СИСТЕМА TEXTATTRIBUTOR ЯК ІНСТРУМЕНТ ПАРАМЕТРИЗАЦІЇ ТЕКСТІВ - Наукові конференції
Головна
UA PL EN

Вас вітає Інтернет конференція!

Вітаємо на нашому сайті

Рік заснування видання - 2011

СИСТЕМА TEXTATTRIBUTOR ЯК ІНСТРУМЕНТ ПАРАМЕТРИЗАЦІЇ ТЕКСТІВ

12.02.2025 21:58

[1. Інформаційні системи і технології]

Автор: Розвод Еліна Вадимівна, кандидат філологічних наук, доцент, Волинський національний університет імені Лесі Українки, Луцьк



Сучасність змушує нас усвідомити важливість культури роботи з текстом, особливо в аспекті фільтрації, опрацювання та засвоєння закладеної в ньому інформації, яка іноді є результатом вторинної або третинної інтерпретації. Це також спонукає до осмислення тих механізмів, які не лише характеризують творче ставлення до мовленнєвого твору, а й можуть слугувати цілям навмисного викривлення фактологічних даних, історичної пам’яті та руйнування ціннісних орієнтирів особистості.

Параметризація – це процес виявлення референтного діапазону метрик обмеженої кількості параметрів для класифікації текстів певного типу, жанру або складності.

Американський лінгвіст Дуглас Байбер стверджує, що лінгвістичні параметри мають певний розподіл у текстах різних типів. Різнорівневі за складністю тексти та різними предметними областями можуть бути описані за допомогою достатнього набору параметрів, метрики яких є стабільними величинами [1].

У дослідженні розглянемо вебзастосунок TextAttributor 1.0, який розроблений фахівцями Київського національного університету імені Тараса Шевченка для автоматичного лінгвостатистичного аналізу українськомовних медійних текстів. Він дозволяє користувачам аналізувати тексти за різними параметрами: кількість слів, речень, обсяг словника та інші. Система також генерує експертний висновок та надає графічне унаочнення стилеметричного порівняння текстів з еталонними характеристиками українського медійного стилю.

До основних функцій  TextAttributor 1.0 належать [3]:

1. Лінгвостатистичний аналіз: система аналізує введений текст за 18 статистичними параметрами, надаючи детальні дані про його структуру та мовні особливості.

2. Експертний висновок: генерує експертний звіт на основі проведеного аналізу, що може бути корисним для дослідників та фахівців у галузі лінгвістики.

3. Стилометричне порівняння: дозволяє порівнювати один або два тексти з еталонними характеристиками медійного стилю української мови, що є корисним для встановлення авторства або аналізу стилю.

4. Модуль «Порівняння атрибуції текстів»: визначає ступінь схожості між двома обраними користувачем текстами, що допомагає у завданнях встановлення авторства.

5. Модуль «Лінгвістична експертиза токсичності тексту»: надає систематизовані лінгвістичні та статистичні дані про токсичність українськомовного медійного тексту.

Система обчислює 18 статистичних параметрів, з яких перші три є кількісними даними про обсяг словника, тексту та кількість речень у тексті. Також окремим рядком подано кількість слів аналізованого тексту, які не оброблені системою. Ці слова не входять до числового значення обсягу слів тексту і можуть свідчити про похибку лінгвостатистичного дослідження. До таких слів належать, до прикладу, діалектизми, русизми, оказіоналізми. Наступні 15 параметрів – статистичні індекси, згруповані таким чином [3]:

1) за формальними та граматичними лінгвістичними ознаками 

 обчислювальних одиниць:

• кількісне співвідношення слів реєстру словника та обсягу текстових слововживань;

• кількісне співвідношення лексико-граматичних класів слів (частин мови) у тексті;

• кількісне співвідношення словосполучень та речень у тексті;

2) за психолінгвістичними ознаками;

3) за семантичною ознакою  негативним сентиментом тексту.

Актуальне дослідження ґрунтувалось на прикладі аналізу новинного дискурсу за такими параметрами: кількісного співвідношення слів реєстру словника та обсягу текстових слововживань, кількісного співвідношення словосполучень та речень у тексті та кількісного співвідношення лексико-граматичних класів слів у тексті. Результати аналізу тексту відображені у вигляді рисунків [2].

 

Рис.1.




Рис.2.

Статистичні параметри кількісного співвідношення слів реєстру словника 

та  обсягу текстових слововживань (Рис.2.):

1) індекс багатства (ib) – виражає відношення обсягу словника до обсягу тексту, свідчить про різноманітність словникового запасу; обернено пропорційний довжині тексту, тобто, що довший текст, то потенційно менше з’являється в ньому нових слів;

2) індекс винятковості тексту (ivt) – виражає відношення кількості слів-гапаксів, що зустрілися в тексті один раз, до обсягу тексту – свідчить про лексичне обмеження / лексичне багатство тексту;

3) індекс винятковості словника (ivl) – виражає відношення кількості слів-гапаксів, що зустрілися у тексті один раз, до обсягу словника – свідчить про лексичне обмеження / лексичне багатство словника.




Рис.3.

Статистичні параметри кількісного співвідношення словосполучень та речень у тексті (Рис.3.):

1) індекс динамічності (idyn) – виражає відношення суми дієслівних словосполучень (дієсл.+імен.) + (дієсл.+присл.) + (дієприсл.+імен.) + (дієприкм. + присл.) до суми іменних словосполучень (імен. + імен.)  + (прикм. + імен.), вказує на статичність/динамічність тексту, повільне/стрімке розгортання подій;

2) індекс зв’язності мовлення (izv) – виражає відношення суми кількості прийменників та сполучників до кількості речень у тексті,  свідчить про високий/нормальний/низький рівень зв’язності між описуваними подіями, явищами, ситуаціями.




Рис. 4.

Статистичні параметри кількісного співвідношення лексико-граматичних класів слів у тексті (Рис.4.):

1) індекс іменних означень, або епітетизації, (iio) виражає відношення суми вживань іменників до суми вживань прикметників – свідчить про ступінь епітизації тексту: що менше іменників, то вищий ступінь епітизації;

2) індекс дієслівних означень (ido) – виражає відношення суми вживань прислівників до суми вживань дієслів – свідчить про ступінь вияву ознаки дії в тексті;

3) ступінь номінальності (stn) – виражає відношення суми вживань іменників до суми вживань дієслів – свідчить про ступінь номінальності тексту;

4) індекс прономіналізації (ipro) – виражає відношення кількості особових займенників до обсягу словоформ  тексту, визначає ступінь кореферентності тексту;

5) індекс модальності (imod) – виражає відношення кількості часток до кількості слів у тексті – свідчить про ступінь емотивності тексту;

6) індекс субстантивності (isub) – виражає відношення кількості іменників до обсягу слововживань тексту – свідчить про насичення тесту іменниками, статичність стилю.




Рис.5.

Отримані результати чітко демонструють (Рис.5.), що моніторинг концептуального простору є важливим для виявлення нових форм деструкції в масмедіа, а також для створення вдосконалених систем для роботи з потенційно небезпечними текстами із застосуванням нейромереж і машинного навчання. Запропонована параметризація медіадискурсу дозволяє виявити та здійснити комплексну ймовірну оцінку можливих ризиків щодо потенційних цілей  інформаційних атак.

Література

1. Susan Conrad, Douglas Biber. Register, Genre, and Style. Cambridge: Cambridge University Press, 2019. 420p.

2. TextAttributor 1.0. (2024) [in Ukrainian]. http://ta.mova.info  (date of application 10.01.2025).

3. TextAttributor: User manual. (2024) [in Ukrainian].  http://ta.mova.info/instructions



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Інші наукові праці даної секції

Конференції

Конференції 2025

Конференції 2024

Конференції 2023

Конференції 2022

Конференції 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення