Диссертация (1137487), страница 11
Текст из файла (страница 11)
Средствами TEI были размечены в машиночитаемомвиде два слоя текста, которые необходимы для моделирования системы персонажей припомощи предлагаемого нами метода. Во-первых, это непосредственные наименованияперсонажей в тексте (в виде имен собственных, нарицательных именных групп, а такжеличных и возвратных местоимений).
Во-вторых, — прямая речь персонажей. Ниже мыопишем каждый слой подробно.1.3.1 Разметка наименований персонажейКнига «Война и мир» отличается от современного ей европейского романа, не укладываясьв границы жанра. Это отличие подчеркивал сам Л. Н. Толстой в статье «Несколько слов поповоду книги “Война и мир”»: «Что такое “Война и мир”? Это не роман, еще менее поэма,38еще менее историческая хроника» [Толстой, 1981: c. 356]. Выход за пределы жанраотмечали читатели и критики произведения. П. В.
Анненков в 1868 году писал о «Войне имире» как о произведении, которое «не переставая быть романом, было бы в то же времяисторией культуры по отношению к одной части нашего общества, политической исоциальной нашей историей в начале текущего столетия вообще и которое могло быпредставитьизсебялюбопытноеиредкоесоединениеолицетворенныхидраматизированных документов с поэзией и фантазией свободного вымысла» [Анненков,1868]. В разной форме говорили и говорят об этом исследователи творчества писателя.«"Война и мир" не ограничена рамками определенного сложившегося жанра. Будучироманом по своим основным признакам, "Война и мир" выходит из традиционных рамокэтого жанра, разрывает их и вводит в его состав новые, и при том такие существенныеэлементы, которые требуют специального, особого рассмотрения» [Сабуров, 1959: c. 5-6].А.
В. Чичерин говорил о толстовской задаче создания «романа-неромана» [Чичерин, 1975:c. 24]. В [Clay, 1998] «Война и мир» противопоставлена «традиционному роману»(«conventional novel») как произведение, нарушающее многие каноны и создающее новые.Э. Е. Зайденшнур в своей книге [Зайденшнур, 1966] показала, что замысел Л. Н. Толстогоизначально был связан именно с написанием исторической эпопеи, а не традиционногоромана в духе семейной хроники.
В книге Л. Н. Толстого присутствуют историкофилософские рассуждения, описания движений народов и войск на всем пространствеЕвропы, детальное изложение диспозиции перед Бородинским сражением; в «Войне имире» есть десятки страниц без единого упоминания персонажей.И в то же время «Война и мир» — это произведение, основу которого составляетнепосредственное изображение жизни конкретных героев (внешней и внутренней), ихпортретов, характеров, действий, поступков и мыслей, их «нарастающего бытия». «Однойсвоей гранью «Война и мир» — психологический роман» [Сливицкая, 1988: c.
17]. Крометого, сочетая романный жанр с эпическим, Л. Н. Толстой вплел в ткань повествованиямножество второстепенных, мелких, эпизодических лиц, служащих для созданиямасштабной и реалистичной панорамы «Войны и мира» («нам показывают точно детскиекубики, из которых должна сложиться картина», скажет Б.
М. Эйхенбаум [Эйхенбаум, 2009(1919): с. 49]).В результате, по подсчетам, сделанным на основе нашей разметки, на чуть менее 450 тыс.слов в тексте книги приходится свыше 45 тыс. упоминаний конкретных лиц (включаяанафорические местоимения, относящиеся к персонажами, а также самые ничтожныеэпизодические фигуры вроде случайных однажды появляющихся солдат или крестьян,членов семьи Платона Каратаева, о которых тот рассказывает в разговоре, и т.п).
В39процентном соотношении эти упоминания составляют около 5-6% всего текста «Войны имира», если считать пословно.Первоначальная разметка упоминаний лиц в тексте была сделана при помощи системыизвлечения информации ABBYY Compreno [Степанова и др., 2016]. По результатампоследних на сегодняшний день соревнований по извлечению именованных сущностей изтекста на русском языке, проведенных в рамках конференции «Диалог», система показаланаилучший результат из всех в выделении упоминаний людей (персон). В соревнованиииспользовались стандартные для компьютерной лингвистики меры качества:● точность (precision, P), или отношение числа верно выделенных системойименованных сущностей к общему количеству выделенных именованныхсущностей● полнота (recall, R), или отношение числа верно выделенных системойименованных сущностей к общему количеству именованных сущностей данноготипа в корпусе текстов, на котором производится тестирование● F-мера, или гармоническое среднее точности и полноты, рассчитываемое поформуле 2PR(P+R),По данным отчета организаторов соревнования [Старостин и др., 2016], для системыABBYY Compreno точность выделения персон составила 94%, полнота — 92%, F-мера —93%.Дополнительным аргументом в пользу выбора системы ABBYY Compreno для первичнойразметки стала поддержка в ней разрешения местоименной анафоры, т.е.
способностьсвязать именное упоминание персоны — с местоименным. На рис. 3 приведен разбор фразы«Анна Павловна кашляла несколько дней, у нее был грипп, как она говорила» в системеABBYY Compreno в виде дерева зависимостей. Стрелки фиолетового цвета отображаютвыделенные системой анафорические связи — они связывают именную группа «АннаПавловна», местоимения «нее» и «она».40Рис. 3. Пример разрешения анафоры в системе ABBYY ComprenoНа соревнованиях по разрешению анафоры, проводившихся в 2014 году [Toldova et al.,2014], [Bogdanov et al., 2014] система ABBYY Compreno также показала наилучшийрезультат из всех участников.
По данным, озвученным организаторами соревнований, дляместоименной анафоры была достигнута точность около 80%.В диссертационном исследовании ABBYY Compreno использовалась для разметкиотрезков текста книги «Война и мир», относящихся к упоминаниям персонажей, и длясвязывания с ними анафорических упоминаний. Уже на этом этапе были выявлены многиесложности, связанные с использованием инструментов компьютерной лингвистики взадачах филологического исследования. Так, не определялись в качестве имен старыеорфографические варианты: форма «Василья» (вместо «Василия») от имени Василий,отчество Феодоровна (вместо Федоровна), французские имена (m-lle Bourienne), редкиеодиночные фамилии нестандартного вида (Пфуль). Вместе с тем присутствовали ошибочновыделенные персоны на неоднозначных словах (тех, которые действительно могутназывать людей в некоторых контекстах).
Так, в предложении Али до Москвы? былоизвлечено упоминание человека по имени Али, названия многих сел и деревень («С левойстороны дороги от Никулина к Шамшеву») были определены алгоритмом как фамилии,регулярно выделялось упоминание человека на словах «неприятель», «государь» (в составеобращения «милостивый государь»). Приведем еще несколько характерных примеров втаблице 1:41Таблица 1. Примеры ошибочно извлеченных упоминаний персонажей при первичнойавтоматической разметке текстаФрагмент текста книгиОшибочно извлеченноеупоминание персонажаАле, алё! - сказал казак, трогая за руку пленного, чтобы он шел Аля (как женское имя)дальше.Дождавшись выезда экипажей княжны Марьи из дома, Ростов сел Богучаров (как мужскаяверхом и до пути, занятого нашими войсками, в двенадцати верстах фамилия)от Богучарова, верхом провожал ее.Как, как, как стихи-то Марина, как стихи, как?Марина (как женское имя)Лицо его было чисто выбрито, одет он был в гвардейский ваточный Георгийсюртук с Георгием в петлице и в прямо надетой простой фуражке.(какмужскоеимя)Из-за указанных сложностей при первичной автоматической разметке текста не удалосьдостичь тех показателей качества извлечения, которые показала система ABBYY Comprenoв ходе соревнования.
По итогам оценки на случайной выборке из 50 абзацев (полученнойавтоматически из всего множества абзацев в книге) система продемонстрировала точность83,05 %, полноту 59% и итоговую F-меру 68,98 %.Некоторые выделенные системой ABBYY Compreno упоминания лиц хотя и не былиошибочными, тем не менее не являлись упоминаниями собственно персонажей. Так, вописании раздумий Пьера об Элен появляются Парис и Елена; на вечере А. П. Шерервспоминают Фридриха Великого, чью шпагу похитил Бонапарт; пленные в сгоревшейМоскве перечисляют сгоревшие церкви по именам святых: «Николы ли, Власа ли, всеодно; видите, все сгорело, ну и конец…» [Толстой,1981: c. 110], именами святыхназываются и военные ордена (Георгий, Андрей). В философских отступлениях-эссеЛ.
Н. Толстого появляется собирательный образ «историка». Таких примеров, где наличиеимени в тексте не является отсылкой к персонажу, можно привести множество.Другой проблемой стало то, что само по себе выделение в тексте упоминаний имен исвязанных с ними анафорических местоимений не решало задачи однозначнойидентификации персонажа. Система ABBYY Compreno позволила выделить в текстеупоминания «графини Безуховой», «Элен» и «Елены Васильевны» и объединить их в триотдельные цепочки упоминаний. Однако чтобы соотнести их с одним и тем же персонажем,требовалась дополнительная разметка, специально разработанная для идентификацииперсонажей книги «Война и мир».Таким образом, на данном этапе работы существовали три проблемы:1.
неполное соответствие современной системы извлечения информации из текстазадаче анализа художественного произведения второй половины XIX века;422. невозможность автоматически отделить и исключить из разметки упоминанияимен, не отсылающие к конкретному персонажу, вообще не имеющие референта впространстве книги;3. необходимость связать упоминания одного и того же персонажа под разныминаименованиями.Для решения указанных проблем использовался словарь персонажей, собранный вручную.Ключом для каждой записи в словаре служил уникальный идентификатор персонажа,представляющий собой латинскую транскрипцию имени: Pierre_Bezukhov, Nikolai_Rostov,Natasha_Rostova и т.п.
Для каждого персонажа в словарь были добавлены однозначныенаименования указанного персонажа: Пьер и Петр Кириллович для Пьера Безухова, князьАндрей, Андрей Николаевич, Андрей Болконский для Андрея Болконского и т.д. Именаперсонажей, выделенные в тексте и приведенные к начальной форме при помощи системыABBYY Compreno, затем сравнивались со значениями из словаря. Все найденные такимобразом однозначные упоминания снабжались однозначным идентификатором из словаря.Одновременно тот же идентификатор присваивался анафорическим местоимениям,которые связывались с именами при помощи системы разрешения анафоры внутри ABBYYCompreno. В результате стало возможно собирать все упоминания одного персонажа в однуцепочку — см.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
