Статья: АЛГОРИТМЫ ПОИСКА ВЕРБАЛЬНЫХ МАРКЕРОВ ИДЕНТИЧНОСТИ В СОВРЕМЕННОМ НАУЧНОМ ДИСКУРСЕ (2024)

Читать

Читать онлайн

Статья посвящена изучению специфики вербализации компонентов идентичности с помощью инструментов интеллектуального анализа данных. В качестве материала исследования использованы англоязычные тексты из открытых интернет-репозиториев научных статей и научных электронных библиотек, посвященные различным концепциям идентичности молодого человека.

В рамках исследования была разработана и апробирована методика комплексного анализа текстовых данных, основанная на применении современных инструментов обработки естественного языка и машинного обучения. Частотный и семантический анализ текстов проводился с использованием библиотеки Natural Language Toolkit для токенизации текстов и процедуры POS-теггинга для подсчета частотности употребления лексем из окружения «identity».

Для последующего анализа и кластеризации слов на основе их семантической близости были использованы Word Embeddings, предобученная модель Word2Vec и алгоритм K-means. Для работы с моделью Word2Vec были использованы библиотека Gensim и библиотека Scikit-learn.

В результате было установлено, что в англоязычном научном дискурсе основные компоненты идентичности молодого человека вербализуются в рамках 9 семантических категорий: behaviour, communities, communication, education, identity, language, practice, complexity, science, наиболее распространенными из которых являются education (1475 / 33%), language (1032 / 21%) и communities (885 /18%).

Анализ N-грамм позволил выявить определенные семантические поля, установить их атрибуты, оценить меру сходства текстов, что обеспечило наиболее точный поиск в векторном пространстве семантически близких n-грамм.

Оптимизация позволила установить меру сходства, используемую для ранжирования фраз в соответствии с запросом, а также присвоить каждой n-грамме определенный вес для ранжирования. Улучшения могут быть достигнуты путем включения определенного типа статистического взвешивания слов, такого как TF-IDF.

Предложенная система способна осуществлять поиск в большом текстовом массиве связанных фраз со схожим значением.

Ключевые фразы: ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ, ЯЗЫК ПРОГРАММИРОВАНИЯ PYTHON, семантическая категория, вербализация идентичности, идентичность молодого человека, НАУЧНЫЙ ДИСКУРС, научные интернет-репозитории

Автор (ы): ГОНЧАРОВА ОКСАНА ВЛАДИМИРОВНА, ЗАВРУМОВ ЗАУР АСЛАНОВИЧ, ХАЛЕЕВА СВЕТЛАНА АНАТОЛЬЕВНА

Журнал: АКТУАЛЬНЫЕ ПРОБЛЕМЫ ФИЛОЛОГИИ И ПЕДАГОГИЧЕСКОЙ ЛИНГВИСТИКИ

Предпросмотр статьи

Идентификаторы и классификаторы

УДК: 81. Лингвистика. Языкознание. Языки

Для цитирования:

ГОНЧАРОВА О. В., ЗАВРУМОВ З. А., ХАЛЕЕВА С. А. АЛГОРИТМЫ ПОИСКА ВЕРБАЛЬНЫХ МАРКЕРОВ ИДЕНТИЧНОСТИ В СОВРЕМЕННОМ НАУЧНОМ ДИСКУРСЕ // АКТУАЛЬНЫЕ ПРОБЛЕМЫ ФИЛОЛОГИИ И ПЕДАГОГИЧЕСКОЙ ЛИНГВИСТИКИ. 2024. № 2

Текстовый фрагмент статьи

Список литературы

1. Теркулов В.И. Языковые основы субэтнической, этнической и этнополитической идентичности. Актуальные проблемы филологии и педагогической лингвистики. 2024; (1): 36-46. Доступно по: http://philjournal.ru/upload/2024-1/36-46.pdf Ссылка активна на 20.04.2024. DOI: 10.29025/2079-6021-2024-1-36-46 EDN: FHRAXS
2. Schwarz K.C., Williams J.P. Studies on the social construction of identity and authenticity. Routledge Advances in Sociology. Publisher: Routledge, 2020:182. http//. Доступно по: https://www.researchgate.net/publication/342884707_Introduction_to_the_social_construction_of_identity_and_authenticity. Ссылка активна на 20.04.2024. DOI: 10.4324/9780429027987-1
3. Емелин В.А. От неолуддизма к трансгуманизму: сингулярность и вертикальный прогресс или утрата идентичности? Философия науки и техники. 2018; 23 (1): 103-115. Доступно по: https://cyberleninka.ru/article/n/ot-neoluddizma-k-transgumanizmu-singulyarnost-i-vertikalnyy-progress-ili-utrata-identichnosti. Ссылка активна на 20.04.2024. EDN: XOSFYT
4. Сапрыкин О.Н. Интеллектуальный анализ данных: учебное пособие. Самара: Издательство Самарского университета, 2020. Доступно по: http://repo.ssau.ru/bitstream/Uchebnye-izdaniya/Intellektualnyi-analiz-dannyh-ucheb-posobie-Tekst-elektronnyi-88040/1/Сапрыкин%20О.Н.%20 Интеллектуальный%20анализ%202020.pdf?ysclid=lv89f0a21o174766551. Ссылка активна на 20.04.2024. EDN: KFNIXZ
5. Liu M. Towards a ‘synergy’ of text mining and critical discourse analysis: A corpus-assisted discourse study of imagining Hong Kong’s relations to China in Hong Kong political discourse. Digital Scholarship in the Humanities. 2024:19. http//. Доступно по: https://www.researchgate.net/publication/378799889_Towards_a_‘synergy’_of_text_mining_and_critical_discourse_analysis_A_corpus-assisted_discourse_study_of_imagining_Hong_Kong’s_relations_to_China_in_Hong_Kong_political_discourse. Ссылка активна на 20.04.2024. DOI: 10.1093/llc/fqae010
6. Ahmed A.F., Sherif M.A., Moussallem D., et al. Multilingual Verbalization and Summarization for Explainable Link Discovery. Data & Knowledge Engineering, 2021: 101874. Доступно по: https://papers.dice-research.org/2021/DATAK_LSVS_journal/public.pdf. Ссылка активна на 20.04.2024. DOI: 10.1016/j.datak.2021.101874 EDN: DKMGXZ
7. Accuosto P., Saggion H. Mining arguments in scientific abstracts with discourse-level embeddings. Data & Knowledge Engineering, 2020; (129):101840. http//. Доступно по: https://www.researchgate.net/publication/343379811_Mining_arguments_in_scientific_abstracts_with_discourse-level_embeddings. Ссылка активна на 20.04.2024. DOI: 10.1016/j.datak.2020.101840 EDN: VOEMGI
8. Миронова М.Ю. Научный дискурс: эволюция теоретико-методологических подходов и концепций. Дискурс, 2023; 9(2): 137-155. Доступно по: https://discourse.elpub.ru/jour/article/view/581/570. Ссылка активна на 20.04.2024. DOI: 10.32603/2412-8562-2023-9-2-137-155 EDN: EDHDXG
9. Козлова Н.Ю. Образность в научном дискурсе. Вестник РУДН. Серия: Философия, 20234 (1): 138-152. Доступно по: https://cyberleninka.ru/article/n/obraznost-v-nauchnom-diskurse. Ссылка активна на 20.04.2024.
10. Оболкина С.В. Становление научного дискурса. Дискурс-Пи, 2022; (2): 35-52. Доступно по: https://cyberleninka.ru/article/n/stanovlenie-nauchnogo-diskursa. Ссылка активна на 20.04.2024. EDN: XZUZEQ
11. Аксенова Т.В. Субъективная модальность в научном и научно-публицистическом дискурсе. Вестник Марийского государственного университета, 2021; 3 (43): 335-341. Доступно по: https://cyberleninka.ru/article/n/subektivnaya-modalnost-v-nauchnom-i-nauchno-publitsisticheskom-diskurse. Ссылка активна на 20.04.2024.
12. Нужнова Е.Е, Бабаева Т.Б, Жуковская Н.В. Стратегия аргументации в научном дискурсе. Вестник ПНИПУ. Проблемы языкознания и педагогики, 2019; (2): 57-64. Доступно по: https://cyberleninka.ru/article/n/strategiya-argumentatsii-v-nauchnom-diskurse. Ссылка активна на 20.04.2024. EDN: DNGZOM
13. Нерсесян Г.Р. Ценности англоязычного научно-популярного педагогического дискурса: лингвистические механизмы и лингвопрагматические закономерности. Научный диалог, 2020; (9): 111-127. Доступно по: https://www.nauka-dialog.ru/jour/article/view/1927. Ссылка активна на 20.04.2024. DOI: 10.24224/2227-1295-2020-9-111-127 EDN: IRYMED
14. Breiman L. Random forests. Machine Learning, 2001; 45(1): 5-32. Доступно по: https://www.stat.berkeley.edu/~breiman/randomforest2001.pdf. Ссылка активна на 20.04.2024. EDN: ARROTH
15. Mimno D., Wallach H., Talley E., et al. Optimizing semantic coherence in topic models. Proceedings of the Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics. Edinburgh, Scotland, UK, 2011: 262-272. Доступно по: https://www.researchgate.net/publication/221012637_Optimizing_Semantic_Coherence_in_Topic_Models. Ссылка активна на 20.04.2024.

Выпуск

№ 2 (2024)

Кол-во страниц: 275 страниц

Издательство

Издательство: СОГУ им. К. Л. Хетагурова
Регион: Россия, Владикавказ
Почтовый адрес: 362025, Республика Северная Осетия — Алания, город Владикавказ, ул. Ватутина, д.44-46
Юр. адрес: 362025, Республика Северная Осетия — Алания, город Владикавказ, ул. Ватутина, д.44-46
ФИО: Огоев Алан Урузмагович (Руководитель)
E-mail адрес: rector@nosu-team.ru
Контактный телефон: +7 (867) 2333373
Сайт: https://www.nosu.ru/

Все права на тексты и товарные знаки принадлежат их законным владельцам. Подробнее...

Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.

Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.

Все права на товарные знаки принадлежат их законным владельцам!

Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.

Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.

Спасибо, понятно.