Автоматическое определение гендерной идентичности: феномен русской женской прозы в литературе конца 20 века

Исследование посвящено изучению методов автоматического определения гендерной идентичности авторов на материале художественной прозы 1960-2000 годов. Цель данной работы - выявление оптимальных методов автоматического определения гендерной идентичности авторов. Задачи данного исследования включают в себя выделение грамматических стилистических особенностей художественной прозы 1960-2000 годов и, в особенности, женской прозы, а также текстов XVIII - XIX в.; отслеживание изменений в распределении употребления частей речи и знаков пунктуации на протяжении обозначенного периода и проведение эксперимента по выявлению наиболее результативного алгоритма классификации художественных текстов при помощи машинного обучения. Анализ показал, что на протяжении всего исследуемого периода женщины и мужчины часто используют в своих текстах следующие части речи: существительные, глаголы, предлоги, местоименные существительные, союзы и прилагательные, что отражает специфику художественного стиля. Кроме того, был произведен анализ употребления наиболее часто используемых знаков препинания из заданного списка: вопросительный знак, восклицательный знак, запятая, двоеточие, точка с запятой, точка, запятая. Было замечено, что в современной литературе женщины более активно пользуются средствами пунктуации как выразительными средствами: доля употребления восклицательных, вопросительных знаков и запятых у писательниц значительно превышает значение, полученное посредством анализа мужских текстов. Также в работе содержится анализ распределения частей речи и знаков пунктуации в художественных текстах мужчин и женщин XVIII-XIX веков. Мы провели эксперимент по выявлению наиболее действенного алгоритма определения гендерной идентичности автора. Было выяснено, что наиболее эффективными классификаторами художественной литературы являются такие реализации алгоритмов, как BayesNet и SMO.