Везде
«Особые приметы» в речи художественных персонажей: количественный анализ диалогов в «Войне и мире» Л. Н. Толстого
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
«Особые приметы» в речи художественных персонажей: количественный анализ диалогов в «Войне и мире» Л. Н. Толстого
Аннотация
Код статьи
S207987840001649-2-1
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Бонч-Осмоловская Анастасия Александровна 
Аффилиация: НИУ «Высшая школа экономики»
Адрес: Российская Федерация, Москва
Скоринкин Даниил Андреевич
Аффилиация: НИУ «Высшая школа экономики»
Адрес: Российская Федерация, Москва
Выпуск
Том 7 Выпуск 7 (51)
Аннотация
Статья описывает количественное исследование диалогов между героями в романе Л. Н. Толстого «Война и мир». В критических работах Л. Н. Толстого встречаются указания на то, что автор высоко ценил наличие у художественных персонажей «своего языка», а речевые особенности его собственных героев часто рассматриваются критиками как важные штрихи к их портретам. В нашем исследовании мы попытались выделить некоторые формальные признаки, которые отражали бы устойчивые различия в речи персонажей, позволяли бы установить некоторую меру речевой близости между ними и осмысленно сгруппировать героев. На первом этапе мы использовали стандартные подходы из арсенала стилометрии (компьютерной стилистики), которые изначально разрабатывались для определения авторства текста и опираются главным образом на частотности слов и N-граммов. Затем мы применили альтернативный подход с опорой на более формальные «структурно-ориентированные» признаки прямой речи, не связанные с выбором слов. И тот, и другой метод показали достаточно осмысленные и интерпретируемые результаты, что говорит в пользу применимости подобных количественных методов к литературоведческим задачам вообще и к анализу персонажей в частности. В то же время существенные различия между результатами двух подходов позволили нам продемонстрировать, что иногда выбор более формальных, «структурно-ориентированных» признаков позволяет избавиться от некоторых естественных искажений в данных и получить более интересные результаты, в нашем случае — выявить более глубокие сходства и различия между характерами персонажей.
Ключевые слова
компьютерное литературоведение, количественные методы в литературоведении, компьютерная стилистика, стилометрия, Delta, русская классическая литература, Л. Н. Толстой
Источник финансирования
Статья подготовлена при поддержке гранта РФФИ № 15-06-99523 «Семантическая публикация полного собрания сочинений Л. Н. Толстого: модель, технологии и реализация».
Классификатор
Получено
04.11.2016
Дата публикации
01.12.2016
Кол-во символов
61867
Всего подписок
49
Всего просмотров
5855
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf 200 руб. / 1.0 SU

Для скачивания PDF нужно оплатить подписку

Полная версия доступна только подписчикам
Подпишитесь прямо сейчас
Подписка и дополнительные сервисы только на эту статью
Преимущества подписки
200 руб. / 1.0 SU
Подписка и дополнительные сервисы на весь выпуск
Преимущества подписки
800 руб. / 10.0 SU
Подписка и дополнительные сервисы на все выпуски за 2016 год
Преимущества подписки
2500 руб. / 50.0 SU

Библиография



Дополнительные библиографические источники и материалы

    

  1. Мухин М. Ю. Лексическая статистика и идиостиль автора: корпусное идеографическое исследование: на материале произведений М. Булгакова, В. Набокова, А. Платонова и М. Шолохова . Екатеринбург, 2011.
    2. 

  2. Ярхо Б. И. Методология точного литературоведения: Избранные труды по теории литературы. М.: Языки славянских культур, 2006.
    3. 

  3. Argamon S. Interpreting Burrows's Delta: Geometric and Probabilistic Foundations // Literary and Linguistic Computing. 2008. № 23. C. 131—147.
    4. 

  4. Argamon S., Levitan S. Measuring the usefulness of function words for authorship attribution // Literary and Linguistic Computing. 2004. C. 1—3.
    5. 

  5. Bei Yu Function Words for Chinese Authorship Attribution  // Proceedings of the Workshop on Computational Linguistics for Literature. Montreal. 2012. C. 45—53.
    6. 

  6. Bogdanova D., Lazaridou A. Cross-Language Authorship Attribution  // LREC proceedings. 2014. C. 2015—2020.
    7. 

  7. Burrows J. “Delta”: a measure of stylistic difference and a guide to likely authorship // Literary and Linguistic Computing. 2002. С. 267—287.
    8. 

  8. Burrows J. All the Way Through: Testing for Authorship in Different Frequency Strata // Literary and Linguistic Computing. April 2007. № 22. С. 27—47.
    9. 

  9. Burrows J. Computation into Criticism: A Study of Jane Austen’s Novels and an Experiment in Method. Oxford: Clarendon Press, 1987.
    10. 

  10. Eder M. Style-markers in authorship attribution: A cross-language study of the authorial fingerprint // Studies in Polish Linguistics. 2011. № 6. С. 99—114.
    11. 

  11. Forsyth R., Holmes D. Feature-finding for text classification // Literary and Linguistic Computing. 1996. № 11. С. 163—174.
    12. 

  12. Hoover D. Testing Burrows’s Delta // Literary and Linguistic Computing. 2004. № 19. С. 453—475.
    13. 

  13. Hoover D., Culpeper J., O'Halloran K. Digital Literary Studies: Corpus Approaches to Poetry, Prose, and Drama. Routledge Advances in Corpus Linguistics, 2014.
    14. 

  14. Juola P. и Baayen H. A Controlled-corpus Experiment in Authorship Identification by Cross-Entropy // Literary and Linguistic Computing. 2005. № 20. C. 59—67.
    15. 

  15. Koppel M., Schler J. Exploiting stylistic idiosyncrasies for authorship attribution  // Proceedings of IJCAI’03 Workshop on Computational Approaches to Style Analysis and Synthesis. 2003. C. 69—72.
    16. 

  16. Mendehal Thomas The Characteristic Curves of Composition // Science. 1887. C. 237—246.
    17. 

  17. Mosteller F., Wallace D. Inference in an Authorship Problem // Journal of the American Statistical Association. 1963. Т. 58. С. 302.
    18. 

  18. Rybicki J., Eder M. Deeper Delta across Genres and Languages: Do We Really Need the Most Frequent Words?  // Literary and Linguistic Computing. 2011. № 23. С. 315—321.
    19. 

  19. Schreibman S., Siemens R. A Companion to Digital Literary Studies. [Электронный ресурс]. URL: http://www.digitalhumanities.org/companionDLS/ (дата доступа 08.09.2016 г.)
    20. 

  20. Seroussi Y., Bohnert F., Zuckerman I. Authorship Attribution with Author-aware Topic Models // Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics. 2012. Т. 2. С. 264—269.
    21. 



 

Комментарии

Сообщения не найдены

Написать отзыв
Перевести