Лексико-семантический анализ оригинала и перевода художественного текста с использованием инструментов Python

В статье рассматриваются возможности автоматизированного лексико-семантического анализа художественного текста и его перевода с применением библиотеки NLTK на языке программирования Python. Языки программирования позволяют значительно ускорить работу лингвистов, систематизировать результаты сбора данных в упорядоченном виде. Объектом анализа выступают оригинал повести американского писателя XIX века Уильяма Гилмора Симмса «Grayling: or, “Murder Will Out”» и перевод на русский язык, выполненный М.Л. Павлычевой. Особое внимание уделяется выявлению различий в структуре лексики, частотности употребления слов и словосочетаний, в распределении частей речи, а также степени лексического разнообразия. Исследование направлено на выявление переводческих трансформаций, влияющих на семантическую и стилистическую организацию текста, и на оценку возможностей автоматизированного анализа при сравнении оригинала и перевода В работе применяются методы обработки естественного языка (NLP) с использованием библиотеки NLTK в среде Python, включая нормализацию текста, частеречное тегирование, частотный анализ, биграммное моделирование и расчет коэффициента лексического разнообразия. Исследование демонстрирует, что автоматизированный лексико-семантический анализ позволяет объективно выявить ключевые различия между оригиналом и переводом: в тексте перевода наблюдается более высокое лексическое разнообразие, обусловленное флективной природой русского языка и активным использованием переводческих трансформаций; увеличивается частотность связующих элементов, а тематически маркированные биграммы заменяются более нейтральными конструкциями. Кроме того, выявлены существенные ограничения стандартных NLP-инструментов при обработке русскоязычных текстов, что подчеркивает необходимость адаптации методов к специфике русского языка. Исследование подтверждает необходимость комплексного подхода при анализе оригинала и перевода художественного текста, сочетающего вычислительные методы и лингвистическую интерпретацию. Перспективы исследования включают применение современных морфологических анализаторов, расширение корпуса текстов и интеграцию методов машинного обучения для глубокого сравнительного анализа оригиналов и переводов художественных текстов.

обработка естественного языка, Python, NLTK, лексико-семантический анализ, частотный анализ, биграммы, лексическое разнообразие, частеречное тегирование, художественный перевод, переводческие трансформации