Проектирование информационной системы представления результатов комплексного анализа поэтических текстов

В рамках проекта по автоматизации работы с поэтическими текстами, реализуемого на базе Института вычислительных технологий СО РАН, ведется комплекс исследований, связанных с анализом поэтических текстов. Каждый компонент проекта относится к одному из структурных уровней анализа текста: структурный, семантический, прагматический. Структурный анализ поэтического текста связан с выделением его метроритмических характеристик. В рамках семантического анализа ведутся исследования по выделению смысловых конструкций из произведения. Прагматический уровень включает в себя исследования по автоматическому определению высокоуровневых характеристик поэтического текста, таких как жанр и стиль. В данной работе описан процесс проектирования и реализации информационной системы представления результатов анализа поэтических текстов. На этапе проектирования сформулированы задачи, которые призвана решать информационная система, а также изложены требования в порядке приоритета для общего проекта. Представленная информационная система объединяет в себе разнородную информацию о результатах анализа поэтических текстов, полученных на каждом из уровней представления. Исходя из потребностей потенциальных пользователей, выполнено описание внешних взаимодействующих элементов системы. Разработан тестовый интерфейс для доступа к хранилищу информационной системы. Реализация информационной системы обеспечит существенное упрощение исследований поэтических текстов.

многоуровневая модель информации, автоматизация анализа поэтических текстов, проектирование информационной системы

1. Барахнин В. Б., Кожемякина О. Ю. Об автоматизации комплексного анализа русского поэтического текста // CEUR Workshop Proceedings. 2012. Т. 934. С. 167-171.

2. Барахнин В. Б., Кожемякина О. Ю., Забайкин А. В., Хаятова В. Д. Автоматизация комплексного анализа русского поэтического текста: модели и алгоритмы // Вестник НГУ. Серия: Информационные технологии. 2015. Т. 13, № 3. С. 5-18.

3. Козьмин А. В. Автоматический анализ стиха в системе Starling // Тр. Междунар. конф. «Компьютерная лингвистика и интеллектуальные технологии». М.: Изд. центр РГГУ, 2006. С. 265-268.

4. Бойков Н. В., Каряева М. С., Соколов В. А. и др. Об автоматической спецификации стиха в информационно-аналитической системе // Тр. XVII Междунар. конф. «Аналитика и управление данными в областях с интенсивным использованием данных». Обнинск: ИАТЭ НИЯУ МИФИ, 13-16 окт. 2015 г., С. 144-151.

5. Пильщиков И. А., Старостин А. С. Проблемы автоматизации базовых процедур ритмико-синтаксического анализа силлабо-тонических текстов // Национальный корпус русского языка: 2006-2008: Новые результаты и перспективы. СПб., 2009. С. 298-315.

6. Пильщиков И. А., Старостин А. С. Автоматическое распознавание стихотворных размеров: теория и практика // Поэтика и фоностилистика: Бриковский сборник. М., 2010. Вып. 1: Материалы Междунар. науч. конф. «I Бриковские чтения: Поэтика и фоностилистика» (Москва, 10-12 февраля 2010 года). С. 41-49.

7. Pilshchikov I., Starostin A. Automated Analysis of Poetic Texts and the Problem of Verse Meter. Current Trends in Metrical Analysis. Littera: Studies in Language and Literature, 2011, p. 133-140.

8. Барахнин В. Б., Кожемякина О. Ю., Пастушков И. С. Сравнительный анализ методов автоматической классификации поэтических текстов на основе лексических признаков // CEUR Workshop Proceedings. 2017. Т. 2022. С. 252-257.

9. Bulygin M. V., Sharoff S. A. Using Machine Translation for Automatic Genre Classification in Arabic. In: Proc. International conference “Computational linguistics and intellectual technologies”, 2006, p. 153-162.

10. Loukachevitch N. V., Rusnachenko N. Extracting Sentiment Attitudes from Analytical Texts. In: Proc. International conference “Computational linguistics and intellectual technologies”, 2018, p. 459-468.

11. Delmonte R. Computing poetry style. CEUR Workshop Proceedings, 2013, vol. 1096, p. 148-155.

12. Bacalu C., Delmonte R. Prosodic Modeling for Speech Recognition. In: Proc. Workshop AI*IA, 1999, p. 45-55.

13. Bobenhausen K., Hammerich K. Literary metrics, Linguistic metrics, and the algorithmic analysis of German poetry using Metricalizer. Languages, 2015, vol. 199, no. 3, p. 67-87.

14. Barakhnin V. B., Kozhemyakina O. Yu., Rychkova E. V., Gladkikh A. S., Pastushkov I. S. Software for learning to solve problems of classification using of machine learning. In: European Proc. of Social & Behavioural Sciences, 2018, p. 106-112. DOI 10.15405/epsbs.2018. 11.02.12.