АВТОРСКИЙ ТЕЗАУРУС И СОЧЕТАЕМОСТЬ СЛОВ: ЛЕКСИКО-СТАТИСТИЧЕСКИЕ МОДЕЛИ ИНДИВИДУАЛЬНОГО СТИЛЯ
Мухин М.Ю.
Екатеринбург, Россия
Мухин Н.Ю.
Екатеринбург, Россия
Аннотация
В статье рассматриваются возможности сравнительного лексико-статистического анализа, применяемого для изучения индивидуального стиля (идиостиля) автора художественного текста. В рамках концепции идиостиля как двуплановой сущности обсуждаются две исследовательские модели, связанные с выявлением индивидуально-авторского лексикона и особенностей авторской лексической сочетаемости.
Приведены списки авторских частотных слов, сформированные на базе корпуса классической прозы XIX в. (произведений Л.Н. Толстого, Ф.М. Достоевского, А.П. Чехова, И.С. Тургенева и И.А. Гончарова). Данные списки получены на основании межтекстового и межстилевого статистического сопоставления. Согласно проведенному эксперименту, лексические списки практически без особых вариантов авторизуются филологической аудиторией. Определяется применимость лексической статистики для создания индивидуальных литературно-художественных тезаурусов. Последующая семантическая разметка дает возможность определить наиболее актуальные для разных авторов сферы действительности, отраженные в художественных текстах, а также сферы-лакуны. Такая модель, в частности, позволяет создать базу для значительно более объективной выборки материала идиостилевых словарей.
Рассмотрены принципы описания авторской лексической сочетаемости, связанные с формализованной систематизацией лексических биграмм - пар слов, употребленных в одном фразовом контексте. На материале произведений XX в. показана специфика выявления закономерностей авторской работы со словом. Представлено описание контекстных синтагматических связей на примере идиостиля В.В. Набокова, осуществленное в сопоставлении с творчеством современных ему писателей. Синтагматический анализ проведен на примере авторской сочетаемости наречия «вдруг», которое в романах Владимира Набокова обладает оригинальным контекстным окружением. Такой анализ по сути является фрагментом идиостилевого словаря сочетаемости, построенном на статистически выверенной выборке фразового материала.
Сделаны выводы о применимости сравнительного лексико-статистического анализа для построения идиостилевых моделей в современной стилометрии. Ключевой характеристикой этих моделей является неинтуитивный подход к оценке лексических параметров текстов и дополнительная объективация последующего филологического анализа авторского стиля.
Ключевые слова: лексическая статистика; стилометрия; художественный текст; идиостиль; тезаурус; лексическая сочетаемость; синтагматика; лексическая биграмма.
Abstract
Mukhin M. Yu. Mukhin N. Yu. Ekaterinburg, Russia
AUTHOR'S THESAURUS AND WORD COMPATIBILITY: LEXICOSTATISTICAL MODELS OF INDIVIDUAL STYLE
The article considers the possibilities of comparative lexicostatistical analysis to study the individual style (idiostyle) of a literary text author. Within the framework of the concept of idiostyle as a two-dimensional essence two research models connected with the identification of individual-author lexicon and peculiarities of an author's lexicon compatibility are discussed.
Lists of author's frequency words formed based on the classical prose text corpus of the XIX century (works by L. N. Tolstoy, F. M. Dostoyevsky, A. P. Chekhov, I. S. Turgenev and I. A. Goncharov) are given.
These lists were obtained on the basis of intertext and interstyled statistical comparison. According to the experiment, lexical lists are authorized by the philological audience without any specific variants. The applicability of lexical statistics for the creation of individual literary and artistic thesauruses is determined. Subsequent semantic markup makes it possible to determine the most actual spheres of reality for different authors, reflected in literary texts, as well as the spheres-lacunae. Such a model, in particular, allows selecting material for idiostylistic dictionaries in a more objective way.
The article considers the principles of the description of an author's lexical compatibility related to the formalized systematization of n-grams - pairs of words used in one phrase context. On the material of the XX century works the specificity of revealing the patterns of an author's work with a word is shown. The article presents the description of context syntagmatic relations on the example of V. V. Nabokov's idiostyle, carried out in comparison with the works of modern writers. Syntagmatic analysis is carried out on the example of the author's combination of adverb “vdrug” (“suddenly”), which in the novels of Vladimir Nabokov has an original contextual environment. Such an analysis is essentially a fragment of an idiostylistic dictionary of compatibility based on a statistically verified sample of phrasal material.
The authors draw conclusions about the applicability of comparative lexicostatistical analysis for the construction of idiostyle models in modern stylometry. A key characteristic of these models is a non-intuitive approach to the evaluation of lexical parameters of texts and additional objectification of the subsequent philological analysis of an author's style.
Keywords: lexical statistics; sty- lometry; literary text; idiosyle; thesaurus; lexical compatibility; syntagmatics; lexical bigram.
1. Вводные соображения
Статистические методы в филологической сфере применяют давно, несмотря на известное гуманитарное сопротивление. Сегодня можно считать классическими проведенные в междисциплинарном ключе работы В. С. Баевского, М. Л. Гаспарова, А.П. Журавлева, Ю.Н. Караулова, А.Я. Шайкевича и многих других известных ученых. Среди зарубежных авторов в этом ряду R. H. Baayen, J. F. Burrows, T. N. Corns, D. I. Holmes, D. L. Hoover, H. Love и др. Стилистические исследования, предполагающие проведение статистического анализа (в том числе исследования, связанные с авторизацией текста), составляют направление, получившее название «стилометрия» (или «стилеметрия»).
Важным стимулом развития стилометрии является современная корпусная лингвистика. Большие размеченные текстовые базы данных обеспечивают быстрый поиск и получение статистических сведений. Кроме того, программы автоматической обработки текстов (в первую очередь морфологического анализа) позволяют исследователю преодолеть психологический барьер при обращении к большим данным, которые содержат сотни миллионов слов. На этом фоне возникают вопросы о новой методологии филологических исследований, т.е. о грамотном построении исследовательской модели художественного текста и индивидуального стиля автора с использованием статистических данных. Математическая статистика, какими бы правильными ни были сами вычисления, выполняет в гуманитарной сфере обслуживающую функцию. Если модель в области изучения языка и текста построена неверно - никакое знание статистических инструментов не поможет выявить индивидуальные особенности языка и стиля автора.
Цель статьи - охарактеризовать два направления идиостилевого анализа на основании данных лексической статистики и в соответствии с ними представить результаты исследования, проводимого на материале классической прозы XIX и XX вв. К этим двум направлениям относятся:
1) выявление индивидуально-авторского лексикона и составление литературно-художественного тезауруса,
2) формализованное выявление индивидуальных особенностей авторской лексической сочетаемости.
По сути, эти направления являются наиболее очевидными для лингвистического изучения индивидуального стиля автора. Понимание идиостиля как двусторонней сущности, предполагающей сочетание «концептуальной системы автора» и «индивидуальной трансформации языковых выражений», находим, например, в работах В.А. Пищальниковой [Пищальникова 1992: 47]. Первое, как система смыслов художественного текста, отражающая концептуальную картину мира автора, дает представление об авторских тематических приоритетах (например, о том, какие сферы тезауруса в большей степени представлены в литературном творчестве). Второе, как система индивидуального употребления языковых единиц в художественном тексте, - о специфике авторской работы со словом.
Сходным образом рассуждает Н.Е. Сулименко: «изучение коммуникативных аспектов лексического значения... связывается с двумя исходными постулатами:
1) представлением о реализации в тексте определенной концептуальной системы носителя языка;
2) признанием гибкого, подвижного характера лексического значения с заложенными в нем потенциями преобразования» [Сулименко 2009: 52].
При этом в каком бы ракурсе филологической сферы ни применялась статистика, важнейшим исследовательским принципом, по нашему мнению, является сопоставление разных текстов и творчества разных авторов. В самом деле, при изучении индивидуального стиля автора любой исследователь, независимо от избираемой методологии, сталкивается с двумя подводными камнями. Во-первых, ряд стилевых признаков может относиться только к одному конкретному тексту, а не к разным произведениям автора. Например, если в романе Ф.М. Достоевского «Братья Карамазовы» - преимущественно в одном известном всем фрагменте - часто употребляется слово инквизитор, из этого не следует однозначный вывод о значимости этого слова для всего стиля автора. Во всяком случае, это касается других его романов, в которых это слово вообще не встречается. В «Войне и мире» в число частотных попадают слова армия, раненый, плен, фланг, атака, пехота, отступление, но совершенно понятно, что эта «военная» лексика обусловлена романным сюжетом и не является сквозной для всего творчества Л. Н. Толстого.
Во-вторых, у любого писателя встречаются не уникальные, а общезначимые стилевые признаки, характерные для многих, если даже не для всех, авторов. Поэтому статистические данные, сформированные на материале произведений одного писателя, всегда вызывают вопрос об их стилевой маркированности.
В филологических исследованиях нередко можно встретить рассуждения об индивидуальном стиле автора, основанные на наблюдениях каких-либо часто встречающихся у него слов, выражений, средств выразительности и т.д. К сожалению, помимо неучета двух отмеченных принципов, там, как правило, недостает и понимания того, что некое арифметическое количетво наблюдаемых фактов отнюдь не обязательно обладает статистической значимостью, связанной с «большими числами». Таким образом, аналитические модели, представленные в данной статье, обязательно предполагают масштабное статистическое сопоставление текстов и их авторов.
2. Индивидуально-авторский лексикон и литературно-художественный тезаурус
Располагая корпусом прозаических текстов XIX в., мы можем привести список самых частотных слов знаменательных частей речи, которые употребляют разные писатели. Приведенный ниже набор слов в общих чертах повторяет сведения, которые можно почерпнуть из других источников [Гребенников 2006; НЧС http; и др.]: быть, сказать, говорить, человек, мочь, знать, еще, рука, теперь, уже, становиться, лицо, глаз, хотеть, видеть, дело, вдруг, спрашивать, думать, очень, понимать, день, два, жизнь, голова, время, опять, раз, давать, много. Здесь 30 слов, и даже если его значительным образом расширить, универсальный характер этого ряда не изменится. В частотных списках эти лексемы располагаются в разном порядке и при этом все равно фигурируют в числе самых употребительных слов любого достаточно протяженного художественного текста.
А.О. Гребенников - исследователь рассказов А. Чехова и Л. Андреева - считает, что «эти совпадения легко объясняются прежде всего жанровыми особенностями» [Гребенников 2006: 160]. Мы полагаем, что главная причина лексических совпадений здесь - не столько жанровые, сколько глобальные текстовые особенности, связанные с отражением значимых представлений человека о действительности. Легко понять, что не может быть никакой речи о соотнесенности этих слов со стилем конкретного автора.
Теперь рассмотрим другие ряды слов (так же по 30 в каждом), которые выявлены путем статистического сопоставления на базе корпуса классической прозы (это избранные произведения Л. Н. Толстого, Ф. М. Достоевского, А. П. Чехова, И. С. Тургенева и А. И. Гончарова - всего около 4 миллионов слов). Эти ряды соотнесены с творчеством пяти указанных авторов, и мы предложим читателю определить, с каким из писателей ассоциируются у него эти слова.
Пока читатель думает об авторизации этих рядов, объясним, как они получены. Списки слов обусловлены межтекстовым и межстилевым сопоставлением. Исходно каждый автор представлен в нашем корпусе четырьмя крупными произведениями: И. С. Тургенев: «Рудин», «Дворянское гнездо», «Накануне», «Отцы и дети» (178 тыс. слов); И.А. Гончаров: «Обыкновенная история», «Обломов», «Обрыв», «Фрегат „Паллада“» (708,7 тыс. слов); Ф. М. Достоевский: «Преступление и наказание», «Идиот», «Бесы», «Братья Карамазовы» (877 тыс. слов); Л.Н. Толстой: «Семейное счастье», «Война и мир», «Анна Каренина», «Воскресение» (880 тыс. слов).
Проза А.П. Чехова (в силу преобладания малых форм) разделена на четыре хронологически обусловленных фрагмента, представляющих разные периоды его творчества (всего 1100,6 тыс. слов).
По каждому автору можно привести аргументированное объяснение для включения в перечень именно этих произведений, но самое главное для рассуждения в этой статье, что авторских подкорпусов одинаковое количество - четыре. Каждый текст и каждый автор имеют равные возможности для попадания в выборку для осуществления последующего сопоставительного анализа.
В авторские списки включены слова, которые попадают в число частотных как минимум в двух произведениях данного автора и не более чем в одном чужом произведении. Эти критерии позволяют избежать влияния сюжета конкретного текста на лексическую статистику. Кроме того, они выводят из рассмотрения слова, часто встречающиеся у многих писателей и характерные для многих художественных текстов. Добавим, что из списков выше исключены имена собственные (имена, фамилии персонажей и топонимы), чтобы исключить возможность совсем очевидной авторизации. Сами слова отсортированы в таблице по алфавиту, а не по частоте встречаемости.
Небольшой эксперимент показывает, что среди этих слов специалисты-филологи (и литературоведы, и лингвисты) явно видят единицы, «окрашенные» тем или иным стилем. Высказаны мнения о том, что даже не отдельные слова, а их соединения, общность создают некий «образ», «лицо» автора. В итоге лексические ряды распределяются по авторам следующим образом: Автор 1 - А.П. Чехов, Автор 2 - Ф.М. Достоевский, Автор 3 - И.А. Гончаров, Автор 4 - И.С. Тургенев, Автор 5 - Л.Н. Толстой.
На наш субъективный взгляд, наиболее очевидным является определение А.П. Чехова и Ф.М. Достоевского. При этом мы, естественно, не претендуем здесь на абсолютную истину, и у каждого эксперта могут быть свои соображения о связи отдельных лексем и авторских стилей.