Коллокации и конструкции в исследовании структуры текста

Коллокации и конструкции
Что такое для нас коллокации и конструкции?
Это сочетания двух и более лексических единиц, которые выделяются нами из текста на основании статистических критериев и/или экспериментов с информантами.
Вопросы:
Как они соотносятся со словарем и/или грамматикой?
С номинативностью и/или предикативностью?
Положения-гипотезы:
Нечеткость границ между коллокациями и конструкциями
Типовые или ядерные коллокации и конструкции противопоставлены как парадигматические vs. синтагматические единицы
единицы, принадлежащие лексикону vs. синтаксису

Структурные составляющие текста
И коллокации и конструкции – структурные составляющие текста (и шире – коллекции текстов)
Опора на следующие виды контекста:
минимальный контекст
в нем реализуются лексические и морфолого-синтаксические явления;
текст (текстовый контекст)
включает в себя фрагменты текста вплоть до текста целиком;
коллекции текстов
предполагает учет текстов определенного типа, т.е. формирование коллекций и подколлекций

Методика экспериментов
Вычислительный эксперимент, его результат – наборы связанных сочетаний
связанные сочетания для коллекции (в виде частотного словаря)
связанные сочетания для каждого текста отдельно (собственно структурные составляющие текста)
Эксперимент с информантами, его процедура – определение степени связанности путем шкалирования,
результат связанные сочетания для отдельных текстов

Идея сопоставления вычислительного эксперимента и эксперимента с носителями языка
Степень связанности неоднословной единицы зависит от вероятностной модели, описывающей ее появление в ходе процедур обработки текста
статистические характеристики должны описывать данные в зависимости от типа контекста: минимальный контекст – текст – коллекция текстов
Носитель языка имеет интуитивные представления о связанности (степени неслучайности) сочетаний слов в тексте
может «подключать» текстовые базы по текстам разных функциональных стилей
воспринимает каждый конкретный текст с точки зрения соответствия некоторой текстовой базе адресата.

Данные (процедура анализа)
Нами оценивались следующие данные:
данные, полученные в ходе вычислительных экспериментов:
список наиболее связанных n-грамм по коллекции;
список наиболее связанных n-грамм по подколлекции (подколлекция является тематически более однородной, чем исходная коллекция);
отдельные тексты, представленные в виде последовательности связанных сочетаний, («сегментов» в терминологии автора программы);
отдельные тексты, представленные в виде последовательности связанных сочетаний, полученных в ходе эксперимента с информантами

Гипотезы
с увеличением степени однородности увеличивается объем n-грамм (увеличивается n)
коллекция→ однородная коллекция→текст
с увеличением степени однородности
увеличивается число конструкций (в соотношении конструкция vs. типовая коллокация),
увеличивается число предикативных сочетаний;
для отдельно анализируемых текстов
сходство наборов связанных сочетаний по результатам вычислительного эксперимента и эксперимента с информантами,
большее число предикативных сочетаний по результатам экспериментов с информантами
меньшее по результатам вычислительного эксперимента

Мы обсудим с Вами полученные результаты
Мы предложим интерпретацию результатов с разных точек зрения: конструкционной, лексико-грамматической и информационной
а еще… покажем сходство и различие между двумя интереснейшими типами контекста: единичным текстом и кластером (или сюжетом, т.е. максимально однородной тематической подколлекцией)