Home

Описание проекта

Проект “Непрямая речь” преследует две цели: 1) парсер для автоматического выделения прямой, косвенной и прочей речи в тексте и 2) корпус размеченных текстов. Всё это в дальнейшем может использоваться для самых разных гуманитарных исследований.

Какой будет корпус?

• Русский язык, XIX — XX век
• В текстах выделена речь
• Определён её тип: прямая, косвенная, несобственно-прямая
• Что не выделяется: цитаты, письма
• Выделяются говорящий и адресат (отсылают к списку персонажей для каждого
• произведения)
• Отмечено, произнесена ли реплика вслух
• Выделен авторский комментарий и его возможные характеристики
• Выделен глагол речи и его характеристики

Как выглядит разметка?

Тег	Для чего
<speech>	“Контейнер” для прямой речи и слов автора, относящихся к ней; входит речь одного человека (т.е. по одной реплике в диалоге + сопровождающие её слова автора)
<said>	(внутри <speech>) для прямой, косвенной, несобственно-прямой, замещенной и неразвернутой речи
<author_comment>	(внутри <speech>) для слов автора
<speech_verb>	(внутри <author_comment>) для глагола речи

Теги

<said>

Параметр тега	Значение параметра	Описание
type	direct, indirect, free-indirect	тип речи: прямая, косвенная, несобственно-прямая
who	id, undefined, all, object	говорящий: id персонажа, неопределённый, все присутствующие, объект
corresp	id, None, undefined, all, object	адресат: id персонажа, нет адресата, неопределённый, все присутствующие, объект
aloud	true, false	произнесена ли реплика вслух

<author>

Параметр тега	Значение параметра	Описание
characteristic	loud, emotional, angry, sad, neutral, happy, etc	описание речи автором (опираемся на наречия, модифицирующие глагол)

<speech_verb>

Параметр тега	Значение параметра	Описание
semantic	speech, question, thought, feelings, state, movement, action	- глаголы речи(говорить, сказать), вопрос(спросить), - мысли (подумать), - чувства(обрадоваться, огорчиться), - состояние (насупиться), - глаголы, обозначающие мимику, жесты, движения,- действия (писать, петь)
emotion	loud, quiet, yes, no, smile, laugh, angry, sad, neutral, happy	эмоциональная характеристика глагола

Как работает парсер?

• На вход поступает plain text
• На выход корпус, размеченный языком TEI

Этапы

1. Создание парсера: a. Написание Розенталь-скрипта, выделяющего прямую речь на основе регулярных выражений, и его отладка на материале вручную размеченного корпуса (тестирование); b. Классификатор, выделяющий разные типы прямой речи, тестирование его на корпусе розенталь-скрипта (+ исправленный вручную); c. Создание модуля, выделяющего характеристики чужой речи;
2. Создание корпуса: a. Применение парсера к корпусу текстов; b. Создание веб-интерфейса

Задачи

К нашим основным задачам относятся:

1. Розенталь скрипт для автоматического выделения прямой речи в тексте
2. Ручная разметка корпуса
3. Тестирование Розенталь-скрипта -- выявление проблем при помощи корпуса, размеченного вручную
4. Создание классификатора для определения различных типов речи (прямая речь, диалог, несобственно-прямая речь)
5. Выделение элементов разных типов речи: ручная и автоматическая разметка
6. Тестирование классификатора
7. Объединение скриптов для создание единого парсера прямой речи
8. Сборка единого размеченного корпуса
9. Тестирование объединённого парсера
10. Создание веб-интерфейса для парсера и корпуса
11. Тестирование веб-интерфейса
12. Отчет (курсовая работа)

Тестирование

Тестирование непосредственно является частью этапов и задач

Календарь

Ответственность

Розенталь скрипт	Ручная разметка	Классификатор	Повторная разметка	Общий парсер	Общий корпус	Веб-интерфейс
Ира Н.	Ира С., Даня	Ира Н.	Ира С., Даня	Все	Все	Все