Четверг, 21 январяИнститут «Высшая школа журналистики и массовых коммуникаций» СПбГУ

Лингвистические маркеры эмоционального состояния субъекта речи (к проблеме автоматического мониторинга текстов сетевой коммуникации)

Обсуждаются лингвистические и психологические аспекты проблемы автоматического модус-диктумного анализа текстов, публикуемых в социальных сетях и тематически связанных с социально значимыми процессами в профессиональной структуре современного общества, в том числе с разного рода кризисными явлениями на рынке труда. В связи с этим вновь поднимаются теоретические вопросы о языковой природе модуса, средствах выражения «эго-смыслов» в речи, разграничения собственно модуса (аутореферентных знаков) и модально-оценочных предикатов в позиции диктума, об имплицитных способах передачи модусной информации и возможностях считывания этой информации с опорой на дискурсивные речевые практики (конвенциональные смыслы). Прикладная цель статьи заключается в «гуманитарном» (психолого-лингвистическом) обеспечении разработки программ машинного «майнинга», т. е. автоматического мониторинга сетевого контента и идентификации текстов с определенной субъективной модальностью. Для достижения этой цели описываются, в частности, те лексико-грамматические особенности текстов, которые могут быть значимыми с точки зрения диагностики психологического состояния индивидума или профессиональной группы, выявления тех или иных общественных настроений. При этом акцент смещается на поиск таких речевых маркеров субъективной модальности коммуникативных единиц, которые обеспечивали бы также извлечение имплицитной модусной информации. Концептуально предлагаемое исследование связано с идеей речевой системности, проявляющейся как на уровне стилей и жанров, так и в пределах автономных коммуникативных единиц, а также с одним из значимых в сфере искусственного интеллекта направлением — методом реляционно-ситуационного анализа текстов на естественном языке. Созданные на базе предлагаемой в статье модели психолого-лингвистического описания шаблоны используются в дальнейшем для разработки алгоритмов автоматического мониторинга в сетевом пространстве текстов с заданной тематикой и модальностью. 

Linguistic markers of emotional state of the speech subject (on the problem of automatic monitoring of network communication texts)

This paper discusses linguistic and psychological aspects of the problem of automatic modusdictum analysis of texts published in social networks and other electronic media. Thereupon, theoretical questions are raised anew on the linguistic nature of modus, on the means to express “ego-meanings” in speech, on the differentiation of proper modus (autoreferential signs) and modal-evaluating predicates in dictum position, on the implicit methods of communicating modus information, and the resources to read this information based on discursive speech practices (conventional meanings). The applied goal of the paper is to provide “humanitarian” (psychological and linguistic) support for development of machine “mining” programs, i. e. automatic monitoring of network content and text identification with a certain subjective modality. To achieve this goal, we describe, in particular, such lexical-grammatical features of the texts that can be significant for determining psychological state of an individual or a professional group to identify certain public opinions. Conceptually, this research is connected with the idea of speech system which is manifested both at the level of styles and genres and within independent communicative units, as well as with one of the most important trends in the field of artificial intelligence — the method of relational-situational analysis of texts in natural language. Thematic groups of words (TGW) were compiled including “evaluation collocations” typical of those texts. The templates created on the basis of psychological and linguistic description model suggested in this paper can be used hereafter to develop algorithms for automatic monitoring of the network texts of a given theme (professional stability or mobility, professional crisis, etc.) and evaluation.

Мишланов Валерий Александрович — д-р филол. наук, проф.;
vmishlanov@yandex.ru

Пермский государственный
национальный исследовательский университет, 
Российская Федерация, 614068, Пермь, ул. Букирева, 15

Каджая Людмила Алексеевна — канд. филол. наук;
kadzhaya1@icloud.com

Пермский государственный
национальный исследовательский университет, 
Российская Федерация, 614068, Пермь, ул. Букирева, 15

Шандуньский университет, 
Китайская Народная Республика, 264209, Вэйхай, Вэнхуа Си Лу, 180

Кузнецова Юлия Михайловна — канд. психол. наук;
kuzjum@yandex.ru

ФИЦ «Информатика и управление» РАН,
Российская Федерация, 117312, Москва, пр. 60-летия Октября, 9

Valerii A. Mishlanov — Dr. Sci. in Philology, Professor;
vmishlanov@yandex.ru

Perm State University,
15, ul. Bukireva, Perm, 614068, Russian Federation

Liudmila A. Kadzhaya — PhD in Philology; kadzhaya1@icloud.com

Perm State University,
15, ul. Bukireva, Perm, 614068, Russian Federation

Shandong University,
180, Wenhua Xilu, Weihai, 264209, People’s Republic of China

Yulia M. Kuznetsova — PhD in Psychology; kuzjum@yandex.ru

Federal Research Center “Computer Science and Control”
of the Russian Academy of Sciences,
9, pr. 60-letiia Oktiabria, Moscow, 117321, Russian Federation

Мишланов, В. А., Каджая, Л. А., Кузнецова, Ю. М. (2020). Лингвистические маркеры эмоционального состояния субъекта речи (к проблеме автоматического мониторинга текстов сетевой коммуникации). Медиалингвистика, 7 (4), 428–444.

DOI: 10.21638/spbu22.2020.405

URL: https://medialing.ru/lingvisticheskie-markery-ehmocionalnogo-sostoyaniya-subekta-rechi-k-probleme-avtomaticheskogo-monitoringa-tekstov-setevoj-kommunikacii/ (дата обращения: 21.01.2021)

Mishlanov, V. A., Kadzhaya, L. A., Kuznetsova, Yu. M. (2020). Linguistic markers of emotional state of the speech subject (on the problem of automatic monitoring of network communication texts). Media Linguistics, 7 (4), 428–444. (In Russian)

DOI: 10.21638/spbu22.2020.405

URL: https://medialing.ru/lingvisticheskie-markery-ehmocionalnogo-sostoyaniya-subekta-rechi-k-probleme-avtomaticheskogo-monitoringa-tekstov-setevoj-kommunikacii/ (accessed: 21.01.2021)

УДК 81’3

Рабо­та выпол­не­на при финан­со­вой под­держ­ке РФФИ (грант № 19–29-07163)

This work was financially supported by the Russian Foundation for Basic Research
(grant no. 19–29-07163)

Постановка проблемы

Новей­шие тен­ден­ции в миро­вой эко­но­ми­ке (в част­но­сти, раз­ви­тие циф­ро­вых тех­но­ло­гий и вытес­не­ние чело­ве­ка из раз­лич­ных про­из­вод­ствен­ных сфер робо­ти­зи­ро­ван­ной тех­ни­кой) дела­ют весь­ма акту­аль­ной про­бле­му сохра­не­ния чело­ве­че­ско­го капи­та­ла. Чело­век ныне гораз­до чаще, чем в инду­стри­аль­ную эпо­ху, ока­зы­ва­ет­ся в ситу­а­ции ново­го про­фес­си­о­наль­но­го выбо­ра, для мно­гих пси­хо­ло­ги­че­ски весь­ма дис­ком­форт­ной, так как, теряя рабо­чее место, чело­век неред­ко лиша­ет­ся и чет­ких пер­спек­тив. Боль­шое зна­че­ние при­об­ре­та­ет спо­соб­ность субъ­ек­та нахо­дить инфор­ма­цию и при­ни­мать на ее осно­ве реше­ния. И если при­ня­тие реше­ния оста­ет­ся пока про­бле­мой само­го чело­ве­ка, то зада­чи поис­ка и обра­бот­ки инфор­ма­ции все чаще воз­ла­га­ют­ся на искус­ствен­ный интел­лект. Пола­га­ем поэто­му, что в скла­ды­ва­ю­щих­ся усло­ви­ях воз­рас­та­ет праг­ма­ти­че­ская роль иссле­до­ва­ний, ори­ен­ти­ро­ван­ных на совер­шен­ство­ва­ние тех­но­ло­гий инфор­ма­ци­он­но­го и пси­хо­ло­ги­че­ско­го сопро­вож­де­ния инди­ви­да в ситу­а­ции кризиса.

Целе­со­об­раз­но такие иссле­до­ва­ния начи­нать с изу­че­ния дина­ми­ки про­фес­си­о­наль­ной струк­ту­ры обще­ства и уста­нов­ле­ние основ­ных тен­ден­ций на рын­ке тру­да, осо­бое вни­ма­ние уде­ляя зада­че обна­ру­же­ния кри­зис­ных явле­ний. Пере­жи­ва­ние кри­зи­са неред­ко повы­ша­ет ком­му­ни­ка­тив­ную актив­ность чело­ве­ка, в том чис­ле в сете­вом кон­тен­те, в свя­зи с чем появ­ля­ет­ся воз­мож­ность допол­нить тра­ди­ци­он­ные социо­мет­ри­че­ские про­грам­мы (анке­ти­ро­ва­ние, опро­сы) мето­да­ми искус­ствен­но­го интел­лек­та (ИИ). В част­но­сти, совре­мен­ные тех­но­ло­гии в обла­сти авто­ма­ти­че­ско­го ана­ли­за тек­ста дела­ют вполне реаль­ной зада­чу иден­ти­фи­ка­ции выска­зы­ва­ний не толь­ко по их пред­мет­но­му (тема­ти­че­ско­му) содер­жа­нию, но и по отра­жен­ным в них пси­хо­ло­ги­че­ским харак­те­ри­сти­кам субъ­ек­та речи, или по субъ­ек­тив­ной модальности.

Апро­би­ро­ван­ные в при­клад­ной линг­ви­сти­ке мето­ды авто­ма­ти­че­ско­го ана­ли­за тек­стов ори­ен­ти­ро­ва­лись в основ­ном на счи­ты­ва­ние про­по­зи­тив­но­го, или дик­тум­но­го (объ­ек­тив­но­го), содер­жа­ния выска­зы­ва­ния, тогда как для изме­ре­ния пси­хи­че­ско­го состо­я­ния инди­ви­ду­мов и обще­ствен­ных настро­е­ний необ­хо­ди­мо обу­че­ние маши­ны рас­по­зна­ва­нию субъ­ек­тив­ной модаль­но­сти тек­ста — пони­ма­нию тех ком­по­нен­тов содер­жа­ния, кото­рые дают ключ к рекон­струк­ции раз­лич­ных субъ­ек­тив­ных смыс­лов, вклю­чая ком­му­ни­ка­тив­ные интен­ции гово­ря­ще­го, дале­ко не все­гда выра­жа­е­мые сег­мент­ны­ми (отно­си­тель­но лег­ко фор­ма­ли­зу­е­мы­ми) сред­ства­ми языка.

В насто­я­щей рабо­те рас­смат­ри­ва­ет­ся воз­мож­ность при­ме­не­ния мето­дов ана­ли­за субъ­ек­тив­ной модаль­но­сти в такой сфе­ре про­яв­ле­ния лич­ност­ных осо­бен­но­стей участ­ни­ков сете­во­го обще­ния, как нали­чие, выра­жен­ность и харак­тер пере­жи­ва­ний, порож­да­е­мых спе­ци­фи­че­ским состо­я­ни­ем — кри­зи­сом про­фес­си­о­наль­ной деятельности.

История вопроса

Кри­зи­сы — неиз­беж­ный и необ­хо­ди­мый ком­по­нент про­цес­са раз­ви­тия чело­ве­ка, в том чис­ле в сфе­ре его про­фес­си­о­наль­ной дея­тель­но­сти. Соглас­но клас­си­фи­ка­ции Э. Ф. Зее­ра, в нор­маль­ном тече­нии про­фес­си­о­наль­ной дея­тель­но­сти наблю­да­ют­ся несколь­ко кри­зис­ных эта­пов: кри­зис учеб­но-про­фес­си­о­наль­ной ори­ен­та­ции; реви­зии и кор­рек­ции про­фес­си­о­наль­но­го выбо­ра; про­фес­си­о­наль­ных экс­пек­та­ций; про­фес­си­о­наль­но­го роста; про­фес­си­о­наль­ной карье­ры; нере­а­ли­зо­ван­ных воз­мож­но­стей (соци­аль­но-про­фес­си­о­наль­ной само­ак­ту­а­ли­за­ции); ухо­да из про­фес­си­о­наль­ной жиз­ни; соци­аль­но-пси­хо­ло­ги­че­ской адек­ват­но­сти (после ухо­да на пен­сию) [Зеер 2003: 101–104].

При всем несход­стве при­чин, вызы­ва­ю­щих раз­ные типы про­фес­си­о­наль­но­го кри­зи­са, воз­мож­но выде­ле­ние общей кар­ти­ны раз­ви­тия кри­зис­но­го состо­я­ния (в том чис­ле его эмо­ци­о­наль­ной состав­ля­ю­щей), пред­по­ла­га­ю­ще­го про­хож­де­ние чело­ве­ком трех ста­дий: пред­кри­зис­ной, соб­ствен­но кри­ти­че­ской (острой) и раз­ре­ше­ния, или выхо­да из кризиса.

Для про­фес­си­о­наль­но­го кри­зи­са харак­те­ри­сти­ка­ми ста­дий слу­жат опре­де­лен­ные соче­та­ния пси­хо­ло­ги­че­ских и соци­аль­ных про­яв­ле­ний, отра­жа­ю­щих­ся так или ина­че в ком­му­ни­ка­тив­ной дея­тель­но­сти и в модаль­но­сти тек­стов, порож­да­е­мых пере­жи­ва­ю­щим кри­зис­ные состо­я­ния субъектом.

1. При­зна­ком пред­кри­зи­са явля­ет­ся состо­я­ние раз­ви­то­го пси­хо­ло­ги­че­ско­го дис­ком­фор­та, кото­рый отра­жа­ет пока еще не осо­зна­ва­е­мое недо­воль­ство чело­ве­ка достиг­ну­тым ста­ту­сом, содер­жа­ни­ем самой про­фес­си­о­наль­ной дея­тель­но­сти, сло­жив­шей­ся систе­мой отно­ше­ний, а про­яв­ля­ет­ся в виде неиз­би­ра­тель­ной раздражительности.

2. Фаза остро­го кри­зи­са харак­те­ри­зу­ет­ся осо­зна­ни­ем субъ­ек­тив­ной неудо­вле­тво­ри­тель­но­сти той про­фес­си­о­наль­ной ситу­а­ции, в кото­рой нахо­дит­ся чело­век. Невоз­мож­ность достичь быст­рых изме­не­ний при­во­дит к тому, что пси­хи­че­ская напря­жен­ность уси­ли­ва­ет­ся, нарас­та­ет неудо­вле­тво­рен­ность собой, эмо­ци­о­наль­ное состо­я­ние ста­но­вит­ся нега­тив­ным, воз­ни­ка­ет ощу­ще­ние бес­по­лез­но­сти, без­на­деж­но­сти, депрес­сии и апа­тии, повы­ша­ет­ся уро­вень тревоги.

3. Содер­жа­ни­ем пост­кри­ти­че­ской фазы ста­но­вит­ся кон­струк­тив­ное, про­фес­си­о­наль­но-ней­траль­ное или деструк­тив­ное раз­ре­ше­ние кон­флик­та. Пас­сив­ное отно­ше­ние к про­бле­ме и игно­ри­ро­ва­ние сиг­на­лов о необ­хо­ди­мо­сти изме­не­ний при­во­дит либо к стаг­на­ции, либо к дегра­да­ции и на про­фес­си­о­наль­ном, и на лич­ност­ном уровне. Кон­струк­тив­ный же исход из кри­зи­са ста­но­вит­ся воз­мож­ным бла­го­да­ря актив­но­сти чело­ве­ка как в плане реше­ния соб­ствен­но про­фес­си­о­наль­ных про­блем (сред­ством чего может высту­пать повы­ше­ние ква­ли­фи­ка­ции, поиск новых спо­со­бов выпол­не­ния дея­тель­но­сти, изме­не­ние про­фес­си­о­наль­но­го ста­ту­са, сме­на места рабо­ты, про­фес­сии и т. п.), так и в ком­му­ни­ка­тив­ной деятельности.

Про­ве­ден­ные ранее пило­таж­ные иссле­до­ва­ния [Куз­не­цо­ва, Пен­ки­на 2020], пока­зы­ва­ют, что ком­му­ни­ка­тив­ная актив­ность в Сети людей, нахо­дя­щих­ся в состо­я­нии про­фес­си­о­наль­но­го кри­зи­са, доста­точ­но высо­ка, для того что­бы ана­лиз кон­тен­та непро­филь­ных сай­тов и плат­форм мог предо­став­лять необ­хо­ди­мую инфор­ма­цию. Пер­спек­тив­ность иссле­до­ва­ния эмо­тив­ной состав­ля­ю­щей тек­стов, созда­ва­е­мых под вли­я­ни­ем состо­я­ния про­фес­си­о­наль­но­го кри­зи­са, опре­де­ля­ет­ся тем, что они име­ют явную тема­ти­че­скую выде­лен­ность и содер­жат как пря­мые эмо­тив­ные выска­зы­ва­ния, так и иные оце­ноч­ные ком­по­нен­ты, отно­си­мые в искус­ствен­ном интел­лек­те к фор­мам выра­же­ния мне­ния, т. е. все то, что в линг­ви­сти­ке назы­ва­ют субъ­ек­тив­ной модаль­но­стью, или моду­сом, про­ти­во­по­став­ляя эту кате­го­рию дик­ту­му.

Если дик­тум — это инфор­ма­ция о реаль­но­сти (физи­че­ском или мен­таль­ном мире), сто­я­щей вне созна­ния гово­ря­ще­го субъ­ек­та, то модус — это инфор­ма­ция, выра­жа­ю­щая «пози­цию гово­ря­ще­го отно­си­тель­но раз­ных ком­по­нен­тов рече­вой ком­му­ни­ка­ции» в дан­ном рече­вом акте, ина­че гово­ря, это «репре­зен­та­ция субъ­ек­та речи в выска­зы­ва­нии и тек­сте» [Мат­ве­е­ва 2010: 468–469]. Пред­ло­же­ние ста­но­вит­ся ком­му­ни­ка­тив­но осмыс­лен­ной еди­ни­цей (выска­зы­ва­ни­ем) лишь при усло­вии, что «в нем инфор­ма­ция о мире, объ­ек­тив­ной дей­стви­тель­но­сти соеди­нит­ся с инфор­ма­ци­ей субъ­ек­тив­ной» [Шме­ле­ва 1994: 6]. Толь­ко в про­цес­се рече­во­го акта про­по­зи­ция, вклю­ча­ясь в ком­му­ни­ка­тив­ную систе­му коор­ди­нат «я — здесь — сей­час», наде­ля­ет­ся «эго-смыс­ла­ми» [Бен­ве­нист 1974: 296] и полу­ча­ет ста­тус пол­но­цен­ной ком­му­ни­ка­тив­ной еди­ни­цы — слож­но­го зна­ка с «внеш­ней» (дик­тум­ной) и «внут­рен­ней» (модус­ной) рефе­рен­ци­ей (или ауто­ре­фе­рен­ци­ей) и опре­де­лен­ным тема-рема­ти­че­ским членением.

Необ­хо­ди­мо отли­чать соб­ствен­но модус («эго-смыс­лы») от тех дик­тум­ных ком­по­нен­тов содер­жа­ния выска­зы­ва­ния, кото­рые рефе­рент­но свя­за­ны с мен­таль­ной сфе­рой, но не с мен­таль­ным состо­я­ни­ем гово­ря­ще­го в момент речи ([‘Я говорю/полагаю’, что] Иван счи­та­ет, что Мария рав­но­душ­на к Пет­ру), где и изъ­яс­ни­тель­ный пре­ди­кат, и ска­зу­е­мое при­да­точ­но­го обра­зу­ют имен­но дик­тум, т. е. опи­сы­ва­ют внеш­нее отно­си­тель­но гово­ря­ще­го «поло­же­ние мен­таль­ных дел». Даже «эго-фор­мы» (напри­мер, 1‑го лица наст. вр. инди­ка­ти­ва эмо­тив­но­го гла­го­ла), несо­мнен­но выра­жая субъ­ек­тив­ную модаль­ность, не могут счи­тать­ся соб­ствен­но моду­сом (как обя­за­тель­ным ком­по­нен­том содер­жа­ния любо­го выска­зы­ва­ния). Так, какое-нибудь Я стра­даю ана­ло­гич­но по содер­жа­нию выра­же­ни­ям Он стра­да­ет, Ты стра­да­ешь [Бен­ве­нист 1974: 297].

Рече­вые мар­ке­ры моду­са адек­ват­но иден­ти­фи­ци­ру­ют­ся лишь с уче­том про­по­зи­тив­ной семан­ти­ки выска­зы­ва­ния, поэто­му модус­ный ана­ли­за­тор «встра­и­ва­ет­ся» в алго­рит­мы ана­ли­за про­по­зи­ций, объ­ек­ти­ви­ро­ван­ных в поверх­ност­но-син­так­си­че­ской струк­ту­ре авто­ном­но­го выска­зы­ва­ния. Труд­ность заклю­ча­ет­ся в том, что модус, во-пер­вых, может быть импли­цит­ным (пол­но­стью или отча­сти), во-вто­рых, выра­жать­ся сверх­сег­мент­ны­ми сред­ства­ми (инто­на­ци­ей и поряд­ком слов), нако­нец, в‑третьих, опре­де­лять­ся неко­то­ры­ми дис­кур­сив­ны­ми усло­ви­я­ми (кон­вен­ци­я­ми, при­ня­ты­ми для опре­де­лен­ных рече­вых жан­ров в той или иной сфе­ре общения).

Экс­пли­цит­ные (вклю­чая выра­жен­ные сверх­сег­мент­ны­ми сред­ства­ми) и импли­цит­ные ком­по­нен­ты моду­са (так ска­зать, нуле­вые модус­но-пер­фор­ма­тив­ные рам­ки) в зна­чи­тель­ной мере узу­аль­ны, а пото­му выяв­ле­ние их тек­сто­вых пока­за­те­лей ока­зы­ва­ет­ся не слиш­ком слож­ной зада­чей. Одна­ко это спра­вед­ли­во лишь для тек­стов пря­мой ком­му­ни­ка­ции (выска­зы­ва­ний с пря­мой илло­ку­ци­ей, в кото­рых импли­цит­ная пер­фор­ма­тив­ная рам­ка согла­су­ет­ся с закреп­лен­ной в систе­ме язы­ка син­так­си­че­ской фор­мой). В то же вре­мя вклю­че­ние в авто­ма­ти­че­ский ана­ли­за­тор язы­ко­вых выра­же­ний, смысл кото­рых опре­де­ля­ет­ся дис­кур­сив­ны­ми кон­вен­ци­я­ми, выво­дит его (ана­ли­за­тор) в область дина­мич­ной речи, где гос­под­ству­ет кос­вен­ная илло­ку­ция и язы­ко­вая игра, а это суще­ствен­но услож­ня­ет зада­чу авто­ма­ти­че­ско­го выяв­ле­ния субъ­ек­тив­ных ком­по­нен­тов содер­жа­ния еди­ниц тек­ста. Реше­ние такой зада­чи прин­ци­пи­аль­но воз­мож­но лишь при усло­вии выхо­да из язы­ко­вой систем­но­сти в рече­вую [Кожи­на 2014]. Понят­но, что в обла­сти речи, где нет «жест­ких» грам­ма­ти­че­ских моде­лей (т. е. регу­ляр­но вос­про­из­во­ди­мых форм, за кото­ры­ми закреп­ле­но типо­вое содер­жа­ние), веро­ят­ность адек­ват­ной иден­ти­фи­ка­ции субъ­ек­тив­ных смыс­лов гово­ря­ще­го сни­жа­ет­ся, и что­бы добить­ся при­ем­ле­мо­го уров­ня пра­виль­ных реше­ний ана­ли­за­то­ра, необ­хо­ди­мо учи­ты­вать все мно­же­ство фор­ма­ли­зу­е­мых рече­вых мар­ке­ров, име­ю­щих­ся как в ана­ли­зи­ру­е­мом фраг­мен­те тек­ста, так и в его бли­жай­шем окружении.

Мето­ды авто­ма­ти­че­ско­го ана­ли­за осно­вы­ва­ют­ся пре­иму­ще­ствен­но на логи­ко­син­так­си­че­ских кон­цеп­ци­ях смыс­ла выска­зы­ва­ния. Осо­бен­но пло­до­твор­ным, на наш взгляд, ста­ло моде­ли­ро­ва­ние дик­тум­но­го содер­жа­ния тек­ста на осно­ве струк­ту­ры ситу­а­ции (реля­ци­он­ной струк­ту­ры), отра­жен­ной в поверх­ност­но-син­так­си­че­ской струк­ту­ре выска­зы­ва­ния. Дру­ги­ми сло­ва­ми, меж­ду раз­лич­ны­ми ком­по­нен­та­ми пред­ло­же­ния уста­нав­ли­ва­ют­ся отно­ше­ния, соот­вет­ству­ю­щие неко­то­рым уни­вер­саль­ным (глу­бин­ным) ролям, испол­ня­е­мым пар­ти­ци­пан­та­ми опи­сы­ва­е­мой в пред­ло­же­нии ситу­а­ции (агенс, паци­енс, инстру­мент и др.). Фак­ти­че­ски роли опре­де­ля­ют­ся лек­си­че­ским зна­че­ни­ем пре­ди­кат­но­го сло­ва, чаще все­го гла­го­ла, в кото­ром «фик­си­ру­ет­ся» струк­ту­ра отра­жа­е­мой ситу­а­ции. В линг­ви­сти­че­ской части метод реля­ци­он­но-ситу­а­ци­он­но­го ана­ли­за (РСА) опи­ра­ет­ся на ком­му­ни­ка­тив­ный син­так­сис [Золо­то­ва 2010], в обла­сти ИИ — на тео­рию неод­но­род­ных семан­ти­че­ских сетей [Оси­пов 2011].

Поста­нов­ка зада­чи авто­ма­ти­че­ско­го счи­ты­ва­ния не толь­ко дик­тум­ной, но и модус­ной инфор­ма­ции тре­бу­ет даль­ней­шей акти­ви­за­ции иссле­до­ва­ний, направ­лен­ных на совер­шен­ство­ва­ние мето­дов извле­че­ния импли­цит­ной инфор­ма­ции — того содер­жа­ния, кото­рое в рече­вой ком­му­ни­ка­ции извле­ка­ет­ся из тек­ста бла­го­да­ря фоно­вым зна­ни­ям (вклю­чая зна­ние пре­це­дент­ных тек­стов) и нали­чию у ком­му­ни­кан­тов «дис­кур­сив­ных ком­пе­тен­ций», поз­во­ля­ю­щих им учи­ты­вать мно­же­ство отно­ше­ний, воз­ни­ка­ю­щих меж­ду часто вос­про­из­во­ди­мы­ми в дан­ном дис­кур­се тек­сто­вы­ми еди­ни­ца­ми (кол­ло­ка­ци­я­ми).

Это озна­ча­ет, что авто­ма­ти­че­ское извле­че­ние импли­цит­ной инфор­ма­ции тре­бу­ет раз­ра­бот­ки алго­рит­мов пред­ва­ри­тель­но­го машин­но­го обу­че­ния на обшир­ных кор­пу­сах тек­стов опре­де­лен­но­го жан­ра в соста­ве опре­де­лен­но­го дис­кур­са. Пред­ла­га­ет­ся, в част­но­сти, метод «встра­и­ва­ния» в ана­ли­зи­ру­е­мый текст слов (Discoursespecific Word Embeddings), т. е., по сути, «достра­и­ва­ния» (домыс­ли­ва­ния) тек­ста путем экс­тра­по­ля­ции отно­ше­ний, выра­жа­е­мых в ана­ло­гич­ных текстах экс­пли­цит­но [Changxing et al. 2017; Jun et al. 2019].

Для обес­пе­че­ния авто­ма­ти­че­ско­го извле­че­ния эмо­тив­ной состав­ля­ю­щей речи на сты­ке линг­ви­сти­ки (преж­де все­го пси­хо­линг­ви­сти­ки) и искус­ствен­но­го интел­лек­та сфор­ми­ро­ва­лось осо­бое направ­ле­ние, име­ну­е­мое в англо­языч­ных рабо­тах тер­ми­на­ми «май­нинг» (opinion mining — ана­лиз мне­ний) и sentiment analisis, а в рус­ско­языч­ной лите­ра­ту­ре — тер­ми­ном «ана­лиз тональ­но­сти» (обзо­ры работ это­го направ­ле­ния см. в: [Кули­ков 2016; Raghuvanshi, Patil 2016; Das et al. 2017; Francisco et al. 2017; Varathan et al. 2017; Mishra et al. 2018].

Клю­че­вы­ми для ана­ли­за субъ­ек­тив­ной модаль­но­сти речи явля­ют­ся под­хо­ды, осно­ван­ные на пси­хо­линг­ви­сти­че­ских мето­дах и мето­дах искус­ствен­но­го интел­лек­та. Пси­хо­линг­ви­сти­че­ский под­ход под­ра­зу­ме­ва­ет при­ме­не­ние при ана­ли­зе тек­ста набо­ра мар­ке­ров, ото­бран­ных по резуль­та­там спе­ци­аль­ных эмпи­ри­че­ских иссле­до­ва­ний по прин­ци­пу устой­чи­вой кор­ре­ля­ции с эмо­ци­о­наль­ным состо­я­ни­ем авто­ра, диа­гно­сти­ру­е­мым с помо­щью спе­ци­аль­ных мето­дик [Гудов­ских, Молош­ни­ков, Рыб­ка 2015; Кол­мо­го­ро­ва, Вдо­ви­на 2019].

В пара­диг­ме искус­ствен­но­го интел­лек­та про­це­ду­ра оцен­ки тональ­но­сти сво­дит­ся к реше­нию зада­чи клас­си­фи­ка­ции, т. е. опре­де­ле­ния поло­же­ния ана­ли­зи­ру­е­мо­го содер­жа­ния на шка­ле оце­нок бинар­ных («нега­тив­ный» — «пози­тив­ный»), тер­нар­ных («нега­тив­ный» — «ней­траль­ный» — «пози­тив­ный») или n‑арных. При­ме­ром при­ме­не­ния мно­го­мер­ной моде­ли может слу­жить авто­ма­ти­че­ский клас­си­фи­ка­тор рус­ско­языч­ных интер­нет-тек­стов, рас­пре­де­ля­ю­щий тек­сты на восемь клас­сов в соот­вет­ствии с восе­мью эмо­ци­я­ми: «злость/гнев», «интерес/возбуждение», «удовольствие/радость», «брезгливость/отвращение», «удив­ле­ние», «стыд/унижение», «страх/ужас», «страдание/тоска» [Кол­мо­го­ро­ва, Вдо­ви­на 2019]. Одна­ко иссле­до­ва­ния пока­зы­ва­ют, что услож­не­ние оце­ноч­но­го аппа­ра­та ведет не столь­ко к полу­че­нию более тон­ких раз­ли­чий, сколь­ко к росту неод­но­знач­но­сти и неопре­де­лен­но­сти полу­ча­е­мых резуль­та­тов. Так, для тек­стов на рус­ском язы­ке при бинар­ной клас­си­фи­ка­ции зна­че­ние согла­сия экс­пер­тов, оце­ни­ва­ю­щих тональ­ность, нахо­дит­ся на уровне 80 %, а при выде­ле­нии трех клас­сов это зна­че­ние умень­ша­ет­ся до 70 % [Chetviorkin, Braslavskiy, Loukachevitch 2012].

При реше­нии задач авто­ма­ти­че­ско­го ана­ли­за тональ­но­сти при­ме­ня­ют­ся два основ­ных под­хо­да — машин­ное обу­че­ние и сло­вар­ный метод [Mishra et al. 2018]. В пер­вом из них клас­си­фи­ка­тор стро­ит­ся на осно­ве кор­пу­са раз­ме­чен­ных обу­ча­ю­щих тек­стов, каж­дый из кото­рых отне­сен к одно­му из зна­че­ний на шка­ле тональ­но­сти. Пре­иму­ще­ством машин­но­го обу­че­ния явля­ет­ся высо­кая точ­ность ана­ли­за, одна­ко при этом необ­хо­ди­ма тру­до­ем­кая рабо­та по состав­ле­нию кор­пу­са обу­ча­ю­щих тек­стов, а постро­ен­ный клас­си­фи­ка­тор часто не учи­ты­ва­ет кон­текст и его слож­но интер­пре­ти­ро­вать и пере­но­сить в дру­гие пред­мет­ные обла­сти. При сло­вар­ном под­хо­де вме­сто раз­ме­чен­ных тек­стов исполь­зу­ют­ся мас­си­вы оце­ноч­ной лек­си­ки (сло­ва­ри), поз­во­ля­ю­щие опре­де­лить тональ­ность лек­си­че­ских еди­ниц тек­ста и на этой осно­ве при­нять реше­ние о тональ­но­сти тек­ста в целом. Такой под­ход поз­во­ля­ет лег­ко интер­пре­ти­ро­вать про­цесс клас­си­фи­ка­ции, а необ­хо­ди­мость в раз­мет­ке обу­ча­ю­щих тек­стов отсут­ству­ет. Одна­ко точ­ность часто ока­зы­ва­ет­ся ниже, чем при машин­ном обу­че­нии [Котель­ни­ков 2019].

Сло­вар­ный под­ход преду­смат­ри­ва­ет состав­ле­ние спис­ков слов, спо­соб­ных выра­жать эмо­ци­о­наль­ную оцен­ку авто­ра тек­ста. К про­блем­ным момен­там, не поз­во­ля­ю­щим зна­чи­тель­но повы­сить эффек­тив­ность это­го под­хо­да, отно­сят­ся такие свой­ства оце­ноч­ных ресур­сов язы­ка и речи, как кон­тек­сту­аль­ная вари­а­тив­ность (по сути, энан­тио­се­мич­ность) аксио­ло­ги­че­ско­го зна­че­ния слов (ср.: Бата­рей­ка рабо­та­ет дол­го — Фокус настра­и­ва­ет­ся дол­го), исполь­зо­ва­ние во мно­гих дис­кур­сах форм непря­мой ком­му­ни­ка­ции, интер­тек­сту­аль­ных свя­зей, что обу­слов­ли­ва­ет импли­цит­ность оце­ноч­но­го содер­жа­ния тек­ста [Лука­ше­вич 2017].

Систе­мы ана­ли­за тональ­но­сти, осно­ван­ные на машин­ном обу­че­нии, реа­ли­зу­ют­ся в после­до­ва­тель­но­сти опре­де­лен­ных реше­ний, напри­мер: 1) выбор алго­рит­мов клас­си­фи­ка­ции, сре­ди кото­рых наи­бо­лее эффек­тив­ны­ми при­зна­ют­ся метод опор­ных век­то­ров SVM, наив­ный бай­е­сов­ский клас­си­фи­ка­тор и ней­рон­ные сети; 2) выбор при­зна­ков, в соот­вет­ствии с кото­рым текст может быть пред­став­лен в виде а) набо­ра слов (bag-of-words) или б) набо­ра уни- би- или n-грамм; в каче­стве допол­ни­тель­ных при­вле­ка­ют­ся такие при­зна­ки, как части речи; пунк­ту­а­ция (напри­мер, нали­чие вос­кли­ца­тель­ных зна­ков); могут учи­ты­вать­ся так­же семан­ти­че­ские отно­ше­ния меж­ду сло­ва­ми с помо­щью таких ресур­сов, как раз­лич­ные теза­у­ру­сы, онто­ло­гии, семан­ти­че­ские сети [Лука­ше­вич 2017].

Описание методов исследования

Модус­ные смыс­лы, каза­лось бы, не соот­не­се­ны напря­мую со струк­ту­рой ситу­а­ции (с неко­то­рым «поло­же­ни­ем дел», «сце­на­ри­ем»), ибо при­вя­за­ны к мен­таль­но­му миру субъ­ек­та речи, тем не менее модель РСА может быть с успе­хом при­ме­не­на и для ана­ли­за субъ­ек­тив­ных смыс­лов — моти­вов и интен­ций гово­ря­ще­го, его оце­нок и мне­ний, отно­ше­ния к опи­сы­ва­е­мым собы­ти­ям и их участ­ни­кам. К тому же модус­ный ана­лиз тек­ста, вооб­ще гово­ря, не может быть осу­ществ­лен без ана­ли­за дик­тум­но­го содер­жа­ния, а реа­ли­зу­ет­ся, по при­ро­де язы­ка, как модус-дик­тум­ный ана­лиз. Поэто­му имен­но на метод РСА, поз­во­лив­ший полу­чить хоро­шие резуль­та­ты при созда­нии моде­лей рас­по­зна­ва­ния в текстах мен­таль­ных дей­ствий, про­цес­сов и состо­я­ний [Сали­мов­ский и др. 2019], ори­ен­ти­ру­ет­ся раз­ра­ба­ты­ва­е­мый авто­ра­ми линг­ви­сти­че­ский ана­ли­за­тор модус­ных смыслов.

При реше­нии задач авто­ма­ти­че­ской обра­бот­ки тек­ста на базе мето­да РСА при­ме­ня­ют­ся шаб­ло­ны, зада­ю­щие мно­же­ство неод­но­род­ных семан­ти­че­ских сетей, кото­рые поз­во­ля­ют учи­ты­вать раз­но­уров­не­вые линг­ви­сти­че­ские при­зна­ки, необ­хо­ди­мые для реше­ния при­клад­ных задач [Оси­пов 2011]. В созда­нии шаб­ло­на, кро­ме про­грам­ми­ста, при­ни­ма­ют уча­стие пси­хо­лог, рас­кры­ва­ю­щий суще­ствен­ные при­зна­ки моде­ли­ру­е­мых мен­таль­ных про­цес­сов и состо­я­ний, и линг­вист, чьей зада­чей явля­ет­ся как мож­но более пол­ное и точ­ное опи­са­ние средств объ­ек­ти­ва­ции этих про­цес­сов и состо­я­ний в тексте.

Для авто­ма­ти­че­ско­го мони­то­рин­га сете­во­го кон­тен­та и выяв­ле­ния в нем тек­стов опре­де­лен­ной тема­ти­ки и опре­де­лен­ной модаль­но­сти раз­ра­ба­ты­ва­ет­ся бази­ру­ю­щий­ся на моде­ли РСА метод авто­ма­ти­че­ско­го тема­ти­че­ско­го пси­хо­линг­ви­сти­че­ско­го ана­ли­за тек­стов (АТПЛАТ), для чего исполь­зу­ют­ся как линг­ви­сти­че­ские мето­ды, напри­мер раз­лич­ные мето­ды лек­си­че­ской семан­ти­ки [Васи­льев 1990], наце­лен­ные на фор­ми­ро­ва­ние тема­ти­че­ских групп слов (ТГС), так и мето­ды искус­ствен­но­го интел­лек­та, в част­но­сти метод выде­ле­ния клю­че­вых слов на осно­ве харак­те­ри­сти­ки тема­ти­че­ской зна­чи­мо­сти, раз­ра­бо­тан­ный для авто­ма­ти­че­ско­го ана­ли­за боль­ших мас­си­вов дан­ных в систе­ме TextAppliance [Мбай­код­жи, Драль, Сочен­ков 2012; Ана­нье­ва и др. 2016].

Линг­ви­сти­че­ский ана­ли­за­тор в моде­ли РСА вклю­ча­ет фор­ма­ли­зо­ван­ный сло­варь пре­ди­кат­ных слов (СПС), в кото­ром каж­до­му пре­ди­кат­но­му сло­ву сопо­став­ле­но мно­же­ство актан­тов, задан­ных в виде семан­ти­че­ских ролей и их поверх­ност­но-син­так­си­че­ских реа­ли­за­ций (син­так­сем). Типо­ло­гия пре­ди­ка­тов, имен и семан­ти­че­ских ролей стро­ит­ся по прин­ци­пу откры­той архи­тек­ту­ры (или по модуль­но­му прин­ци­пу), кото­рый поз­во­ля­ет рас­ши­рять в слу­чае необ­хо­ди­мо­сти номен­кла­ту­ру клас­сов, так что любой пре­ди­кат или семан­ти­че­ская роль (отно­ше­ние), пред­став­ля­е­мые при реше­нии той или иной зада­чи как тер­ми­наль­ные («пре­дель­ные»), могут быть рас­щеп­ле­ны на более кон­крет­ные виды. Так, в аспек­те пси­хо­ло­ги­че­ско­го (модус­но­го) ана­ли­за тек­ста недо­ста­точ­но выяв­лять узу­аль­ные (фик­си­ру­е­мые в тол­ко­вом сло­ва­ре) ком­по­нен­ты семан­ти­ки лек­сем, но важ­но раз­гра­ни­чи­вать (и научить маши­ну раз­гра­ни­чи­вать) «аффек­тив­ные потен­ци­а­лы» слов, исполь­зу­е­мых в раз­ных кон­текстах и раз­ных ситу­а­ци­ях общения.

Анализ материала

В рам­ках жур­наль­ной ста­тьи не пред­став­ля­ет­ся воз­мож­ным опи­сать все фор­маль­ные рече­вые мар­ке­ры (вклю­чая и такие, интер­пре­та­ция кото­рых воз­мож­на с уче­том пред­ше­ству­ю­ще­го кон­тек­ста), поэто­му оха­рак­те­ри­зу­ем здесь лишь наи­бо­лее яркие пока­за­те­ли модус­ных и дик­тум­ных смыс­лов, суще­ствен­ные с точ­ки зре­ния авто­ма­ти­че­ской иден­ти­фи­ка­ции тема­ти­че­ски опре­де­лен­ных тек­стов сете­вой ком­му­ни­ка­ции, выра­жа­ю­щих в целом опти­ми­сти­че­скую тональ­ность или, напро­тив, пес­си­ми­сти­че­ские (кри­зис­ные) настроения.

Пере­чис­лим основ­ные узу­аль­ные сред­ства моду­са, раз­де­лив их на экс­пли­цит­ные и импли­цит­ные. Экс­пли­цит­ные сред­ства, в свою оче­редь, по оче­вид­но­му кри­те­рию делят­ся на сег­мент­ные, выра­жен­ные зву­ка­ми или гра­фи­че­ски­ми сим­во­ла­ми, и сверх­сег­мент­ные (супра­сег­мент­ные). К послед­ним отно­сят­ся, как извест­но, про­со­ди­че­ские сред­ства (инто­на­ция и уда­ре­ние) и осо­бен­но­сти линей­ной струк­ту­ры тек­ста. Ого­во­рим сра­зу, что, посколь­ку в наши зада­чи вхо­дит ана­лиз лишь пись­мен­ных тек­стов соци­аль­ных сетей, из сверх­сег­мент­ных мар­ке­ров моду­са мы можем учи­ты­вать толь­ко осо­бен­но­сти линей­ной струк­ту­ры выска­зы­ва­ния и невер­баль­ные гра­фи­че­ские зна­ки (шриф­то­вые выде­ле­ния и идео­гра­фи­че­ские сим­во­лы эмоций).

Импли­цит­ные узу­аль­ные сред­ства — это не что иное, как нуле­вой модусм). Заме­тим попут­но, что интер­тек­сту­аль­ные импли­ка­ту­ры в узус не вхо­дят: они при­вя­за­ны к весь­ма широ­ко­му кон­тек­сту и дис­кур­сив­ным кон­вен­ци­ям, а пото­му их авто­ма­ти­че­ское счи­ты­ва­ние может быть реа­ли­зо­ва­но толь­ко при допол­не­нии инстру­мен­та­рия СПС мас­си­ва­ми часто цити­ру­е­мых в дан­ной линг­во­куль­ту­ре выра­же­ний, заим­ство­ван­ных из пре­це­дент­ных тек­стов («кры­ла­тых выра­же­ний»), и пра­ви­ла­ми их интерпретации.

Экс­пли­цит­ные сред­ства моду­са вхо­дят в широ­кие клас­сы акци­о­наль­ных и неак­ци­о­наль­ных пре­ди­ка­тов (мен­таль­но­го состо­я­ния, ква­ли­фи­ка­тив­ных и др.), внут­ри кото­рых они обра­зу­ют груп­пы эмо­тив­ных пре­ди­ка­тов раз­но­го уров­ня абстрак­ции. На тер­ми­наль­ном уровне мож­но выде­лять, напри­мер, пре­ди­ка­ты рече­вой агрес­сии (выра­же­ние эмо­ций враж­ды и нена­ви­сти), «гоно­ри­фи­че­ские» (выра­же­ние ува­же­ния) и «май­е­ста­ти­че­ские» (воз­ве­ли­чи­ва­ю­щие) пре­ди­ка­ты и т. п.

С уче­том опы­та моде­ли­ро­ва­ния когни­тив­но-аффек­тив­ных состо­я­ний и дей­ствий по мето­ду РСА при раз­ра­бот­ке шаб­ло­нов для модус-дик­тум­но­го авто­ма­ти­че­ско­го ана­ли­за исполь­зу­ет­ся фор­ма­ли­зо­ван­ная инфор­ма­ция о семан­ти­ке пре­ди­кат­ных слов, обли­га­тор­ных валент­но­стей пре­ди­ка­тов, т. е. о семан­ти­че­ских ролях их актан­тов, и о поверх­ност­но-син­так­си­че­ских реа­ли­за­ци­ях актан­тов. Эта инфор­ма­ция в сово­куп­но­сти отоб­ра­жа­ет как струк­ту­ру опи­сы­ва­е­мой ситу­а­ции (рефе­рен­та выска­зы­ва­ния в его дик­тум­ной части), так и мен­таль­ное состо­я­ние авто­ра тек­ста (соб­ствен­но модус), при этом, под­черк­нем, дик­тум­ная (объ­ек­тив­ная по отно­ше­нию к гово­ря­ще­му) часть выска­зы­ва­ния может отоб­ра­жать те же смыс­лы, что и модус, если актан­та­ми пре­ди­ка­та (пар­ти­ци­пан­та­ми ситу­а­ции) явля­ют­ся лич­ные суще­стви­тель­ные или место­име­ния (ср.: Боюсь, что после это­го Мария оби­дит­ся на Пет­ра).

Для выяв­ле­ния рече­вых мар­ке­ров эмо­ци­о­наль­ных состо­я­ний и моти­ви­ро­ван­ных ими ком­му­ни­ка­тив­ных интен­ций была про­ве­де­на «руч­ная» раз­мет­ка неко­то­ро­го мно­же­ства тек­стов1 задан­ной тема­ти­ки (270 тек­стов объ­е­мом от двух до четы­рех тысяч зна­ков, содер­жа­тель­но свя­зан­ных с про­бле­ма­ми про­фес­си­о­наль­но­го обра­зо­ва­ния, про­фес­си­о­наль­но­го кри­зи­са, кад­ро­вой мобиль­но­сти и др.). Полу­чен­ный в ито­ге спи­сок слов, отно­ся­щих­ся к этим темам, был рас­пре­де­лен по под­груп­пам, соот­вет­ству­ю­щим кон­крет­ным семан­ти­че­ским полям («обра­зо­ва­ние», «про­фес­сия / род заня­тий», «карьера/служба» и др.). Кро­ме того, были выде­ле­ны устой­чи­вые соче­та­ния слов (кол­ло­ка­ции) с поло­жи­тель­ной и отри­ца­тель­ной оце­ноч­но­стью (напри­мер, достой­ная опла­та тру­да, отток кад­ров, коман­да высо­ко­ква­ли­фи­ци­ро­ван­ных спе­ци­а­ли­стов, нехват­ка ква­ли­фи­ци­ро­ван­ных спе­ци­а­ли­стов и т. п.).

Для каж­до­го из выска­зы­ва­ний интро­спек­тив­но рекон­стру­и­ру­ют­ся ком­му­ни­ка­тив­ные интен­ции, что поз­во­ля­ет экс­пли­ци­ро­вать (в точ­ном обо­зна­че­нии) ком­му­ни­ка­тив­ные цели выска­зы­ва­ния (‘Я (не)хочу, что­бы…, поэто­му гово­рю / про­шу / пре­ду­пре­ждаю / обе­щаю / при­зы­ваю / сове­тую…’; ‘Я оце­ни­ваю…, поэто­му гово­рю / назы­ваю…’), и опи­сы­ва­ют­ся внешне выра­жен­ные рече­вые мар­ке­ры рекон­стру­и­ру­е­мых модус­ных смыс­лов. Тако­го рода опи­са­ние так­же вклю­ча­ет­ся в линг­ви­сти­че­ские шаб­ло­ны, на осно­ве кото­рых и созда­ют­ся алго­рит­мы авто­ма­ти­че­ско­го мони­то­рин­га сете­во­го контента.

В текстах, свя­зан­ных с озна­чен­ны­ми тема­ми, с высо­кой веро­ят­но­стью ожи­да­ет­ся исполь­зо­ва­ние таких линг­ви­сти­че­ских мар­ке­ров модальности:

— пре­ди­ка­ты мен­таль­но­го (эмо­ци­о­наль­но­го и интел­лек­ту­аль­но­го) состо­я­ния (Рмент.стат) — знать, верить, пола­гать, счи­тать; разу­ве­рить­ся, сомне­вать­ся, быть убеж­ден­ным; инте­ре­со­вать­ся, обра­щать вни­ма­ние; согла­шать­ся, раз­де­лять мне­ние (точ­ку зре­ния, взгляд…); оши­бать­ся, заблуж­дать­ся; вос­хи­щать­ся, одоб­рять, осуж­дать, радо­вать­ся, огор­чать­ся, ску­чать, гру­стить, оби­жать­ся, бес­по­ко­ить­ся, вооду­шев­лять­ся, отча­и­вать­ся, страдать;

функ­тив­ные пре­ди­ка­ты (Рфункт): рабо­тать, слу­жить, спе­ци­а­ли­зи­ро­вать­ся, ста­жи­ро­вать­ся, гото­вить­ся, про­хо­дить обу­че­ние / под­го­тов­ку / пере­под­го­тов­ку, повы­шать ква­ли­фи­ка­цию, учить­ся, обу­чать­ся, полу­чать специальность/профессию и т. п.);

модаль­ные пре­ди­ка­ты, сре­ди кото­рых осо­бен­но частот­ны пре­ди­ка­ты с опта­тив­ной и кона­тив­ной модаль­но­стью (Ркон, Ропт): соби­рать­ся, наме­ре­вать­ся, меч­тать, наде­ять­ся, ожи­дать (успе­хов, пора­же­ний), видеть себя; выби­рать, решать(ся); пла­ни­ро­вать, пытать­ся, доби­вать­ся, дости­гать, стремиться;

— акци­о­наль­ные пре­ди­ка­ты мен­таль­но­го пла­на (Рмент), обо­зна­ча­ю­щие доволь­но широ­кий спектр рече­мыс­ли­тель­ных дей­ствий, выра­жа­ют субъ­ек­тив­ную модаль­ность по опре­де­ле­нию (сво­ей кате­го­ри­аль­ной семан­ти­кой): боль­шин­ство из них может упо­треб­лять­ся в пози­ции соб­ствен­но моду­са (пер­фор­ма­ти­ва), т. е. в фор­ме 1 л. наст. вр. инди­ка­ти­ва (инфор­ми­ро­вать, сооб­щать, гово­рить, выска­зы­вать, изла­гать; спра­ши­вать, него­до­вать, ругать, бра­нить, изде­вать­ся, иро­ни­зи­ро­вать, обви­нять, кри­ти­ко­вать и т. п.); мно­гие из пере­чис­лен­ных пре­ди­ка­тов могут так­же выра­жать как мен­таль­ное состо­я­ние (эмо­ци­о­наль­ное отно­ше­ние, настрой, склон­ность), так и неко­то­рое ком­му­ни­ка­тив­ное дей­ствие, про­яв­ляя омо­ни­мию или син­кре­тизм (отли­чия в том, что омо­ни­мия кон­тек­сту­аль­но сни­ма­ет­ся, а син­кре­тизм нераз­ре­шим в принципе);

— непо­сред­ствен­ны­ми сред­ства­ми выра­же­ния моду­са могут слу­жить ком­му­ни­ка­тив­ные гла­го­лы побуж­де­ния (Ркомм.побуд): про­сить, тре­бо­вать, уго­ва­ри­вать, при­ка­зы­вать, убеж­дать, умо­лять, аги­ти­ро­вать, при­зы­вать и дру­гие, явля­ю­щи­е­ся экс­пли­цит­но поли­про­по­зи­тив­ны­ми, посколь­ку обя­за­тель­но тре­бу­ют соеди­не­ния с объ­ект­ным инфи­ни­ти­вом, номи­на­ли­за­ци­ей или изъ­яс­ни­тель­ным при­да­точ­ным (с сою­зом что­бы); в этот же класс вклю­ча­ют­ся опта­тив­ные модаль­ные пре­ди­ка­ты (кос­вен­но­го побуж­де­ния), под­чи­ня­ю­щие что­бы-при­да­точ­ные (желать, хотеть, пред­по­чи­тать и т. п.); в соеди­не­нии с субъ­ект­ным инфи­ни­ти­вом кау­за­тив­но­го гла­го­ла (попро­сить, поре­ко­мен­до­вать) опта­тив­ные гла­го­лы выра­жа­ют под­черк­ну­то веж­ли­вую фор­му побуж­де­ния (Хоте­лось бы попро­сить участ­ни­ков экс­пе­ри­мен­та…).

Нако­нец, весь­ма широ­кий и семан­ти­че­ски раз­но­род­ный (а пото­му допус­ка­ю­щий даль­ней­шее раз­би­е­ние) класс обра­зу­ют ква­ли­фи­ка­тив­ные реля­ци­он­ные пре­ди­ка­ты (харак­те­ри­зу­ю­щие пред­мет, поня­тие или явле­ние по отно­ше­нию к иным пред­ме­там или собя­ти­ям). Выде­лим пока две раз­но­вид­но­сти таких мар­ке­ров субъ­ек­тив­ной модаль­но­сти: пре­ди­ка­ты обоб­щен­но пони­ма­е­мой сопо­ста­ви­тель­ной семан­ти­ки (Рсопост), выра­жа­ю­щие отно­ше­ния тож­де­ства / подо­бия / отли­чия: тож­де­ствен, иден­ти­чен, равен, бли­зок, подо­бен, схо­ден, отли­чен; сов­па­дать, отли­чать­ся, раз­ли­чать­ся, иметь (обла­дать) + Nном (<Рсопост) [иметь сход­ство, обла­дать осо­бен­но­стью и т. п.]; в том чис­ле соб­ствен­но ком­па­ра­ти­вы Adjcomp/ Advcomp (боль­ше, мень­ше, силь­нее, выше, ниже, зна­чи­тель­ней; более менее + Adj и др.), как пра­ви­ло, со вто­рым ком­па­ра­тив­ным ком­по­нен­том (объ­ек­том срав­не­ния); харак­те­ри­зу­ю­щие пре­ди­ка­ты (Рхаракт) — «неяв­но сопо­ста­ви­тель­ные» (без экс­пли­цит­но­го объ­ек­та срав­не­ния), пре­иму­ще­ствен­но в струк­тур­ных схе­мах со связ­кой: раз­но­об­ра­зен, осо­бен, свое­об­ра­зен, спе­ци­фи­чен, дина­ми­чен, непо­дви­жен, неиз­ме­нен, посто­я­нен, велик, мал, ярок, бле­ден, мно­го­цве­тен, све­тел и т. п. Нелишне заме­тить, что чаще все­го Рхаракт в тек­сте дез­ак­ту­а­ли­зо­ва­ны, т. е. запол­ня­ют атри­бу­тив­ную пози­цию (яркий, мно­го­цвет­ный, тем­ный) в каком-либо имен­ном ком­по­нен­те акту­аль­но­го пре­ди­ка­та (где Р — пре­ди­кат­ное сло­во; Nном — номи­на­ли­за­ция Р; Adjcomp/ Advcomp — при­ла­га­тель­ные и наре­чия в сравн. степени).

Участ­ву­ю­щие в выра­же­нии модус­ных смыс­лов пре­ди­ка­ты неред­ко ока­зы­ва­ют­ся мно­го­знач­ны­ми, и их модус­ная семан­ти­ка про­яв­ля­ет­ся (выяв­ля­ет­ся адре­са­том в про­цес­се ком­му­ни­ка­ции) бла­го­да­ря спе­ци­фи­че­ско­му набо­ру син­так­сем: нали­чию лич­но­го суще­стви­тель­но­го в роли аген­са — при акци­о­наль­ном пре­ди­ка­те (Петр рас­стро­ил Ива­на) или паци­ен­са (аффек­ти­ва) — при пре­ди­ка­тах со зна­че­ни­ем физио­ло­ги­че­ско­го или мен­таль­но­го состо­я­ния (Иван кипя­тит­ся, Пет­ру фио­ле­то­во, Марии пока­за­лось, что… (ср.: На гори­зон­те пока­за­лось суд­но); Есть люди, кото­рые боят­ся пау­ков (ср.: Цемент боит­ся сыро­сти) и т. п.

Рас­смот­рим несколь­ко при­ме­ров из сочи­не­ний сту­ден­тов (мыс­ли о выбран­ной про­фес­сии, надеж­дах и пер­спек­ти­вах на выбран­ном пути). Во мно­гих слу­ча­ях субъ­ек­тив­ная модаль­ность импли­цит­на, т. е. пред­став­ле­на в нуле­вых модус­но-пер­фор­ма­тив­ных рам­ках. В зави­си­мо­сти от дик­тум­но­го содер­жа­ния нуле­вой модус име­ет зна­че­ние либо ней­траль­но­го (нека­те­го­ри­че­ско­го) утвер­жде­ния (Øф: ‘я знаю/верю и гово­рю’ — для факт­фик­си­ру­ю­щих выска­зы­ва­ний с собы­тий­ной рефе­рен­ци­ей), либо «сло­жив­ше­го­ся мне­ния», ней­траль­но­го «моду­са пола­га­ния» (Øп: ‘я счи­таю, думаю’ — для выска­зы­ва­ний с ква­ли­фи­ка­тив­ны­ми и оце­ноч­ны­ми предикатами).

К экс­пли­цит­ным линг­ви­сти­че­ским мар­ке­рам субъ­ек­тив­ной модаль­но­сти отно­сим: 1) эмо­тив­ные и модаль­но-оце­ноч­ные пре­ди­ка­ты в фор­ме 1‑го л. (в том чис­ле их номи­на­ли­за­ции в пози­ции актан­та с место­имен­ны­ми дейк­ти­ка­ми 1‑го л. или кос­вен­но-субъ­ект­ные транс­фор­ма­ции пре­ди­ка­тив­ных еди­ниц: я желаю → мое жела­ние; я пла­ни­рую → у меня в пла­нах); 2) оце­ноч­ные и харак­те­ри­зу­ю­щие пре­ди­ка­ты в дик­тум­ной части выска­зы­ва­ния, как пра­ви­ло, в атри­бу­тив­ной пози­ции при том или ином актан­те в поверх­ност­но-син­так­си­че­ской струк­ту­ре выска­зы­ва­ния. Кро­ме того, посколь­ку в зада­чи ана­ли­за­то­ра вхо­дит «диа­гно­сти­ка тональ­но­сти» не речи вооб­ще, а тек­ста, соот­не­сен­но­го с опре­де­лен­ны­ми тема­ти­че­ски­ми сфе­ра­ми (рефе­рен­та­ми), его линг­ви­сти­че­ская часть содер­жит инфор­ма­цию о «дик­тум­ных» пре­ди­ка­тах и актан­тах, вклю­ча­е­мых в ТГС тех семан­ти­че­ских полей, кото­рые зна­чи­мы под углом зре­ния реша­е­мых задач («про­фес­сия», «заня­тость», «карье­ра» и др.).

Фор­ма­ли­зо­ван­ное опи­са­ние линг­ви­сти­че­ских мар­ке­ров субъ­ек­тив­ной модаль­но­сти (т. е. то, что посту­па­ет на вход опе­ра­ци­он­но­го ком­по­нен­та моде­ли РСА) вклю­ча­ет ука­за­ние на при­над­леж­ность пре­ди­ка­та и актан­тов к опре­де­лен­ным (задан­ным в спис­ках) семан­ти­че­ским клас­сам и на семан­ти­че­ские роли непре­ди­ка­тив­ных ком­по­нен­тов пред­ло­же­ния (на отно­ше­ния меж­ду пре­ди­ка­том и актан­том). Напри­мер, в выска­зы­ва­ни­ях Я выбрал про­фес­сию эко­но­ми­ста, так как счи­таю, что это очень важ­ная про­фес­сия в наши дни. Ожи­даю, что смо­гу добить­ся успе­хов и быть полез­ным обще­ству линг­ви­стом и пси­хо­ло­гом долж­ны быть опре­де­ле­ны как отно­ся­щи­е­ся к фор­ми­ру­е­мой ТГС лек­се­мы про­фес­сия, эко­но­мист, обще­ство, кол­ло­ка­ции выбрать про­фес­сию, про­фес­сия эко­но­ми­ста, добить­ся успе­хов, быть полез­ным обще­ству, а пре­ди­ка­ты выбрать, счи­тать, очень важ­ный, смочь, полез­ный поме­ча­ют­ся как сред­ства выра­же­ния субъ­ек­тив­ной модаль­но­сти («модус-потен­ци­а­ла», по выра­же­нию Т. В. Шмелевой).

Руч­ная раз­мет­ка тек­сто­во­го мате­ри­а­ла может иметь такой вид: Øф [‘я знаю/ верю и гово­рю’] Я [Nлицо1aгн] выбрал [Pмент] про­фес­сию эко­но­ми­ста [Nпроф4], так как счи­таю [Рмдс/п], что [чтоdlb] это очень важ­ная [Рхаракт] про­фес­сия [Nпроф1сбъ] в наши дни. Ожи­даю [Рмдс+ наде­юсь = ‘думаю с надеж­дой’], что [чтоdlb] смо­гу добить­ся успе­хов [Рхаракт] и быть полез­ным [Рхаракт] обще­ству (где Øф — нуле­вая пер­фор­ма­тив­но-модус­ная рам­ка фак­то­фик­си­ру­ю­ще­го выска­зы­ва­ния, Nлицо1aгн — имя семан­ти­че­ско­го клас­са «лицо» / дейк­ти­ка 1‑го л. в им.п., в роли аген­са; Pмент — акци­о­наль­ный пре­ди­кат мен­таль­но­го пла­на; Nпроф4 — сущ. в вин. пад. из ТГС «про­фес­сия» в роли ква­зи­объ­ек­та; Рмдс/п — модус­ный пре­ди­кат («модус пола­га­ния»); Рмдс+ — модус­ный пре­ди­кат, сли­тый с поло­жи­тель­ной оцен­кой содер­жа­ния (рефе­рен­та) дик­ту­ма; чтоdlb — изъ­яс­ни­тель­ное при­да­точ­ное в роли дели­бе­ра­тив­но­го актан­та; Рхарактхарак­те­ри­зу­ю­щий (оце­ноч­ный) пре­ди­кат; Nпроф1субъ — сущ. в им. пад. из ТГС «про­фес­сия» в роли «субъекта_носителя_признака», или «объекта_характеризации»).

Пола­га­ем, что линг­ви­сти­че­ские мар­ке­ры моду­са (в нашем при­ме­ре име­ю­щем зна­че­ние ‘сдер­жан­ный опти­мизм’, ‘надеж­да на пози­тив­ный резуль­тат’) в сово­куп­но­сти с дик­тум­ны­ми зна­ка­ми с той же рефе­рен­ци­ей (тема­ти­че­ской при­уро­чен­но­стью) вполне доста­точ­ны для того, что­бы диа­гно­сти­ка тональ­но­сти тек­стов с ана­ло­гич­ным набо­ром пре­ди­ка­тов и син­так­сем при авто­ма­ти­че­ском ана­ли­зе тональ­но­сти дава­ла в боль­шин­стве слу­ча­ев объ­ек­тив­ный результат.

В при­во­ди­мых ниже при­ме­рах пре­ди­ка­ты «модус-потен­ци­а­ла» выде­ле­ны полу­жир­ным шриф­том, иные пре­ди­ка­ты и актан­ты, а так­же суще­стви­тель­ные в атри­бу­тив­ной пози­ции (несо­гла­со­ван­ные опре­де­ле­ния), кото­рые вхо­дят в ТГС семан­ти­че­ских полей, суще­ствен­ных под углом зре­ния реша­е­мых задач («про­фес­сия», «заня­тость», «карье­ра»), подчеркнуты.

Кол­ло­ка­ции с вне­кон­тек­сту­аль­ной отри­ца­тель­ной оце­ноч­но­стью зада­ют­ся спис­ком (ср.: нехват­ка ква­ли­фи­ци­ро­ван­но­го пер­со­на­ла; низ­кий ста­тус про­фес­сии, высо­кая теку­честь кад­ров, низ­ко­опла­чи­ва­е­мое заня­тие, про­бле­ма дет­ской без­над­зор­но­сти и бес­при­зор­но­сти, низ­кий поку­па­тель­ский спрос и т. п.). В слу­чае, если знак оцен­ки не заклю­чен в семан­ти­ке пре­ди­кат­но­го сло­ва (в потен­ци­аль­но энан­тио­се­мич­ных оце­ноч­ных сло­вах), общая тональ­ность (оце­ноч­ность) модус­ных выра­же­ний при машин­ном «май­нин­ге» опре­де­ля­ет­ся семан­ти­кой дик­ту­ма (объ­ек­та оцен­ки): Ожи­даю, что Петр спра­вит­ся с зада­чей (Рмдс+) / не спра­вит­ся с зада­чей (Рмдс–); Тех­ни­че­ское состо­я­ние тре­бу­ет обнов­ле­ния и модер­ни­за­ции, а затра­ты на содер­жа­ние уве­ли­чи­ва­ют­ся за счет роста тари­фов на энер­го­но­си­те­ли / за счет роста зара­бот­ной пла­ты (с точ­ки зре­ния авто­ра тек­ста, сооб­ща­ю­ще­го о необ­хо­ди­мо­сти обнов­ле­ния и модер­ни­за­ции обо­ру­до­ва­ния, т. е. выра­жа­ю­ще­го — при усло­вии искрен­но­сти — заин­те­ре­со­ван­ность в этом, оце­ноч­ное зна­че­ние дик­тум­но­го выра­же­ния за счет роста зара­бот­ной пла­ты ока­зы­ва­ет­ся со зна­ком «минус», хотя в ТГС, исполь­зу­е­мых в моде­ли РСА, сло­во­со­че­та­ния со зна­че­ни­ем ‘рост зар­пла­ты’, несо­мнен­но, долж­ны быть отне­се­ны к кол­ло­ка­ци­ям с поло­жи­тель­ным оце­ноч­ным значением).

При­ве­дем несколь­ко раз­ме­чен­ных фраг­мен­тов из наше­го мате­ри­а­ла (рече­вые мар­ке­ры семан­ти­че­ских ролей не обозначены).

Øм Мой про­фес­си­о­наль­ный путь начи­на­ет­ся в МГИМО! Øм Здесь я соби­ра­юсь прой­ти ста­жи­ров­ку в круп­ных ком­па­ни­ях в каче­стве спе­ци­а­ли­ста эко­но­ми­ста. Øм После окон­ча­ния уни­вер­си­те­та я соби­ра­юсь рабо­тать там же, где и про­хо­дил ста­жи­ров­ку. Нако­пив доста­точ­ный капи­тал, я открою свой биз­нес. В дан­ном выска­зы­ва­нии пози­тив­ная (опти­ми­сти­че­ская) тональ­ность выра­жа­ет­ся выбо­ром опта­тив­но­го пре­ди­ка­та в фор­ме 1‑го лица наст. вр. (при том что выбор фор­мы прош. вр. сви­де­тель­ство­вал бы ско­рее о пес­си­ми­сти­че­ских настро­е­ни­ях пишущего).

Øм Я вижу себя [= ‘хочу быть / рабо­тать в…’] в пред­при­ни­ма­тель­ской сфе­ре. Øм Я пол­но­стью пони­маю все труд­но­сти и слож­но­сти, с кото­ры­ми мне пред­сто­ит столк­нуть­ся. Øм Мно­гие люди дума­ют, что пред­при­ни­ма­тель­ская дея­тель­ность — это про­сто, одна­ко это не так.

С моей точ­ки зре­ния, чело­век дол­жен зани­мать­ся тем, в чем он себя видит [= ‘где хочет быть / рабо­тать’], и в той сфе­ре, в кото­рой он хорош.

Øм Я ста­ра­юсь нако­пить как мож­но боль­ше зна­ний и уме­ний. Ожи­даю, что дан­ная про­фес­сия будет непро­ста, но глав­ное чет­ко поста­вить для себя цель и идти к ней. Здесь модус пола­га­ния (ожи­даю) соеди­ня­ет­ся не с поло­жи­тель­ной оцен­кой дик­ту­ма, а с отри­ца­тель­ной (≈‘боюсь, что…’), так как дик­тум пред­став­лен нега­тив­но-оце­ноч­ным суж­де­ни­ем в изъ­яс­ни­тель­ном при­да­точ­ном (ср.: Ожи­даю, что выбран­ная про­фес­сия будет вос­тре­бо­ван­ной, зада­ча будет нетруд­ной, Иван решит эту зада­чу и т. п.).

Øм Тех­ни­че­ское состо­я­ние тре­бу­ет обнов­ле­ния и модер­ни­за­ции, а затра­ты на содер­жа­ние уве­ли­чи­ва­ют­ся за счет роста тари­фов на энер­го­но­си­те­ли. К при­ве­ден­но­му выше ком­мен­та­рию это­го фраг­мен­та доба­вим, что здесь отри­ца­тель­ная оце­ноч­ность моду­са импли­цит­на: она инду­ци­ру­ет­ся дис­кур­сив­ной пози­тив­но­стью кон­но­та­ций слов обнов­лять и модер­ни­зи­ро­вать, свя­зан­ных кау­заль­ным отно­ше­ни­ем (выра­же­но кау­заль­ным пре­ди­ка­том тре­бо­вать) с оце­ноч­но ней­траль­ным, каза­лось бы, соче­та­ни­ем тех­ни­че­ское состо­я­ние (в тако­го рода поли­про­по­зи­тив­ных семан­ти­че­ских струк­ту­рах обо­зна­че­ние кау­зи­ру­ю­щей ситу­а­ции импли­ци­ру­ет в модус­но-пер­фор­ма­тив­ной рам­ке отри­ца­тель­ную оце­ноч­ность: ‘неудо­вле­тво­ри­тель­ное тех­ни­че­ское состояние’).

Øм В усло­ви­ях рыноч­ных отно­ше­ний и кон­ку­рент­ной борь­бы потре­би­тель­ская коопе­ра­ция не может успеш­но раз­ви­вать­ся, исполь­зуя ста­рые мето­ды рабо­ты. Опре­де­ле­ние ста­рые име­ет отри­ца­тель­ную оце­ноч­ную кон­но­та­цию в узу­се, а не толь­ко в кон­тек­сте дан­но­го выска­зы­ва­ния, ней­траль­ную или поло­жи­тель­ную оце­ноч­ность в соче­та­нии с кол­ло­ка­ци­ей мето­ды рабо­ты име­ло бы опре­де­ле­ние тра­ди­ци­он­ный или клас­си­че­ский (как в ста­рой рекла­ме ижев­ско­го лег­ко­во­го авто­мо­би­ля: при­вод клас­си­че­ский).

Выводы

В любом выска­зы­ва­нии как ком­му­ни­ка­тив­но осмыс­лен­ной еди­ни­це связ­но­го тек­ста, вклю­чен­ной по зако­нам рече­вой систем­но­сти и в соот­вет­ствии с дис­кур­сив­ны­ми пра­ви­ла­ми в кон­текст и кон­си­ту­а­цию, име­ют­ся фор­маль­ные рече­вые мар­ке­ры не толь­ко дик­тум­ных, но и модус­ных смыс­лов, опи­ра­ясь на кото­рые адре­сат ком­му­ни­ка­тив­но­го акта (вос­при­ни­ма­ю­щий текст чело­век или его кибер­не­ти­че­ский ана­лог) спо­со­бен адек­ват­но иден­ти­фи­ци­ро­вать неко­то­рое мно­же­ство мен­таль­ных состо­я­ний адре­сан­та. Вос­при­я­тие модус­ной инфор­ма­ции, заклю­чен­ной в тек­сте, по самой при­ро­де язы­ка и рече­вой ком­му­ни­ка­ции, не может быть отде­ле­но от вос­при­я­тия дик­тум­но­го содер­жа­ния, поэто­му в чис­ло линг­ви­сти­че­ских мар­ке­ров эмо­ци­о­наль­но­го состо­я­ния вклю­ча­ют­ся не толь­ко эмо­тив­ные и оце­ноч­ные пре­ди­ка­ты с узу­аль­ной семан­ти­кой, но и такие лек­се­мы, оце­ноч­ное содер­жа­ние кото­рых опре­де­ля­ет­ся «дик­тум­ным контекстом».

Ана­лиз мате­ри­а­ла пока­зы­ва­ет, что в каж­дом из тема­ти­че­ски опре­де­лен­ных тек­стов (содер­жа­щих мно­же­ство лек­сем, мар­ки­ру­ю­щих при­над­леж­ность тек­ста к дан­ной теме) име­ет­ся неко­то­рое мно­же­ство вер­баль­ных пока­за­те­лей моду­са, т. е. акту­аль­но­го в момент речи отно­ше­ния авто­ра тек­ста к опи­сы­ва­е­мой ситу­а­ции или к участ­ни­кам рече­во­го акта. Бла­го­да­ря этим пока­за­те­лям адре­сат речи полу­ча­ет воз­мож­ность вос­при­нять (рекон­стру­и­ро­вать) и импли­цит­ную инфор­ма­цию об эмо­ци­о­наль­ном состо­я­нии субъ­ек­та речи.

Авто­ры счи­та­ют, что выяв­лен­ные в ходе руч­ной раз­мет­ки вер­баль­ные мар­ке­ры субъ­ек­тив­ной модаль­но­сти тек­стов во вза­и­мо­дей­ствии с линг­ви­сти­че­ски­ми мар­ке­ра­ми их тема­ти­че­ской при­уро­чен­но­сти могут быть исполь­зо­ва­ны при раз­ра­бот­ке мето­да­ми искус­ствен­но­го интел­лек­та алго­рит­мов авто­ма­ти­че­ско­го ана­ли­за модаль­но­сти (машин­но­го «май­нин­га»). Про­грамм­ная реа­ли­за­ция пред­ла­га­е­мо­го под­хо­да поз­во­лит осу­ществ­лять мони­то­рин­го­вые и диа­гно­сти­че­ские меро­при­я­тия, направ­лен­ные на выяв­ле­ние при­зна­ков про­фес­си­о­наль­но­го кри­зи­са по тек­стам сете­вой коммуникации.

1 Мате­ри­а­лом послу­жи­ли сочи­не­ния на тему «Мое про­фес­си­о­наль­ное раз­ви­тие», напи­сан­ные сту­ден­та­ми эко­но­ми­че­ских спе­ци­аль­но­стей (ана­лиз см. в: [Махму­то­ва, Кузь­ми­на 2019]), а так­же эссе жен­щин-пред­при­ни­ма­те­лей, опуб­ли­ко­ван­ные в сбор­ни­ках: [Эссе по акту­аль­ным про­бле­мам 2006; Кон­курс­ные рабо­ты 2010].

Ананьева, М. И., Девяткин, Д. А., Зубарев, Д. В., Осипов, Г. С., Смирнов, И. В., Соченков, И. В., Тихомиров, И. А., Швец, А. В., Шелманов, А. О. (2016). TextAppliance: поиск и анализ больших массивов текстов. В Национальная конференция по искусственному интеллекту с международным участием. T. 3 (с. 220–228). Смоленск: Универсум.

Бенвенист, Э. (1974). О субъективности в языке. В Э. Бенвенист, Общая лингвистика (с. 292–300). Москва: Прогресс. Васильев, Л. М. (1990). Современная лингвистическая семантика. Москва: Высшая школа.

Гудовских, Д. В., Молошников, И. А., Рыбка, Р. Б. (2015). Анализ эмотивности текстов на основе психолингвистических маркеров с определением морфологических свойств. Вестник Воронежского государственного университета. Серия: Лингвистика и межкультурная коммуникация, 3, 92–97.

Зеер, Э. Ф. (2003). Психология профессий. Москва: Академический Проект; Екатеринбург: Деловая книга.

Золотова, Г. А. (2010). Коммуникативные аспекты русского синтаксиса. Москва: URSS.

Кожина, М. Н. (2014). Речеведение. Теория функциональной стилистики. Москва: Флинта; Наука.

Колмогорова, А. В., Вдовина, Л. А. (2019). Лексико-грамматические маркеры эмоций в качестве параметров для сентимент-анализа русскоязычных интернет-текстов. Вестник Пермского университета. Российская и зарубежная филология, 11 (3), 38–46.

Котельников, Е. В. (2019). Методология интеллектуального анализа мнений при обработке текстовой информации на основе правдоподобного вывода. Дис. … д-ра тех. наук. Москва.

Кузнецова, Ю. М., Пенкина М. Ю. (2020). Сценарий отказа от решения проблемы как предмет сетевых обсуждений. В В. И. Панов (Ред.), Экопсихологические исследования — 6: экология детства и психология устойчивого развития: сборник научных статей (с. 218–222). Москва: ФГБНУ «Психологический институт РАО»; Курск: Университетская книга.

Куликов, С. Ю. (2016). Автоматическое извлечение мнений: лингвистический аспект. Дис. … канд. филол. наук. Москва.

Лукашевич, Н. В. (2017). Автоматические методы анализа тональности. В Е. И. Большакова, К. В. Воронцов, Н. Ефремова, Э. С. Клышинский, Н. В. Лукашевич, А. С. Сапин, Автоматическая обработка текстов на естественном языке и анализ данных (с. 127–194). Москва: Изд-во НИУ ВШЭ.

Матвеева, Т. В. (2010). Полный словарь лингвистических терминов. Ростов н/Д. : Феникс.

Махмутова, Е. Н., Кузьмина, А. А. (2019). Психологические слагаемые успеха экономической социализации молодежи в цифровую эпоху. В Герценовские чтения: психологические исследования в образовании. Вып. 2 (с. 447–450). Санкт-Петербург. https://doi.org/10.33910/herzenpsyconf-2019-2-55.

Мбайкоджи, Э., Драль, А. А., Соченков, И. В. (2012). Метод автоматической классификации коротких текстовых сообщений. Информационные технологии и вычислительные системы 3, 93–102.

Осипов, Г. С. (2011). Методы искусственного интеллекта. Москва: Физматлит.

Салимовский, В. А., Девяткин, Д. А., Каджая, Л. А., Мишланов, В. А. (2019). Автоматическое распознавание ментальных действий, реализуемых в научных эмпирических текстах. Научно-технические ведомости СПбГПУ. Гуманитарные и общественные науки, 10 (3), 74–88.

Шмелева, Т. В. (1994). Семантический синтаксис. Красноярск: Изд-во Красноярского. гос. ун-та.

Changxing, Wu et al. (2017). Improving Implicit Discourse Relation Recognition with Discourse-specifi Word Embeddings. In Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Short Papers). Vancouver, Canada, July 30 — August 4, 2017 (pp. 269–274).

Chetviorkin, I., Braslavskiy, P., Loukachevitch, N. (2012). Sentiment Analysis Track at ROMIP 2011 Computational Linguistics and Intellectual Technologies: Annual International Conf. «Dialogue», Coling&InTel, 11 (18), 739–746.

Das, M. K., Padhy, B., Mishra, B. K. (2017). Opinion mining and sentiment classification: A review. In 2017 International Conference on Inventive Systems and Control (ICISC). Coimbatore 1–3. https://doi.org/10.1109/ICISC.2017.8068637.

Francisco, J. et al. (2017). A Brief Review on the Use of Sentiment Analysis Approaches in Social Networks. In International Conference on Software Process Improvement CIMPS 2017: Trends and Applications in Software Engineering (pp. 263–273).

Jun, K. et al. (2019). Improving Neural Relation Extraction with Implicit Mutual Relations. Электронный ресурс http://staff.ustc.edu.cn/~hexn/papers/icde20-NRE.pdf.

Mishra, P., Rajnish, R., & Kumar, P. (2018). Evaluating Performance of Machine Learning Techniques used in Opinion Mining. In: 4th International Conference on Computing Communication and Automation (ICCCA). 2018: 1–4. https://doi.org/10.1109/CCAA.2018.8777724.

Raghuvanshi, N., Patil, J. M. (2016). A Brief Review on Sentiment Analysis. International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT). 3–5 March 2016. https://doi.org/10.1109/ICEEOT.2016.7755213.

Varathan, K. D., Giachanou, A., & Crestani, F. (2017). Comparative Opinion Mining: A Review. Journal of the Association for Information Science and Technology, 68 (4). Электронный ресурс https://arxiv.org/abs/1712.08941.

Эссе по актуальным проблемам: конкурсные работы. IX Всероссийский конкурс .Женщина — директор года. / Ассоциация женщин-предпринимателей России. Москва; Рязань: Изд-во РИНФО, 2006.

Конкурсные работы / Ассоциация женщин-предпринимателей России. Москва; Рязань: Изд-во РИНФО, 2010.

Anan’eva, M. I., Deviatkin, D. A., Zubarev, D. V., Osipov, G. S., Smirnov, I. V., Sochenkov, I. V., Tikhomirov, I. A., Shvets, A. V., Shelmanov, A. O. (2016). TextAppliance: search and analysis of large volumes of texts. In National conference on artificial intelligence with international participation, vol. 3 (pp. 220–228). Smolensk, Universum Publ. (In Russian)

Benvenist, E. (1974). On subjectivity in language. In E. Benvenist, General linguistics (pp. 292–300). Moscow, Progress Publ. (In Russian)

Changxing, Wu et al. (2017). Improving Implicit Discourse Relation Recognition with Discourse-specific Word Embeddings. In Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Short Papers). Vancouver, Canada, July 30 — August 4, 2017 (pp. 269–274).

Chetviorkin, I., Braslavskiy, P., Loukachevitch, N. (2012). Sentiment Analysis Track at ROMIP 2011 Computational Linguistics and Intellectual Technologies: Annual International Conf. «Dialogue», Coling&InTel, 11 (18), 739–746.

Das, M. K., Padhy, B., & Mishra, B. K. (2017). Opinion mining and sentiment classification: A review. In 2017 International Conference on Inventive Systems and Control (ICISC). Coimbatore 1–3. https://doi.org/10.1109/ICISC.2017.8068637.

Francisco, J. et al. (2017). A Brief Review on the Use of Sentiment Analysis Approaches in Social Networks. In International Conference on Software Process Improvement CIMPS 2017: Trends and Applications in Software Engineering (pp. 263–273).

Gudovskikh, D. V., Moloshnikov, I. A., Rybka, R. B. (2015). The analysis of the emotive texts based on psycholinguistic markers with the determination of morphological properties. Vestnik Voronezhskogo gosudarstvennogo universiteta. Seriia: Lingvistika i mezhkul’turnaia kommunikatsiia, 3, 92–97. (In Russian)

Jun, K. et al. (2019). Improving Neural Relation Extraction with Implicit Mutual Relations. Retrieved from http://staff.ustc.edu.cn/~hexn/papers/icde20-NRE.pdf.

Kolmogorova, A. V., Vdovina, L. A. (2019). Lexical and grammatical markers of emotions as parameters for sentiment analysis of Russian Internet texts. Vestnik Permskogo universiteta. Rossiiskaia i zarubezhnaia filologiia, 11 (3), 38–46. (In Russian)

Kotel‘nikov, E. V. (2019). Methodology for intellectual analysis of opinions when processing text information based on a plausible conclusion. Doctor thesis. Moscow. (In Russian)

Kozhina, M. N. (2014). Speech Studies. The theory of functional stylistics. Moscow, Flinta Publ.; Nauka Publ. (In Russian)

Kulikov, S. Iu. (2016). Automatic retrieval of opinions: linguistic aspect. PhD thesis. Moscow. (In Russian)

Kuznetsova, Yu. M., Penkina M. Yu. (2020). Scenario of failure to solve the problem as a subject of network discussions. In V. I. Panov (Ed.), Ecopsychological research–6: ecology of childhood and psychology of sustainable development: collection of scientific articles (pp. 218–222). Moscow, FGBNU Psikhologicheskii institut RAO Publ.; Kursk, Universitetskaia kniga Publ. (In Russian)

Lukashevich, N. V. (2017). Automatic methods of tonality analysis. In E. I. Bol’shakova, K. V. Vorontsov, N. Efremova, E. S. Klyshinskii, N. V. Lukashevich, A. S. Sapin, Automatic text processing in natural language and data analysis (pp. 127–194). Moscow, Higher School of Economics Publ. (In Russian)

Makhmutova, E. N., Kuz’mina, A. A. (2019). Psychological components of success of economic socialization of youth in the digital age. In Herzen Readings: psychological research in education. Issue 2 (pp. 447–450). St. Petersburg. https://doi.org/10.33910/herzenpsyconf-2019-2-55. (In Russian)

Matveeva, T. V. (2010). Complete dictionary of linguistic terms. Rostov-na-Donu, Feniks Publ. (In Russian)

Mbaikodzhi, E., Dral’, A. A., Sochenkov, I. V. (2012). Method for automatic classification of short text messages. Informatsionnye tekhnologii i vychislitel’nye sistemy 3, 93–102. (In Russian)

Mishra, P., Rajnish, R., & Kumar, P. (2018). Evaluating Performance of Machine Learning Techniques used in Opinion Mining. In: 4th International Conference on Computing Communication and Automation (ICCCA). 2018: 1–4. https://doi.org/10.1109/CCAA.2018.8777724.

Osipov, G. S. (2011). Methods of artificial intelligence. Moscow, Fizmatlit Publ. (In Russian)

Raghuvanshi, N., Patil, J. M. (2016). A Brief Review on Sentiment Analysis. International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT). 3–5 March 2016. https://doi.org/10.1109/ICEEOT.2016.7755213.

Salimovskii, V. A., Deviatkin, D. A., Kadzhaia, L. A., Mishlanov, V. A. (2019). Automatic recognition of mental actions implemented in scientific empirical texts. Nauchno-tekhnicheskie vedomosti SPbGPU. Gumanitarnye i obshchestvennye nauki, 10 (3), 74–88. (In Russian)

Shmeleva, T. V. (1994). Semantic syntax. Krasnoyarsk, Krasnoyarsk State University Publ. (In Russian)

Varathan, K. D., Giachanou, A., & Crestani, F. (2017). Comparative Opinion Mining: A Review. Journal of the Association for Information Science and Technology, 68 (4). Retrieved from https://arxiv.org/abs/1712.08941.

Vasil’ev, L. M. (1990). Modern linguistic semantics. Moscow, Vysshaia shkola Publ. (In Russian)

Zeer, E. F. (2003). Psychology of professions. Moscow, Akademicheskii Proekt Publ; Ekaterinburg, Delovaia kniga Publ. (In Russian)

Zolotova, G. A. (2010). Communicative aspects of Russian syntax. Moscow, URSS Publ. (In Russian)

Ста­тья посту­пи­ла в редак­цию 11 мая 2020 г.;
реко­мен­до­ва­на в печать 28 июля 2020 г.

© Санкт-Петер­бург­ский госу­дар­ствен­ный уни­вер­си­тет, 2020

Received: May 11, 2020
Accepted: July 28, 2020