Сентиментальность это википедия: Недопустимое название — Викисловарь

Содержание

Сентиментальность — Sentimentality — qaz.wiki

Нежная эмоциональная реакция, несоразмерная текущей ситуации

«Сентименталист» перенаправляется сюда. Информацию об американском культурном журнале см. В журнале Sentimentalist Magazine .

Первоначально сентиментальность указала на то, что в качестве руководства к истине полагаются на чувства, но в современном использовании этот термин обычно означает опору на поверхностные, несложные эмоции за счет разума.

Сентиментализм в философии — это взгляд в метаэтике, согласно которому мораль так или иначе основана на моральных чувствах или эмоциях. Сентиментализм в литературе относится к методам, которые писатель использует, чтобы вызвать нежную эмоциональную реакцию, несоразмерную текущей ситуации (и, таким образом, заменить нормальные этические и интеллектуальные суждения обостренными и в целом некритическими чувствами). Этот термин может также характеризовать склонность некоторых читателей вкладывать сильные эмоции в банальные или условные вымышленные ситуации.

«Сентименталист, — писал Оскар Уайльд , — это тот, кто желает обладать роскошью эмоций, не платя за это». В « Улиссе» Джеймса Джойса Стивен Дедал отправляет Баку Маллигану телеграмму, в которой говорится: «Сентименталист — это тот, кто получал бы удовольствие, не неся огромного долга за сделанное». Джеймс Болдуин считал, что «Сентиментальность, показная демонстрация чрезмерных и ложных эмоций — это признак нечестности, неспособности почувствовать … маску жестокости». Ф. Скотт Фицджеральд « Эта сторона рая » противопоставляет сентименталистов и романтиков: Эмори Блейн говорит Розалинде: «Я не сентиментален — я такой же романтик, как и вы. последнее — романтик отчаянно уверен, что они этого не сделают ».

Истоки 18-го века

В середине 18 века ворчливая дама пожаловалась Ричардсону : «Что, по вашему мнению, означает слово« сентиментальный » , столь популярное среди вежливых… В этом слове заключено все умное и приятное. … такой сентиментальный человек; мы были сентиментальной партией ». Она наблюдала, как этот термин становится европейской навязчивой идеей — частью стремления Просвещения к развитию способности человека распознавать добродетель на интуитивном уровне. Повсюду в сентиментальном романе или сентиментальной комедии «живые и бурные эмоции прославляются как свидетельство доброго сердца». Философы морали рассматривали сентиментальность как лекарство от социальной изоляции; и Адам Смит действительно считал, что «поэты и писатели-романтики, которые лучше всего рисуют … домашние привязанности, Расина и Вольтера ; Ричардсона, Мориво и Риккобони ; в таких случаях являются гораздо лучшими наставниками, чем Зенон » и стоики.

К концу столетия, однако, возникла реакция против того, что стало считаться сентиментальным излишеством, которое к тому времени считалось фальшивым и потакающим своим желаниям, особенно после того, как Шиллер в 1795 году разделил поэтов на два класса, «наивные». а «сентиментальный» — соответственно считается естественным и искусственным.

Современное время

В наше время «сентиментальный» — это уничижительный термин, который обычно применяется к произведениям искусства и литературы, которые превышают чувство приличия зрителя или читателя — степень допустимой эмоции — и стандарты вкуса : «чрезмерность» — критерий; «Мерзкий» и «надуманный» притворный пафос — отличительный признак сентиментальности, где мораль, лежащая в основе произведения, одновременно навязчива и банальна.

«Сентиментальность часто включает ситуации, которые вызывают очень сильные чувства: любовные связи, роды, смерть», но где чувства выражаются с «уменьшенной интенсивностью и продолжительностью эмоционального переживания … разбавленными до безопасной степени идеализацией и упрощением».

Тем не менее, как социальная сила сентиментальность является устойчивой вечностью, проявляющейся, например, как « Романтическая сентиментальность . .. в лозунгах 1960-х годов« цветочная сила »и« занимайся любовью, а не войной » ». Публичное излияние горя по поводу смерти Дианы в 1990-е годы , «когда они рассказывают о фальшивой сентиментальности по отношению к принцессе Диане», также подняло вопросы о «сильной полосе сентиментальности в британском характере» — о том, в какой степени «сентиментальность была невыносимой». великая древняя национальная традиция ».

Бодрийяр был цинично атакована сентиментальностью Западного человеколюбия , предполагая , что «в Нью — сентиментальный ордене, процветающих стать потребителями„всем более восхитительного зрелища нищеты и катастроф, и двигающегося зрелища наших собственных попыток облегчить его “ ». Существует также вопрос о том, что было названы «неприличная сентиментальность … [в] порнографических псевдо-классиках», так что можно сказать, например , что « Фанни Хилл является очень сентиментальным романом, фальшивым Эдем».

Однако в социологии можно рассматривать «сентиментальную традицию» как простирающуюся до наших дней — например, видеть « Парсонса как одного из великих социальных философов в сентиментальной традиции Адама Смита , Берка , Маклюэна и других людей». Гоффман … обеспокоен соотношением между рациональными и сентиментальными основами социального порядка, вызванными рыночной переориентацией мотивации «. Фрэнсис Фукуяма поднимает эту тему, исследуя «совокупность общих ценностей

общества как социального капитала ».

В «субъективном признании» 1932 года « Улисс: монолог» аналитический психолог Карл Юнг предвосхищает Бодрийяра, когда он пишет: «Подумайте о прискорбной роли народных настроений в военное время! Подумайте о нашем так называемом гуманизме! Психиатр тоже знает это. хорошо, как каждый из нас становится беспомощной, но не жалкой жертвой своих собственных чувств. Сентиментальность — это надстройка, построенная на жестокости.

Бесчувственность — это противоположная позиция, и она неизбежно страдает теми же недостатками ». [Карл Юнг: Дух в человеке, искусство и литература, Лондон: Рутледж, 2003, с. 143]

Разногласия

Однако в обычный взгляд на сентиментальность возникают сложности, когда изменения в моде и обстановке — «климат мысли» — вторгаются между произведением и читателем. Точка зрения об относительности сентиментальности заложена в «сочувственном контракте» Джона Чиарди , в котором читатель соглашается присоединиться к писателю при приближении к стихотворению. Пример смерти Маленькой Нелл в «

Старой лавке диковинок» Чарльза Диккенса (1840–1841 гг.), «Сцена, которая для многих сегодняшних читателей может представлять определяющий пример сентиментальности», вызвал слезы у многих весьма критически настроенных читателей. день. Читатель Диккенса, заметил Ричард Холт Хаттон , «испытывает болезненное впечатление, будто пафос питается самим собой».

«Недавняя феминистская теория прояснила использование этого термина применительно к жанру» сентиментального романа, подчеркнув, что «различные культурные допущения, возникающие из-за угнетения женщин, придали освобождающее значение благочестию произведений и мифической силе. идеалы героинь ».

Сентиментальное заблуждение

Сентиментальное заблуждение является древним риторическим устройством , которое приписывает человеческие эмоции, такие как горе или гнев, к силам природы. Это также известно как патетическое заблуждение , «термин, введенный Джоном Раскином … для практики приписывания человеческих эмоций неодушевленному или неразумному миру» — как в «сентиментальном поэтическом образе« жалкого заблуждения », любимого многими людьми. Феокрит , Вергилий и их преемники »в пастырской традиции.

Этот термин также используется более без разбора, чтобы дискредитировать любой аргумент как основанный на неверном весе эмоций: «сентиментальные заблуждения .

.. что люди, что мы, лучше — благороднее — чем мы себя представляем»; «сентиментальная ошибка построения романов или пьес« исходя из чисто эмоциональных паттернов » ».
Смотрите также
Ноты
использованная литература
Альварес, А. (1967). Введение в «Сентиментальное путешествие » Лоуренса Стерна. Лондон: Пингвин.
Андерсон, Дигби и Питер Маллен, ред., Faking It (1988).
Берлант, Лорен Гейл (2008). Женская жалоба: незаконченное дело сентиментальности в американской культуре

. Дарем: издательство Duke University Press.
Бут, Уэйн (1983). Риторика художественной литературы .
Чарди, Джон (1959). Что означает стихотворение? Бостон: Хоутон Миффлин.
Купчик, Г.К. и Дж. Ласло (1992). Новые видения эстетического процесса: психология, семиология и философия . Нью-Йорк: Издательство Кембриджского университета.
Монтажник, Крис (1995). Поэзия, космос, пейзаж: к новой теории . Нью-Йорк: Издательство Кембриджского университета.
Фукуяма, Фрэнсис (1999). Великий разрыв: человеческая природа и восстановление общественного порядка . Нью-Йорк: Свободная пресса.

Джонсон, Эдгар (1952). Чарльз Диккенс: его трагедия и триумф . Нью-Йорк.
Лейси, MJ, и П. Уилкин (2005). Глобальная политика в информационный век .
Лерой, Гейлорд (1941). Хаттон, Ричард Холт (1906). «Гений Диккенса» (Краткие литературные критики, стр. 56f), цитируемый Гейлордом К. Лероем, «Ричард Холт Хаттон», PMLA 56.3 (сентябрь 1941: 809-840), стр. 831.
О’Нил, Джон (1972). Социология как профессия кожи .
Усби, Ян (1995). Кембриджский справочник по литературе на английском языке . Кембридж.
Ричардс, ИА (1930). Практическая критика: исследование литературного суждения .
Серафин, С.Р. , и А. Бендиксен (1999). Энциклопедия американской литературы . Континуум.
Стотт, Уильям (1986). Документальное выражение и Америка тридцатых годов .
Уин, Фрэнсис (2004). Как Мумбо-Джамбо покорил мир Лондон. п. 207-208.
Уайльд, Оскар (1905). » Де Профундис »
Уилки, Брайан (1967). «Что такое сентиментальность?» College English 28,8 [май: 564-575]
дальнейшее чтение
что это такое и когда полезно плакать?
Сентиментальность сравнивают с заменителем сахара: вроде бы ощущения похожи, но привкус подделки остается. Может быть, потому что всплакнуть над лирической песней могут самые жестокие люди. Или потому, что сентиментальный человек работает на зрителя, демонстрируя чуткость души. Но не все так однозначно. У сентиментальности есть и другая сторона – тонко чувствующая душа, которая никогда не пройдет мимо чужой беды.
В статье расскажем о разных проявлениях сентиментальности, любви к сентиментальным историям, пользе искренних слез и плаче как признаке сильной личности.
Что такое сентиментальность?
Сентиментальность — это способность отзывчиво реагировать в ситуациях, которые считаются милыми, трогательными, переполненными чувствами и впечатлениями. Казалось бы, рыдать над красивыми фильмами или стихами, умиляться видео с котиками или детьми, плакать от сочувствия к старикам или раненым – это прекрасно. Нельзя не восхититься такой чуткости. Но такое свойство психики сильно зависит от общего контекста и в этом вопросе важно избежать крайностей.
С одной стороны сентиментальность порождает симпатию, чувствительность, жалость. И хорошо, когда люди реагируют хоть на что-то – занимаются благотворительностью, первыми приходят на помощь. На подобные поведенческие маркеры опираются социальные ролики, которые привлекают внимание к проблемам общества. Этот вид эмоциональности поэтизируется в художественной литературе и преобладает в литературных направлениях романтизма и сентиментализма.
С другой стороны сентиментальность направлена не на того, кто вызвал всплеск чувств, а на собственные переживания. Не зря сентиментальность названа обратной стороной злорадства. Она использует чужие эмоции, но не проживает их сердцем. В слезливости и умилении больше демонстрации, чем искренних переживаний. А жалость не искренняя, а поверхностная и мимолетная. Подобную эмоциональность приписывали Гитлеру, который плакал над спектаклем, а потом отправлял заключенных в концлагеря.
Вообще сентиментальность – это готовность расчувствоваться даже по глупому поводу. Что неудивительно, ведь французское слов «sentiment» переводится как «чувство». Но чувство может быть бездейственным, когда в тяжелой ситуации просто садишься рядом и плачешь. А может стать действием, когда стремишься помочь ближнему, которого жалеешь.
Пройти тест на характер человека
Почему сентиментальные романы так популярны?
Сюжеты, вызывающие радостную растроганность и повышенную эмоциональность, были еще в эпосе древности. Но история литературного направления сентиментализма началась в XVIII века в Англии. Родоначальником сентиментализма признан английский поэт Джеймс Томсон, чьи произведения отличались идиллическими картинами, напыщенным стилем и полетом воображения. Позже вклад в историю этого литературного направления внесли Сэмюэл Ричардсон, Джейн Остин, Жан-Жак Руссо, Франсуаза Саган. В России сентиментализм связан с именами Николая Карамзина, Александра Пушкина, Александра Радищева.
Сентиментализм превозносит открытое, бесхитростное общение и теплые человеческие чувства. Главным героем произведений становится «естественный человек», живущий вдали от цивилизации. Этот герой занимался живым трудом, вдохновлялся повседневными впечатлениями, испытывал всю гамму чувств от низменных до возвышенных, сохранял надежду на самосовершенствование.
Хотя направление сентиментализма было популярно совсем недолго, его приемы активно используются в продажах. Крупные торговые сети и бренды буквально соревнуются в создании трогательных рекламных роликов, которые помогают соприкоснуться со сказкой. Создатели роликов говорят, что реклама товаров – не главная цель. Авторы призывают зрителей собираться вместе, помириться с родными, делать добрые дела.
Какими бы не были мотивы рекламодателей, такие ролики поднимают настроение, дают возможность почувствовать себя живым. Особенно это заметно в предновогодний период, когда уровень сентиментальности резко повышается.
Пять аргументов в пользу сентиментальных историй.
Сегодня признаться в своей слабости даже как-то неловко. Повсюду правят бал умудренные жизнью реалисты и циники. Поэтому в будничной жизни мы делаем все, чтобы окружающие не принялись нас за чувствительных людей. Тем не менее, продолжаем верить в красивые истории про Золушку или бедных сироток, но обязательно со счастливым концом. В чем же причина такой любви?
Нам важно верить, что окружающий мир добрый. В реальной жизни люди не могут продемонстрировать столько бескорыстия, искренности, добросердечности, как это делают герои романтических историй. Когда мы становимся свидетелями благородного жеста, красивого поступка или бесконечного альтруизма, мы снова обретаем веру в доброту нашего мира.
Мы подпитываем свой оптимизм. Оптимисты более устойчивы к потрясениям, легче переключаются с негативных эмоций на позитивные. Но в современной культуре оптимизм постоянно осмеивается и противопоставляется реалиям жизни. Неудивительно, что надежда на лучшее иссякает, просто уходит в песок. Красивые истории помогают нам не поддаваться депрессии даже тогда, когда мир кажется жестоким и несправедливым.
Мы возвращаемся в детство. Секрет притягательности сентиментальных историй в том, что они обращаются к нашему внутреннему ребенку. В какой бы семье мы не выросли, нам недостает детского ощущения защищенности. Благодаря предсказуемо счастливому финалу истории наш внутренний ребенок получает утешение и уверенность в том, что все будет хорошо.
Мы получаем надежду на то, что можно изменить свою судьбу. Экранные сюжеты, с невероятными поворотами судьбы, подпитывают веру в чудеса, жажду перемен в жизни и надежду на то, что найти свой идеал все-таки получится. Конечно, идеальных партнеров не существует, но их экранные образы доказывают: искать можно и нужно. Главное за поисками не упустить все прекрасное в собственной жизни.
Сентиментальные истории дают возможность поплакать людям, которые в обычной жизни плакать не склонны. Реками женских слез, льющихся в кинозале, никого не удивить. С мужчинами все сложнее. Их с детства учили скрывать свои эмоции и внушали: «мужики умеют держать себя в руках». Зато поплакать над чужими историями, фильмами, песнями вроде не так стыдно. Тем более, что мужские слезы все чаще воспринимают как умение сопереживать.
Пройти тест: оптимист или пессимист
Пять причин почему плакать полезно.
Психологи говорят, что просмотр сентиментальных фильмов заменяет сеанс слезотерапии. Слезотерапия – шутливый термин, но медики сходятся в том, что плакать полезно. Причем одинаково полезно плакать от счастья, от горя и в трогательные моменты жизни. И вот почему:
Слезы спасают от стресса. Если сдерживать негативные эмоции, можно обзавестись целым набором заболеваний от невроза до мигрени. Зато во время плача гормоны радости эндорфины помогают почувствовать моральное облегчение. Плач отличный антидепрессант. Причем душевная боль уменьшается даже тогда, когда проблема не решилась.
Слезы очищают. Как и пот, слезы выводят из организма токсины. Правда, это касается эмоциональных слез, которые медленно стекают по лицу и оставляют заметные дорожки. Химический состав искусственных слез или тех, которые появляются во время чистки лука, не такой ценный.
Слезы уменьшают боль. Во время плача в организме выделяется энкефалин, действие которого подобно морфину. То есть слезы действуют как легкое обезболивающее. Правда, их действие временное и даже длительный плач не заменит поход к стоматологу.
Слезы укрепляют отношения. Слезы обнажают душу, показывают нашу незащищенность, уязвимость, вызывают сочувствие. А это важно для человеческих отношений. Правда, это касается искреннего плача. Попытки манипулировать с помощью слез имеют обратный эффект и разрушают отношения.
Слезы облегчают общение. Плач – это часть невербальной коммуникации. Легкие, бегущие слезы говорят о радости. Мелкие, скупые – демонстрируют боль, обиду, желание вырваться. Обильные, капающие – говорят о жалости к себе, которую хочется выплакать. Правда, окружающие должны быть достаточно внимательны, чтобы понять это общение без слов.
Три доказательства тому, что слезы – признак сильной личности.
Есть распространенное, но ложное мнение о том, что слезы – признак бесхарактерности. Но увидеть реальность такой, какая она есть и правильно реагировать на происходящее умеют только психологически устойчивые люди. В действительности плач – признак суперсилы. Сильные личности не боятся своих слез, потому что:
1. Умеют контролировать эмоции.
Уровень эмоционального интеллекта играет не меньшую роль, чем коэффициент интеллекта (IQ). Это способность понимать свои эмоции, знать значение переживания в контексте своей жизни. Эмоции необходимы для мотивации, самоконтроля и самодисциплины.
Сильный человек развивает и ценит свой эмоциональный интеллект. Он не повинуется минутным порывам, чтобы выплеснуть эмоции на окружающих. Чувствуя, что внутри закипают гнев и злость, он умеет вовремя остановиться, сделать паузу и обдумать происходящее. Зато потом снижает эмоциональное напряжение за прослушиванием баллады.
Пройти тест на эмоциональный интеллект EQ
2. Умеют сопереживать.
Эмпатия – это не про то, чтобы пустить слезу над чужим несчастьем и пройти мимо. Это умение задавать правильные вопросы, слушать и понимать чувства другого.
Сильный человек располагает. Он умеет убедить собеседника, что делиться чувствами и переживаниями – это нормально. Он не навязывает своего мнения, не дает готового решения проблемы, не перетягивает одеяла на себя. Зато сильный человек готов поделиться своей историей переживаний. А для этого нужны особая деликатность и собственный эмоциональный опыт.
3. Не ищут всеобщего одобрения.
Хотеть понравиться другим – это нормально. Но иногда личная сила заключается в том, чтобы отказаться от желания быть всеобщим любимчиком.
Сильный человек знает, что эмоции важнее социальных норм и не стремится выглядеть супермашиной, чтобы ежеминутно демонстрировать свое мужество. Он формирует личную шкалу оценок самого себя и окружающих. Он имеет достаточно внутренних ресурсов, чтобы не зависеть от чужого мнения. Это наполняет жизнь куда большей свободой, а самого человека – большой личной силой.
Выводы:
Сентиментальность – это свойство психики, которое в зависимости от контекста может быть проявлением чувствительности или эгоизма.
Сентиментализм – направление в литературе, поэзии и рекламе.
Вера в добро и чудеса возвращает в детство, помогает выжить во взрослой жизни.
Слезы – это не признак слезливости. Слезы часть того, что делает нас людьми.
Умение плакать и не стесняться своих эмоций – характеристика сильной личности.
Пройти тест на эмпатию
Что такое сентиментальность? — Блог Викиум
Некоторые люди остро реагируют на события, которые не касаются их напрямую. Например, смотря какой-то фильм, человек начинает плакать, хотя он понимает, что все происходящие события являются вымышленными. Таких людей называют сентиментальными. В этой статье вы узнаете, как проявляется сентиментальность, и как избавиться от нее, если она приносит неудобства.
Что такое сентиментальность?
Сентиментальностью называют свойство психики человека, когда возникают слишком сильные переживания по поводу разных вещей, даже если они незначительные. При сентиментальности могут проявляться самые разные эмоции, например, восторг или же умиление, а часто человек склонен к сильной эмпатии.
Слово «сентиментальность» пришло из французского языка и переводится как «чувствительный». При сентиментальности индивид начинает идеализировать объект, который ранее у него вызывал положительные эмоции. Например, человек вспоминает о своей прекрасной молодости, при этом негативные воспоминания не всплывают в памяти вовсе.
Также человек может испытывать сентиментальность по отношению к прошлому из-за жалости. Если, к примеру, прошлые отношения были разорваны, а сейчас он вспоминает о них и рисует в голове картинки о том, как все здорово могло быть.
Проявление сентиментальности у женщин
Сентиментальность проявляется у каждого по-разному независимо от возраста. Некоторые могут расчувствоваться, услышав какую-то душераздирающую историю, другие же могут лить слезы из-за трогательного рассказа в книге. Сентиментальное поведение у женщин и мужчин проявляется по-разному. Если для женщин нормально всплакнуть от умиления, то для мужчин подобное поведение является несколько странным. Женщины по своей натуре являются очень чувственными, поэтому проявление сентиментальности от них воспринимается нормально. Они могут поплакать при просмотре романтического фильма, активно сопереживая главным героям.
Сентиментальность у мужчин
С древних времен мужчин воспринимали как сильных и уверенных в себе, поэтому подобное определение не является типичным для мужчин. Но мужчины также склонны к сантиментам, просто стараются это не демонстрировать. В норме считается, когда мужчина демонстрирует свои эмоции при близких людях, но подобное проявление должно иметь меру. Стоит отметить, что слишком сентиментальные мужчины пользуются у женщин меньшей популярностью, чем чересчур черствые.
Сентиментальность — хорошо или плохо?
Нельзя дать однозначного ответа относительно сентиментальности — хорошо это или плохо. Если у человека присутствует сентиментальность, это помогает ему испытывать теплые чувства и душевный покой. Однако если сентиментальность излишне выражена, она может делать жизнь невыносимой, снижая самооценку и заставляя индивида постоянно страдать.
Избавление от сентиментальности
Избавляться от этого чувства необходимо лишь в случае, если оно доставляет человеку неудобства. Полностью избавляться от сентиментальности не следует, но необходимо научиться распознавать, где проявление таких чувств уместно, а где — нет. Если вы все же испытываете психологические проблемы и ощущаете, что есть необходимость «разгрузиться», лучше всего выпускать пар наедине с собой. А в целом, любые эмоции и чувства можно научиться контролировать. Поможет в этом курс Викиум «Эмоциональный интеллект».
Строгий юноша. Режиссер А. Роом

Строгий юноша

Режиссер: Абрам Роом
Автор сценария: Юрий Олеша
Страна: СССР, год выпуска: 1936

«Строгий юноша» — это фантастический фильм. В буквальном смысле слова. Действие картины происходит в прекрасном, недалеком будущем. Время действия авторами точно не указано. И сделано это вполне сознательно.
С одной стороны, живы еще отмирающие персонажи прошлой эпохи: Приживальщик, «подчеркиватель неравенства» Федор Цитронов, да и сам доктор Степанов — гениальный отголосок ушедшего несовершенного времени.
С другой стороны, уже народилось новое племя идеальных людей. Они подобны героям Древне-Греческих мифов. Сложены как боги, как цари. Их тела вылеплены как белокаменные античные изваяния. Они величаво проходят мимо статуй новой прекрасной эпохи. Мчатся на колесницах… Бросают диски…
И влюбляются они в женщин, похожих на древних богинь… Выходящих, подобно Венере, из пены морской.
Но эти молодые люди прекрасны не только телом. Главное, они прекрасны душой. Они стремятся к абсолютному идеалу: совершенству и тела, и души. Создают кодексы морального поведения. Кодексы чести. И в эти кодексы помимо обычных пунктов: ясности цели, настойчивости и твердости характера, неожиданно вплетаются великодушие, сентиментальность и уж совсем диковинным узором вплетается сюда целомудрие.
Другой кодекс проповедует красивая девушка-подросток. Это по сути ничто иное, как ницшеанство. Теория, по которой нельзя сдерживать свои порывы и желания: хочешь опрокинуть стакан — опрокидывай. (Эту юную ницшеанку сыграла Валентина Серова — будущая звезда советского кинематографа).
Действие фильма происходит в странном времени и месте, в эпохе вечного соревнования, вечных Oлимпийских игр, вечного совершенствования. В том, «как бы все могло быть»… В сказочном сне.
Но оказывается и в сказочном сне есть свои сложности.
Сам Роом говорил, что делает философский, проблемный фильм . В его идеальном месте исчезает власть денег, исчезает классовое неравенство, нарождается новое племя… Однако оказывается, что равенство невозможно само по себе. Как ни старайся, как ни тренируй новое поколение, как его ни воспитывай его, какую пропаганду не проводи с ним, — невозможно создать двух одинаковых людей. И самое важное — даже в самом идеальном обществе будет неразделенная любовь.
В «Строгом юноше» Роом возвращается к своей главной теме — теме неразделенной любви, теме «любви втроем». Молодой комсомолец влюбляется в жену пожилого профессора, гения хирургии. При этом доктор-гений, подобных которому нет, оказывается более мелкой личностью, чем «строгий юноша», подобных которому, казалось бы, много…
И как всегда у Роома, герои стоят перед важным и сложным моральным выбором.
И получается, что в идеальном пространстве появляется еще одно более идеальное пространство. Сон во сне… Здесь сновидческая природа фильма возводилась в иную степень.
Фильм рождался непросто. Он прошел долгий путь от первоначального сценария – «пьесы для кино», как называл его Олеша, — до конечного результата. Название «Дискобол» превратилось в «Волшебного комсомольца» и только потом стало самим собой — «Строгим юношей». Картина у Роома и Олеши получилась сложная и зыбкая. Будущее, похожее на сон, вплеталось в сон героя…
Операции проходили в присутствии зрителей… Кованные и витиеватые решетки забора были огромны и бесконечны, как сны… На балконах города жили полубезумные гениальные композиторы…
Получился настоящий шедевр. Роом в предвкушении успеха после первых показов на студии слал радостные телеграммы Олеше… Но радости авторов не суждено было исполниться в полной мере. В газете «Кино» 28 июля 1936 года был напечатан текст «Постановления треста «Украинфильм» о запрещении фильма «Строгий юноша». В вину картине вменялся формализм, отрыв от действительности, неясность концепции.
Шедевр обогнал свое страшное время и был положен на полку.
Его достанут и оценят лишь спустя тридцать лет. И фильм будет казаться абсолютно современным, впрочем, также как и в наши дни.
Оригинал статьи и фото находится на сайте: «Википедия»: Строгий юноша (фильм). (2009, октябрь 3). Википедия, свободная энциклопедия. Retrieved 12:03, ноября 9, 2009 from http://ru.wikipedia.org/?oldid=18873464
Александр Керенский: Герой с картонным мечом
В кипении событий 1917 года Александр Керенский с невероятной быстротой поднялся на вершину славы и так же быстро был забыт. Много десятилетий о нем помнили единственное — что он бежал из Петрограда в женском платье. Это оказалось выдумкой, но так же выдумана и надумана была вся карьера этого «Хлестакова от политики».
Внук священника
Зыбкость, обманность фигуры Александра Федоровича проявлялась даже в фамилии, ударение в которой ставили и ставят как попало. Сам он настаивал на первом слоге, поскольку фамилия происходила от городка (ныне села) Керенск в Пензенской губернии — там служил священником его дед Михаил.
Сын последнего Федор изменил семейной профессии, став учителем словесности и дослужившись до директора гимназии в Симбирске. Он женился на дочке майора-немца Надежде Адлер: позже недоброжелатели Керенского упорно объявляли ее еврейкой. Возникла и другая легенда: будущий премьер был сыном Геси Гельфман, одной из убийц Александра II, якобы усыновленным Керенскими (настоящий ребенок Геси умер в тюрьме вместе с матерью).
На самом деле Александр был вполне законным сыном Федора Михайловича Керенского. Хорошенький кудрявый Саша был любимцем большой семьи (три старших сестры и младший брат Федор), несмотря на капризы и шалости. Его отца уважали в городе, он дружил со своим коллегой Ильей Ульяновым, поставив тем не менее единственную в аттестате «четверку» его сыну — гимназисту Владимиру.
Тот был на 11 лет старше Саши и однажды читал ему, больному, «Хижину дяди Тома».
Потом их пути надолго разошлись — в 1889 году Федора Керенского перевели в Ташкент, где его старший сын пошел в школу. Сохранился рассказ об истерике, устроенной им при известии о смерти Александра III — будущий председатель Временного правительства рыдал и бился головой об парту. Но скорее всего, это тоже легенда, хотя Саша действительно рос нервным и впечатлительным. Он блистал в школьных спектаклях (особенно в роли Хлестакова) и мечтал стать актером. Свои письма подписывал — «будущий актер императорских театров». Однако по настоянию отца поступил на юридический факультет Санкт-Петербургского университета.
Любимец публики
Из сонного Ташкента юноша попал в бурлящую новостями и слухами столицу империи. Получение диплома совпало с началом первой русской революции. Став помощником присяжного поверенного Н.А. Оппеля, молодой адвокат защищал обвиняемых в политических преступлениях. И если Владимир Ульянов в роли адвоката провел всего одно — неудачное — дело, то Керенский часто добивался успеха — его актерские способности помогали оправдать даже явных террористов.
Что касается политических взглядов, Керенский не только сочувствовал эсерам, но и писал в их газеты статьи с призывами к восстанию. На спаде революции это привело его в тюрьму «Кресты», где он провел полгода, после чего был выслан к отцу в Ташкент вместе с семьей: к тому времени Александр женился на дочери полковника Ольге Барановской и уже был отцом двух сыновей Олега и Глеба. Летом 1906 года, после амнистии, 25-летний адвокат вернулся в Петербург и снова ринулся защищать противников власти. Его речи в суде сопровождались аплодисментами, восторженные дамы кидались ему на шею. Он был хорош собой: высокий, темноволосый, с выразительными серыми глазами. Охладев к жене, завел роман с ее юной кузиной Еленой, родившей ему дочь…
Известность Керенского росла, он выигрывал одно дело за другим. В 1912 году его голос громче всех звучал в общественной комиссии по расследованию Ленского расстрела, обвинившей во всем (конечно же) царскую власть. После этого начинающий политик был избран депутатом IV Государственной Думы — не от «родных» эсеров, которые бойкотировали выборы, а от малозаметной партии трудовиков. Благодаря газетам имя Керенского стало известно всей стране. Наравне с кадетом Милюковым он прославился как лучший оратор оппозиции, но если первый брал публику ученой убедительностью, то Александр Федорович — театральным пафосом.
Кадет Владимир Набоков (отец писателя), писал о нем с неприязнью: «Бритое актерское лицо, постоянно прищуренные глаза, неприятная улыбка».
Чтобы нарастить политический вес, Керенский вступил в масонскую организацию «Великий Восток народов России», а потом и возглавил ее. Правда, его бурную активность прервала болезнь — после удаления почки он почти год лечился. Но вернувшись в столицу в конце 1916 года, истосковавшийся по политическим баталиям, Керенский с ходу обрушился на «распутинскую клику» и фактически потребовал отстранить царскую семью от власти.
Императрица Александра Федоровна возмущалась — «Керенского нужно повесить!» — но Дума не выдала его на расправу.
Пророк
26 февраля, когда на улицах Петрограда началась стрельба, Александр Федорович заперся дома, решив, что революция провалилась. Наутро соратник по масонской ложе Николай Некрасов разбудил его ошеломляющей новостью: восстал Волынский полк!
Апатия Керенского тут же сменилась лихорадочной активностью. Он бросился в Таврический дворец (благо жил совсем рядом) и одним из первых вошел в состав новой власти — Временного комитета Думы. Метался по столице, выступал перед солдатами, помешал им устроить самосуд над арестованными царскими министрами. Пафосно обращался к толпе восставших: «Поклянемся, что Россия будет свободна!» — и толпа в один голос отвечала: «Клянемся!»
— Я испытал чувство пьянящего восторга, — вспоминал он позже. Этот кураж впечатлял. «Он говорил решительно, властно, как бы не растерявшись… — писал монархист Василий Шульгин. — Слова и жесты были резки, отчеканены, глаза горели… Казалось, что это говорил «власть имеющий»… Он рос… Рос на качавшемся революционном болоте, по которому он привык бегать и прыгать, в то время как мы не умели даже ходить».
Керенский, которого многие не принимали всерьез, сразу обошел претендовавшего на власть председателя Думы Родзянко. И, сумев примирить враждующих лидеров Временного комитета и Петроградского Совета депутатов, создал Временное правительство, в котором занял пост министра юстиции. Многим запомнилась речь Керенского 2 марта, где он клялся немедленно умереть за революцию и в порыве чувств разодрал на себе рубашку…
В новом правительстве у Александра Федоровича открылось второе дыхание: он непримиримо и неуклонно выдавливает из власти давнего соперника Милюкова. Ежедневно выступает на митингах, принимает ходоков с мест, общается с послами Антанты, выходя далеко за рамки своих полномочий. В эти дни несостоявшийся актер придумал себе новый облик: полувоенный френч, фуражка-кепи, короткая стрижка. Выступая, переходил от крика к драматическому шепоту, вскакивал на стулья и столы, а порой падал в обморок. Никогда не готовил речи, признаваясь: «Когда я выступаю, я не знаю, что я скажу. А когда я кончил, я не помню, что я сказал».
Неудивительно, что в поездках по стране его встречали, как пророка: носили на руках, осыпали цветами, давились, чтобы пожать ему руку или просто дотронуться до одежды. Его называли «первой любовью революции», «гением русской свободы». Это бурное обожание выматывало его — Зинаида Гиппиус, видевшая Керенского в эти моменты, сравнила его с грустным клоуном Пьеро.
Главноуговаривающий
Менее сентиментальный критик Петр Пильский подобрал другое сравнение — «герой с картонным мечом». За грозными речами министра и правда ничего не стояло: страна стремительно летела в анархию. Солдаты перестали подчиняться офицерам, Керенский, с апреля военный министр, пытался навести в армии хоть какой-то порядок. Но не силой, а все теми же речами, за что был прозван «главноуговаривающим». Кое-как подготовленное его усилиями июньское наступление бесславно провалилось. А тут еще большевики все активнее — июльский мятеж — рвались к власти, надо было воевать и на этом фронте. Александр Керенский, уже премьер-министр, получает чрезвычайные полномочия — но вновь проявляет решительность только на словах. Его отказ «додавить» большевиков — «мы социалисты, а не держиморды» — вызвал разочарование коллег.
— Все же Керенский не волевой тип, а лишь упрямый истерик, — без обиняков высказался кадет Андрей Шингарев.
В этот переломный и для Керенского, и для страны момент и развернулась странная эпопея, получившая название «корниловского мятежа». Главнокомандующий Лавр Корнилов при посредничестве князя Львова предложил премьеру ввести в Петроград войска, а потом навести жесткий порядок в армии и во всей стране. Керенский до последнего колебался: он подозревал, что Корнилов в итоге сам захватит власть, а его с прочими «временными» выгонит вон. В итоге 27 августа 1917 года, когда корниловские части уже двигались к столице, Александр Федорович выступил на заседании правительства, объявив главкома в мятеже. Агитаторы, посланные большевиками, убедили солдат повернуть обратно, Корнилов был арестован, его полномочия перешли к Керенскому.
А через два месяца пришла расплата.
24 октября непрерывно заседавшие в Зимнем дворце министры узнали, что большевики захватили важнейшие объекты столицы. Рано утром Керенский покинул дворец на автомобиле американского посольства, переодевшись в матросскую блузу — а не в платье сестры милосердия, как много десятилетий ерничали потом советские учебники. Он отправился в Псков к генералу Краснову, которого с трудом уговорил послать в Петроград казачьи части. Но … повторилась история с Корниловым: в Гатчине казаков встретили агитаторы, убедившие их сдаться…
Его жену Ольгу Львовну вместе с сыновьями сошлют на Север, только в 1920 году им удастся эмигрировать в Англию. Его брата Федора расстреляют в Ташкенте. До сестры Елены очередь дойдет в 1938-м — она получила высшую меру как «член семьи врага народа».
Но на дворе пока еще осень 1917 года, Александр Федорович, объявленный большевиками вне закона, бежит на Дон к атаману Каледину.
И тот велит ему поскорее убираться прочь, чтобы не быть повешенным.
Изгой
Никем не узнанный в общем хаосе, бывший премьер вернулся в Петроград с нелепым проектом — выступить на открывшемся Учредительном собрании и убедить большевиков передать ему власть. Но собрание немедленно разогнали, «самопожертвование» не состоялось. Пару месяцев Александр Федорович скрывался в Петрограде и Москве, после чего товарищи по партии решили отправить его за границу — актерские способности экс-премьера должны были убедить Антанту поддержать созданные в Поволжье и Сибири эсеровские правительства. В июне 1918 года Керенский, снова переодевшись — на этот раз в мундир сербского офицера, — выехал в Мурманск и на английском пароходе навсегда покинул Россию.
В Лондоне его принял британский премьер Ллойд-Джордж. В Париже, куда он отправился следом, — президент Пуанкаре. Александр Федорович и здесь произносил зажигательные речи: «Русская революция гибнет! Неужели вы не согласитесь ей помочь?» Но западные лидеры реагировали уклончиво: их больше интересовали завершение войны с немцами и послевоенная дележка мира.
Обосновавшись в Париже, Керенский редактировал газету «Дни», без устали проклиная в ней большевиков. Первое время посещал эмигрантские собрания, но скоро перестал: чуть ли не каждый раз какой-нибудь белый офицер бросался бить «предателя отечества». Впрочем, у изгоя оставались фанаты и особенно фанатки. Одно время он жил с женой своего друга-дипломата Марией Гавронской, позже познакомился с Нелл Триттон, журналисткой из далекой Австралии. Начитавшись романов Достоевского, она мечтала о русском муже и сразу влюбилась в Керенского — не помешала даже 28-летняя разница в возрасте.
Всех переживший
В 1940 году Францию заняли нацисты, к которым Керенский относился резко враждебно. Ему удалось бежать в США, где он выступал с лекциями и писал мемуары. Семейное счастье продолжалось всего несколько лет — в победном 1945-м у жены Александра Федоровича обнаружили рак. Он отвез ее в Австралию и оставался рядом до самой смерти. Потом вернулся к привычной уже американской жизни — читал, писал, преподавал, пока позволяло здоровье.
Жил в Нью-Йорке, в большой квартире, подаренной поклонницей, миллионершей Эллен Симпсон. Помирился, хоть и не без труда, с первой женой, его навещали сыновья — Олег стал известным в Англии архитектором, Глеб инженером. Смирился с Советской властью и даже искал возможности посетить СССР. За это Москва потребовала от него открыто признать свои ошибки и историческую правоту Октябрьской революции. Керенский отказался — зато дал большое интервью советскому журналисту Генриху Боровику, где сказал о неизбежности прихода большевиков к власти.
Когда отрывки интервью были напечатаны в «Литературной газете», многие были шокированы: ушли в небытие Ленин, Сталин, Хрущев, а проклинаемый ими Керенский, оказалось, жив и здоров!
Последние годы Александра Федоровича были согреты заботой русской эмигрантки Елены Пауэрс-Ивановой, работавшей в Колумбийском университете: она называла себя «секретаршей на все руки». С ее помощью он снова начал выступать и работать, но в начале 1970 года у последнего лидера революции диагностировали рак крови.
В тот же год, 11 июня, Александр Федорович Керенский умер. Местная русская церковь отказалась отпевать виновника революции; сын Олег перевез его тело в Лондон и похоронил на кладбище Патни без всяких обрядов.
КнАГУ — Советуем почитать
Исполняется 200 лет со дня выхода в свет первого издания «Истории государства Российского» (1818).
«История государства Российского» — многотомное сочинение Н.М. Карамзина, описывающее российскую историю с древнейших времён до правления Ивана Грозного и Смутного времени. Труд Н.М. Карамзина не был первым описанием истории России, но именно это произведение благодаря высоким литературным достоинствам и научной скрупулёзности автора открыло историю России для широкой образованной публики и наибольшим образом способствовало становлению национального самосознания.
Исторические факты автор собирал из древних летописей, многие из которых были им введены в научный оборот впервые. К примеру, именно Карамзиным была найдена и названа Ипатьевская летопись. Многочисленные детали и подробности, чтобы не загромождать ими связный текст рассказа, Карамзин вынес в особый том примечаний. Именно эти примечания имели наибольшее научное значение.
В первом томе Карамзин подробно описывает народы, обитавшие на территории современной России, в том числе истоки славян, их конфликт с варягами, отношение греков к племенам, населяющим территорию будущей Руси. Затем рассказывает о происхождении первых князей Руси, их правлении в русле норманской теории. В последующих томах автор подробно описывает все важные события российской истории вплоть до 1612 года.
В своем труде он выступал больше как писатель, чем историк – описывая исторические факты, он заботился о создании нового благородного языка для ведения исторического повествования. Например, описывая первые века Руси, Карамзин говорил: «Великие народы, подобно великим мужам, имеют своё младенчество и не должны его стыдиться: отечество наше, слабое, разделенное на малые области до 862 года, по летосчислению Нестора, обязано величием своим счастливому введению Монархической власти».
Прочитать произведение можно здесь:
Н. М. Карамзин История государства Российского // Lib.Ru : Библиотека Максима Мошкова. URL : http://lib.ru/LITRA/KARAMZIN/karamz01.txt
В нашей библиотеке:
63.3(2)
К 211
Карамзин, Н.М. История государства Российского : в 4 кн. / Н. М. Карамзин. — Ростов н/Д : Феникс, 1994.
чз-1экз
Исполняется 95 лет роману Владимира Клавдиевича Арсеньева «Дерсу Узала» (1923).
Автор этой книги – исследователь сурового Уссурийского края – еще с детства начал увлекаться чтением книг о путешествиях и далеких странах. Мальчиком он пристрастился к рыбной ловле, а уже позднее – подростком, вместе со своим товарищем совершал небольшие путешествия сначала однодневные, а потом и более длительные по реке Тосно.
Свое первое путешествие он совершил при переходе на Дальний Восток. А позже, в 1906 и 1907 годах, Арсеньев предпринял две большие экспедиции для исследования дикого и сурового Уссурийского края. Проводником Арсеньева в обеих экспедициях был искусный охотник Дерсу Узала. Ему Арсеньев был обязан жизнью, – гольд спас его от гибели во время свирепой пурги. Обе эти экспедиции Арсеньев описал в своей книге «Дерсу Узала», которую он посвятил своему другу по странствованиям.
Эта книга о суровой природе далекого Уссурийского края, о жизни охотника, полной труда и опасностей, где каждый промах грозит гибелью, где люди охотятся не для развлечения, а обороняясь от зверей и добывая себе пропитание. Эта книга правдива и увлекательна.
Произведение автора можно прочитать здесь:
Дерсу Узала // RuBook.org. URL : http://rubook.org/book.php?book=114825
В нашей библиотеке:
Р2(ДВ)
А853
Арсеньев, В.К.   По Уссурийскому краю; Дерсу Узала : романы / В. К. Арсеньев; предисл. и примеч. В.К.Арсеньева; послесл. И.С.Кузмичёва. — Л. : Лениздат, 1978. – 512 с.
ахл-1экз
Исполняется 185 лет со дня выхода в свет первого полного издания романа в стихах Александра Сергеевича Пушкина «Евгений Онегин» (20. 03.1833 г.)
«Евгений Онегин» (1823-1831) – роман в стихах Александра Сергеевича Пушкина, одно из самых значительных произведений русской словесности.
Пушкин работал над романом свыше семи лет. Роман был, по словам Пушкина, «плодом ума холодных наблюдений и сердца горестных замет». Работу над ним Пушкин называл подвигом — из всего своего творческого наследия только «Бориса Годунова» он характеризовал этим же словом. На широком фоне картин русской жизни показана драматическая судьба лучших людей дворянской интеллигенции.
2 апреля 1833 года вышло первое полное издание всего романа в одном томе. В одну неделю пятитысячный тираж первого издания разошелся целиком. Для того времени это было сенсацией. Первые главы, которые вышли несколько раньше полного издания, читатели встречали восторженно. Для многих роман, с легкой руки Белинского, стал «энциклопедией русской жизни», «самым любимым дитем» фантазии поэта, произведением, в котором воссоздана «верная картина русского общества в известную эпоху».
Роман охватывает события с 1819 года по 1825 год: от заграничных походов русской армии после разгрома Наполеона до восстания декабристов. Это были годы развития русского общества, времени правления царя Александра I. Сюжет романа прост и хорошо известен. В центре романа — любовная интрига. А главной проблемой является вечная проблема чувства и долга.
Полностью роман можно прочитать здесь: http://pushkinpoetry.ru/eo.htm.
В нашей библиотеке:
Р1
П 913
Пушкин, А.С.   Евгений Онегин; Драматические произведения; Романы; Повести / А. С. Пушкин; Вступ.ст. и примеч. Д.Благого. — М.: Художественная литература, 1977. — 736с.: ил., порт. — (Библиотека всемирной литературы. Серия вторая «Литература XIX века», Т.104).
ахл-1экз
Исполняется 75 лет со дня выхода в свет повести Антуана де Сент-Экзюпери «Маленький принц» (1943).
«Маленький принц» (фр. Le Petit Prince) – аллегорическая повесть-сказка, наиболее известное произведение Антуана де Сент-Экзюпери. Впервые опубликована 6 апреля 1943 года в Нью-Йорке.
Как часто взрослые замечают, что их восприятие окружающего мира отличается от детского. Кажется, что с возрастом оно становится более тусклым, серым, обыденным, не оставляя места чудесам. К счастью, не все взрослые люди таковы: знаменитый французский писатель Антуан де Сент-Экзюпери сумел не только сохранить веру в сказку, но и поделиться своей верой со многими людьми.
Героем своей сказки Антуан де Сент-Экзюпери выбрал ребенка. И это не случайно. Писатель всегда был убежден, что детское видение мира более правильное, более человечное и естественное. Представляя окружающий мир глазами ребенка, автор заставляет и нас задуматься о том, что мир должен быть не совсем таким, каким его делают взрослые. Что-то в нем не так, неправильно, и, поняв, что именно, взрослые должны постараться исправить это.
Антуан де Сент-Экзюпери не писал специально для детей. И вообще, по профессии он был не писателем, а замечательным летчиком. Однако его прекрасные произведения, вне всякого сомнения, принадлежат к лучшему, что было написано во Франции в XX веке.
Феномен сказки “Маленький принц” в том, что написанная для взрослых, она прочно вошла в круг детского чтения.
Прочитать книгу можно здесь: http://lib.ru/EKZUPERY/mprinc.txt.
В нашей библиотеке:
И (Фр)
С 315
Сент-Экзюпери, А. де. Южный почтовый; Ночной полёт; Планета людей; Военный лётчик; Письмо заложнику; Маленький принц; Пилот и стихии : Повести / Сент-Экзюпери, А. де; Вступ.ст. М.Галлая; примеч. С.Зенкина; пер. с фр. Н.Галь, М.Баранович, А.Тетерниковой [и др.]. — М.: Художественная литература, 1983. — 448с.
ахл-2экз
Исполняется 95 лет со дня выхода в печать повести Александра Грина «Алые парус» (1923).
«Алые паруса» – повесть-феерия Александра Грина о непоколебимой вере в чудо и всепобеждающей, возвышенной мечте, написанная в 1916-1922 годах. Впервые повесть была опубликована в 1923 году.
Главные герои произведения «Алые паруса», созданного русским писателем Александром Грином, – люди, которые жили обособленно от других жителей деревни. Отец Лонгрен и его дочь Ассоль жили тем, что изготовляли модели парусников и продавали их.
Раньше Лонгрен был моряком, но после смерти жены ему пришлось одному воспитывать дочь. Мужчина давно потерял любимую жену из-за того, что владелец трактира не дал ей денег в долг. Бедной женщине пришлось идти ненастным вечером в соседний город закладывать драгоценности, чтобы купить продукты. После этого она заболела и умерла. В следующий раз, когда трактирщику самому понадобилась помощь, Лонгрен не оказал её. Владелец трактира чуть не погиб.
Когда Ассоль было 8 лет, она случайно встретилась со стариком. Старик предсказал Ассоль, что через несколько лет её увезёт с собой прекрасный принц на корабле с алыми парусами.
Читать повесть здесь: http://ilibrary.ru/text/1845/index.html.
У нас в библиотеке:
Р2           Грин, А.С.
Г 85        Собрание сочинений. В 6 т. Т.3. Алые паруса. Феерия; Блистающий мир: роман. Искатель приключений; Рассказы / А. С. Грин; Сост. В.Ковского, В.Россельса; примеч. Ю.Киркина. — М.: Правда, 1980. — 494с.: ил. — (Библиотека «Огонёк». Отечественная классика).
ахл-1экз
Исполняется 170 лет со дня выхода в свет повести Федора Михайловича Достоевского «Белые ночи» (1848).
Произведение относится к жанру сентиментальных романов и повествует о трагической судьбе мечтателя, сталкивающегося с жестокостью и несправедливостью общества.
Повесть была опубликована впервые в журнале «Отечественные записки» в 1848 году с посвящением другу молодости поэту А.Н. Плещееву с подзаголовком «Сентиментальный роман. Из воспоминаний мечтателя». Возможно, прототипом главного героя «Белых ночей» – Мечтателя – был А.Н. Плещеев. В основу повести легли статьи Достоевского о «петербургских мечтателях» в фельетоне «Петербургская летопись».
Главный герой повести – мечтатель, одинокий и робкий человек. Белой ночью мечтатель случайно знакомится с девушкой Настенькой и влюбляется в нее, а она видит в нем родную душу, брата. Настенька рассказывает ему свою историю. Все свои ранние годы она прожила вместе со своей слепой бабушкой, попав к ней после смерти родителей. Бабушка не отпускала надолго от себя Настену и пришпиливала ее за платье булавкой к своему платью. Жизнь Насти была однообразной и невеселой. Но все изменилось, когда к ним приехал постоялец, который пожалел девушку. Настя влюбилась и собиралась уехать вместе с ним, однако мужчина был очень беден и пообещал вернуться через год.
Истек срок, и он в городе, она знает об этом, она ждет, а он все не является к ней и не отвечает на ее письмо. Решив, что возлюбленный ее бросил, Настенька решает ответить чувствам мечтателя. Однако внезапно встретив возлюбленного, Настя убегает от мечтателя и извиняется за предательство в письме. Главный герой прощает ее и все равно продолжает любить. Настенька – самое яркое событие в его жизни! А он – всего лишь опора в трудные минуты. Его счастье не состоялось, он вновь одинок.
Читать повесть можно здесь: http://ilibrary.ru/text/29/index.html
В нашей библиотеке:
Р1        Достоевский, Ф.М.
Д 706   Бедные люди; Белые ночи; Кроткая: Романы; рассказ / Ф. М. Достоевский. — М.: Художественная литература, 1976. — 224с.
ахл-1экз
Исполняется 150 лет со времени первой публикации романа Федора Михайловича Достоевского «Идиот» (1868).
Роман «Идиот» входит в «великое пятикнижие» произведений писателя («Преступление и наказание», «Идиот», «Бесы», «Подросток», «Братья Карамазовы»).
Достоевский не раз признавал, что «Идиот» является одним из любимейших и самых удачных его произведений. Роман пережил множество экранизаций, был неоднократно поставлен на сцене в виде спектаклей и оперы, получил заслуженное признание отечественных и зарубежных литературоведов.
Первые наброски к роману «Идиот» появились в сентябре 1867 г. Однако, судя по письмам, работа над романом началась раньше – в апреле-мае 1867 г. Процесс написания растянулся почти на полтора года, и завершилась в январе 1869 г.
Впервые роман был опубликован в 1868 году на страницах журнала «Русский вестник». Задумка произведения родилась у Достоевского после издания «Преступления и наказания» во время путешествия по Германии и Швейцарии. Там же 14 сентября 1867 года он сделал первую запись, касающуюся будущего романа. Далее он отправился в Италию, и во Флоренции роман был закончен полностью.
Достоевский уехал из Петербурга, чтобы спокойно работать и зарабатывать деньги вдали от кредиторов, требующих возврата денег. За Достоевским числились долги его покойного брата. Достоевскому угрожали тюрьмой. В такой нервной обстановке писатель не мог создать 4 ничего достойного и коммерчески успешного. Именно поэтому Достоевский был вынужден покинуть Россию, чтобы сосредоточиться на работе и заработать деньги — в том числе для уплаты долгов брата.
В ходе сочинения романа в жизни Достоевского произошло трагическое событие. Умер его первый ребенок, трехмесячная дочь Соня. Достоевский и его жена тяжело переносили потерю ребенка. Однако писатель не мог позволить себе не работать: у него были обязательства перед журналом «Русский вестник» и он обязан был отсылать в редакцию материалы в срок. Чтобы уложиться в сроки, убитый горем Достоевский снова взялся за работу и писал без остановки. В какой-то мере, роман «Идиот» помог писателю пережить смерть дочери и вернуться к жизни.
Принципы сюжета и композиции романа «Идиот» строятся на централизации образа князя Мышкина, вокруг него разворачиваются все события и параллельные линии романа.
Читать роман можно здесь: http://ilibrary.ru/text/94/index.html
В нашей библиотеке:
Р1           Достоевский, Ф.М.
Д 706    Идиот: Роман / Ф. М. Достоевский. – М. : ЭКСМО-Пресс, 1998. – 637с. – (Русская классика).
ахл-1экз

Анализ настроений-полярность — CodeRoad

Если полярность равна 0.0 в TextBlob, то независимо от того, является ли предложение чисто отрицательным или оно означает отсутствие выхода.
wiki = TextBlob ("Python is a high-level, general-purpose programming language.") wiki.sentiment
выход: сентиментальность (полярность=0.0, субъективность=0.0)
Пожалуйста, объясните, что на самом деле говорит нам результат?
nlp textblob
Поделиться Источник Aravind Kumar 20 мая 2019 в 08:56
1 ответ
Как рассчитывается полярность для предложения ??? (в анализе настроений)
Как происходит полярность слов в высказывании calculated….like i am successful in accomplishing the task,but in vain как оценивается каждое слово? (например — успешный — 0.7 достижение — 0.8 но — -0.5 тщеславие — — 0.8) как он рассчитывается ? как каждое слово получает значение или оценку?? что…
Строчный анализ настроений?
В настоящее время я работаю над анализом настроений на страницах people из WikiPedia. Я скачал большой набор страниц о людях(таких как Леонардо да Винчи, Исаак Ньютон и т. д. ) Из Википедии и преобразовал их в текстовые файлы (размер набора данных составляет 20000+ файлов). Мое требование состоит…

1

Короткий ответ: нейтральный (ни положительный, ни отрицательный)
Объяснение:
Если вы пройдете через документы здесь: https:/ / textblob.readthedocs.io/en/dev/quickstart. html#sentiment-analysis
И посмотрите пример здесь:
testimonial = TextBlob("Textblob is amazingly simple to use. What great fun!") testimonial.sentiment
Выход:
Сентиментальность (полярность=0.39166666666666666, субъективность=0.4357142857142857)
Вы можете видеть, что диапазон полярности варьируется от -1 до 1, где положительный конец обозначает положительный тон, а отрицательный конец обозначает отрицательный тон в предложении. Следовательно, полярность 0 будет нейтральной. Это также полностью имеет смысл в вашем случае, поскольку никто не может сказать, является ли ваше предложение положительным или отрицательным.
Аналогично, проверьте другой пример из: https://planspace.org/20150607-textblob_sentiment/
TextBlob("not great").sentiment
Выход:
Сентиментальность (полярность=-0.4, субъективность=0.75)
Поделиться Ankur Sinha 20 мая 2019 в 09:51
Похожие вопросы:

Простой Анализ Настроений
Похоже, что самый простой и наивный способ сделать базовый анализ настроений-это использовать Байесовский классификатор (что подтверждается тем, что я нахожу здесь на SO). Какие-нибудь…

Анализ настроений сущности (анализ настроений на уровне сущности)
Я работаю над анализом настроений на уровне документов с прошлого года. Анализ тональности на уровне документа обеспечивает тональность всего документа. Например, текст Nokia хороша, но vodafone…

Анализ настроений
выполняя анализ настроений, как я могу заставить машину понять, что я имею в виду яблоко (iphone), а не яблоко (фрукт)? Спасибо за совет !

Как рассчитывается полярность для предложения ??? (в анализе настроений)
Как происходит полярность слов в высказывании calculated….like i am successful in accomplishing the task,but in vain как оценивается каждое слово? (например — успешный — 0.7 достижение — 0.8 но -…

Строчный анализ настроений?
В настоящее время я работаю над анализом настроений на страницах people из WikiPedia. Я скачал большой набор страниц о людях(таких как Леонардо да Винчи, Исаак Ньютон и т. д. ) Из Википедии и…

Анализ настроений Textblob в файле csv
У меня есть файл csv с примерно 50 строками предложений. Я использую инструмент анализа настроений textblob. Чтобы проверить полярность предложения, пример показывает, что вы пишете предложение, а…

Анализ настроений для языка урду, написанного латинским шрифтом в python году
Я использую библиотеку python TextBlob, чтобы получить полярность настроений для английского языка. Теперь я хочу получить анализ настроений(полярность) языка урду, написанного латинским шрифтом….

Анализ настроений на Dataframe
У меня есть dataframe ‘df’, который имеет такие данные, как : State Text 0 California This is a beutiful day# It’s too hard I am get… 1 Florida Can somebody please help me; I am new to python 2…

Анализ настроений в файле csv с помощью textblob
Я использовал анализ настроений в файле CSV , и на выходе выводится полярность и субъективность предложения. Как я могу получить вывод в табличном формате вместе с классификацией предложения как…

Как найти оценку настроений и величину (полярность) в R без использования Google API?
Я пытаюсь сделать анализ настроений для своих данных. Данные опроса потребителей содержат открытые ответы на вопросы в нескольких столбцах. Мне нужна оценка настроений и величина для каждого столбца…
сентиментальных — Викисловарь
Английский [править]
Этимология [править]
настроение + -al
Произношение [править]
IPA ^(ключ): / ˌsɛntiˈmɛntl̩ /
Расстановка переносов: sen‧ti‧men‧tal
Прилагательное [править]
сентиментальный ( сравнительный более сентиментальный , превосходный самый сентиментальный )
Характеризуется сентиментальностью, сентиментальностью или чрезмерными эмоциями.
2007 , Стивен Уилсон, «Нормальный», Porcupine Tree, Нет повторяющихся .
Хотел бы я быть старым и маленьким сентиментальным
Произведено скорее из эмоции, чем из разума; или вызвано сантиментами.
Романтика.
Котировки [править]
1944 : Дорис Дэй, Сентиментальное путешествие ,
Собираюсь Сентиментальное путешествие ,
Собираюсь успокоить мое сердце.
Собираюсь совершить Сентиментальное путешествие, Путешествие,
, чтобы обновить старые воспоминания.
Антонимы [править]
Производные термины [править]
Переводы [править]
, характеризующийся сантиментами, сентиментальностью или чрезмерными эмоциями
происходит от эмоций, а не от разума
Анаграммы [править]
Каталонский [править]
Произношение [править]
Прилагательное [править]
сентиментальный ( мужской и женский род множественного числа сентиментальный )
сентиментальный
Производные термины [править]
Связанные термины [править]
Дополнительная литература [править]
Произношение [править]
Прилагательное [править]
сентиментальный ( женский род единственного числа sentimentale , мужской род множественного числа sentimentaux , женский род множественного числа sentimentales )
сентиментальный
Дополнительная литература [править]
Галицкий [править]
Прилагательное [править]
сентиментальный m или f ( множественное число sentimentais )
сентиментальный
Производные термины [править]
Связанные термины [править]
Дополнительная литература [править]
Этимология [править]
Заимствовано с французского.
Произношение [править]
IPA ^(ключ): / ˌzɛntimɛnˈtaːl /
Прилагательное [править]
сентиментальный ( сравнительный сентиментальный , превосходный сентиментальный тен )
сентиментальный
Cклонение [править]
Положительные формы сентиментальные
Сравнительные формы сентиментальных
Превосходные формы сентиментальных
Дополнительная литература [править]
Норвежский букмол [править]
Этимология [править]
От английского sentimental , в конечном итоге от латинского sentimentum .
Прилагательное [править]
сентиментальный ( среднего единственного числа сентиментального , определенного единственного и множественного числа сентиментального )
сентиментальный
Антонимы [править]
Ссылки [править]
Норвежский нюнорск [править]
Этимология [править]
От английского sentimental , в конечном итоге от латинского sentimentum .
Прилагательное [править]
сентиментальный ( среднего единственного числа sentimentalt , определенного единственного и множественного числа sentimentale )
сентиментальный
Антонимы [править]
Ссылки [править]
Португальский [править]
Этимология [править]
Заимствовано у французов сентиментальных .
Произношение [править]
(Португалия) IPA ^(ключ): /sẽ.ti.mẽ.ˈtaɫ/
Расстановка переносов: sen‧ti‧men‧tal
Рифмы: -aw
Прилагательное [править]
сентиментальный m или f ( множественное число sentimentais , сопоставимо )
сентиментальный
румынский [править]
Этимология [править]
С французского сентиментального
Прилагательное [править]
сентиментальный m или n ( женский род единственного числа sentimentală , мужской род множественного числа sentimentali , женский и средний род множественного числа sentimentale )
сентиментальный
Cклонение [править]
Склонение сентиментальное
Испанский [править]
Произношение [править]
IPA ^(ключ): / sentimenˈtal /, [sẽn̪.t̪i.mẽn̪ˈt̪al]
Прилагательное [править]
сентиментальный ( множественное число сентиментальный )
сентиментальный
Производные термины [править]
Связанные термины [править]
Дополнительная литература [править]
персонажей в сентиментальном воспитании | A Sentimental Education Wikipedia
Персонажи Sentimental Education отличаются своенравием и корыстью. Фредерик, главный герой, изначально был увлечен мадам Арну, но на протяжении всего романа влюблялся в нее и разлюбил ее.Кроме того, он не может определиться с профессией и вместо этого живет на наследство своего дяди. Другие персонажи, такие как мистер Арну, так же капризны в бизнесе, как Фредерик в любви. Без их материализма и «инстинктивного преклонения перед властью» почти весь состав был бы полностью лишен корней. Таково было суждение Флобера о своем времени, и сохраняющаяся применимость этого цинизма во многом объясняет непреходящую привлекательность романа.
Последовательность появления
Фредерик Моро, «герой», молодой человек из провинциальной Франции, который начинается и заканчивается как представитель среднего класса.
Жак Арну, издатель, производитель фаянса; также спекулянт и бабник, «почти все время болеющий и [выглядит] как старик» к концу романа и в конце концов умирает за год до конца романа.
Мадам Мари (Анжель) Арну, его жена, мать двоих детей, платоническая связь с Фредериком, переезжает в Рим к концу романа. Всегда добродетельная и благородная, полностью преданная двум своим детям.
Марта Арну, их дочь
М.Роке, землевладелец и сомнительный агент г-на Дамбреза; отец Луизы Рок.
Луиза (Элизабет-Олимп-Луиза) Роке, его рыжая дочь, деревенская девушка; страстно любит Фредерика какое-то время, женится на Деслоре, бросает его ради певца.
Шарль Деслорье, близкий друг Фредерика. Чрезвычайно амбициозный, но неспособный реализовать свои амбиции, у него завистливые, конкурентные и несколько паразитические отношения с более преуспевающим Фредериком. Он студент юридического факультета и, после нескольких должностей, заканчивает романом.
М. Дамбрез, банкир, политический аристократ, хранитель времени, финансист. Умер в третьей части романа.
Мадам Дамбрез, его гораздо более молодая, очень решительная, изысканная жена, с которой Фредерик завел роман и почти женится; после того, как Фредерик порывает с ней, ближе к концу романа она выходит замуж за англичанина.
Батист Мартинон, студент-юрист, сын богатого фермера, достаточно трудолюбивый карьерист, к концу романа становится сенатором.
Маркиз де Сизи, дворянин и студент юридического факультета, щеголеватый юноша, отец восьмерых детей к концу романа.
Сенекаль, учитель математики и бескомпромиссный, пуританский, догматичный республиканец; предположительно мертв к концу романа.
Дюссардье, простой и честный продавец. Убежденный республиканец, он является активным участником протестов и восстаний на протяжении всей книги. Он умирает в последнем из этих протестов, которые мы видим, когда Сенекаль пронизывает его мечом.
Хассонет, журналист, драматический критик, клоун, в конечном итоге контролирует все театры и всю прессу.
Регимбарт, «Гражданин», пьяный революционный шовинист; становится призраком человека.
Пеллерин, художник, у которого больше теорий, чем талантов; становится фотографом.
Mlle Vatnaz, актриса, куртизанка, разочарованная феминистка с литературными претензиями; исчезает к концу романа.
Диттмер, частый гость Arnoux
Дельмас или Дельмар, актер, певец, шоумен (также может быть певец, представленный в главе 1)
М. и мадам Удри, гости Arnoux
Екатерина, домработница М. Роке
Элеонора, мать Луизы Рок
Дядя Бартелеми, богатый дядя Фредерика
Эжен Арну, сын Арну
Розанетт (Роуз-Аннет) Брон, «Маршал», куртизанка со многими любовниками, e.грамм. М. Удри; какое-то время Жак Арну; позже у нее длительный роман с Фредериком. Их маленький сын заболевает и умирает в третьей части романа.
Клеманс, любовница Дельорье
Маркиз Ольнейс, крестный отец Цизи; Г-н де Форшамбо, его друг, барон де Комэнг, еще один друг; М. Везоу, его наставник
Cécile, M. Dambreuse: Официально «племянница» Dambreuses, на самом деле внебрачная дочь M. Dambeuse. Ближе к концу романа она вышла замуж за Мартинона.Ненавидимая мадам Дамбрез, но любимая ее отцом, она унаследовала его состояние после его смерти (к большому гневу мадам).
Другой «персонаж»: серебряная шкатулка мадам Арну в стиле эпохи Возрождения, сначала отмеченная в ее доме, затем у Розанетт, наконец купленная на аукционе мадам Дамбрез.
Это содержимое из Википедии. GradeSaver — это предоставляя этот контент в качестве любезности, пока мы не сможем предложить профессионально написанное учебное пособие от одного из наших штатных редакторов. Мы делаем не считайте этот контент профессиональным или цитируемым.Пожалуйста, используйте свой осмотрительность, полагаясь на нее.
Действительно ли мир темнеет?
Калев Литару
Становится все более популярным трюизм о том, что мир становится темнее. Страны по всему миру спазмированы гражданскими войнами и региональными конфликтами, партизанские разногласия и растущий национализм разрывают нации, а ненавистнические высказывания и нападения кажутся обычным явлением.Все больше опросов показывают, что настроение людей в мире ухудшается. В то же время мы живем намного лучше, чем в прошлом веке. Мы не находимся в эпицентре двух мировых войн, в результате которых погибло более 100 миллионов человек, или пандемии, унесшей жизни 3% всего населения Земли. Мы не были свидетелями гибели более половины населения Европы, и ни одно из партизанских отрядов Америки не переросло в гражданскую войну, унесшую жизни 2% населения страны. Действительно ли мир такой темный, как мы думаем, или благодаря расширенному доступу к информации мы увидели темнеющий мир, хотя на самом деле света больше, чем когда-либо?
Emotion предлагает необычайно мощный объектив, через который можно смотреть на мир.Когда мы читаем новостную статью, наше сознание сосредотачивается на фактических доказательствах, которые она представляет. Однако под этим повествованием скрывается скрытый скрытый поток сложных эмоций, который отражает то, как автор чувствовал информацию, которую он передает, и как, по его мнению, читатель отреагирует на нее. Клинические факты облекаются в яркую картину эмоций.
Компьютеризированный анализ настроений может помочь количественно оценить эти скрытые подводные течения, позволяя рассчитать интенсивность различных эмоций, обнаруженных в статье.
Наутро после футбольного матча в колледже газеты обеих команд будут описывать одни и те же фактические события, но через очень разные эмоциональные точки зрения. В документе победившей команды игра, скорее всего, будет изображаться как фантастическое событие и восхваляться ее основные моменты, в то время как в статье проигравшей команды события будут изображены с помощью мазков неудач и печали.
Понимание эмоций событий может быть сложной задачей, особенно освещение войны. После битвы, в которой были убиты сотни ни в чем не повинных мирных жителей, может быть довольно неприятно читать репортажи, рекламирующие эти смерти как чрезвычайно позитивное и замечательное событие.Тем не менее, именно здесь анализ настроений может быть особенно мощным, помогая понять четкие рамки, которые каждая сторона принимает в отношении приливов и отливов конфликта.
Глядя на настроения, мы можем увидеть, как сирийский Башар аль-Асад исторически проводил атаки с применением химического оружия в моменты наибольшего негативного отношения СМИ к его режиму, что привело к всплеску позитивного настроя, поскольку СМИ во всем мире считали отсутствие глобального ответа свидетельство его возрастающей неуязвимости.По сути, тон СМИ смог передать мрачное настроение в отношении его шансов на выживание, за которым последовало влияние его химических атак на его способность продолжать цепляться за власть. Сам он не реагировал на средства массовой информации, но, тем не менее, средства массовой информации предложили мощный прокси для бесчисленных сигналов, на которые он реагировал.
Точно так же мы можем видеть, как тон глобальных средств массовой информации о вспышке Эболы стал резко более позитивным после того, как заразились американцы, поскольку новости перешли от документирования смертей к рекламе предполагаемого превосходства американской медицинской помощи.Количественная оценка эмоций такого освещения позволяет нам непосредственно наблюдать такие медиа-концепции, как «спаситель».
Хотя анализ сантиментов часто рассматривается в терминах «положительных» и «отрицательных» измерений, на самом деле сегодня существуют инструменты для захвата многих тысяч эмоциональных измерений.
Переход от чисто положительных и отрицательных эмоций к более сложным эмоциям, таким как тревога, часто может дать совершенно новый взгляд на события.
Возьмите остановку работы правительства США в 2013 году.С точки зрения американских телевизионных новостей, общий «тон» освещения останова был относительно нейтральным, поскольку консерваторы хвалили остановку, а либералы ее осуждали. Однако тревога резко возросла, отражая тот факт, что обе стороны очень нервничали по поводу того, чем может закончиться остановка.
Точно так же в 2015 году в Турции утихла волна недавних взрывов, и национальная стабильность, а также традиционный позитивный и негативный тон вернулись в норму. Напротив, тревога по-прежнему была чрезвычайно высокой, что отражает простой факт, что население все еще нервничает по поводу возможного возобновления насилия.
Если обратиться к Википедии, то в 2012 году англоязычное издание Википедии было обработано, чтобы определить общий «тон» каждой статьи в энциклопедии, а также все упоминания конкретных дат в истории. Затем был вычислен средний «тон» каждого года за последние 500 лет путем усреднения тона каждой статьи, в которой упоминаются даты в течение данного года.
Окончательный график мирового счастья глазами англоязычной версии Википедии можно увидеть ниже.
Калев Литару
Мировое счастье относительно стабильно в 1500-х и начале 1600-х годов, резко упав в период гражданской войны в Англии. В начале 1700-х годов счастье неуклонно растет, хотя вторая половина века была отмечена войнами по всей Европе, что привело к периоду падения счастья.
Гражданская война в США рассматривается как наиболее негативное событие последнего полугодия, по крайней мере, с точки зрения английского издания Википедии.Глобальный ужас Первой мировой войны виден с особой очевидностью, равно как и Вторая мировая война, которая более чем вдвое отрицательна. Также ясно видно вторжение США в Ирак.
Посмотрите внимательнее на временную шкалу, и после Гражданской войны в США происходит нечто замечательное. Сразу после завершения конфликта глобальный позитив начинает неуклонно расти: тенденция, которая сохраняется до сих пор. Период после Второй мировой войны резко усиливает эту тенденцию, а период после вторжения в Ирак отмечен почти вертикальным ростом позитивных настроений до 2012 года, когда проводилось исследование.
Это говорит о том, что Гражданская война в США представляла собой поворотный момент в мировой истории, с которого мир начал свой нынешний путь к позитиву. Победа союзников во Второй мировой войне ускорила это восстановление мира, в то время как десятилетие, закончившееся в 2012 году, было отмечено счастьем, омывающим мир.
Или это говорит всю историю?
Хотя Гражданская война в США была важным событием в истории Соединенных Штатов, определившим будущее страны, ее глобальное влияние было гораздо меньше, чем влияние Второй мировой войны, которое, согласно английской Википедии, было гораздо менее негативным.
Альтернативное объяснение состоит в том, что английское издание Википедии в 2012 году отразило очень американоцентричный взгляд на глобальную историю. Глубокое знакомство населения с Гражданской войной в США и Второй мировой войной также могло бы объяснить их большую негативность, поскольку кабинетные историки более осведомлены о каждой своей битве, чем даже во время Первой мировой войны. конец может отражать то, что в Эру Википедии глобальные события ведутся в прямом эфире, что означает, что положительные события в мире записываются с той же детализацией, что и плохие.
Если Википедия предлагает ретроспективный и энциклопедический взгляд на историю, что увидело общество через журналистику в реальном времени, которая определяет понимание общественностью глобальных событий?
В 2011 году был вычислен средний тон каждой статьи, опубликованной в New York Times с 1945 по 2005 год. Получившаяся ниже временная шкала показывает, как национальный документ видел мир за полвека после Второй мировой войны.
Калев Литару
В отличие от Википедии, Times рисует картину застоя в послевоенную эпоху с резким падением во время Корейской войны.
Пожалуй, наиболее драматично то, что 1960-е годы были запечатлены на страницах Times как период волнений и потрясений, конфликтов и хаоса, которые к началу 1970-х годов привели страну и мир к его самым негативным глубинам за последние полвека.
Тон восстановился к концу 1970-х годов и снова застопорился во время 11 сентября, войн в Афганистане и Ираке.
Похоже, что в глазах New York Times именно 60-е годы разрушили мировое счастье.
В том же исследовании 2011 года также был вычислен средний тон всех статей, собранных в публичном архиве BBC Monitoring, представляющих собой срез глобальных печатных, радиовещательных и сетевых новостей.BBC Monitoring, британский аналог всемирных новостей и усилий по мониторингу социальных сетей, проводимых разведывательным сообществом США, отслеживает освещение новостей по всему миру и ежедневно переводит отрывки из них.
Калев Литару
Подобно New York Times, этот график показывает стагнацию 1980-х годов и снижение тона с 1990-х годов до конца данных.
Однако при более внимательном рассмотрении этой временной шкалы обнаруживается кое-что интригующее. Хотя весь 30-летний период демонстрирует медленное движение к негативу, именно в конце 1990-х годов мировые СМИ действительно начинают падать.
Имея это в виду, взгляните на временную шкалу ниже, которая показывает процент всего мирового освещения BBC Monitoring, занесенного в каталог с разбивкой по годам, которое поступило из онлайн-новостных агентств. Глазами BBC Monitoring мы видим рост освещения новостей в Интернете в конце 1990-х годов, который увеличивался почти линейно до конца анализируемого периода в 2010 году.
Калев Литару
Посмотрите внимательно на период 1998-2010 годов на обоих графиках. Тональность новостей во всем мире становится негативной как раз в то время, когда набирает популярность онлайн-журналистика. Что самое интересное, тон снижается примерно с той же скоростью, что и онлайн-новости. Оба графика показывают даже одну и ту же короткую паузу с 2002 по 2004 год.
Это наводит на мысль о захватывающей возможности: падение негативности СМИ во всем мире произошло из-за роста самой сети и возросшей конкуренции, с которой теперь сталкиваются новостные агентства.
В эпоху, предшествовавшую появлению Интернета, газеты конкурировали в основном на местном уровне. Не имело значения, что писала газета за 30 миль, торговые точки могли рассчитывать на стабильный доход местных читателей, у которых не было других вариантов, чтобы оставаться в курсе. В эпоху Интернета газеты внезапно стали конкурировать во всем мире. Пользователь может так же легко зайти на сайт своей местной газеты, как и на другое издание на другом конце света. Самое главное, что выручка больше не фиксировалась на бумажном уровне. Одна захватывающая история больше не могла продать весь выпуск.Каждая история должна была привлекать внимание пользователей сама по себе, чтобы побудить посетителей просмотреть как можно больше историй и использовать максимальное количество рекламы.
Сенсационно негативные новости привлекают внимание общественности и привлекают читателей гораздо больше, чем клиническое и беспристрастное обобщение статистики.
The New York Times не демонстрирует такой же тенденции к негативу с ростом Интернета, но, как национальная газета, она, возможно, не столкнулась с таким же конкурентным давлением.The Times запустила службу @times в America Online в 1994 году и запустила свой веб-сайт 22 января 1996 года.
Эмоции не обязательно должны быть представлены исключительно в рамках времени. Добавив измерение пространства, можно отобразить эмоции глобально и даже наблюдать эмоциональное заражение. Приведенная ниже анимация возвращается к предыдущему графику Википедии и помещает последние 200 лет в пространстве, что позволяет вам буквально наблюдать за 200 годами глазами английской исторической Википедии.

Заглядывая в будущее, сегодня можно отобразить глобальные эмоции в еще большем масштабе и взглянуть по-настоящему глобально, например, просмотрев 850 миллионов статей по всему миру, чтобы отобразить три года мирового счастья, как показано на анимации ниже.

Собирая все вместе, действительно ли мы живем в более темные времена? Графики здесь подсказывают, что нет. Каталог Википедии в режиме реального времени показывает, что в мире гораздо больше позитива, чем мы можем себе представить.
Графики New York Times и BBC Monitoring, которые заканчиваются десять лет назад, показывают, сколько скрытых эмоций содержится в новостях, через которые мы смотрим на мир, и насколько сильно эта эмоция может повлиять на наше понимание глобальных событий.
Для Times, 1960-е были моментом, когда наша нация потемнела и за прошедшие десятилетия так и не восстановилась.
График BBC Monitoring начинается вскоре после этого, но предполагает, что цифровая революция может сыграть гораздо более важную роль в нашем восприятии темнеющего мира, который мы ранее рассматривали.Может ли быть так, что вновь обретенное давление, направленное на борьбу за наше внимание с новостными агентствами по всему миру, привело к потемнению мировой журналистской продукции, чтобы подчеркнуть негативное освещение, которое является такой сильной стороной? Это, безусловно, заслуживает дальнейшего изучения.
Возможно, главный вывод состоит в том, что по историческим меркам мы живем в беспрецедентно позитивные времена. Это поднимает вопрос, почему мы думаем, что наши времена темнеют.
Может быть, наш мир лучше, чем когда-либо, но цифровой мир просто наводняет нас тщательно подобранной лентой худшего в мире? Если нас засыпают индивидуализированным потоком конфликтов, хаоса, ненависти и насилия, направленным на то, чтобы развеять наши худшие опасения в надежде побудить нас к более активному взаимодействию с цифровыми технологиями, или если наши средства массовой информации постоянно темнеют, чтобы конкурировать за наше внимание, это могло бы неудивительно, что мы чувствуем, как мир вокруг нас рушится.
В конце концов, возможно, реальное решение состоит в том, чтобы отойти от цифрового наводнения и вернуться к самой концепции сообщества, которую Интернет когда-то стремился разрушить, а теперь принял. Возможно, наше стремление соединить мир и наполнить его осознанием всего, что происходит повсюду и в любое время, пропитало нас и заставило видеть только тьму там, где на самом деле больше света, чем когда-либо.
Основы API естественного языка | Google Cloud
Этот документ содержит руководство по основам использования Cloud Natural Language API.В этом концептуальном руководстве описаны типы запросов, которые вы можете сделать в API естественного языка, как создавать эти запросы и как обрабатывать их ответы. Мы рекомендуем всем пользователям Natural Language API прочтите это руководство и одно из связанных руководств перед тем, как погрузиться в API. сам.
Функции естественного языка
В API естественного языка есть несколько методов для выполнения анализа. и аннотацию к вашему тексту. Каждый уровень анализа дает ценные информация для понимания языка.Эти методы перечислены ниже:
Анализ тональности проверяет данный текст и определяет преобладающие эмоциональное мнение в тексте, особенно для определения писателя отношение как положительное, отрицательное или нейтральное. Анализ настроений выполняется с помощью метода analysisSentiment .
Анализ сущностей проверяет данный текст на наличие известных сущностей (Правильный такие существительные, как общественные деятели, достопримечательности и т. д.Нарицательные существительные, такие как ресторан, стадион и т. д.) и возвращает информацию о эти сущности. Анализ сущностей выполняется с помощью анализатора analyEntities . метод.
Анализ настроений сущностей проверяет данный текст на наличие известных сущностей (собственно существительные и нарицательные), возвращает информацию о эти объекты, и определяет преобладающие эмоциональное мнение о сущности в тексте, особенно для определения автора отношение к сущности как положительное, отрицательное или нейтральное.Анализ сущностей выполняется с помощью analysisEntitySentiment . метод.
Синтаксический анализ извлекает лингвистическую информацию, разбивая данную текст в серии предложений и лексем (как правило, границы слов), обеспечение дальнейшего анализа этих токенов. Синтаксический анализ выполняется с помощью метода analysisSyntax .
Классификация содержимого анализирует текстовое содержимое и возвращает категорию содержимого для содержания.Классификация содержимого выполняется с помощью classifyText метод.
Каждый вызов API также определяет и возвращает язык, если язык не указан. указывается вызывающим абонентом в первоначальном запросе.
Кроме того, если вы хотите выполнить несколько операций на естественном языке с для данного текста с использованием только одного вызова API можно также использовать запрос annotateText для выполнения анализа настроений и анализа сущностей.
Попробуйте сами
Если вы новичок в Google Cloud, создайте учетную запись, чтобы оценить, как Естественный язык работает в реальном мире сценарии.Новые клиенты также получают 300 долларов в качестве бесплатных кредитов для запуска, тестирования и развертывать рабочие нагрузки.
Попробуйте естественный язык бесплатно
Запросы на базовом естественном языке
API естественного языка — это REST API, состоящий из запросов JSON и отклик.Появится простой запрос анализа сущности JSON на естественном языке. ниже:
{ "документ":{ "тип": "PLAIN_TEXT", "язык": "EN", "content": "« Лоуренс Аравийский »- высоко оцененная биография фильма о Британский лейтенант Т. Э. Лоуренс. Питер О'Тул играет Лоуренс в фильме ". }, "encodingType": "UTF8" }
Эти поля объяснены ниже:
документ содержит данные для этого запроса, который состоит из следующих подполя:
type — тип документа ( HTML или PLAIN_TEXT )
язык — (необязательно) язык текста в запросе.Если не указано, язык будет определен автоматически. Для информации на каких языках поддерживается Natural Language API, см. Языковая поддержка. Не поддерживается languages вернет ошибку в ответе JSON.
Либо content , либо gcsContentUri , которые содержат текст для оценки. При передаче содержимого этот текст включается непосредственно в JSON. запрос (как показано выше). При передаче gcsContentUri поле должно содержат URI, указывающий на текстовое содержимое в Google Cloud Storage.
encodingType — (обязательно) схема кодирования, в которой возвращаемые смещения символов в текст должен быть вычислен, который должен соответствовать кодировке переданного текста. Если этот параметр не установлен, запрос не будет ошибкой, но все такое смещения будут установлены на -1 .
Определение текстового содержимого
При передаче запроса API естественного языка вы указываете текст для обработки в один из двух способов:
Передача текста непосредственно в поле содержимого .
Передача URI Google Cloud Storage в поле gcsContentUri .
В любом случае вы должны убедиться, что не прошли больше, чем Ограничения содержимого позволяют. Обратите внимание, что эти ограничения содержимого — байтами , а не символами ; длина символа поэтому зависит от кодировки вашего текста.
Запрос ниже относится к файлу Google Cloud Storage, содержащему Геттисберг Адрес:
{ "документ":{ "тип": "PLAIN_TEXT", "язык": "EN", «gcsContentUri»: «gs: // облачные образцы-тесты / естественный язык / gettysburg.текст" }, }
Анализ настроений
Анализ настроений пытается определить общее отношение (положительное или отрицательный), выраженный в тексте. Настроение представлено числовым имеет величину и величин значений.
Поля ответа анализа тональности
Образец analysisSentiment ответ на Адрес Геттисберга показан ниже:
{ "documentSentiment": { «оценка»: 0,2, «величина»: 3.6 }, "language": "en", "предложения": [ { "text": { «content»: «Четыре десятка семь лет назад наши отцы родили на этом континенте новая нация, рожденная на свободе и посвященная утверждение, что все люди созданы равными. ", "beginOffset": 0 }, "sentiment": { «величина»: 0,8, «оценка»: 0,8 } }, ... }
Эти значения полей описаны ниже:
documentSentiment содержит общую тональность документа, которая состоит из следующих полей:
оценка настроений колеблется между -1.0 (отрицательный) и 1,0 (положительный) и соответствует общей эмоциональной окраске текста.
величина указывает на общую силу эмоций (как положительных, так и отрицательный) в данном тексте между 0,0 и + inf . В отличие от оценка , звездная величина не нормирована; каждое выражение эмоции в тексте (как положительный, так и отрицательный) вносит вклад в величину текста (так что более длинные текстовые блоки могут иметь большую величину).
язык содержит язык документа, либо переданный в начальном запрос, или автоматически обнаруживается, если отсутствует.
предложений содержит список предложений, извлеченных из оригинала документ, который содержит:
тональность содержит тональность уровня предложения значений, прикрепленных к каждое предложение, которое содержит балла и балла значений, как описано выше.
Значение ответа на адрес Геттисберга 0,2 балла указывает документ немного позитивный по эмоциям, а значение 3,6 указывает на относительно эмоциональный документ, учитывая его небольшой размер (около пункт). Обратите внимание, что первое предложение адреса Геттисберга содержит очень высокий положительный балл из 0,8 .
Интерпретация значений анализа тональности
Оценка тональности документа указывает на общую эмоцию документ.Величина тональности документа указывает на то, насколько эмоциональное содержание присутствует в документе, и это значение часто пропорционально длине документа.
Важно отметить, что API естественного языка указывает на различия между положительными и отрицательными эмоциями в документе, но не определить конкретные положительные и отрицательные эмоции. Например, «злой» и «грустные» считаются отрицательными эмоциями. Однако когда API естественного языка анализирует текст, который считается «злым», или текст, который считается «грустным», ответ лишь указывает на то, что настроение в текст отрицательный, а не «грустный» или «сердитый».
Документ с нейтральной оценкой (около 0,0 ) может указывать на низкий уровень эмоций. документ или может указывать на смешанные эмоции, как с высоким положительным, так и с отрицательные значения, которые отменяют каждое из них. Как правило, вы можете использовать величину звездной величины . ценности, чтобы устранить неоднозначность этих случаев, поскольку действительно нейтральные документы будут иметь низкий Значение величины , в то время как смешанные документы будут иметь более высокие значения величины.
При сравнении документов друг с другом (особенно документов разных length), обязательно используйте значения величин для калибровки ваших оценок, так как они могут помочь вам оценить соответствующее количество эмоционального содержания.
В таблице ниже показаны некоторые примерные значения и способы их интерпретации:
Настроение Примеры значений
Однозначно положительный * «оценка» : 0,8, «величина» : 3,0
Ясно отрицательный * «оценка» : -0,6, «величина» : 4,0
нейтраль «оценка» : 0,1, «величина» : 0.0
Смешанный «оценка» : 0,0, «величина» : 4,0
* «Однозначно положительные» и «явно отрицательные» настроения различаются для разных варианты использования и клиенты. Вы можете найти разные результаты для вашего конкретного сценарий. Мы рекомендуем вам определить порог, который работает для вас, и затем отрегулируйте порог после тестирования и проверки результатов. Например, вы можете определить порог любой оценки выше 0,25 как явно положительный, а затем измените порог оценки на 0.15 после просмотра ваших данных и результатов и обнаружение, что оценки от 0,15 до 0,25 также следует считать положительными.
Анализ сущности
Entity Analysis предоставляет информацию о сущностях в тексте, которые обычно относятся к названным «вещам», таким как известные личности, достопримечательности, обычные предметы и др.
Субъекты в целом делятся на две категории: имена собственные, которые соответствуют уникальным сущности (определенные люди, места и т. д.) или нарицательные существительные (также называемые «номиналами» при обработке естественного языка).Хорошей общей практикой является то, что если что-то — существительное, оно квалифицируется как «сущность». Сущности возвращаются как индексированные смещения в исходный текст.
Запрос Entity Analysis должен передавать аргумент encodingType , чтобы возвращенные смещения могут быть правильно интерпретированы.
Поля ответа Entity analysis
Анализ сущностей возвращает набор обнаруженных сущностей и связанных параметров. с этими объектами, такими как тип объекта, релевантность объекта для общий текст и места в тексте, которые относятся к одному и тому же объекту.Сущности возвращаются в порядке (от наибольшего к наименьшему) из их значимости баллов, которые отражают их отношение к тексту в целом.
Ответ analysisEntities на запрос объекта: показано ниже:
{ "сущности": [ { "name": "Лоуренс Аравийский", "тип": "WORK_OF_ART", "метаданные": { "mid": "/ m / 0bx0l", "wikipedia_url": "http://en.wikipedia.org/wiki/Lawrence_of Аравия (фильм)" }, «заметность»: 0.75222147, г. "упоминания": [ { "text": { "content": "Лоуренс Аравийский", "beginOffset": 1 }, "тип": "ПРАВИЛЬНЫЙ" }, { "text": { "content": "биография фильма", "beginOffset": 39 }, "тип": "ОБЩИЙ" } ] }, { "name": "Т. Э. Лоуренс", "тип": "ЛИЦО", "метаданные": { "mid": "/ m / 0bx5v", "wikipedia_url": "http: //en.wikipedia.org / wiki / T._E._Lawrence " }, "заметность": 0,12430617, "упоминания": [ { "text": { "content": "Т. Э. Лоуренс", "beginOffset": 94 }, "тип": "ПРАВИЛЬНЫЙ" }, { "text": { "content": "Лейтенант", "beginOffset": 83 }, "тип": "ОБЩИЙ" }, { "text": { "content": "Лоуренс", "beginOffset": 145 }, "тип": "ПРАВИЛЬНЫЙ" } ] }, { "name": "британский", "type": "LOCATION", "метаданные": { "mid": "/ m / 07ssc", "wikipedia_url": "http: // en.wikipedia.org/wiki/United_Kingdom " }, «заметность»: 0,078094982, "упоминания": [ { "text": { "content": "британский", "beginOffset": 75 }, "тип": "ПРАВИЛЬНЫЙ" } ] }, { "имя": "фильм", "тип": "WORK_OF_ART", "метаданные": {}, «заметность»: 0,033808723, "упоминания": [ { "text": { "content": "фильм", "beginOffset": 161 }, "тип": "ОБЩИЙ" } ] }, { "name": "Питер О'Тул", "тип": "ЛИЦО", "метаданные": { "mid": "/ m / 0h0jz", "wikipedia_url": "http: // en.wikipedia.org/wiki/Peter_O'Toole " }, «заметность»: 0,011568651, "упоминания": [ { "text": { "content": "Питер О'Тул", "beginOffset": 110 }, "тип": "ПРАВИЛЬНЫЙ" } ] } ], "язык": "ru" }
Обратите внимание, что API естественного языка возвращает сущности для «Лоуренса Аравийского» (фильм) и «Т.Э. Лоуренс» (человек). Анализ сущности полезен для устранение неоднозначности подобных сущностей, таких как «Лоуренс» в этом случае.
Поля, используемые для хранения параметров объекта, перечислены ниже:
тип указывает тип этого объекта (например, если объект является человек, местонахождение, потребительские товары и т. д.). Эта информация помогает различать и / или устранение неоднозначности сущностей, и может использоваться для написания шаблонов или извлечение информации. Например, значение типа может помогают различать объекты с одинаковыми названиями, такие как «Лоуренс Аравийский», помеченные как WORK_OF_ART (фильм), из «Т.Э. Лоуренс », с тегом ЛИЦО , для пример. (Видеть Типы сущностей для дополнительная информация.)
метаданные содержат исходную информацию о знаниях сущности хранилище В будущем могут появиться дополнительные репозитории. Это поле может содержать следующие подполя:
wikipedia_url , если присутствует, содержит URL-адрес Википедии, относящийся к этому объекту.
mid , если присутствует, содержит сгенерированный машиной идентификатор (MID) соответствующий субъекту Сеть знаний Google Вход.Обратите внимание, что значения mid остаются уникальными для разных языков, поэтому вы можете использовать такие значения для связывания сущностей из разных языков. Для проверки этих значений MID, пожалуйста, обратитесь к API поиска Google Knowledge Graph документация.
Не все возвращенные значения середины доступны для проверка с помощью Google Knowledge Graph API. Вы можете использовать mid в качестве уникального идентификатора для объекта, однако вы не должны полагаться на его использование для поиска дополнительной информации об объекте.
заметность указывает на важность или актуальность этого сущность ко всему тексту документа. Эта оценка может помочь в получении информации поиск и обобщение путем определения приоритетности основных сущностей. Очки ближе к 0,0 менее важны, тогда как оценки, близкие к 1,0 , очень важны.
упоминает указывает позиции смещения в тексте, где объект упомянул. Эта информация может быть полезна, если вы хотите найти все упоминания о лицо «Лоуренс» в тексте, но не в названии фильма.Вы также можете используйте упоминания, чтобы собрать список псевдонимов сущностей, таких как «Лоуренс», которые относятся к той же сущности «T.E. Лоуренс ». Упоминание объекта может быть одним из двух типы: PROPER или COMMON . Имя собственное Entity для «Лаврентия Аравийского», например, можно было бы упомянуть прямо как название фильма или как обычное существительное («кинобиография» Т. Э. Лоуренса).
Анализ настроений организаций
Анализ субъективных настроений сочетает в себе анализ субъективных настроений и анализ настроений. и пытается определить настроение (положительное или отрицательное), выраженное о сущностях в тексте.Настроение сущности представлено числовой оценкой и значениями величины и определяется для каждого упоминания объекта. Затем эти оценки суммируются. в общую оценку настроения и величину организации.
Запросы на анализ настроений организаций
запросов Entity Sentiment Analysis отправляются в API естественного языка с использованием метод analysisEntitySentiment в следующей форме:
{ "документ":{ "тип": "PLAIN_TEXT", "content": "Я люблю музыку в стиле R&B.Марвин Гэй лучший. «Что происходит?» - одна из моих любимых песен. Было так грустно, когда умер Марвин Гэй ». }, "encodingType": "UTF8" }
Вы можете указать необязательный параметр language с вашим запросом, который определяет код языка для текста в параметре содержимого . Если вы не укажете , язык , тогда API естественного языка автоматически обнаружит язык содержания вашего запроса. Для получения информации о том, какие языки поддерживаются API естественного языка, см. Языковая поддержка.
Ответы на анализ настроений объектов
API естественного языка обрабатывает данный текст для извлечения сущностей и определить настроения. Запрос Entity Sentiment Analysis возвращает ответ содержащий объекта , которые были обнаружены в содержание документа, упоминает запись для каждого упоминания объекта, и числовой баллов и величин значений для каждого упоминания, как описано в Интерпретация значений анализа тональности.В общий балл Значение и Значения для объекта являются совокупностью конкретная оценка и величина значений для каждого упоминания объекта. В Оценка и величина Значения для объекта могут быть 0 , если было низкое тональность текста, в результате чего величина балла равна 0, или тональность является смешанным, что дает балла из 0.
{ "сущности": [ { "name": "Музыка R&B", "тип": "WORK_OF_ART", "метаданные": {}, «заметность»: 0.5306305, г. "упоминания": [ { "text": { "content": "Музыка R&B", "beginOffset": 7 }, "тип": "ОБЩИЙ", "sentiment": { «величина»: 0,9, «оценка»: 0,9 } } ], "sentiment": { «величина»: 0,9, «оценка»: 0,9 } }, { "name": "Марвин Гэй", "тип": "ЛИЦО", "метаданные": { "mid": "/ m / 012z8_", "wikipedia_url": "http: // en.wikipedia.org/wiki/Marvin_Gaye " }, «заметность»: 0,21584158, "упоминания": [ { "text": { "content": "Марвин Гэй", "beginOffset": 18 }, "тип": "ПРАВИЛЬНЫЙ", "sentiment": { «величина»: 0,4, «оценка»: 0,4 } }, { "text": { "content": "Марвин Гэй", "beginOffset": 138 }, "тип": "ПРАВИЛЬНЫЙ", "sentiment": { «величина»: 0.2, «оценка»: -0,2 } } ], "sentiment": { «величина»: 0,6, «оценка»: 0,1 } }, ... ], "язык": "ru" }
Например, см. Анализ настроений сущности.
Синтаксический анализ
API естественного языка предоставляет мощный набор инструментов для анализа и синтаксический анализ текста. Для выполнения синтаксического анализа используйте analysisSyntax метод.
Синтаксический анализ состоит из следующих операций:
Извлечение предложения разбивает поток текста на серия предложений.
Токенизация разбивает поток текста на серию жетоны, каждый жетон обычно соответствует одному слову.
API естественного языка затем обрабатывает токены и, используя их местоположение внутри предложений добавляет к токенам синтаксическую информацию.
Полная документация по набору синтаксических токенов находится в пределах Руководство по морфологии и деревьям зависимостей.
Запросы на синтаксический анализ
запросов на синтаксический анализ отправляются в API естественного языка с использованием метод analysisSyntax в следующей форме:
{ "документ":{ "тип": "PLAIN_TEXT", "content": "Не спрашивайте, что ваша страна может сделать для вас, спросите, что вы можете сделать для своей страны." }, "encodingType": "UTF8" }
Ответы синтаксического анализа
API естественного языка обрабатывает данный текст для извлечения предложений и жетоны. Запрос синтаксического анализа возвращает ответ, содержащий эти предложений и токенов в следующей форме:
{ "предложения": [ ... Массив предложений с информацией о предложении ], "токены": [ ... Массив токенов с информацией токенов ] }
При выполнении синтаксического анализа API естественного языка возвращает массив предложений, извлеченных из предоставленного текста, с каждым предложением содержащие следующие поля в тексте родительского элемента :
beginOffset , указывающее (отсчитываемое от нуля) смещение символа в пределах заданного текст, с которого начинается предложение.Обратите внимание, что это смещение рассчитывается с использованием прошел encodingType .
контент , содержащий полный текст извлеченного предложения.
Например, следующий элемент предложений получен для синтаксического Запрос на анализ Геттисберга по адресу:
{ "предложения": [ { "text": { "content": "Четыре десятка семь лет назад наши отцы родили на этом континенте новая нация, зародившаяся на свободе и посвященный утверждению, что все мужчины созданы равный.", "beginOffset": 0 } }, { "text": { "content": "Сейчас мы ведем большую гражданскую войну, проверяя, эта нация или любая нация, задуманная и преданная своему делу, может долго терпеть. ", "beginOffset": 175 } }, ... ... { "text": { "content": "Нам лучше быть здесь, посвятив себя великой задаче оставшиеся перед нами - что от этих почитаемых мертвецов мы берем усиление преданности делу, ради которого они последняя полная мера преданности - что мы здесь очень решаем что эти мертвые не умерли напрасно, что этот нация под властью Бога получит новое рождение свободы, и это правительство народа, народом, для народа не исчезнет с земли.", "beginOffset": 1002 } } ], "язык": "ru" }
Запрос синтаксического анализа к API естественного языка также будет включать набор жетонов. Вы можете использовать информацию, связанную с каждым токеном, для выполнения дальнейший анализ возвращенных предложений. Более подробную информацию об этих токенах можно можно найти в руководстве по морфологии и деревьям зависимостей.
Токенизация
Метод analysisSyntax также преобразует текст в серию токенов, которые соответствуют различным текстовым элементам (границам слов) переданного содержание.Процесс, с помощью которого API естественного языка разрабатывает этот набор токенов известен как токенизация , токенизация .
После извлечения этих токенов API естественного языка обрабатывает их, чтобы определить ассоциированную с ними часть речи (в том числе морфологическую) информацию) и лемму. Кроме того, токены оцениваются и помещаются в дерево зависимостей , которое позволяет определять синтаксическое значение токенов и проиллюстрировать отношение токенов друг к другу и содержащиеся в них предложения.В синтаксическая и морфологическая информация, связанная с этими токенами, полезна для понимания синтаксической структуры предложений в естественном Языковой API.
Появляется набор полей токенов, возвращаемых в ответе JSON синтаксического анализа. ниже:
текст содержит текстовые данные, связанные с этим токеном, с следующие дочерние поля:
beginOffset содержит (отсчитываемое от нуля) смещение символа в пределах предоставленный текст.Обратите внимание, что хотя зависимости (описанные ниже) существуют только внутри предложений смещения лексем позиционируются в тексте как целое. Обратите внимание, что это смещение рассчитывается с использованием переданного encodingType .
содержимое содержит фактическое текстовое содержимое исходного текста.
partOfSpeech предоставляет грамматическую информацию, включая морфологическая информация, о токене, например, время токена, человек, число, пол и т. д.(Для получения более полной информации по этим полям обратитесь к Руководство по морфологии и деревьям зависимостей.)
лемма содержит «корневое» слово, на котором основано это слово, которое позволяет канонизировать использование слов в тексте. Например, слова «писать», «писать», «писать» и «писать» основаны на одном и том же лемма («писать»). Кроме того, формы множественного и единственного числа основаны на леммах: «дом» и «дома» относятся к одной и той же форме. (Видеть Лемма (морфология).)
поля dependencyEdge определяют отношения между словами в предложение, содержащее токен через ребра в ориентированном дереве. Этот информация может быть полезна для перевода, извлечения информации и Обобщение. (Руководство по морфологии и деревьям зависимостей содержит более подробную информацию о разборе зависимостей.) Каждый dependencyEdge поле содержит следующие дочерние поля:
headTokenIndex предоставляет (отсчитываемое от нуля) значение индекса этого токена «родительский токен» в инкапсулирующем предложении токена.Жетон с нет родительских индексов.
Метка предоставляет тип зависимости этого токена от его головы токен.
Следующая цитата из Инаугурационная речь Франклина Д. Рузвельта произведет следующие токены:
ПРИМЕЧАНИЕ: все теги partOfSpeech , содержащие значения * _UNKNOWN , были удалены. для ясности.
"токены": [ { "text": { "content": "The", "beginOffset": 4 }, "часть речи": { "tag": "DET", }, "dependencyEdge": { "headTokenIndex": 2, "label": "DET" }, "лемма": "The" }, { "text": { "content": "only", "beginOffset": 8 }, "часть речи": { "tag": "ADJ", }, "dependencyEdge": { "headTokenIndex": 2, "label": "AMOD" }, "лемма": "только" }, { "text": { "content": "вещь", "beginOffset": 13 }, "часть речи": { "tag": "СУЩЕСТВИТЕЛЬНОЕ", "number": "SINGULAR", }, "dependencyEdge": { "headTokenIndex": 7, "label": "NSUBJ" }, "лемма": "вещь" }, { "text": { "content": "мы", "beginOffset": 19 }, "часть речи": { "tag": "PRON", "case": "НОМИНАТИВНЫЙ", "число": "МНОЖЕСТВЕННОЕ", "person": "ПЕРВЫЙ", }, "dependencyEdge": { "headTokenIndex": 4, "label": "NSUBJ" }, "лемма": "мы" }, { "text": { "контент": "иметь", "beginOffset": 22 }, "часть речи": { "tag": "ГЛАГОЛ", «настроение»: «ПОКАЗАТЕЛЬНО», "tense": "НАСТОЯЩЕЕ", }, "dependencyEdge": { "headTokenIndex": 2, "label": "RCMOD" }, "лемма": "иметь" }, { "text": { "content": "to", "beginOffset": 27 }, "часть речи": { "tag": "PRT", }, "dependencyEdge": { "headTokenIndex": 6, "label": "AUX" }, "лемма": "к" }, { "text": { "content": "страх", "beginOffset": 30 }, "часть речи": { "tag": "ГЛАГОЛ", }, "dependencyEdge": { "headTokenIndex": 4, "label": "XCOMP" }, "лемма": "страх" }, { "text": { "content": "is", "beginOffset": 35 }, "часть речи": { "tag": "ГЛАГОЛ", «настроение»: «ПОКАЗАТЕЛЬНО», "number": "SINGULAR", "person": "ТРЕТИЙ", "tense": "НАСТОЯЩЕЕ", }, "dependencyEdge": { "headTokenIndex": 7, "label": "ROOT" }, "лемма": "быть" }, { "text": { "content": "страх", "beginOffset": 38 }, "часть речи": { "tag": "СУЩЕСТВИТЕЛЬНОЕ", "number": "SINGULAR", }, "dependencyEdge": { "headTokenIndex": 7, "label": "ATTR" }, "лемма": "страх" }, { "text": { "content": "сам", "beginOffset": 43 }, "часть речи": { "tag": "PRON", "case": "ОБВИНЕНИЕ", "пол": "НЕЙТЕР", "number": "SINGULAR", "person": "ТРЕТИЙ", }, "dependencyEdge": { "headTokenIndex": 8, "label": "NN" }, "лемма": "сама" }, { "text": { "содержание": ".", "beginOffset": 49 }, "часть речи": { "tag": "PRON", "case": "ОБВИНЕНИЕ", "пол": "НЕЙТЕР", "number": "SINGULAR", "person": "ТРЕТИЙ", }, "dependencyEdge": { "headTokenIndex": 8, "label": "NN" }, "лемма": "сама" }, { "text": { "содержание": ".", "beginOffset": 49 }, "часть речи": { "tag": "PUNCT", }, "dependencyEdge": { "headTokenIndex": 7, "label": "P" }, "лемма": "." } ],
Классификация содержимого
Вы можете заставить API естественного языка проанализировать документ и вернуть список категорий контента, которые применяются к тексту в документе. Классифицировать содержимое документа вызовите метод classifyText .
Полный список категорий контента, возвращенных для classifyText метод можно найти здесь.
API естественного языка фильтрует категории, возвращаемые classifyText , чтобы включить только самые релевантные категории для запрос.Например, если / Science и / Science / Astronomy оба применимы к документ, то возвращается только категория / Наука / Астрономия , так как это более конкретный результат.
Важно: Вы должны предоставить текстовый блок (документ) не менее двадцати токены (слова) в метод classifyText .
Пример классификации содержимого с помощью API естественного языка см. Классификация контента.
Выполнение нескольких операций за один запрос
Если вы хотите выполнить набор операций на естественном языке в рамках одного вызов метода, вы можете использовать annotateText как естественный язык общего назначения Запрос API.Запрос JSON с текстовой аннотацией похож на стандартный запрос Entity Analysis, но дополнительно требует набор пройденных Особенности для обозначения операций, которые нужно выполнить с текстом. Эти функции перечислены ниже:
extractDocumentSentiment выполняет анализ тональности, как описано в Раздел анализа настроений.
extractEntities выполняет анализ сущностей, как описано в Раздел Entity Analysis.
extractSyntax указывает, что данный текст должен быть обработан для выполнения синтаксический анализ, как описано в Раздел синтаксического анализа.
Следующий запрос вызывает API для аннотации функций в коротком предложении.
{ "документ":{ "тип": "PLAIN_TEXT", "content": "Ветреная и холодная погода этой зимой была невыносимой". }, "Особенности":{ "extractSyntax": истина, "extractEntities": правда, "extractDocumentSentiment": true }, "encodingType": "UTF8" }
Определение настроения потребителей
Что такое потребительские настроения?
Настроения потребителей — это статистический показатель общего состояния экономики, определяемый мнением потребителей.Он учитывает отношение людей к своему текущему финансовому здоровью, состояние экономики в краткосрочной перспективе и перспективы долгосрочного экономического роста и широко считается полезным экономическим показателем.
Ключевые выводы
Потребительские настроения — это экономический индикатор, который измеряет, насколько оптимистично потребители относятся к своим финансам и состоянию экономики.
В США потребительские расходы составляют большую часть объема производства, измеряемого ВВП.
Потребительские настроения были разработаны как экономическая статистика в середине 20 века и с тех пор стали влиять на общественную и экономическую политику.
Потребительские настроения в первую очередь измеряются с помощью Индекса уверенности потребителей (CCI) и Индекса настроения потребителей штата Мичиган (MCSI).
Понимание настроений потребителей
Потребительские настроения появились как экономическая статистика в середине 20-го века и с тех пор стали барометром, влияющим на общественную и экономическую политику.
В США потребительские расходы составляют большую часть экономической продукции. До 70% валового внутреннего продукта (ВВП) определяется компонентом потребительских расходов, поэтому настроения или отношение потребителей имеют большое значение для оценки состояния экономики. Другими основными факторами роста ВВП являются бизнес-инвестиции, государственные расходы и чистый экспорт.
Если люди уверены в будущем, они, вероятно, будут делать больше покупок, что будет способствовать росту экономики. Напротив, когда потребители не уверены в том, что их ждет впереди, они склонны экономить деньги и делать меньше покупок по своему усмотрению.Мрачные настроения ослабляют спрос на товары и услуги, влияя, среди прочего, на корпоративные инвестиции, фондовый рынок и возможности трудоустройства.
Очень оптимистичные настроения потребителей также могут плохо сказаться на экономике. Когда люди покупают много товаров и услуг, цены могут значительно вырасти, что приведет к нежелательному росту инфляции. Чтобы искоренить инфляцию, центральные банки повышают процентные ставки, что приводит к увеличению стоимости заимствований как для потребителей, так и для предприятий. Это ведет к замедлению экономического роста и негативно сказывается на экспорте — более высокие процентные ставки повышают стоимость валюты.
Учет настроений потребителей
Двумя ключевыми показателями, которые выражают отношение потребителей к экономике и их последующим планам совершения покупок, являются индекс потребительского доверия (CCI), подготовленный Conference Board (CB), и индекс потребительских настроений штата Мичиган (MCSI), проводимый Университетом. Мичигана. Оба индекса основаны на обследовании домашних хозяйств и публикуются ежемесячно.
Инвесторы внимательно следят за индексами настроений потребителей, поскольку они служат полезным индикатором спроса на товары и услуги, производимые компаниями, котирующимися на фондовой бирже.
Важно
Индексы настроений потребителей являются запаздывающими индикаторами, потому что людям требуется несколько месяцев, чтобы заметить и почувствовать влияние изменений в экономической активности.
При анализе данных важно определить тенденции, нанесенные на более длительный период времени, например, четыре или пять месяцев. СМИ часто проливают свет на изменения, происходящие от одного месяца к следующему или последнего месяца по сравнению с тем же месяцем в предыдущем году. Комментарий, который сосредотачивается только на значениях одного периода, не обращая внимания на более глубокую тенденцию, вводит в заблуждение.
По данным CCI, потребительские настроения достигли рекордно низкого уровня в феврале 2009 года и рекордно высокого уровня в мае 2000 года.
Особые соображения
Для многих важность тенденций потребительских настроений заключается в том, что CCI возникла в середине 20-го века, когда концепция «типичного» потребителя была более однородной.
Признавая этот исторический факт, а также потенциальную предвзятость выборки и возможную субъективность по регионам, безопасная ставка состоит в том, чтобы сосредоточиться на тенденциях, формирующих своего рода линейную прогрессию, будь то восходящая или нисходящая, или прогрессия может выйти на общее плато, что иногда случается, когда экономика переходит на разные стадии делового цикла.
Quickstart — документация TextBlob 0.16.0
TextBlob предоставляет доступ к обычным операциям обработки текста через знакомый интерфейс. Вы можете обращаться с объектами TextBlob , как если бы они были строками Python, которые научились обрабатывать естественный язык.
Создание TextBlob
Во-первых, импорт.
>>> from textblob import TextBlob
Давайте создадим наш первый TextBlob .
>>> wiki = TextBlob ("Python - это язык программирования общего назначения высокого уровня.")
Маркировка части речи
Теги части речи доступны через свойство tags .
>>> wiki.tags [('Python', 'NNP'), ('is', 'VBZ'), ('a', 'DT'), ('high-level', 'JJ'), ('универсальный', 'JJ'), ('программирование', 'NN'), ('язык', 'NN')]
Анализ настроений
Свойство тональность возвращает именованный кортеж в форме Настроение (полярность, субъективность) . Оценка полярности является плавающей в диапазоне [-1.0, 1.0]. Субъективность — это плавающее значение в диапазоне [0,0, 1,0], где 0,0 очень объективно, а 1,0 — очень субъективно.
>>> testimonial = TextBlob ("Textblob удивительно прост в использовании. Какое веселье!") >>> testimonial.sentiment Настроение (полярность = 0,3
66666666666, субъективность = 0,4357142857142857) >>> testimonial.sentiment.polarity 0,3
66666666666
Токенизация
Вы можете разбить текстовые блоки на слова или предложения.
>>> zen = TextBlob ("Красивое лучше уродливого." ... «Явное лучше, чем неявное». ... «Лучше простое, чем сложное».) >>> zen.words WordList (['Красиво', 'есть', 'лучше', 'чем', 'некрасиво', 'Явно', 'есть', 'лучше', 'чем', 'неявное', 'Простое', 'есть' , 'лучше', 'чем', 'сложный']) >>> дзен. предложения [Предложение («Красивое лучше, чем уродливое.»), Предложение («Явное лучше, чем неявное.»), Предложение («Простое лучше, чем сложное».)]
Объекты Sentence имеют те же свойства и методы, что и TextBlobs.
>>> для предложения в дзен. Предложениях: ... печать (предложение. суждение)
Для более продвинутой токенизации см. Расширенное руководство по использованию.
Флексия и лемматизация слов
Каждое слово в TextBlob.words или Sentence.words — это Word объект (подкласс unicode ) с полезными методами, например для словоизменения.
>>> предложение = TextBlob ('Используйте 4 пробела на уровень отступа.') >>> предложение.слова WordList (['Использовать', '4', 'пробелы', 'за', 'отступ', 'уровень']) >>> предложение.words [2] .singularize () 'космос' >>> предложение.words [-1] .pluralize () "уровни"
слов можно лемматизировать, вызвав метод lemmatize .
>>> из текстовых блоков импорта Word >>> w = Слово ("осьминоги") >>> w.lemmatize () 'осьминог' >>> w = Word ("пошел") >>> w.lemmatize ("v") # Передать в WordNet часть речи (глагол) 'идти'
Интеграция WordNet
Вы можете получить доступ к synset’ам для Word через свойство synsets или метод get_synsets , при необходимости передавая часть речи.
>>> из текстовых блоков импорта Word >>> из textblob.wordnet импортировать ГЛАГОЛ >>> word = Word ("осьминог") >>> word.synsets [Synset ('octopus.n.01'), Synset ('octopus.n.02')] >>> Word ("взломать"). Get_synsets (pos = VERB) [Synset ('chop.v.05'), Synset ('hack.v.02'), Synset ('hack.v.03'), Synset ('hack.v.04'), Synset ('hack. v.05 '), Synset (' hack.v.06 '), Synset (' hack.v.07 '), Synset (' hack.v.08 ')]
Вы можете получить доступ к определениям для каждого набора synset через свойство definitions или метод define () , который также может принимать необязательный аргумент части речи.
>>> Слово («осьминог»). Определения [«щупальца осьминога, приготовленные в пищу», «головоногие моллюски, живущие на дне, имеющие мягкое овальное тело с восемью длинными щупальцами»]
Вы также можете создавать синсеты напрямую.
>>> из textblob.wordnet import Synset >>> осьминог = Synset ('octopus.n.02') >>> креветка = Synset ('shrimp.n.03') >>> octopus.path_similarity (креветка) 0,1111111111111111
Дополнительные сведения об API WordNet см. В документации NLTK по интерфейсу Wordnet.
Списки слов
WordList — это просто список Python с дополнительными методами.
>>> животные = TextBlob ("кошка, собака, осьминог") >>> животные. слова WordList (['кошка', 'собака', 'осьминог]) >>> animals.words.pluralize () WordList (['кошки', 'собаки', 'осьминоги'])
Исправление орфографии
Используйте метод правильно () , чтобы попытаться исправить орфографию.
>>> b = TextBlob ("У меня хорошее правописание!") >>> print (б.верный()) У меня хорошее правописание!
Объекты Word имеют метод spellcheck () Word.spellcheck () , который возвращает список из (слово, достоверность) кортежей с вариантами написания.
>>> из текстовых блоков импорта Word >>> w = Слово ('ошибочность') >>> w.spellcheck () [('подверженность ошибкам', 1.0)]
Коррекция орфографии основана на книге Питера Норвига «Как написать корректор орфографии», реализованной в библиотеке шаблонов.Это около 70% точности.
Получение частотных словосочетаний и словосочетаний
Есть два способа узнать частоту слова или существительной фразы в TextBlob .
Первый — через словарь word_counts .
>>> monty = TextBlob ("Мы больше не Рыцари, которые говорят Ни." ... «Теперь мы Рыцари, которые говорят: Ekki ekki ekki PTANG.») >>> monty.word_counts ['ekki'] 3
Если вы получите доступ к частотам таким образом, поиск будет , а не с учетом регистра, и слова, которые не найдены, будут иметь частоту 0.
Второй способ — использовать метод count () .
>>> monty.words.count ('ekki') 3
Вы можете указать, должен ли поиск выполняться с учетом регистра (по умолчанию Ложь ).
>>> monty.words.count ('ekki', case_sensitive = True) 2
Каждый из этих методов также можно использовать с именными фразами.
>>> wiki.noun_phrases.count ('питон') 1
Разбор
Используйте метод parse () для анализа текста.
>>> b = TextBlob ("А теперь о другом.") >>> print (b.parse ()) И / CC / O / O сейчас / RB / B-ADVP / O для / IN / B-PP / B-PNP что-то / NN / B-NP / I-PNP полностью / RB / B-ADJP / O другое / JJ / I-ADJP / O ././O/O
По умолчанию TextBlob использует синтаксический анализатор шаблона.
TextBlobs похожи на строки Python!
Вы можете использовать синтаксис подстроки Python.
>>> дзен [0:19] TextBlob («Красивое лучше»)
Вы можете использовать обычные строковые методы.
>>> zen.upper () TextBlob ("КРАСИВОЕ ЛУЧШЕ, ЧЕМ УЖЕ. ЯВНОЕ ЛУЧШЕ, ЧЕМ НЕЯВНОЕ. ПРОСТОЕ ЛУЧШЕ, ЧЕМ СЛОЖНОЕ.") >>> zen.find ("Простой") 65
Вы можете сравнивать TextBlobs и строки.
>>> apple_blob = TextBlob ('яблоки') >>> banana_blob = TextBlob ('бананы') >>> apple_blob <банановый_blob Правда >>> apple_blob == 'яблоки' Правда
Вы можете объединять и интерполировать TextBlobs и строки.
>>> apple_blob + 'и' + banana_blob TextBlob ("яблоки и бананы") >>> "{0} и {1}". Формат (apple_blob, banana_blob) 'яблоки и бананы'
n -грамм
Метод TextBlob.ngrams () возвращает список кортежей из n последовательных слов.
>>> blob = TextBlob («Лучше сейчас, чем никогда»). >>> blob.ngrams (n = 3) [WordList (['Сейчас', 'есть', 'лучше']), WordList (['есть', 'лучше', 'чем']), WordList (['лучше', 'чем', 'никогда'] )]
Получить индексы начала и окончания предложений
Используйте предложений.начало и предложение. конец , чтобы получить индексы, в которых предложение начинается и заканчивается в пределах TextBlob .
>>> для s в дзен. Предложениях: ... печать (и) ... print ("---- Начинается с индекса {}, заканчивается с индекса {}". format (s.start, s.end)) Красивое лучше уродливого. ---- Начинается с индекса 0, заканчивается с индексом 30 Явное лучше, чем неявное. ---- Начинается с индекса 31, заканчивается на индексе 64 Лучше простое, чем сложное. ---- Начинается с индекса 65, заканчивается на индексе 95
Следующие шаги
Хотите создать свою собственную систему классификации текста? Ознакомьтесь с руководством по классификаторам.
Хотите использовать другую реализацию тега POS или блокировку именных фраз? Ознакомьтесь с руководством по расширенному использованию.
Анализ настроений
| Lexalytics
Анализ тональности — это процесс определения того, является ли текст положительным, отрицательным или нейтральным. Система анализа тональности для анализа текста сочетает в себе обработку естественного языка (НЛП) и методы машинного обучения для присвоения взвешенных оценок тональности сущностям, темам, темам и категориям в предложении или фразе.
Анализ настроений помогает аналитикам данных на крупных предприятиях оценивать общественное мнение, проводить подробные исследования рынка, отслеживать репутацию бренда и продукта и понимать впечатления клиентов. Кроме того, компании, занимающиеся аналитикой данных, часто интегрируют сторонние API-интерфейсы анализа настроений в свои собственные платформы управления клиентским опытом, мониторинг социальных сетей или аналитику персонала, чтобы предоставлять полезную информацию своим клиентам.
В этой статье объясняется, как работает базовый анализ тональности, оцениваются преимущества и недостатки анализа тональности на основе правил и описывается роль машинного обучения в анализе тональности.Наконец, мы рассмотрим основные применения анализа настроений, прежде чем закончить с некоторыми полезными ресурсами для дальнейшего изучения.
Основы
Простой анализ тональности текстовых документов:
Разбейте каждый текстовый документ на составные части (предложения, фразы, знаки и части речи)
Определите каждую фразу и компонент, передающие настроение
Присвойте оценку тональности каждой фразе и компоненту (от -1 до +1)
Необязательно: объедините оценки для многоуровневого анализа тональности
Как вы увидите, лежащая в основе технология очень сложна.Но для простого объяснения анализа настроений рассмотрим эти предложения:
Ужасная подача и ужасные удары привели к очередному сокрушительному поражению.
Плохая подача и посредственные удары стоили нам еще одной близкой игры.
В обоих предложениях обсуждается схожая тема — проигрыш в бейсбольном матче. Но вы, человек, читающий их, можете ясно видеть, что тон первого предложения гораздо более негативен.
Ваш мозг понимает это, ища и интерпретируя выражающие сантименты фразы, то есть слова и фразы, передающие тон или мнение. Обычно они появляются как комбинации прилагательного и существительного. В приведенных выше примерах используются следующие фразы:
Ужасная качка | ужасный удар | потеря дробления
Плохая качка | посредственный наезд | закрыть игру
Вы встречали подобные слова тысячи раз за свою жизнь в самых разных контекстах.Благодаря этому опыту вы научились понимать силу каждого прилагательного, получая комментарии и отзывы от учителей и сверстников.
Когда вы читаете приведенные выше предложения, ваш мозг использует накопленные вами знания, чтобы определить каждую фразу, несущую сантименты, и интерпретировать их отрицательность или положительность. Обычно это происходит подсознательно. Например, вы инстинктивно знаете, что игра, которая заканчивается «сокрушительным поражением», имеет более высокую разницу в счетах, чем «закрытая игра», потому что вы понимаете, что «сокрушительный» — более сильное прилагательное, чем «закрыть».
Итак, почему мы используем бейсбольные игры, чтобы объяснить, как человеческий мозг выполняет анализ настроений? Ответ прост: компьютерный анализ тональности работает (почти) так же, как и .
Что такое библиотека настроений?
Во многом аналогично тому, как ваш мозг запоминает описательные слова, с которыми вы сталкиваетесь на протяжении своей жизни, и их относительный «эмоциональный вес», базовая система анализа настроений опирается на библиотеку настроений, чтобы понять фразы, с которыми он сталкивается.
Библиотеки настроений — это очень большие коллекции прилагательных (хорошие, замечательные, ужасные, ужасные) и фраз (хорошая игра, прекрасная история, ужасная производительность, ужасное шоу), которые были вручную набраны кодировщиками-людьми. Эта ручная оценка настроения — сложный процесс, потому что каждый участник должен прийти к некоторому соглашению о том, насколько сильной или слабой должна быть каждая оценка по сравнению с другими оценками. Если один человек дает оценку «плохо» -0,5, а другой — «плохо», ваша система анализа настроений придет к выводу, что оба слова одинаково отрицательны.
Более того, многоязычный механизм анализа тональности должен поддерживать уникальные библиотеки для каждого поддерживаемого языка. И каждая из этих библиотек должна постоянно поддерживаться: исправлены оценки, добавлены новые фразы, ненужные фразы удалены.
Простые системы анализа настроений на основе правил
После того, как библиотеки настроений подготовлены, инженеры-программисты пишут серию руководств («правил»), чтобы помочь компьютеру оценить настроение, выраженное по отношению к определенному объекту (существительному или местоимению), на основе его близости к известным положительным и отрицательным словам (прилагательные и наречия).
Чтобы продолжить наш пример с бейсболом, инженер может создать правила поиска, которые выглядят так:
(качка) рядом (хорошо, замечательно, эффектно)
(качка) рядом (плохо, ужасно, ужасно)
Эти запросы возвращают «количество совпадений», представляющее, сколько раз слово «качка» встречается рядом с каждым прилагательным. Затем система объединяет эти количества совпадений, используя сложную математическую операцию, называемую «логарифмическое отношение шансов».Результатом является числовая оценка тональности каждой фразы, обычно по шкале от -1 (очень отрицательно) до +1 (очень положительно).
Это упрощенный пример, но он служит для иллюстрации основных концепций, лежащих в основе анализа тональности на основе правил.
Часть тегов речи в анализе тональности
Однако даже прежде, чем вы сможете проанализировать предложение и фразу на предмет тональности, вам необходимо понять, из каких частей они состоят.Процесс разбиения документа на составные части включает несколько подфункций, в том числе тегирование части речи (PoS).
Часть тегов речи — это процесс идентификации структурных элементов текстового документа, таких как глаголы, существительные, прилагательные и наречия.
[Подробнее о 7 основных функциях текстовой аналитики]
Большинство языков следуют некоторым основным правилам и шаблонам, которые можно записать в компьютерную программу для обеспечения работы базовой части тега речи.Например, в английском языке число, за которым следует имя собственное, и слово «Street» чаще всего обозначают адрес. Последовательность символов, прерываемых знаком @ и заканчивающихся на «.com», «.net» или «.org», обычно представляет собой адрес электронной почты. Даже имена людей часто следуют обобщенному образцу существительных из двух или трех слов.
Существительные и местоимения, скорее всего, представляют именованные сущности, в то время как прилагательные и наречия обычно описывают эти сущности в эмоционально насыщенных терминах.Определяя сочетания прилагательного и существительного, такие как «ужасная подача» и «посредственное попадание», система анализа настроений получает первый ключ к пониманию того, что она смотрит на выражающую настроение фразу.
Конечно, не каждая сентиментальная фраза имеет форму прилагательного и существительного. «Стоит нам», из приведенных выше примеров предложений, является комбинацией существительного и местоимения, но несет в себе некоторую негативную реакцию.
Точная часть речевых тегов имеет решающее значение для надежного анализа тональности, поэтому важно, чтобы система, основанная на правилах, учитывала эти вариации.
Более глубокое погружение
Как отрицатели и усилители влияют на анализ настроений
Рассмотрим отзыв об отеле, который гласит:
Кровать была очень удобной. Стул тоже был неплохой.
Простая система анализа настроений, основанная на правилах, обнаружит, что comfy описывает кровать и присвоит рассматриваемому субъекту положительную оценку настроения.Но оценка будет искусственно занижена, даже если это технически правильно, потому что система не учла усиливающее наречие super . Когда клиенту так нравится его кровать, оценка настроений должна отражать эту интенсивность.
Хуже того, та же система, вероятно, решит, что плохой описывает стул . Это упускает из виду ключевое слово не , которое отрицает отрицательное значение и должно изменить оценку настроения для стульев на положительную или нейтральную.
Вот еще один пример:
Еда была довольно хорошей, но я не буду возвращаться.
Простая система анализа настроений, основанная на правилах, обнаружит, что хорошее описывает еду , поставит положительную оценку настроения и перейдет к следующему обзору.
Но вы (читатель-человек) можете видеть, что этот обзор на самом деле рассказывает другую историю.Несмотря на то, что писателю нравилась их еда, что-то в их опыте отталкивало их. В этом обзоре показано, почему автоматизированная система анализа настроений должна учитывать отрицательные факторы и усилители при присвоении баллов настроениям.
Недостатки анализа тональности на основе правил
Простота анализа тональности на основе правил делает его хорошим вариантом для базовой оценки тональности предсказуемых текстовых документов на уровне документа, например ответов на опросы ограниченного объема.Однако система анализа настроений, основанная исключительно на правилах, имеет множество недостатков, которые сводят на нет большинство этих преимуществ. Система, основанная на правилах, должна содержать правило для каждой комбинации слов в своей библиотеке тональности. Создание и поддержание этих правил требует утомительного ручного труда. И, в конце концов, строгие правила не могут угнаться за эволюцией естественного человеческого языка. Обмен мгновенными сообщениями уничтожил традиционные правила грамматики, и ни один набор правил не может учитывать все сокращения, акронимы, двусмысленность и орфографические ошибки, которые могут появиться в любом текстовом документе.
Кроме того, как мы видели, система, основанная на правилах, не учитывающая отрицателей и усилителей, по своей сути наивна. Вне контекста оценка тональности документа может привести к ложным выводам. Наконец, система анализа настроений, основанная исключительно на правилах, очень деликатна. Когда в текстовом документе появляется что-то новое, не учитываемое правилами, система не может выставить оценку. В некоторых случаях вся программа выходит из строя и требует от инженера кропотливого поиска и устранения проблемы с помощью нового правила.
В конце концов, любой, кому нужна тонкая аналитика или кто не может заниматься обслуживанием набора правил, должен искать инструмент, который также использует машинное обучение.
Многослойный анализ тональности и почему это важно
Представьте себе обзор Yelp, в котором написано:
Лингвини было отличным, но в комнате было слишком темно.
В этом документе linguini описывается как great , что заслуживает положительной оценки.А вот номер охарактеризован отрицательно. В зависимости от точной оценки тональности каждой фразы, они могут компенсировать друг друга и вернуть нейтральное отношение к документу.
Как показывает этот пример, оценка тональности на уровне документа рисует общую картину, которая может скрыть важные детали. В этом случае кулинарный коллектив теряет шанс похлопать себя по плечу. Но что еще более важно, генеральный менеджер упускает из виду важнейшее понимание того, что он может терять повторный бизнес, потому что клиентам не нравится атмосфера в ее столовой.
Сложные системы анализа тональности решают эту проблему, присваивая оценку тональности не только документам, но и отдельным объектам, темам, темам и категориям. В результате получается система, которая при том же обзоре Yelp может вернуть:
Мнение сущности: «linguini» (+0,5)
Настроение сущности: «комната» (-.25)
Настроение темы: «темный» (-.25)
Категория настроения: «обеденный» (+.25)
В этом случае положительное настроение сущности «лингвини» и отрицательное ощущение «комнаты» частично уравновешивают друг друга, чтобы влиять на нейтральное настроение категории «обеденный». Этот многоуровневый аналитический подход позволяет глубже понять настроения, направленные на отдельных людей, места и вещи, а также контекст, лежащий в основе этих мнений.
Машинное обучение
Как машинное обучение используется для анализа настроений?
Основная роль машинного обучения в анализе тональности заключается в улучшении и автоматизации функций низкоуровневой аналитики текста, на которых основан анализ тональности, включая тегирование части речи. Например, специалисты по обработке данных могут обучить модель машинного обучения распознавать существительные, скармливая ей большой объем текстовых документов, содержащих примеры с предварительно размеченными тегами.Используя методы машинного обучения с учителем и без учителя, такие как нейронные сети и глубокое обучение, модель узнает, как существительные выглядят как .
Когда модель будет готова, тот же специалист по данным может применить эти методы обучения для построения новых моделей для идентификации других частей речи. В результате мы получаем быструю и надежную пометку «Часть речи», которая помогает более крупной системе текстовой аналитики более эффективно выявлять выражающие настроение фразы.
Машинное обучение также помогает аналитикам данных решать сложные проблемы, вызванные эволюцией языка. Например, фраза «ожог больной» может иметь множество совершенно разных значений. Невозможно создать набор правил анализа настроений, чтобы учесть все возможные значения. Но если вы снабдите модель машинного обучения несколькими тысячами предварительно размеченных примеров, она сможет научиться понимать, что означает «больной ожог» в контексте видеоигр, а не в контексте здравоохранения.И вы можете применить аналогичные методы обучения, чтобы понять и другие двусмысленные значения.
[Подробнее о машинном обучении для анализа тональности и обработки естественного языка]
Что такое гибридная система анализа настроений?
Гибридные системы анализа настроений сочетают машинное обучение с традиционными правилами, чтобы компенсировать недостатки каждого подхода.
Например, анализ настроений на основе правил может быть эффективным способом создания основы для тегирования PoS и анализа настроений.Но, как мы видели, эти наборы правил быстро становятся неуправляемыми. Именно здесь машинное обучение может помочь взять на себя бремя сложных задач обработки естественного языка, таких как понимание двусмысленности.
Большинство гибридных систем анализа тональности сочетают машинное обучение с программными правилами для всего стека функций текстовой аналитики, от низкоуровневой токенизации и синтаксического анализа до анализа тональности самого высокого уровня.
Гибридные системы анализа настроений сочетают обработку естественного языка с машинным обучением для определения взвешенных фраз настроений в их более широком контексте.
[Подробнее о гибридных системах для анализа тональности и обработки естественного языка]
Приложения
Как используется анализ тональности?
Вообще говоря, анализ настроений наиболее эффективен, когда он используется в качестве инструмента «Голос клиента» и «Голос сотрудника».Бизнес-аналитики, менеджеры по продуктам, директора службы поддержки клиентов, аналитики по персоналу и персоналу, а также другие заинтересованные стороны используют анализ настроений, чтобы понять, как клиенты и сотрудники относятся к определенным вопросам и почему они так думают.
Анализ тональности голоса клиента
В век социальных сетей один вирусный обзор может сжечь весь бренд. С другой стороны, исследования Bain & Co.показывает, что хороший опыт может увеличить выручку на 4–8% по сравнению с конкурентами за счет увеличения жизненного цикла клиента в 6–14 раз и повышения удержания до 55%.
[Подробнее об анализе настроений для голоса клиента]
Инструменты автоматического анализа настроений являются ключевыми факторами этого роста. Анализируя твиты, онлайн-обзоры и новостные статьи в широком масштабе, бизнес-аналитики получают полезную информацию о том, как клиенты относятся к своим брендам, продуктам и услугам.Директора службы поддержки и менеджеры социальных сетей отмечают и решают актуальные проблемы до того, как они станут вирусными, и при этом направляют эти болевые точки менеджерам по продуктам для принятия обоснованных решений по функциям.
Анализ тональности голоса сотрудника
По данным Центра американского прогресса, стоимость замены одного сотрудника в среднем составляет 20-30% от заработной платы. Тем не менее 20% работников ежегодно добровольно уходят с работы, а еще 17% увольняются или увольняются.Чтобы решить эту проблему, отделы кадров обращаются к аналитике данных, чтобы снизить текучесть кадров и повысить производительность.
[Подробнее об анализе настроений и искусственном интеллекте для голоса сотрудников]
Анализ настроений помогает аналитикам по персоналу и директорам по персоналу отсечь отток сотрудников у источника, понимая, что сотрудники обсуждают и что они чувствуют. Благодаря обширной аналитике опросов сотрудников, сообщений Slack, электронных писем и других коммуникаций HR-команды получают информацию, необходимую для проактивного устранения болевых точек и повышения морального духа.
Дополнительная литература
Где я могу узнать больше об анализе настроений?
Подробнее о машинном обучении и обработке естественного языка
Пройдите курс Coursera по интеллектуальному анализу текста и аналитике
Погрузитесь глубже в технологию обработки естественного языка
Где я могу бесплатно попробовать анализ тональности?
Начните работу с дистрибутивами Stanford NLP или Natural Language Toolkit (NLTK) с открытым исходным кодом
Воспользуйтесь веб-демонстрацией, чтобы увидеть в действии базовый анализ настроений.
No related posts.

Настроение	Примеры значений
Однозначно положительный *	`«оценка»` : 0,8, `«величина»` : 3,0
Ясно отрицательный *	`«оценка»` : -0,6, `«величина»` : 4,0
нейтраль	`«оценка»` : 0,1, `«величина»` : 0.0
Смешанный	`«оценка»` : 0,0, `«величина»` : 4,0