Маркемы и ключевые слова в научных текстах

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Маркемы и ключевые слова в научных текстах

А.А. Кретов

На материале 20 лингвистических статей автор исследует возможности использования маркемного анализа текстов для автоматического выделения ключевых слов. Предлагается формула для вычисления Меры согласия (Мсогл) ключевых слов, выделенных интуитивно и на основании маркемного анализа текстов.

Ключевые слова: автоматический анализ текста, ключевые слова, маркемный анализ лингвистических текстов

20 linguistic articles are investigated to prove the possibility of the formal retrieval of the keywords. The proposed method of automatic getting of the keywords proved its validity and can be considered as appropriate one.

Keywords: аutomatic processing of the text, key-words, markemic analysis of the linguistic texts

Нормой современного оформления статей в научных журналах является указание ключевых слов.

Цель данного исследования - проверить, в каких отношениях находятся интуитивно выделяемые авторами ключевые слова к маркемам (словоформам с максимальным Индексом текстуальной маркированности - ИнТеМом; определение маркем и способы обнаружения ИнТеМа описаны в (Кретов, 2010)). Такое сравнение позволит, с одной стороны, объективно оценить интуицию авторов, а с другой - исследовать возможность автоматического выделения в научных статьях ключевых слов с помощью маркемного анализа.

Объектом исследования является 20 научных статей по лингвистике, опубликованные в научных журналах, а предметом - маркемы, выделяемые в этих статьях.

Инструментом обработки текстов для получения маркем являются программы: «Программа выделения тематически маркированной лексики - ProTeMaL», авторы Попова И.В., Воронина И.Е., Кретов А.А. (зарегистрирована «Центром информационных технология и систем органов исполнительной власти», № 50201000004 от 11.01.2010) и программа автоматизированной лемматизации словоформ «Add2», автор М.В. Катов (ВГУ).

Алгоритм выявления маркем посредством указанных программ таков: 1) текстовый файл статьи обрабатывается программой ProTeMaL, результата обработки сохраняется в файле KC; 2) полученный файл обрабатывается программой Add2, результат обработки сохраняется в файле KCM в текстовом формате. Дальнейшая обработка файла KCM осуществляется в электронных таблицах Microsoft Excel; 3) материал файла сортируется по следующим параметрами: по частям речи и по величине ИнТеМа (в порядке убывания); 4) в последующем анализе участвуют только существительные, прилагательные и глаголы с положительными значениями ИнТеМа, причем опыт показывает, что глагольные маркемы малочисленны и малоинформативны: в лучшем случае они подтверждают свидетельства субстантивных и адъективных маркем; 5) существительные, прилагательные и глаголы с положительными значениями ИнТеМа анализируются на разных листах книги Excel; 6) подсчитывается число словоформ каждого слова и суммируются их ИнТеМы; 7) леммы ранжируются в порядке убывания значений суммы ИнТеМов словоформ одного слова (СумИнТеМа); 8) сравниваются леммы существительных, прилагательных и глаголов с СумИнТеМом > 0,175. Предпочтение отдаётся однокоренным леммам, а также леммам, имеющим синонимичные или близкие по значению леммы; 9) леммы с чрезмерно широкой (общенаучной или общелингвистической) семантикой, не отражающей специфики данной статьи (например, рассмотрение, исследование, анализ, описание, исследователь, автор и т.п.), отсеиваются.

Затем полученные маркемы сравниваются с ключевыми словами, представленными в опубликованных статьях, названиями статей и (при необходимости - с аннотацией статьи).

Мерой согласия (Мсогл) интуиции и маркемного анализа можно считать относительную величину пересечения двух множеств: ключевых слов и маркем. Эта величина вычисляется по формуле:

Мсогл = (0,5 (Nкс+ Nмк) - (Nекс+ Nемк))/(0,5 (Nкс+ Nмк))

где Nкс - количество ключевых слов, Nмк - количество маркем, Nекс - количество единичных (не имеющих соответствия в маркемах) ключевых слов, Nемк - количество единичных (не имеющих соответствия в ключевых словах) маркем.

Рассмотрим в качестве примера статью Л.Г. Кузьминой КОНЦЕПЦИЯ КАЧЕСТВА ПРОФЕССИОНАЛЬНО-МЕТОДИЧЕСКОЙ ПОДГОТОВКИ ПРЕПОДАВАТЕЛЯ ИНОСТРАННЫХ ЯЗЫКОВ (Воронежский государственный университет), поступила 16 апреля 2009 г.

Аннотация. В статье рассматриваются современные подходы к определению целей, содержания и форм организации профессионально-методической подготовки будущих преподавателей иностранных языков, составляющие концептуальную основу методической системы, сложившейся на факультете РГФ ВГУ. Утверждается, что комплексная реализация данных положений свидетельствует о качественных изменениях в подготовке преподавателя, отвечающих современным запросам общества.

Ключевые слова. Профессиональное образование, подготовка преподавателя иностранных языков, методическая компетенция будущего преподавателя, качество высшего образования.

Маркемный анализ дал следующие результаты

маркированный лексика статья

Табл. 1

Nкс = 13, Nмк = 12, Nекс = 3 (компетенция, языков, высшего) , Nемк = 0.

Мсогл = [0,5 (13+12) - (3+0)] : [0,5 (13+12)] = (12,5 - 3) : 12,5 = 9,5 : 12,5 = 0,8.

Лучшие значения Мсогл будут при равенстве Nкс и Nмк. (Nкс - Nмк = 0). Увеличение разности Nкс-Nмк по модулю ведёт к уменьшению Мсогл. Следовательно, чем больше ключевых слов выделено автором статьи, тем (при прочих равных) больше значения Мсогл.

Можно было бы высчитать Мсогл для каждого из 20 обследованных текстов и средний Мсогл по всем 20 текстам. Единственная причина, по которой мы этого не делаем заключается в том, что, взятая в отвлечении от содержания, величина Мсогл мало информативна: она может интерпретироваться и как свидетельство несостоятельности алгоритма, и как показатель неудачного выбора ключевых слов автором статьи.

Поэтому более адекватной представляется содержательная оценка работы алгоритма на фоне ключевых слов и названия статьи.

Например, Карпова О.М. РОЛЬ ПИСАТЕЛЬСКИХ СЛОВАРЕЙ В ФОРМИРОВАНИИ АНГЛИЙСКОЙ НАЦИОНАЛЬНОЙ ЛЕКСИКОГРАФИИ (Ивановский государственный университет) Поступила в редакцию 30.09.2008 г. Аннотация: В статье рассматриваются тенденции развития английской национальной лексикографии в ракурсе историко-типологического подхода, выработанного в отечественной теоретической лексикографии. Особое внимание уделяется специальным словарям, оказавшим существенное влияние на формирование толковых словарей английского языка. Впервые выдвигается авторская гипотеза о том, что именно писательские словари (главным образом, конкордансы и глоссарии Шекспира, Чосера, Мильтона) и конкордансы к английскому переводу Библии стали базой иллюстративных примеров для микроструктуры первых толковых словарей английского языка, включая авторитетный словарь С.Джонсона. Ключевые слова: лексикография, конкорданс, глоссарий.

Табл. 2

Сравнение показывает, что ключевые слово лексикография, поддержанное маркемами лексикография, лексикограф, лексикографический, выделено автором статьи обосновано. То же, хотя и с меньшей категоричностью можно сказать и о КС глоссарий, поддержанном маркемой глоссарий. Менее удачным следует признать выделение в качестве КС лексемы конкорданс, поскольку его ИнТеМ = 0,10134 недостаточен для придания ему статуса маркемы.

Рассмотрим ещё один случай. Авторы Кретов А.А., Фененко Н.А. Реноминация как проблема переводоведения // Вестник ВГУ. Серия лингвистика и межкультурная коммуникация, 2011, № 2, с. 154-158.

Табл. 3

Маркемы свидетельствуют, что КС реноминация и сигнификат, выбраны удачно, но содержание статьи ими отражается не полностью, поскольку в ней также обсуждается проблема информационной эквивалентности в передаче реалий при переводе с французского или на французский язык.

Проведённое исследование позволяет заключить, что предложенный выше алгоритм маркемного анализа научных текстов вполне способен давать достоверную информацию как о ключевых словах текста, так и об их тематике.

Литература

1. Кретов А.А. Понятие маркемы: методика выявления и практика использования // Универсалии русской литературы.

2. Сборник статей / Под ред. А.А. Фаустова. Воронежский государственный университет. - Воронеж: НАУКА-ЮНИПРЕСС, 2010. - С.138 - 153.

Приложение

Сопоставление ключевых слов и маркем в научных текстах

Табл. 4. Борискина О.О. КРИПТОКЛАССНЫЕ ПРОЕКЦИИ МИРА НЕПРЕДМЕТНЫХ СУЩНОСТЕЙ: опыт криптоклассного анализа словосочетаемости

Табл. 5. Галеева Н.Л. Перевод как способ экономии мышления культуры

Табл. 6. Кашкин В.Б. Языковые контрасты в обыденном сознании и в научной лингвистике

Табл. 7. Кашкин В.Б., Княжева Е. А. Концептуализация перевода в обыденном сознании и в научном представлении

Табл. 8. Рудницкая Е.Л., Новичков П.Ю. Английские номинации болевых и неприятных ощущений с позиций лексико-семантической типологии

Табл. 9. Алпатов В.М. История европейской лингвистической традиции

Табл. 10. Бобунов А.М. Сопоставительный анализ наименований одежды в английском и русском песенном фольклоре

Табл. 11. Вдовиченко А.В. Странный "язык" новозаветного корпуса: в поисках аутентичной традиции

Табл. 12. Зырянова М.В. Переводческий метатекст как способ реноминации реалий

Табл. 13. Никонов В.М. Теоретические и прикладные аспекты динамики коннотаций в русском языке на рубеже XX - XXI вв.

Табл. 14. Никонов В.М. Смысл как коннотация

Табл. 15. Пименова М.В. Развитие правовых метафор совести в русском и английском языках

Табл. 16. Попова З.Д. Федоров В.А. Русские высказывания со словоформой «у кого» и их французские эквиваленты

Табл. 17. Правда Е.А. Межъязыковые проксиматы в параллелях сербского и русского, словацкого и русского языков: типы проксиматов

Табл. 18. Правда Е.А. Межъязыковые проксиматы в параллелях сербского и русского, словацкого и русского языков: отношения между проксиматами

Табл. 19. Титов В.Т., Кретов А.А. Роль скрытых категорий в типологическом описании грамматики романских языков // Вестник ВГУ. Серия лингвистика и межкультурная коммуникация, 2010, № 1, С. 7-12.

Табл. 20. Щербакова М. В. Повалюхина Д.А. формирование ценностного отношения к языковому образованию у студентов медицинского вуза

Размещено на Allbest.ru