Фактор гендера в ассоциативных связях слов: данные словаря и дистрибутивно-семантической модели

Целью работы является сравнительный анализ ассоциативных связей полнозначных слов из верхней зоны частотного списка, составленного на основе исследовательского корпуса текстов блогов на русском языке, в психолингвистическом эксперименте и дистрибутивно-семантической модели Global Vectors (GloVe), обученной на данном корпусе. Актуальность работы обусловлена необходимостью комплексного исследования психологически актуального значения слова. Новизна исследования заключается в том, что подобный анализ проводится с учетом фактора гендера респондента / автора текста. Использование комплекса методов интеллектуального анализа данных (кластеризация, классификация) и визуализации его результатов позволило установить влияние гендера на состав семантических ассоциатов анализируемых слов (то есть слов с близкими векторами в дистрибутивно-семантической модели) и отсутствие такого эффекта у их ассоциатов, зафиксированных в ассоциативном словаре. Как показало исследование, дистрибутивно-семантические модели и словарные ассоциативные нормы отражают разные аспекты психологически актуального содержания слова и должны использоваться как комплиментарные источники при моделировании психологически актуального значения слова с учетом индивидуальных характеристик говорящего, при этом при проведении подобного анализа целесообразно использовать методы интеллектуального анализа данных.

1. Антипенко А. А. Сравнительный анализ ассоциаций в корпусах социальных сетей на основе дистрибутивно-семантических моделей для русского языка / А. А. Антипенко, О. А. Митрофанова // International Journal of open information technologies. — 2020. — № 1. — С. 27—33.

2. Ассоциативный эксперимент : Теоретические и прикладные перспективы психолингвистики : монография / В. А. Пищальникова ; под ред. В. А. Пищальниковой. — Москва : Р-Валент, 2019. — 200 с. — ISBN 978-5-93439-575-0.

3. Васильева С. П. Опыт выявления специфики обыденного языкового сознания русских по данным ассоциативных словарей XX—XXI веков / С. П. Васильева // Научный диалог. — 2020. — № 1. — С. 27—44. — DOI: 10.24224/2227-1295-2020-1-27-44.

4. Возрастной дифференциальный психолингвистический словарь русского языка / сост.: И. А. Стернин, А. В. Рудакова. — Воронеж : Центр коммуникативных исследований ВГУ, 2020. — 158 с. — ISBN 978-5-6045255-5-5.

5. Гендерный дифференциальный психолингвистический словарь / науч. ред. : И. А. Стернин, А. В. Рудакова. — Воронеж : Ритм, 2020. — 198 с. — ISBN 978-5-6045255-7-9.

6. Гольдин В. Е. Проект «Ассоциативный словарь школьников : стабильность и динамика» / В. Е. Гольдин, А. П. Сдобнова // Вопросы психолингвистики. — 2017. — № 4 (34). — С. 174—187.

7. Горошко Е. И. Интегративная модель свободного ассоциативного эксперимента / Е. И. Горошко. — Харьков ; Москва : РА — Каравелла, 2001. — 320 с.

8. Значение как феномен актуального языкового сознания носителя языка : материалы межрегиональной научной конференции / науч. ред. И. А. Стернин. — Воронеж : Истоки, 2015. — 69 с.

9. Кафтанов Р. А. Динамика образа войны в русском языковом сознании (психолингвистический аспект) / Р. А. Кафтанов // Вестник НГУ. Серия : Лингвистика и межкультурная коммуникация. — 2019. — Т. 17. — № 1. — С. 149—160. — DOI: https://doi.org/10.25205/1818-7935-2019-17-1-149-160.

10. Леонтьев А. А. Основы психолингвистики / А. А. Леонтьев. — Москва : Смысл, 1997. — 287 с. — ISBN 5-89357-191-6.

11. Лыченко Н. М. Сравнение эффективности методов векторного представления слов для определения тональности текстов / Н. М. Лыченко, А. В. Сороковая // МСиМ. — 2019. — № 4 (52). — С. 97—110. — DOI: 10.24147/2222-8772.2019.4.97-110.

12. Пищальникова В. А. Интерпретация ассоциативных данных как проблема методологии психолингвистики / В. А. Пищальникова // Russian Journal of Linguistics. — 2019а. — Т. 23. — № 3. — С. 749—761. — DOI: 10.22363/2312-9182-2019-23-3-749-761.

13. Пищальникова В. А. Эксперимент как составная часть методологии сопоставительных исследований / В. А. Пищальникова // Вестник Волгоградского государственного университета. Серия 2, Языкознание. — 2019б. — Т. 8. — № 3. — С. 52—63. — DOI: https://doi.org/10.15688/jvolsu2.2019.3.4.

14. Потапенко А. А. Семантические векторные представления текста на основе вероятностного тематического моделирования : диссертация … кандидата физико-математических наук : 05.13.17 / А. А. Потапенко. — Москва, 2018. — 147 с.

15. Тимофеева М. К. Возможности использования сервиса RusVectōrēs для выявления семантических ассоциатов глаголов русского языка / М. К. Тимофеева // Научный диалог. — 2018а. — № 9. — С. 117—131. — DOI: 10.24224/2227-1295-2018-9-117-131.

16. Тимофеева М. К. Типология семантических отношений, выявляемых посредством инструмента RusVectōrēs / М. К. Тимофеева // Научный диалог. — 2018б. — № 8. — С. 74—87. — DOI: 10.24224/2227-1295-2018-8-74-87.

17. Boleda G. Distributional Semantics and Linguistic Theory / G. Boleda // Annual Review of Linguistics. — 2020. — Vol. 6 (1). — Pp. 213—234. — DOI: 10.1146/annurev-linguistics-011619-030303.

18. De Deyne S. The “Small World of Words” English word association norms for over 12,000 cue words / S. De Deyne // Behav Res Methods. — 2019. — Vol. 51 (3). — Pp. 987—1006. — DOI: https://doi.org/10.3758/s13428-018-1115-7/.

19. Kumar A. A. A Critical Review of Network-Based and Distributional Approaches to Semantic Memory Structure and Processes / A. A. Kumar, M. Steyvers, D. A. Balota // Topics in cognitive science. — 2021, Jun 6. — DOI: 10.1111/tops.12548.

20. Kumar A. A. Semantic memory : A review of methods, models, and current challenges / A. A. Kumar // Psychon Bull Rev. — 2021. — Vol. 28 (1). — Pp. 40—80. — DOI: https://doi.org/10.3758/s13423-020-01792-x.

21. Lê S. FactoMineR : A Package for Multivariate Analysis / S. Lê, J. Josse, F. Husson // Journal of Statistical Software. — 2008. — Vol. 25 (1). — Pp. 1—18. — DOI: 10.18637/jss.

22. Litvinova T. Profiling the Age of Russian Bloggers / T. Litvinova, A. Sboev, P. Panicheva // Communications in Computer and Information Science. — 2018. — Vol. 930. — Pp. 167—177. — DOI: 10.1007/978-3-030-01204-5_16.

23. Litvinova T. RusIdiolect : A New Resource for Authorship Studies / T. Litvinova // Lecture Notes in Networks and Systems. — 2021. — Vol. 186. — Pp. 14—23. — DOI: https://doi.org/10.1007/978-3-030-66093-2_2.

24. Mikolov T. Efficient Estimation of Word Representations in Vector Space / T. Mikolov, K. Chen, G. Corrado, J. Dean // Proceedings of Workshop at ICLR, arXiv. — 2013. — Pp. 1301—3781.

25. Nematzadeh A. Evaluating Vector-Space Models of Word Representation, or, The Unreasonable Effectiveness of Counting Words Near Other Words / A. Nematzadeh, S. Meylan, T. Griffiths // Proceedings of the 39th Annual Meeting of the Cog- nitive Science Society. — London, UK : [b. i], 2017. — Рp. 859—854.

26. Pennington J. GloVe : Global Vectors for Word Representation / J. Pennington, R. Socher, C. Manning // Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP). — 2014. — Vol. 14. — Pp. 1532—1543.

27. Quanteda : An R package for the quantitative analysis of textual data / K. Benoit, K. Watanabe, H. Wang, P. Nulty, A. Obeng, S. Müller, A. Matsuo // Journal of Open Source Software. — 2018. — Vol. 3 (30). — 774 p. — DOI: 10.21105/joss.00774.

28. Rodriguez M. A. Word associations and the distance properties of context-aware word embeddings / M. A. Rodriguez, P. Merlo // CONLL. — 2020. — November 19—20. — Pp. 376—385. — DOI: 10.18653/v1/2020.conll-1.30.

29. Rodriguez P. L. Word Embeddings : What Works, What Doesn’t, and How to Tell the Difference for Applied Research / P. L. Rodriguez, A. Spirling // The Journal of Politics. — 2022. — Vol. 84 (1). — Pp. 101—115. — DOI: https://doi.org/10.1086/715162.

30. Sahlgren M. The Distributional Hypothesis. From context to meaning / M. Sahlgren // Distributional models of the lexicon in linguistics and cognitive science (Special issue of the Italian Journal of Linguistics), Rivista di Linguistica. — 2008. — Vol. 20. — № 1. — Pp. 33—53.

31. Sassenhagen J. Traces of Meaning Itself : Encoding Distributional Word Vectors in Brain Activity / J. Sassenhagen, C. Fiebach // Neurobiology of Language. — 2020. — Vol. 1 (1). — Pp. 54—76. — DOI: https://doi.org/10.1162/nol_a_00003

32. Schmid H. Probabilistic Part-of-Speech Tagging Using Decision Trees / H. Schmid // Proceedings of International Conference on New Methods in Language Processing. — Manchester : UK, 1994.

33. Taylor J. R. The mental corpus : How language is represented in the mind / J. R. Taylor. — Oxford : University Press, 2012. — 384 p.