визуализация данных в виде круговой диаграммы дает возможность продемонстрировать соотношение типов предикативной связи и Р-доминанту в целом по тексту.

Для построения динамической модели семантического пространства текста применена семантическая сеть (СемСеть) как инструмент содержательного членения текста и мощное наглядное средство описания знаний. Особой популярностью сетевой метод пользуется у исследователей в области искусственного интеллекта, так как сети удобны для чтения и компьютерной обработки текста [17–25 и др.].

Идеальной математической моделью такого системно-структурного образования как СемСеть является граф, чьи вершины соответствуют единицам текста, а ребра – семантическим отношениям между ними: «Большое количество узлов и дуг делают графическое представление похожим на сеть из линий, поэтому оно получило название семантической сети (семантической, поскольку исторически такие сети были использованы, прежде всего, для представления знаний на естественном языке)» [24, с. 262].

Вершины нашего графа – это 33 сложных синтаксических целых (ССЦ), полученных в результате проведенного сегментирования текста, а ребра, соединяющие соответствующие вершины, маркируют семантическую связь между ССЦ. (См. Рис.3).

Применяя сетевой метод, мы определили ряд важных количественных параметров, представляющих особую ценность для характеристики системы семантических связей в тексте, а именно: семантическую связность,  характеризующую план содержания текста, его семантическую монолитность; цепочечный коэффициент, определяющий среднюю длину цепочки ССЦ, в которой каждое предшествующее ССЦ непосредственно связано с последующим за ним ССЦ; функциональный вес ССЦ, параметр, определяемый числом семантических связей, в которые вступает в данном тексте рассматриваемая единица.

В результате сетевого моделирования выявлено девять частей СемСети. Для построения модели каждой из них используется тот же способ представления данных в относительных величинах, что и при создании статической модели.

Построенные для каждой части СемСети девять графов и соответствующее количество диаграмм визуализируют существенные отношения между КС и позволяют измерить динамику отношений между персонажами через количество и качество синтаксических связей их номинаций, опосредованных глаголами указанных семантических типов.

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 представляется на графиках, репрезентирующих динамику самых частотных Р-типов (Р_perc, Р_stat, Р_mouv, Р_del), среднечастотных Р-типов (Р_act, Р_descr, Р_comm-cont) и наименее частотных Р-типов  (Р_exist, Р_onom, Р_soc, Р_poss);  11 кривых  последнего графика соответствуют всем 11-ти типам Р-связи. (См. Рис.4).

Таким образом, применённая нами процедура по извлечению текстовых референтов, смысловых единиц – предикатов, их классификации по типам, квантификации данных, ранжированию по частоте встречаемости, выявлению Cr-доминанты и Р-доминанты для каждой части СемСети и по тексту в целом, – позволяет существенно углубить содержательный анализ текста, сделать его, возможно, более объективным: выявить динамику и характер отношений персонажей, сделать более очевидным намерение автора акцентировать те или иные стороны ситуации. Достоверность выводов, полученных формальным способом, подтверждается при их сопоставлении с результатами, полученными литературоведами посредством неформального, интуитивного анализа [26–32].

Так, статическая модель рассказа, с одной стороны, выявляет связи между КС; демонстрирует приоритетность такого персонажа, как Гуров, визуальным способом доказывая, что именно он является объектом внимания автора, а не дама с собачкой. С другой стороны, мы полагаем, что такое представление образа содержания художественного произведения не противоречит замыслу автора. Подтверждением тому служат слова самого  А.П.Чехова: «Поневоле, делая рассказ, – пишет он своему издателю Суворину, − хлопочешь, прежде всего, о его рамках: из массы героев берёшь только одно лицо – жену или мужа, − кладёшь это лицо на фон и рисуешь только его; его и подчеркиваешь, а остальные разбрасываешь по фону, как мелкую монету, и получаешь нечто вроде небесного свода: одна большая луна и вокруг нее масса маленьких звезд» [31, с. 186].

В результате формализации предикативной связи в целом по тексту  установлено, что Р-доминантой являются P_perc (1-ая позиция) и P_stat (2-ая позиция), что подтверждает мнение А.П. Чудакова о том, что в произведениях писателя «большое место занимают конструкции с глаголами восприятия и словами категории состояния» [29, с. 5].

Сетевое моделирование позволило визуализировать систему семантических связей между единицами этой системы – ССЦ, семантическую структуру такого объекта повышенной сложности, как художественный текст и определить её тип – это кусочно-нелинейная,  т. е. включающая несколько фрагментов, незамкнутая, т. е. не имеющая связи между первым и последним ССЦ; ветвящаяся структура. Это объясняется «многоплановостью художественного произведения, в котором сюжет развивается в нескольких направлениях» [24, с. 140].

Применяя сетевой метод, мы определили, что максимальный  функциональный вес имеет 17-ое ССЦ: «Пройдет какой-нибудь месяц, и Анна Сергеевна, казалось ему, покроется в памяти туманом и только изредка будет сниться с трогательной улыбкой, как снились другие. Но прошло больше месяца, наступила глубокая зима, а в памяти все было ясно, точно расстался он с Анной Сергеевной только вчера.  И воспоминания разгорались все сильнее.  Доносились ли в вечерней тишине в его кабинет голоса детей, приготовлявших уроки, слышал ли он романс, или орган в ресторане, или завывала в камине метель, как вдруг воскресало в памяти все: и то, что было на молу, и раннее утро с туманом на горах, и пароход из Феодосии, и поцелуи.  Он долго ходил по комнате, и вспоминал, и улыбался, и потом воспоминания переходили в мечты, и прошедшее в воображении мешалось с тем, что будет. Анна Сергеевна не снилась ему, а шла за ним всюду, как тень, и следила за ним.  Закрывши глаза, он видел ее, как живую, и она казалась красивее, моложе, нежнее, чем была; и сам он казался себе лучше, чем был тогда, в Ялте.  Она по вечерам глядела на него из книжного шкафа, из камина, из угла, он слышал ее дыхание, ласковый шорох ее одежды. На улице он провожал взглядом женщин, искал, нет ли похожей на нее...» [33, с. 451].

Такой результат идёт вразрез с традиционной точкой зрения, согласно которой особую значимость имеет известный монолог возмущенного Гурова о ”куцей и бескрылой жизни”. Подобного мнения придерживается и В.Б.Катаев, известный исследователь творчества А.П.Чехова: «Нет необходимости считать этот эпизод едва ли не более важным, чем вся история любви и перемены в отношениях Гурова с “низшей расой”. Так считают интерпретаторы, стремящиеся обосновать важный общественный смысл рассказа “Дама с собачкой”. Но в чеховском мире гораздо более глубокой и подлинной общественной значимостью, чем любая возмущённая  или протестующая фраза героя, обладает неизменная устремлённость автора на различение истинного и ложного, “настоящего” и “ненастоящего” в человеческих идеях и делах» [32, с. 266].

Анализ динамической модели содержания текста дает возможность наглядно доказать, что динамика проявляется только в отношениях главных героев произведения (связь через предикацию с другими персонажами статична).

Процедура по выявлению Р-доминанты, а также предикатная динамика, наблюдаемая, прежде всего, внутри таких Р-типов как P_perc, P_stat, P_mouv, P_act, P_descr, позволяют определить вектор действия, который направлен не во внешний мир главных героев: глобальные метаморфозы происходят в их внутреннем мире – и, таким образом, 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.