книги2 / 260

	Ю.Н.Филиппович				21
	114.	хобби		119.	этнография
	115.	цирк		120.	ювелирные изделия
	116.	чувства		121.	юмор
	117.	шоу		122.	язык
	118.	энергетика

Запись функция представлена двумя сокращениями: ртш. — ретушь, и рцп. — рецепт.

Все собрание карточек представляет собой картотеку, упорядоченную по значениям записи Область, наименование которых вынесено на специальную карточку-разделитель.

Ввод картотеки в ЭВМ осуществлялся с использованием стандартной клавиатуры с использованием программы MS Word. Текстовый файл, сформированный после ввода, содержал таблицу, каждая строка которой соответствовала одной введенной карточке. Столбцами таблицы являлись записи карточки, обозначенные как: № — номер карточки в порядке ее введения; поле1…поле5 — основные записи; примечание – дополнительная запись, * — помета оператора ввода данных. Оператор мог сделать следующие пометы при вводе данных: * — есть неопределенность в данных, ** — есть несловесные примечания, *** — не разобрал почерк. Имя сформированного текстового файла определялось, исходя из названия области, и бралось с карточки-разделителя.

Ввод карточек осуществлялся в пять этапов. Общее количество введенных карточек составило более 8000 строк в 156 файлах. В дальнейшем файлы группировались и создавались объединенные таблицы.

Основными операциями с текстовыми файлами являлись:

1.Автоматическая проверка правописания;

2.Автоматическая замена «синонимичных» сокращений;

3.Ручная замена наименований областей.

После выполнения данных операций таблицы преобразовывались в текст с разделителями (символ табуляции) и сохранялись в формате *.txt (текст DOS) для последующего импорта в СУБД Paradox.

База данных когнитивного эксперимента

Основной целью создания базы данных ЛКТ является интегрированное и непротиворечивое хранение данных когнитивного эксперимента. Дополнительно следует выделить цели, достижение которых выходит за рамки эксперимента и возможно в процессе дальнейших исследовательских работ и практического использования достигнутых результатов. К ним относятся: 1) создание полного лингвокультурного словаря-тезауруса русского языка; 2) разработка информационной системы словаря-тезауруса для использования в других научных исследо-

22 Аспекты информационной технологии когнитивного эксперимента…

ваниях и учебно-методической работе; 3) интеграция с данными других исследований, в частности с Русским ассоциативным тезаурусом; 4) более глубокие научные исследования языкового сознания носителя языка-культуры и его моделирования в информационных системах для поддержки коммуникативных процессов.

База данных тезауруса сформирована стандартной процедурой импорта текстовых данных СУБД Paradox. В результате ее выполнения была получена таблица, включающая семь полей: 1–5 поля — основные записи карточек, поле 6 – Примечания, поле 7 – пометы оператора ввода. Все поля текстовые, а их размер определился автоматически по максимальной длине соответствующей записи, за исключением поля 3 – Формулы смысла, величина которого была установлена как максимальная – 256 символов.

Используя запросную систему СУБД Paradox, были получены несколько производных таблиц, которые после экспорта в формат текстового файла послужили основой для построения частотного словника словоформ, применяемых для представления формулы смысла (поле 3), словника слов-знаков (поле 2), списка способов задания смысла с указанием частоты их использования (поле 1).

Сформированная база данных потенциально позволяет создание сложной модели данных, объединенной с базой данных Ассоциативного тезауруса, на основе которой могут быть построены компаративные исследования форм активного и пассивного способов существования языкового сознания носителя языка-культуры.

Проекции базы данных

Для представления результатов эксперимента были сформированы два словника: частотный словник словоформ, использованных для задания смысла в фигурах знания (когнемах), словник слов-знаков, частотный список способов задания смысла в фигурах знаний и комбинированные сортированные списки когнем.

Частотный словник был получен следующим образом.

На первом шаге в базе данных было выделено поле 3 (формула смысла) в отдельную таблицу, которая затем экспортирована в текстовый файл с разделителями (символ абзаца).

Далее, второй шаг, используя программу Andrew Tools, был получен частотный словник словоформ в виде таблицы СУБД Paradox, которая также была экспортирована в форму текстового файла с разделителями (символ табуляции).

На третьем шаге были осуществлены замены служебных символов (знаки табуляции и абзаца), в результате которых были сформированы столбцы и строки частотного словника.

Ю.Н.Филиппович

23

Словник слов-знаков был получен путем преобразования экспортированного текстового файла таблицы поля 2 базы данных когнем. В результате серии эквивалентных замен и сортировки списка слов-знаков были выделены слова-знаки, являющиеся именами собственными.

Частотный список способов задания смысла в фигурах знаний был получен путем исполнения запроса типа Calc Count к базе данных когнем. Таблица с результатами запроса была экспортирована в текстовый файл с разделителями (символ табуляции) и представлена в виде табли-

цы MS Word.

Комбинированные списки когнем. Для удобства «ручной» верифи-

кации когнем были осуществлены сортировки полей базы данных и сформированы пять комбинированных списков, которые затем, используя стандартную операцию СУБД Paradox, были экспортированы в формат текстового файла с разделителями (символ табуляции) и выведены в печатном виде.

С целью печатного издания фрагмента базы когнем ЛКТ один из комбинированных списков (сортировка: референтная область, функция, знак, способ, формула смысла) был экспортирован в формат текстового файла, снабжен тремя числовыми показателями и распечатан. Числовые показатели характеризуют: мощность множества когнем отнесенных к референтной области (1), мощности составляющих их подмножеств рецептов (2) и ретуши (3).

Верификация экспериментальных данных

Под верификацией экспериментальных данных понимается сложная процедура, состоящая из следующих операций двух типов: тип 1 — формальный поиск и исправление орфографических и синтаксических ошибок в записи компонент когнем, тип 2 — семантический анализ когнем и исправление (изменение) значений их компонент.

Первый тип операций верификации не требует особого комментария, является необходимым и традиционным для представления текстовых данных, введенных клавиатурным способом. Он направлен, прежде всего, на устранение ошибок ввода, возникших из-за неразборчивости рукописного текста некоторых карточек с записями когнем, и «опечаток». Он состоит в автоматизированном орфографическом контроле, реализованном в текстовом процессоре MS Word, и последующем исправлении найденных ошибок правописания. Назовем эту верификацию «формальной».

Представляя второй тип операций верификации нужно сделать следующие замечания:

Во-первых, при проведении эксперимента по исходной концептуальной модели, изменения значений компонент практически отсутство-

24 Аспекты информационной технологии когнитивного эксперимента…

вали. Небольшое их количество было связано только с ошибками ввода (например, неразборчивостью скорописного написания слов «ретушь» и «рецепт», ртш. и рцп. соответственно). Верификационные операции этого типа также можно считать «формальными».

Во-вторых, потребность в изменении значений компонент когнем возникла в основном при проведении эксперимента по расширенной модели. В эксперименте приняли участие анкетеры, которые формировали когнемы по установленным правилам (это правила выполнения самостоятельной работы). Их знаний для правильного выбора «способа задания формулы смысла» оказалось недостаточно, кроме этого, они имели возможность произвольного соотнесения интенсионала когнемы с наименованием референтной области и типом функции. В связи с этими обстоятельствами реализации расширенной модели эксперимента и потребовалась дополнительная, назовем ее «семантическая», верификация.

Основными задачами «семантической» верификации компонент когнемы «способ» и «референтная область» являются поиск и исправление неправильных (некорректных, противоречивых) решений выбора из списка их возможных значений.

Для компоненты когнемы «функция» были установлены следующие особенности. Одна часть анкетеров определяла значение этой компоненты исходя из собственного знания/незнания ответа на вопрос кроссворда, другая — исходя из необходимости для себя знания/незнания или известности им людей, для которых знание ответа на вопрос кроссворда является основным (обязательным).

Изменения значений компонент когнем при «семантической» верификации вносились и в случае обнаружения недобросовестного выполнения задания анкетером (подтасовки результатов, компиляции данных и путаницы терминов «рецепт» и «ретушь»).

Аспект «Функционирование» ИТ ЛКТ

Аспект «Функционирование» — это моделирование вербального сознания носителя языка культуры в компьютерной среде. Результат моделирования — представление ЛКТ в виде двухкомпонентной интеллектуальной системы, состоящей из базы знаний и интерфейса взаимодействия с пользователем-исследователем. База знаний ЛКТ может состоять из двух компонент: базы данных и лингвистического процессора.

База данных ЛКТ, созданная в результате ввода данных когнитивного эксперимента в рамках исходной концептуальной модели, уже на втором этапе эксперимента, когда были привлечены к сбору данных

Ю.Н.Филиппович

25

несколько десятков анкетеров, существенно возросла. Фактически это происходило не симультанно, а по мере получения данных (сдачи заданий студентами). Иначе, уже при такой технологии проведения эксперимента, при фиксации «порции» новых данных и времени их поступления, оказалось возможным рассматривать базу данных с двух сторон:

синхронного (статического) и диахронного (динамического) когнитив-

ного экспериментов. В понятие диахронии (динамики) можно вкладывать два смысла: во-первых, связать ее с очередной порцией знания (когнем), это следует рассматривать как псевдовременную характеристику, которую, однако, можно использовать для расчета многих статистических характеристик эксперимента и ЛКТ (ср., например, исследования РАС в работах Г.А.Черкасовой); во-вторых, можно действительно фиксировать время, например год опубликования кроссворда, с целью последующего использования этой информации для анализа изменения содержания ЛКТ.

Лингвистический процессор ЛКТ в отличие от базы данных в на-

стоящее время еще не создан, но в его составе можно представить следующие три сопроцессора: коммуникативный (связной), синтагматический и парадигматический конструкторы. Каждый из сопроцессоров может иметь свою модульную структуру.

Коммуникативный лингвистический процессор может состоять из следующих модулей: взаимодействия с другими лексикографическими базами данных, верификации, синтеза и распознавания когнем, экстенсионального и интенсионального расширения базы данных, когнайзера.

Модуль взаимодействия с другими лексикографическими базами данных обеспечивает работу модулей связного процессора и предназначен для осуществления обмена данными с лексикографическими системами, к числу которых следует отнести электронные словари, терминологические тезаурусы и идеографические словари. Среди словарей (их баз данных), которые могут использоваться в исследовании: а) специально созданные словарные базы — синонимов, антонимов, сокращений; б) существующие, доступ к которым определен их создателями — дефиниций, терминов, ассоциаций, метафор, идиом, пословиц, афоризмов (прецедентных текстов), личных имен и т.д.

Модуль верификации предназначен для решения двух задач: автоматизированной проверки выбора значения способа представления формулы смысла в когнеме и для расширения количества вариантов различных способов связывания формулы смысла со знаком.

Модули синтеза и распознавания когнем реализуют алгоритмы по-

строения и разгадывания кроссвордов. Основное их назначение автома-

26 Аспекты информационной технологии когнитивного эксперимента…

тизированная проверка правильности отношений «знак» ÅÆ «формула смысла», а также генерация множественных отношений между ними.

Модули экстенсионального и интенсионального расширения базы данных эксперимента предназначены для ее неэмпирического расширения. Это можно сделать за счет автоматической генерации экстенсионала на основе процедур синтеза и верификации когнем, и/или включения в интенсионал омонимичных форм знака. На основе такого расширения возможными оказываются также и оценки полноты экспериментальных данных.

Модуль когнайзера в отличие от предыдущих трех модулей работает на основе двух баз данных: ассоциативного и когнитивного экспериментов. Он является одним из основных, а его реализация в составе лингвистического процессора преследует три цели: первая связана с автоматизацией процесса «осознания» как перехода от «формулы смысла» к «знаку» на основе РАС; вторая — с «восхождением» к наименованию референтной области (концепту), т.е. переходом от экстенсионала к интенсионалу, от {«знака» ÅÆ «способа» ÅÆ «формулы смысла»} к {«референтной области»ÅÆ «функции»}; третья — с построением интегрированной информационно-программной системы, которую условно можно назвать «ассоциативно-когнитивный эксперимент». Эти цели могут быть достигнуты на основе алгоритмизации активного и пассивного режимов работы когнайзера.

Алгоритмизация активного режима работы когнайзера состоит в формальном описании уже реализованного ассоциативного эксперимента, сведения о котором представлены в Русском ассоциативном словаретезаурусе (РАС), как интеллектуального агента, получающего на вход слово-стимул и генерирующего на выходе слово-реакцию. Суть алгоритма генерации реакции состоит в «прямом» и «обратном» просмотре пар {стимулÅÆреакция} и выборе одной из них. Основной проблемой при этом следует считать задание критерия (правила) его завершения в тех случаях, когда должна быть выбрана одна реакция из некоторого их множества. В работах Г.А.Черкасовой представлены многие основания для разработки такого алгоритма, проведены исследования-измерения РАС, однако алгоритм еще не разработан.

В работах Ю.Н.Караулова приведено «естественно-языковое описание» алгоритма моделирования пассивного режима работы когнайзера на основе РАС. В описании можно выделить процедуры четырех типов: а) переходы от «реакции» к «реакции» при известном «стимуле», т.е. внутри одной словарной статьи прямого РАС; б) переходы от «стимула» к «стимулу» при известной «реакции», т.е. внутри одной словарной ста-

Ю.Н.Филиппович

27

тьи обратного РАС; в) произвольные переходы от «реакции» к «стимулу» и обратно по всему множеству фактических (экспериментально зафиксированных) и виртуальных (теоретически возможных) цепочек {{стимулÅÆреакция…{стимулÅÆреакция}}; г) формирование пропозиций. Формальное описание процедур а) и б) не представляет сложности, а для описания процедуры типа в) необходимо сформулировать правила выбора «направления» движения по цепочке и «смены» цепочки. Также как и в случае с алгоритмизацией активного режима работы когнайзера необходим формальный критерий-правило завершения алгоритма. В качестве этих правил-критериев могут быть рассмотрены длины цепочек, а также эквивалентность пропозициональных форм цепочки и «формулы смысла». При этом должен быть найден способ формирования пропозиции для «формулы смысла». Все же основной проблемой алгоритмизации пассивного режима работы когнайзера следует считать нахождение метода априорного задания имени референтной области (концепта), точнее выбора одного из двух типов рассуждений при логическом выводе конечного элемента цепочки — индуктивных или дедуктивных.

Синтагматический лингвистический конструктор. Идея этого лин-

гвистического процессора подробно изложена в [Филиппович 2002б]. Интерпретация идеи применительно к задаче создания лингвокультурного тезауруса следующая. Основными синтагмами базы данных когнем являются символы, слова и предложения; производными — словосочетания и тексты (формальное объединение некоторого количества или всех «формул смысла»). Синтагматический процессор выполняет функции предредактирования текстовых данных эксперимента и создания основных синтагматических конструктивов: словников (полных и частичных, прямых и обратных, частотных) и словоуказателей (индексов, связывающих синтагмы с логическими и физическими структурными единицами собранных данных, таких как когнема, кроссворд, источник, анкетер и др.). В основе информационно-программной реализации синтагматического лингвистического конструктора лежит формальное (теоретико-множественное, автоматное) описание синтагм. База данных ЛКТ, представленная в форме совокупности синтагматических конструктивов, по своей сути является синтагматической моделью ЛКТ, на основе которой можно оценить, например, лексическое богатство языка культуры, особенности подъязыка вопросов языковой игры «кроссворд» и др. Особой функцией синтагматического конструктора является функция комбинирования синтагм и основных синтагматических конструктивов, в результате которой получаются производные

28 Аспекты информационной технологии когнитивного эксперимента…

конструктивы (комбинаторные перестановки = сортировки и выборки = проекции).

Парадигматический лингвистический конструктор в понимании

[Филиппович 2002б] добавляет в описание синтагматического конструктива некоторую (формальную или неформальную) интерпретацию. Неформальная интерпретация, как правило, представляется в виде научного комментария в естественно-языковой форме. Формальная интерпретация — это, чаще всего, некоторая процедура или алгоритм (программа) преобразования синтагм, например, автоматическая лемматизация — приведение словоформ к основной форме, в общем случае замена одной синтагмы на другую. Формальная интерпретация когнем может быть выполнена с использованием, например, методов компонентного, дистрибутивно-статистического или частотно-семантического анализа [Филиппович 2002б]. В результате между знаками когнем будут установлены отношения, которые можно интерпретировать как семантические поля и ареалы. Основное назначение так полученных парадигматических конструктивов вспомогательное и состоит в использовании при формировании словарных статей тезауруса, а также при автоматической селекции потенциально возможных связей всех синтагм со всеми.

Аспект «Существование» ИТ ЛКТ

Третьим аспектом ИТ ЛКТ является аспект «Существование» — это форма реализации ИТ ЛКТ как информационно-программного изделия, используемого в исследовательских целях и его характеристики.

Как объект реального мира ЛКТ обладает набором свойств, которые могут быть измерены. Все измерения мы условно разделили на четыре группы: статистические, структурные, процессные и ресурсные

Лингво-статистические измерения (частотный анализ). Эта группа измерений позволяет оценить мощности множеств элементов, составляющих ЛКТ. База знаний лингвокультурного тезауруса русского языка, сформированная в ходе экспериментов и обработки их результатов, составляет ~18470 когнем. Разных «формул смысла» ~18470, на основе ~94380 словоупотреблений (~35400 разных слов). Количество областей референции ~130, количество разных слов-знаков ~13500, количество способов задания «формулы смысла» 47. В числе других измеряемых характеристик следует отметить частотные распределения словоформ в «формулах смысла» и используемых способов их задания.

Лингво-структурные измерения. Эти измерения также «привязаны» к отдельным составляющим когнем. Они пока не проводились, но воз-

Ю.Н.Филиппович

29

можны оценки двух составляющих: «формулы смысла» и «референтной области». Для «формулы смысла» возможным является, например, синтаксический анализ предложений. Для «референтной области» могут быть: выделены типы используемых структур (деревья, сети, цепочки, кольца); проведен анализ мощности деревьев; определена степень связанности когнем (вхождение знаков в различные «референтные области»); определены мощности тезаурусных статей и др.

Лингво-процессные измерения ЛКТ направлены на получение оценок временной и емкостной сложности алгоритмов обработки базы данных. Они носят вспомогательный (служебный) характер и позволяют оценить продолжительность и затраты памяти на обработку экспериментальных данных, а также время ожидания пользователя-исследователя при диалоговом взаимодействии с системой поддержки исследований. Эти измерения касаются практически всех программных компонент ЛКТ, однако особенно важно их знание для процедур, реализуемых синтагматическим и парадигматическим конструкторами.

Лингво-ресурсные измерения нацелены на определение величины материальных затрат на проведение исследований ЛКТ и их трудоемкости.

Формы существования ЛКТ — печатная и электронная.

Печатное (книжное) издание ЛКТ может быть двух типов: а) монография со значительным количеством примеров и комментариев к ним и б) идеографический словарь-тезаурус. Основным недостатком печатного издания словаря-тезауруса является неизбежная необходимость повторения словарного материала при попытке обеспечить тезаурусную многовходовость. Альтернативным вариантом этим двум типам изданий может оказаться вариант одновходового словаря, например, алфавитного расположения когнем, последовательно упорядоченных (отсортированных) по концептосферам, «референтным областям» (концептам), функции, знаку и способу. При этом для удобства пользования возможно применение различных шрифтов и разметки. Другим альтернативным вариантом может оказаться алфавитный список знаков и соответствующих им «формул смысла» с добавленными индексами: индекс знаков рецептов и ретушей, индекс знаков и способов, индекс распределения знаков по концептосферам и концептам. Во всех случаях выбор варианта в основном определяется экономико-технологическими параметрами издания, в итоге сводящихся к количеству печатных листов.

Электронное издание может оказаться более удобным для пользователя. Оно может быть разработано в виде некоторой инструментальной среды, позволяющей не только пользоваться уже полученными резуль-

30 Аспекты информационной технологии когнитивного эксперимента…

татами исследований, но и проводить новые. Такая информационнопрограммная среда может быть локальной и размещена на CD/DVD, или быть оформлена в виде Интернет-версии.

Оптимальным может оказаться комбинированное издание: одновходовый словарь и CD/DVD-версия инструментальной среды создания и использования ЛКТ.

Заключение

В настоящее время отлаженная база данных ЛКТ содержит две части: 1 этап — Картотека 2001-2004 гг. и 2 этап — кроссворды студентов

2004 г.

	1 этап	2 этап	3 этап
	Картотека	12.2004	12.2005
введено когнем (карточек)			прогноз
	7955	17122	~5000
получилось уникальных	6835	13570	~3800
разных знаков	5352	9242	~2600
новых знаков	5352	8125	~1100
всего разных знаков в базе	5352	13477	~14600

Грубый подсчет показывает, что на первом этапе каждая тысяча карточек давала 670 новых знаков, на втором — 470, на третьем можно предположить — 220. Явно просматривается гиперболическая зависимость между переменными, такая же, как и в ассоциативном эксперименте (в исследованиях Г.А.Черкасовой), и в частотном с текстами (множество данных различных авторов, начиная с Ципфа).

В связи с этим возникает гипотеза-предположение:

Возможно, гиперболический закон проявляет себя в любых вербальных (языковых) экспериментах вообще, или даже семиотических? Может это «закон когниции» для субстрата?

Разворачивая данное предположение в конкретные когнитивные эксперименты можно говорить о сравнительно легко реализуемых технологиях, по типу описанной в статье — а) когнитивный эксперимент с иноязычной (не русской) лексикой; б) полиязычный когнитивный эксперимент; в) когнитивный эксперимент с предметной лексикой (особая технология извлечения предметных знаний, тестирование или контроль профессиональных компонент знаний) и др.

Более неопределенными выглядят технологии когнитивных экспериментов с «семиотическими объектами», например с элементами гра-