Выявление жанровых и авторских особенностей латинских текстов методами машинного обучения

В данной работе изучаются характеристики латинских текстов, относящиеся к трем группам: жанровые, авторские и хронологические особенности. В последнем случае имеются в виду те атрибуты текста, которые связаны с грамматическими свойствами языка в то время, когда этот текст был написан. Изучение данных характеристик – устоявшаяся область классической филологии, однако в исследованиях, относящихся к этой области, сравнительно редко применяются различные квантитативные методы. Мы предлагаем новый подход к исследованию характеристик произведений, основанный, прежде всего, на автоматической обработке латинских текстов, извлечении из них числовых данных и установлении зависимостей между данными и характеристиками. Затем на основании этих зависимостей будут сделаны выводы, подтверждающие уже существующие теории, либо опровергающие их. Числовые данные основаны на лингвистических особенностях текстов, а установление зависимостей – на различных методах машинного обучения. В работе применяются два метода машинного обучения: классификация (используется алгоритм SVM) и кластеризация (используется иерархическая аггломеративная кластеризация, а также алгоритм «k-средние»). Выбранные алгоритмы реализованы на языке Python версии 2.7.8, также применялись сторонние программы. Полученные результаты показывают, что данные методы могут успешно выделить значительное количество исследуемых особенностей.