• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Препринт
Student vocabulary expansion with the help of a learner corpus

Vinogradova O. I., Pitra T. G.

Linguistics. WP BRP. НИУ ВШЭ, 2016. No. 52.

Препринт
A case of using a Multilingual Database of synonyms for designing lexical drills

Zarifyan M., Melnik A. A., Vyrenkova A. S.

Linguistics. WP BRP. НИУ ВШЭ, 2016

Глава в книге
A Frame-based methodology for lexical typology

Rakhilina E. V., Reznikova T.

In bk.: The Lexical Typology of Semantic Shifts. Berlin; Boston: Mouton de Gruyter, 2016. Ch. 4. P. 95-129.

Глава в книге
Adyghe

Lander Yu.

In bk.: Word Formation. An International Handbook of the Languages of Europe. Vol. 5. Berlin; NY: Mouton de Gruyter, 2016. Ch. 193. P. 3508-3527.

Книга
Bibliographie zu deutschen Lehnwörtern im Weißrussischen, Ukrainischen und Russischen

Krivko R. N., Hentschel G., Pryhodzič A. et al.

Oldenburg: BIS-Verlag der Carl von Ossietzky Universität Oldenburg, 2016.

Сотрудники школы лингвистики выступили на семинаре международной лаборатории сетевого анализа

Доцент школы лингвистики Франк Фишер и преподаватель Даниил Скоринкин сделали доклад о сетевом анализе художественных произведений.

Исследования сетевых структур опираются на математическую теорию графов. Поскольку в виде графа могут быть представлены самые разные объекты (социальные группы, экономико-географические связи, каналы распространения инфекций, медиа, научные публикации), применение сетевого анализа и теории графов активно развивается во многих областях научного знания. Международная лаборатория прикладного сетевого анализа  НИУ ВШЭ — один из центров, где ведутся подобные исследования и разрабатываются новые методы для них. 

С недавнего времени графами заинтересовались и литературоведы. Эта математическая абстракция оказалась достаточно удобна для формализации взаимодействий между персонажами литературных произведений. Появилась возможность, с одной стороны, получить некоторые численные подтверждения для традиционных интерпретаций и прочтений (например, кого мы считаем главными героями того или иного произведения, какие группы персонажей можно выделить и т.п.),  а с другой — посмотреть на текст в новом (графовом) представлении и увидеть не вполне очевидные при прочтении свойства, которыми обладает «социальная сеть» персонажей. 

Сотрудники школы лингвистики  Франк Фишер и Даниил Скоринкин применяют сетевой анализ для исследования русских драматических текстов. С его помощью исследуется структура пьесы, выявляются моменты авторских новаций, изучаются и классифицируются типы сетевых структур, встречающиеся в текстах. Например, так выглядят сети 13 русских драматических произведений от "Недоросля" Фонвизина до "Клопа" Маяковского:

Здесь, к примеру, видно, что третья пьеса в верхнем ряду — "Борис Годунов" А.С. Пушкина — заметно отличается от окружающих (больше героев, нет единого ядра персонажей). Это неслучайно: "Борис Годунов"  — т.н. пьеса для чтения, изначально не предназначенная для постановки в театре, что и позволяет Пушкину ввести такое количество действующих лиц; кроме того, действие в ней разделено пространственно на сцены в Польше, в Москве и на полях сражений между ними. В графе благодаря этому легко выделяются группы (кластеры)   — польский, московский вокруг царя, "народный".

Для современной data-центричной науки особенно важно, что представление пьесы в виде графа взаимодействий персонажей достаточно легко формализовать, этот процесс неплохо автоматизируется, что позволяет исследовать и сопоставлять сотни текстов, делая выводы о типологии и временных изменениях драмы в целом. Кроме того, поскольку уже имеются аналогичные данные для 700 немецких и 800 французских драматических текстов, становятся возможны кросс-культурные исследования.