Варфоломеев А.Г., Каргинова Н.В., Кравцов И.В., Н.Д.Москин

Применение RuleML для представления и вывода знаний о
семантической структуре фольклорных текстов, полученных на основе
их теоретико-графовых моделей
Н.Д.Москин, Н.В.Каргинова, И.В.Кравцов, А.Г.Варфоломеев (Петрозаводский государственный университет)
1. Введение
Интернет представляет идеальную среду для организации распределенных научных
исследований и публикации их результатов. При этом методики и инструменты исследований, а также результаты в виде научных статей фактически являются знаниями сетевого
сообщества исследователей. Но эти знания не структурированы, они понятны только человеку (да и то не всегда), и абсолютно не доступны для какой-либо машинной обработки.
Сохранение знаний в некотором стандартном формализованном виде могло бы способствовать организации эффективного поиска знаний для их повторного использования, а
также разработке модулей автоматической генерации или проверки гипотез.
Технологии для формализации методик и результатов научных исследований уже
существуют. В рамках современного направления Semantic Web разрабатываются стандарты представления бизнес-правил [9], в виде которых могут быть записаны и научные
выводы, гипотезы, формулы или алгоритмы. Примерами таких стандартов являются язык
PMML [10], служащий для записи регрессионных и других предиктивных моделей анализа данных, форматы группы MKM [11] для обмена математическими результатами, а также язык RuleML [12], имеющий универсальный характер. В нашей статье исследуются
возможности RuleML для записи результатов исследований фольклорных песен на основе
их теоретико-графовых моделей.
2. О представлении семантической структуры текстов в виде графов
Все чаще в лингвистических, исторических и социальных исследованиях при анализе
текстов применяются математические методы и компьютерные технологии. При этом
возникают достаточно сложные задачи, для решения которых существующие методы оказываются не всегда достаточными. Например, при изучении больших массивов гуманитарных текстов возникает проблема агрегации содержащейся в ней информации в некотором структурированном виде. Другой задачей является разработка эффективных механизмов сравнительного анализа текстов, которые могут быть использованы в стилистической
диагностике, атрибуции анонимных текстов и т. д.
Из-за многоплановости, многоуровневости своей организации текст представляет
собой довольно сложный объект исследования. Между его единицами могут быть опреде-
лены различные системы отношений, то есть одному и тому же тексту может быть поставлено в соответствие несколько различных структур [4, стр. 117]. Подобные структуры
естественно описывать в виде графов, которые представляют собой совокупность некоторых объектов и отношений между этими объектами. К таким моделям можно отнести лексические сети, деревья зависимостей, деревья составляющих, семантические сети и т. д.
[5, стр. 17]. Графы используются в гуманитарных областях знаний для автоматической
обработки текстов, информационного поиска, реферирования и индексирования текстов,
автоматического перевода, стилистической диагностики, в задачах атрибуции анонимных
текстов.
3. Бесёдные песни и их графы
К настоящему времени специалистами, изучающими народную культуру России и
ближнего зарубежья, накоплены большие по объему коллекции фольклорных текстов, которые хранятся как в печатной, так и в электронной форме в виде реляционных баз данных. Композиционно фольклорный текст строится из отдельных картин, следующих одна
за другой на основе образно-поэтической ассоциации [1, стр. 26]. С такой картиной определенным образом «коррелирует» так называемый композиционный фрагмент (мотив),
который занимает центральное место среди песенных текстообразующих блоков: он либо
совпадает с ней, либо образует ее часть. Мотивы повторяются в других песнях (не всегда в
одной и той же последовательности) и служат исходными элементами для построения новых текстов. Правда, до сих пор остается дискуссионным вопрос о границах и объеме содержания термина.
Рассмотрим один из мотивов бесёдной песни «Все мужовья до жон добры», записанную Ф. Студитским в 1841 году [3, стр. 67]:
Все мужовья до жон добры,
Покупили жонам тафты;
Ещё мой муж не доброй до меня,
Он купил, мутил,
Коровушку купил,
Жены лишнюю работу снарядил.
Содержательную основу мотива можно представить в виде помеченного мультиграфа, в узлах которого находятся объекты песни (см. рисунок 1). Согласно А. Т. Хроленко
[6, стр. 41], в фольклорных песнях можно выделить следующие группы объектов (лексико-семантических полей): персонажи, части человеческого тела, проявление качеств человека, его эмоций, этикет, одежда и украшения, жилище, пища, питье, животный мир, растительный мир, земля и воды, явления природы, разные предметы. На наш взгляд, к этому
разбиению необходимо добавить еще две группы: конструкции (печь, сани, карета) и обычаи, традиции (праздник, хоровод, подарки).
Рисунок 1. Граф мотива песни «Все мужовья до жон добры»
Между объектами устанавливаются связи двух видов. Действия, подкрепленные в
тексте глаголами или их отглагольными формами, будем называть локальными. Этот вид
связей, как правило, образует синтагматические отношения в тексте. Каждой локальной
связи можно поставить в соответствие ее порядковый номер появления в тексте. Если
между двумя объектами существует несколько связей, то между вершинами графа устанавливаются кратные ребра.
Помимо локальных в тексте существуют глобальные связи, которые распространяются на всю песню и, как правило, никак не выражены в тексте. Этот вид связей соответствует парадигматическим отношениям между объектами. В фольклорных песнях встречаются отношения «равенства» (например, «коровка» – «лишняя работа»), «принадлежности» («мужовья» – «муж», «девушка» – «коса») и «месторасположения» («горенка» –
«стол»). Если связать графы мотивов, объединив одинаковые персонажи в одну вершину,
то подобную структуру можно изобразить в виде единого графа сюжета фольклорной
песни.
4. Методы анализа графов
При анализе подобных графов можно использовать следующие методы [2]:

Визуализация графов, что позволит оценить сложность рассматриваемой струк-
туры и ее основные особенности.

Аппроксимация графов, которая, с одной стороны, позволит обобщить структуру
графа, отбросив лишние, несущественные связи, а, с другой стороны, уменьшить сложность задачи при дальнейшем анализе.

Методы сравнения и классификации графов. Один из подходов связан с исполь-
зованием различных числовых инвариантов графа (число вершин и ребер, максимальная
степень вершины, параметр связности и функциональный вес вершин [5], распределение
объектов и связей на группы и т. д.). Второй подход основан на использовании подграфо-
вой метрики [7]. На множестве графов задается мера, которая позволяет оценить насколько те или иные структуры «похожи» друг на друга. В зависимости от способа задания меры можно предложить несколько видов классификации графов.
5. Способы формализации правил. RuleML.
В процессе анализа фольклорных песен и их теоретико-графовых моделей исследователь обнаруживает новые закономерности, делает определенные выводы. Эти результаты важно сохранить в удобном виде, чтобы облегчить доступ к информации другим исследователям, которые с помощью специальных программных средств могут автоматически получить новые знания. Так как закономерности обычно представляют собой логические заключения, их удобно хранить с помощью правил вывода. Правило представляет
собой некоторую инструкцию, с помощью которой можно получить новую информацию
(факты) на основе уже имеющейся. В общем виде ее можно записать в виде предложений
«Если (условие), то (вывод)».
Существуют различные языки для записи подобных правил. Например, это форматы
сред CLIPS или SWI-Prolog. Однако если важно, чтобы правила можно было представить
в Интернете, то удобно воспользоваться разрабатываемым стандартом RuleML (Rule
Markup Language – язык разметки для описания правил) [12]. С помощью данного языка
можно публиковать и обмениваться правилами, созданными в рамках разных систем и задач.
6. Примеры анализа фольклорных текстов с записью результатов в виде
RuleML-правил.
На основе коллекции бесёдных песен была составлена выборка из 50 текстов [2]. В
ней представлены как небольшие «утушные» песни в 7-8 строк (например, «Вьюнчик»),
так и песни в 38-40 строк (например, хороводная песня «Ты, отеческая дочь»). Каждой
песне были поставлены в соответствие следующие характеристики: фамилия, имя и отчество автора, фамилия, имя и отчество собирателя, место записи, год записи, вид (бесёдная,
плясовая, свадебная, бытовая и т. д.), жанр (круговая, хороводная, плясовая, игровая и т.
д.), тема (любовная, семейная, хвалебная, шуточная и т. д.), темп (частый, быстрый, медленный, протяжный и т. д.), движение (при пляске, при ходьбе парами, при игре и т. д.).
В результате проведенного исследования, оказалось, что в среднем бесёдная песня
состоит из 12 объектов и 14 связей. Между числом вершин и числом ребер существует достаточно сильная зависимость (коэффициент корреляции равен 0,87). Песни, которые исполнялись в быстром темпе, в основном содержат большое количество объектов и связей
(число вершин m  14 , а ребер n  17 ). В эту группу входят семейные и любовные песни.
Напротив, медленные песни характеризуются небольшим числом объектов и связей (чис-
ло вершин m  14 , а ребер n  17 ). В эту группу попали все песни на темы «свадьба» и
«игра». Здесь, однако, не учитывались песни из сборников К. Петрова, В. Лысанова и Е.
Барсова, поскольку для этих текстов характеристика «темп» не определена.
Таким образом, на данном этапе можно определить знание следующего вида:
1) Если в графе песни число вершин m  14 и число ребер n  17 , то эта песня с
большой вероятностью исполнялась в быстром темпе.
На языке RuleML данная закономерность может быть записана следующим образом:
<Implies>
<head>
<Atom>
<Rel>имеет темп</Rel>
<Var>песня</Var>
<Var>быстрый</Var>
<Var>с большой вероятностью</Var>
</Atom>
<head>
<body>
<And>
<Atom>
<Rel>больше</Rel>
<Var>число вершин</Var>
<Var>14</Var>
</Atom>
<Atom>
<Rel>больше</Rel>
<Var>число ребер</Var>
<Var>17</Var>
</Atom>
</And>
<body>
</Implies>
Не менее интересным представляется анализ песен по распределению объектов и
связей на группы. Оказалось, что чаще всего в текстах встречаются объекты группы «люди» (35,15%), затем «части человеческого тела» (8,75%), «земля и воды» (8,58%), «конструкции» (7,59%), «одежда, украшения» (7,1%), «разные предметы» (6,44%), «жилище»
(6,44%), «пища, питье» (5,12%), «животный мир» (4,62%), «явления природы» (2,81%),
«обычаи, традиции» (2,64%), «растительный мир» (2,15%) и т. д. Наиболее ярко видны
закономерности присутствия объектов определенной группы при разбиении песен на основные «темы». В любовных песнях, чаще чем в остальных, встречаются объекты групп
«части человеческого тела», «проявление качеств человека» и «земля и воды». Для семейных песен характерны группы «разные предметы» и «конструкции», почти не встречаются
объекты группы «проявление качеств человека». В свадебных песнях ярко выраженных
групп не выделяется (при этом практически не встречаются объекты группы «обычаи,
традиции»). Объекты из других групп встречаются в текстах в приблизительно одинаковой пропорции.
На основе полученной информации определим знание следующего вида:
2) Если в песне часто встречаются объекты групп «разные предметы» и «конструкции», а объекты группы «проявление качеств человека» встречаются редко, то
эта песня с большой вероятностью имеет семейную тему.
На языке RuleML данная закономерность может быть записана следующим образом:
<Implies>
<head>
<Atom>
<Rel>имеет тему</Rel>
<Var>песня</Var>
<Var>семейная</Var>
<Var>с большой вероятностью</Var>
</Atom>
<head>
<body>
<And>
<Atom>
<rel>часто встречаются</rel>
<var>песня</var>
<var>вершины группы «разные предметы»</var>
</Atom>
<Atom>
<rel>часто встречаются</rel>
<var>песня</var>
<var>вершины группы «конструкции»</var>
</Atom>
<Atom>
<rel>редко встречаются</rel>
<var>песня</var>
<var>вершины группы «проявление качеств человека»</var>
</Atom>
</And>
<body>
</Implies>
После того, как наряду с текстом статьи, в системе будут храниться в формализованном виде и правила, описывающие полученные закономерности, перед исследователями
откроются новые возможности для автоматизированного анализа этих правил и получения
новых знаний. Предположим, один специалист получил закономерность: «Если песня имеет любовную тему, то она не исполнялась «медленно» или «протяжно»». Другой исследователь сделал вывод, что «Если в песне часто встречаются объекты групп «части человеческого тела», «проявление качеств человека» и «земля и воды», то эта песня с
большой вероятностью имеет любовную тему». Тогда программа может вывести на основе этих двух правил новое правило: «Если в песне часто встречаются объекты групп
«части человеческого тела», «проявление качеств человека» и «земля и воды», то эта
песня с большой вероятностью не исполнялась «медленно» или «протяжно»».
7. Интеграция в семантический веб.
Интернет сообщество предложило множество форматов и способов задания структуры и семантики объектов, зависимостей объектов и правил вывода. В рамках парадигмы
семантического веба в основном рассматриваются стандарты, предложенные или одобренные консорциумом W3. Вот так примерно выглядит стек понятий Semantic web.
Рисунок 2. Стек понятий Semantic web
Машинная обработка информации в рамках семантического веба основывается на
двух основных принципах: повсеместное использование универсальных идентификаторов
ресурсов (URI), а также использование онтологий и языков описания метаданных. Однако
это только нижние уровни в указанном стеке (стандарты снизу вверх): URI, XML, XML
Schema, RDF, RDF Schema, OWL, SPARQL. Сам логический вывод и описание правил вывода пока еще не стандартизованы. Текущим кандидатом W3 на стандарт описания и обмена правилами является Rule Interchange Format (RIF) [9].
В то же время, уже этого базиса признанных стандартов хватает для того, чтобы
строить интеллектуальные сервисы и программные системы нового поколения. Такие сервисы используют семантические знания об объектах, выделенные через разметку. Например, так работает система True Knowledge [13] – «прямые ответы на человеческие и машинные вопросы». Система добывает знания из разных источников (википедия, странички в интернете, внесение людьми напрямую) и приводит их в форму, похожую на RDF
(тройкам объект-предикат-субъект). При вводе запроса пользователем на естественном
языке система приводит этот запрос к подобному виду и находит соответствия в базе знаний, которой является весь Интернет. Если результатов получается несколько, то система
задает уточняющие вопросы или предлагает варианты для сужения семантического класса
запроса.
В нашей работе предлагается оформлять правила с помощью языка RuleML, хотя
можно было использовать другой язык, например RIF. Все эти языки можно считать диа-
лектами некоторой общей логики, основанной на предикатах первого порядка. Инициатива (часть стандарта ISO) Common Logic [8] как раз является основой для обобщения таких
диалектов. Заявленная как описание некоторой абстрактной логики, она позволяет обмениваться правилами из одного диалекта в другой через трансляцию в общую нотацию
Common Logic. Если выразительные средства одного из диалектов ограничены, то тогда
перенос будет производиться с некоторыми потерями.
На наш взгляд, использование подобных средств трансляции правил позволит перейти к любому из принятых стандартов. Сейчас же необходимо плотно заниматься извлечением зависимостей и фиксированием найденных закономерностей в одном из форматов, в
RuleML.
Литература
[1] Артеменко Е. Б. Принципы народно-песенного текстообразования. – Воронеж:
Издательство Воронежского университета, 1988. – 173 с.
[2] Москин Н. Д. Теоретико-графовые модели структуры фольклорных текстов, алгоритмы поиска закономерностей и их программная реализация. Автореф. дисс. на соиск.
уч. степени к.т.н. Петрозаводск, 2006.
[3] Народные песни Вологодской и Олонецкой губерний, собранные Ф. Студитским.
– Санкт-Петербург, 1841.
[4] Новиков, А. И. Семантика текста и ее формализация. – М.: Наука, 1983. – 215 с.
[5] Скороходько, Э. Ф. Семантические сети и автоматическая обработка текста. –
Киев: Наукова думка, 1983. – 218 с.
[6] Хроленко А. Т. Поэтическая фразеология русской народной лирической песни. –
Воронеж: Издательство Воронежского университета, 1981. – 163 с.
[7] Bunke H. Graph matching: theoretical foundations, algorithms, and applications // Proc.
Vision Interface. – Montreal, 2000. – P. 82-88.
[8] Common Logic Standard (http://common-logic.org/)
[9] Rule Interchange Format Working Group
(http://www.w3.org/2005/rules/wiki/RIF_Working_Group)
[10] Predictive Model Markup Language (PMML) (http://www.dmg.org/pmml-v3-2.html)
[11]
The
MKM
Interest
Group
(Mathematical
(http://www.mkm-ig.org/)
[12] The Rule Markup Initiative (http://www.ruleml.org/)
[13] True Knowledge (http://www.trueknowledge.com/)
Knowledge
Management)