Python-analýza obrazů mraků u Paustovského

Analýza obrazů mraků v próze Konstantina Paustovského pomocí Pythonu a NLP

Rozbor lexikálních prostředků Paustovského začal úplným souborem spisů z roku 1981. Byly staženy soubory 9 svazků, sloučeny do jednoho .txt souboru o velikosti 8 867 522 znaků. Svazky 8 a 9 s divadelními hrami a dopisy byly vyloučeny, aby se analýza soustředila na uměleckou prózu.

Texty byly rozděleny na věty s filtrací podle délky (>20 znaků):

sentences = re.split(r'[.!?…]+', text)
sentences = [s.strip() for s in sentences if len(s.strip()) > 20]

Získáno 108 090 vět. Následovalo vyhledávání podle lemmat 'mrak', 'nebe', 'mračno' s pymorphy3:

target_keywords = ['mrak', 'nebe', 'mračno', 'mráček', 'mraky', 'nebes', 'mračna']
target_forms = set(target_keywords)
morph = pymorphy3.MorphAnalyzer()
for lemma in ['mrak', 'nebe', 'mračno']:
    parsed = morph.parse(lemma)[0]
    for form in parsed.lexeme:
        target_forms.add(form.word.lower())

Nalezeno 2 282 vět (2,1 % z celkového počtu).

Klasifikace popisů mraků

Klíčová slova byla klasifikována podle typů:

• Meteorologické termíny (typy mraků: kumuly, straty, cirry atd.).
• Umělecké metafory (reámorfismus: města, lodě, vata; natmorfismus: dým, pára).

Rozložení:

• metaforické: 1 096 (48,0 %)
• neutrální: 963 (42,2 %)
• smíšené: 156 (6,8 %)
• meteorologické: 67 (2,9 %)

Čistě meteorologické popisy jsou minimální, což ukazuje na obrazný charakter užití.

Intermedialita: spojení s malířstvím

Byla zkontrolována kooccurrence s malíři, obrazy, termíny ('štětec', 'malířský stojan', 'krajina') a slovesy světla/barvy ('zářit', 'svítit').

Statistika:

• Zmínky o malířích: 2 017
• Obrazů: 770
• Malířských termínů: 11 299
• Sloves světla: 1 263

Z 2 282 vět s mraky 688 (30,1 %) obsahuje markery malířství.

Hustota vizuálních prvků (na 1 000 znaků):

| Kategorie | S mraky | Bez mraků | Rozdíl |

|--------------------|---------|-----------|--------|

| Slovesa světla | 0,43 | 0,14 | +0,29 |

| Přídavná jména barvy | 1,10 | 0,42 | +0,67 |

| Malířské termíny | 1,85 | 1,19 | +0,67 |

| Celková hustota | 3,38 | 1,74 | +1,63 |

Nejčastější malíři: Dali (možný artefakt 'dali'), Manet, Levitan, Kiprenskij. 10 % korpusu tvoří věty s malířskými termíny.

Analýza tonalita

Sentiment s rubert-base-cased-sentiment a lexikonem (pozitivní: štěstí, klid; negativní: úzkost, smrt):

sentiment_results = []
for sentence in target_sentences:
    sentiment = analyze_sentiment_lexicon(sentence)
    sentiment_results.append({
        'sentence': sentence[:200],
        'sentiment': sentiment
    })
all_sentiments = [r['sentiment'] for r in sentiment_results]

Rozložení:

• Pozitivní: 124 (5,4 %)
• Negativní: 67 (2,9 %)
• Neutrální: 2 087 (91,5 %)
• Smíšené: 4 (0,2 %)

Negativní sentiment souvisí s válečnou prózou (korespondent TASS v roce 1941). Pozitivní převažuje nad negativním.

Co je důležité

• Mraky u Paustovského – 48 % metafor, 2,9 % čistě meteorologie.
• 30,1 % popisů mraků je intermedialních (s malířstvím).
• Neutrální tonalita převažuje (91,5 %), pozitivní > negativní.
• Hustota vizuálních markerů je 1,9krát vyšší v odstavcích s mraky.
• Korpusová analýza potvrzuje status 'malíře v próze'.

Mraky neslouží jako pozadí, ale jako nositelé nálady, symbolů a odkazů na výtvarné umění. Vybrané popisy posilují výraznost bez dekorativnosti.

— Editorial Team