Традиционные способы +
Словарный профиль
Словарный запас
Дистрибуция классов слов
Подсчет частотности ЧР в разных позициях в предложении
Анализ самых частотных сочетаний
Другие полезные книги
Журналы Оксфордской серии,
в частности
«Literary and Linguistic Computing»
Атрибуция в криминалистике
Плагиат и авторские права
Дискредитация конкурентов
Разные тексты, связанные с составом преступления (оскорбления, угрозы, шантаж, взятки, договоренности о сбыте наркотиков и т.п.)
Работа как с письменными, так и устными источниками
Языковые характеристики
Их диапазон не менее сложен, чем при текстологической атрибуции художественного текста.
Специфика сферы
Проблема недостаточного объема текстов!
Графологические и палеографические методы vs.
Квантитативно-лингвистические методы
Методы
Идентификационные (собственно определение авторства)
Неидентификационные (атрибуция в широком смысле)
Динамическая экспертиза свидетельского показания
позволяет видеть, как изменяются показания не в плане идеи или темы, но в плане дополнения содержания, «расцвечивания» всевозможными деталями и эмоционально окрашенными элементами.
Выводы
Количественные методы атрибуции самые надежные.
Слабость методов – в их зависимости от длины анализируемых текстов.
Поиск стил. характеристик, не подверженных авторской воле.
Важность временны’х характеристик текстов.
Информационные технологии
Количественный анализ художественного текста и стиля автора
Специфика гуманитарных исследований
Неточность, расплывчатость понятий и определений.
Преобладание качественных характеристик их основных объектов.
Ограниченность возможностей проведения активного эксперимента.
Большой объем исходной информации.
Именно второй пункт, преобладание качественных (а не количественных) характеристик объектов, крайне осложняет построение формализованной теории текста.
Острота четвертого пункта в отношении текстового анализа постепенно снимается с развитием компьютерных систем и корпусных проектов.
Еще раз о формализации ХТ
Ю. Н. Марчук: любые данные о языке можно представить в лексикографической форме и — далее — перевести в алгоритмизованную, машинную форму.
По сути это постулат компьютерной лингвистики. Реализовать такую идею в применении к художественному тексту, строящемуся на колонне скрытых смыслов и порождающему разные читательские интерпретации, очень сложно.
Лингвистическая теория художественного текста
Стремление к системному описанию формальных и смысловых характеристик ХТ:
См. работы
Л. Г. Бабенко, Н. С. Болотновой,
В. Г. Гака, И. Р. Гальперина, Ю. В. Казарина,
В. А. Лукина, Л. А. Новикова,
В. А. Пищальниковой, И. Я. Чернухиной и др.
Опять о «гуманитарности»
Даже упомянутые структурные модели не являются настолько строгими, чтобы их можно было бы превратить в компьютерные алгоритмы.
Моделирование макрокатегорий — таких, как образы автора и персонажей, художественное пространство и время и др., —предполагает человеческое прочтение.
Специфика восприятия литературного произведения, помимо интерпретации смысла слов, предполагает не что иное, как переживание текста читателем.
Формализация при АОТ
Практика автоматической обработки текста — в том числе информационный поиск, автоматическое аннотирование, машинный перевод и т.п. — выдвигает особые требования к «интегральному» описанию текста, которое должно быть абсолютно лишено неформализованных блоков информации, интуитивно понятных только человеку.
Количественные методы в филологии
Направления:
от текста → к автору (атрибуция)
от автора → к тексту, т. е. изучение произведений, авторство которых не вызывает сомнений или доказано.
Генеральная задача — провести на основании количественных характеристик стилистический анализ и системно выстроить черты текста, стиля автора, литературного направления, произведений одного периода.
Применение количественных методов
Грамматические и семантические признаки текста
Звуко-буквенные ассоциации
Модели стихотворного ритма и рифмы
Тематическая структура ХТ
Динамика индивидуального стиля
Структура литературной ситуации
В. Г. Адмони, В. С. Баевский, М. Л. Гаспаров, А. П. Журавлев, Ю. Н. Караулов, А. Н. Колмогоров, А. Я. Шайкевич, J. F. Burrows, T. N. Corns, D. L. Hoover и др.
Аксиоматические положения
Статистические методы, позволяют свести до минимума субъективизм исследователя, количественно оценить результат и проверить степень его достоверности.