Page 222 - Актуальные проблемы обучения русскому языку XIII

полнотекстовом виде), не всегда адекватной расшифровкой текстов, записанных от
руки и не имеющих параллельных аудиозаписей для корректировки и др.), но и с
технической стороной дела, которые необходимо преодолеть. При тематической
разметке текста существуют ситуации пересечения тем, то есть один и тот же фрагмент
текста одновременно принадлежит двум и более темам (что, как известно, составляет
специфику диалектной речи и вызывает трудности при ручной разметке текста и при
отображении текста в корпусе). Это нарушает принцип XML, запрещающий
пересечения (правильную вложенность открывающих и закрывающих тэгов друг в
друга). Кроме того, закрывающие тэги в таком случае не могут быть однозначно
интерпретированы. Обойти это ограничение можно, двумя способами: либо
избавиться от пересечений, заменив их вложениями; либо в закрывающие тэги ставить
атрибуты, идентифицирующие открывающийся тэг. Необходимо также обратить
внимание на иерархическую структуру тем, что значительно усложняет представление
результатов для конечного пользователя (например, тема семья включает тему
родственники, которая членится на кровное и некровное родство и т.д.).
Пример разметки во внутреннем представлении, реализованной в виде
«нестандартных» тэгов c пересечениями тем и идентифицирующими атрибутами,
продемонстрируем на примере фрагмента записи речи носителя сибирского русско-
эстонского говора Блум Марии Павловны, 1936 г.р., 71 год, запись 2007 г. (общий
объём текста – около 10 тысяч слов, 31 страница формата А4):
<вопрос>А жили вы где? В какой деревне?</вопрос>
<b>Ю</b>рьифка//
<вопрос>Сестра сказала, что вы последней оттуда съехали? </вопрос>
Д<b>а</b> //
Да/ Пач’ти последняя/
<тема имя=”жизнь”> Жалею вот ужэ пятый гот жыву кажэца-и жыз’нь и-жывёш
</тема имя=”жизнь”>
/ ни-магу привыкнуть г-гораду//
<тема имя=”родина:деревня”> Панимаити ни-магу я привыкнуть/ а-там-эт
жыла/ диревня свая// Природа и-кажэца вот вырасла там/ там радилась /там-и
моладась мая прахадила/ там дитей наражала/ ну-вот фсё идиал’на// А-время-
та нашэ како идиал’на-та была // </тема имя=”родина:деревня”>
<тема имя=”семья:дети”> Я нарадила вот читырёх/ у-миня два сына и-две
доч’ки //
</тема имя=”семья:дети”>
В нашем примере вопросы к респонденту выделены курсивом и обозначены с
помощью знаков < >. Этот тэг маркирует начало и конец темы, кроме того конец
отмечен и знаком слэша </ >. Тэги <b> и </b> в первых двух ответах информанта
обозначают ударный гласный в слове (далее ударение обозначается аналогично, но
эти тэги не включены в образец, чтобы не затруднять восприятие примера при чтении).
При таком подходе оказывается, что в тексте существует сразу несколько независимых
уровней (слоёв), каждый слой – это отдельная тема и один вид тэга. Значение атрибута
"семья: дети" демонстрирует иерархию тем. Иерархия тем и адекватное отображение
её в корпусе, как и пересечение тем (например, родина: деревня, где родина – одна
тема, а деревня – подтема в теме пространство и одновременно концептуально
репрезентирует тему родина), составляет ещё одну сложность при предварительной
разметке текстов.

220