Лингвисты ЮУрГУ научат ИИ понимать, что скрыто между строк
Коллектив ученых Южно-Уральского государственного университета впервые получил грант Российского научного фонда на разработку подхода к автоматическому извлечению из текстов оценочных мнений, которые выражены неявно – через описание фактов. Руководитель проекта – кандидат филологических наук, заведующая кафедрой лингвистики и перевода Ольга Бабина рассказала, в чем суть исследования, какой задел уже есть у коллектива и почему нейросетей недостаточно.
– Считаете вы себя опытными или новичками в получении грантов РФ? Есть ли у коллектива задел по выбранной теме или вы «с нуля» вторгаетесь в эту область?
– Грант РНФ наш коллектив выиграл впервые, однако назвать нас полными новичками в этой сфере было бы неверно. Ранее члены коллектива участвовали в реализации грантовых проектов под руководством ученых ЮУрГУ. Также неоднократно подавались заявки по смежным тематикам в области автоматической обработкой естественного языка. При подготовке заявки мы учли полученные ранее рекомендации экспертов, выбрали направление исследований, в котором фундаментальная составляющая неотделима от прикладного аспекта, расширили команду, включив в нее студентов-магистрантов, имеющих подготовку в области прикладной лингвистики, что позволило заявке по теме «Разработка подхода к автоматическому извлечению из текстов оценочных мнений, выраженных имплицитно через описание фактологической информации» получить поддержку РНФ.
Для разработки темы у коллектива имеется исследовательский и практический задел. На протяжении почти пятнадцати последних лет в рамках НОЦ «Лингво-инновационные технологии» ЮУрГУ под руководством Светланы Олеговны Шереметьевой проводились исследования по созданию сервисов текстовой аналитики и систем автоматизированного перевода. За это время была накоплена довольно большая методологическая база для проведения исследовательских работ в области компьютерной лингвистики, создан ряд программных инструментов конечного пользователя – системы машинного перевода, реферирования, тренажер академического письма. Кроме того, в ходе деятельности НОЦ созданы инструменты лингвиста-разработчика – экстрактор лексики, редактор лексиконов, платформа по разметке текстов, позволяющие автоматизировать обработку текстовых единиц. В состав коллектива входят сотрудники бывшего НОЦ, и созданные в нем разработки станут существенной поддержкой при проведении текущего исследования.
В фокусе нашего исследования находится автоматическое распознавание оценочных смыслов в тексте. Участники коллектива уже ранее вели работу в этом направлении. Был создан сервис Linguametrics, позволяющий извлекать оценочные мнения с опорой на эксплицитно (явно, открыто) выраженные оценки, данные в отношении частной системы здравоохранения. Поэтому предметная область, коммуникативно-речевая практика в этой сфере, лингвистическая специфика этого дискурса и связанные с этим сложности автоматической обработкой языка уже довольно хорошо нам знакомы. Именно в процессе анализа языкового материала мы обнаружили новое направление, связанное с моделированием процесса понимания имплицитных оценочных смыслов, которые транслирует высказывание на естественном языке. Как получается, что единицы языка, не содержащие в своем значении оценки, при совместном использовании в речи вдруг начинают выражать отрицательное или положительное отношение к объекту? Какие когнитивные процессы обусловливают извлечение смыслов, не выраженных явно на уровне отдельных слов? Эти вопросы побудили нас обратиться к данной тематике и поставить амбициозную задачу – «научить» машину безошибочно идентифицировать скрытую в тексте информацию. В данной работе мы стремимся исследовать мыслительные механизмы, которые позволяют понимать смысл, изначально не заложенный в значениях языковых единиц, но проявляющийся в речи. Для решения этой задачи мы планируем использовать инструментально-методологическую базу компьютерной лингвистики и искусственного интеллекта, позволяющую моделировать осознаваемые и неосознаваемые когнитивные процессы при обработке языка.
– Какую пользу принесет грант вашему научному коллективу? Поездки на конференции, коллаборации с другими вузами, приобретение лабораторного оборудования?
– Грант дает ресурсную и организационную поддержку, необходимую для планомерной и сосредоточенной работы над научной темой. Прежде всего, грант создает условия для адресной поддержки молодых ученых, работающих в составе нашего коллектива. Для магистрантов это возможность увидеть перспективу профессионального роста в науке, почувствовать личную причастность к решению интересной научной задачи. Работа в рамках грантовой деятельности позволяет осуществить организационное управление научной работой как производственным процессом, с распределением функций и обязанностей участников, при этом дает возможность молодым ученым заинтересоваться исследовательской работой и на конкретной задаче увидеть, как фундаментальное знание работает на решение прикладных задач.
Грант, безусловно, создает условия для академической мобильности и научного обмена: в план работы по нашему гранту включены участия в профильных конференциях и семинарах, представление результатов широкому профессиональному сообществу, обсуждение промежуточных итогов с коллегами из других вузов и научных организаций. Мы рассчитываем на развитие коллабораций в формате обмена идеями и методиками с научными коллективами, занимающимися вопросами компьютерной лингвистики, когнитивными исследованиями и разработкой моделей интеллектуальной обработки текста.
Мы полагаем, что грант не только дает возможность сконцентрировать усилия на теме и получить качественный результат в рамках текущего проекта, но и позволяет создать долгосрочный задел для коллектива, укрепив исследовательскую инфраструктуру, расширив партнерские связи и создав основу для последующих заявок и научных разработок.
– Расскажите о сути исследовательского проекта, поддержанного грантом. Расскажите о прикладных аспектах, чем тема может быть полезна науке, промышленности, обществу.
– Поддержанный грантом проект направлен на исследование возможности автоматического извлечения субъективного отношения говорящего к объекту речи из высказываний, в которых оценочный смысл не выражен явно. Задача извлечения оценочных мнений решается в рамках анализа тональности текста. Современные подходы к анализу тональности позволяют уверенно распознавать лексически выраженные оценки – семантика слов «хорошо», «плохо», «доволен», «не устроило» явно указывает на мнение говорящего. Однако в реальной коммуникации значительная часть мнений коммуницируется иначе. Так, высказывание «Позвонил записаться на прием, сказали, что мест нет, и положили трубку» не содержит ни одного явного маркера оценочного мнения, однако негативное отношение к вежливости и корпоративной культуре персонала учреждения в ней совершенно очевидно. Однозначное понимание в ходе коммуникации выражаемого отношения неразрывно связано со стереотипами, культурным и институциональным нормами, определяющими «правильное», с точки зрения говорящего, развитие событий в типовых условиях. Соответствие или несоответствие нормам, которые, в свою очередь, обусловлены ценностями, сложившимися в определенной культуре и обществе, обусловливает формирование оценочного мнения в отношении объекта. Именно на исследование этих механизмов и построение вычислительной модели когнитивных процессов ориентировано наше исследование.
Последние достижения в области искусственного интеллекта дали новый импульс развитию обработки естественного языка. С появлением систем генеративного искусственного интеллекта все более убедительными выглядят результаты порождения текстов, обладающих высокой формальной связностью и согласованностью языковых форм, что еще недавно казалось практически недостижимым. Однако за внешней убедительностью таких результатов стоит лишь иллюзия собственно интеллектуального речевого поведения: генеративный ИИ нередко нарушает фактическую достоверность и допускает логические ошибки. В результате становится все более очевидным, что нейросетевой подход к обработке текста сам по себе, при всех его преимуществах, способности учитывать нечеткость в языке в ходе обработке значений и умении порождать грамматически корректные высказывания, демонстрирует интеллектуальность лишь на весьма ограниченном уровне, поэтому вряд ли пригоден для применения в чистом виде в областях, где велика цена ошибки. Мы исходим из положения о том, что использование средств автоматизации обработки текста в общественно-гуманитарной сфере возможно в случае, когда модель обладает свойством экспланаторности и верифицируемости, может обосновать принятое решение, объяснять логику своих рассуждений, корректность которых способен проверить человек. Поэтому перспективным представляется объединение обработки текста нейросетями на субконцептуальном уровне, который позволяет учитывать нечеткость языкового выражения смыслов, и обработки средствами символьного ИИ на концептуальном уровне, который позволяет моделировать оперирование осознаваемыми концептуальными категориями. Возможность интеграции методов нейросетевого и символьного ИИ для решения задачи понимания высказывания и исследуется в рамках данного проекта. Существенной особенностью разрабатываемого комплексного подхода к извлечению смысла языковых единиц должна стать его когнитивная прозрачность: наша вычислительная модель не ограничится вынесением готового вердикта об отношении субъекта к объекту, а сможет показывать логику рассуждения, которое приводит к воссозданию структуры выражаемого в языке оценочного мнения.
Отдельный фокус внимания в проекте составляет кросс-культурное сопоставление способов выражения оценки в русском и английском языках, выявление и сравнение аксиологических категорий в разноязычных лингвокультурах, определение нормативных значений по различных оценочным шкалам для представителей этих лингвокультур, формализация и онтологическое моделирование различающихся языковых картин мира в базе знаний разрабатываемой модели и машинное понимание смысла высказываний на разных языках с учетом лингвокультурных различий. Итогом работы станет методология извлечения имплицитных оценок, лингвистические базы знаний, размеченные корпусы текстов и прототип интерактивного сервиса, извлекающего имплицитные оценочные смыслы из текстов на различных языках.
Значимость проекта обусловлена возможностью повышения семантической силы систем анализа тональности за счет их способности к достоверному извлечению оценок, выводимых из описания фактов. При этом значимость темы выходит за рамки собственно анализа тональности. Для науки проект важен тем, что расширяет представления о механизмах косвенной передачи смысла, также предлагает методологию достоверной автоматической идентификации имплицитной информации в тексте. Такая методология имеет прикладное значение при использовании в системах автоматизированного мониторинга обратной связи клиентов, так как позволяет принимать информированные управленческие решения на основе оперативно получаемой картины мнений клиентов с возможностью отслеживать ситуацию в режиме реального времени, что должно способствовать снижению репутационных рисков. Применение методологии возможно при проведении исследований общественного мнения в социально значимых сферах. Разрабатываемая методология может быть расширена на различные типы дискурса – медийно-политический, предвыборный, экстремистский, террористический и другие, которые могут представлять интерес для задач лингвистической экспертизы. Разработка темы вносит вклад в компьютерную и когнитивную лингвистику, лингвокультурологию, лингвоаксиологию, а также в развитие объяснимого ИИ. Результаты проекта направлены на создание отечественных импортонезависимых лингвистических ресурсов и программных решений, что напрямую работает на технологический суверенитет страны в области искусственного интеллекта. Результаты проекта мы планируем внедрять в образовательный процесс ЮУрГУ, укрепляя подготовку специалистов по прикладной лингвистике и анализу текстовых данных.
– Расскажите, как устроен ваш (пусть даже небольшой) научный коллектив. Как распределяется работа по гранту? (Например, кто-то с пробирками, кто-то моделирует на компьютере, кто-то пишет отчёты), сколько статей и где вы планируете опубликовать по итогам?
– Наш коллектив небольшой – в проекте заняты четыре исследователя. При этом у участников уже есть опыт совместной работы, совместные публикации и РИД. Работа распределена по зонам ответственности с учетом компетенций каждого.
Проекта начинается с определения исследовательского подхода к моделированию понимания языковых высказываний через интеграцию нейросетевой обработки текста с лингвистически мотивированным представлением знаний о предметной области. Определением методологической рамки исследовательской работы, построением лингво-когнитивной модели оценки и модели механизмов когнитивной обработки языка, разработкой подхода к организации декларативного и процедурного знания модели, направленной на извлечение оценочного смысла высказывания с учетом структуры оценки, а также общей координацией работ занимается руководитель проекта.
Исследование выполняется в рамках языкознания, поэтому ключевым этапом моделирования является лингвистический анализ текста. Управляет процессом анализа языкового материала кандидат филологических наук, доцент Евгения Дамман, специалист в области фундаментальной лингвистики, лингвокультурологии и межкультурной коммуникации. Ей предстоит трудоемкая работа по выявлению языковых средств репрезентации в текстах имплицитных оценок и реализация кросс-культурного вектора исследования – выявление универсалий и различий в способах выражения мнений в русскоязычном и англоязычном материале.
Чтобы вся эта работа обрела форму, информацию о лингвистических особенностях текстов необходимо формализовать – и здесь весьма ценным является опыт магистранта ИЛиМК Алексея Петрова, который уже выполнял работы по онтологическому моделированию на других предметных областях. В его зону ответственности входит определение фреймов оценочных событий, представление знаний на языке онтологического моделирования, ключевая роль в подготовке лексического компонента базы знаний, интегрируемого с онтологией.
Реализация экспериментов с нейросетевой идентификацией и классификацией компонентов высказывания и разработкой программного интерфейса, интегрирующего все компоненты базы знаний и алгоритмы обработки текста, который позволит протестировать предлагаемую методологию на реальных текстах, реализует программист Андрей Полев. Кроме того, Андрей осуществляет поддержку, связанную с автоматизацией различных исследовательских этапов работы лингвистов проекта.
Результаты работы планируется представить на профильных международных и всероссийских конференциях, а также в виде статей в журналах, входящих в перечни рекомендуемых ВАК и индексируемых в международных базах научного цитирования. Конкретные площадки для представления результатов работы будут определяться по мере получения научных результатов с учетом тематического профиля изданий.
– Расскажите о своем пути в науку. Как вы выбрали именно эту специальность? Как было принято решение поступать в аспирантуру, докторантуру, какую роль сыграл научный руководитель? Что вас больше всего увлекает в вашей исследовательской работе?
– Один из заметных векторов развития современной науки – междисциплинарность, поиск точек соприкосновения между традиционно существовавшими изолированно областями знания. Мой собственный интерес к интеграции знаний из, казалось бы, далеких друг от друга сфер возник еще в студенчестве и предвосхитил эту тенденцию. Обучаясь в университете на специальности «Информатика и английский язык», я задавалась вопросом, есть ли возможность в моей будущей профессиональной деятельности как-то объединить эти столь различные направления и совершенствоваться в обоих, но не в ущерб один другому. И тогда мне посчастливилось познакомиться с профессором ЮУрГУ доктором филологических наук Шереметьевой Светланой Олеговной, которая на протяжении все своей научной карьеры занималась проблемами обработки естественного языка. Имея опыт работы в зарубежных лабораториях, выполняющих исследования в сфере автоматической обработки текста и искусственного интеллекта, она и меня познакомила с этой научной областью и увлекла перспективой научного творчества, результат которого вполне осязаем и воплощается в виде компьютерных приложений, выполняющих интеллектуальный анализ текстов. Плодотворная работа под руководством Светланы Олеговны сначала в рамках кандидатской диссертации, затем в рамках деятельности НОЦ «Лингво-инновационные технологии», полученные знания, которыми научный руководитель щедро делилась со мной, а также нашими коллегами и студентами, только укрепляли меня в мысли о том, насколько интересна область компьютерной обработки языка. Поэтому решение заниматься научной деятельности в сфере вычислительной лингвистики для меня было вполне естественным. Работа в НОЦ дала опыт исследовательской деятельности, который сегодня позволил пройти серьезную процедуру отбора — наша заявка выдержала экспертизу и получила поддержку РНФ. Эксперты признали, что постановка задачи и предлагаемое направление ее решения обладает фундаментальностью и новизной, и наше исследование заслуживает поддержки.
Что меня больше всего увлекает в работе над этой исследовательской задачей? Пожалуй, сама возможность применения инструментов и подходов из разных областей знания. При этом в конечном счете исследовательский фокус находится в области изучения человека, его мыслительной способности и способности осуществлять коммуникацию на естественном языке. В рамках темы нам предстоит исследовать, как зарождается мысль, как языковое описание трансформируется в ментальный образ, как за выбором слова проступает культурная норма, как в ходе коммуникации возможно понимание идеи одного человека другим, и как можно воспроизвести эти процессы в вычислительной модели – поиск универсального решения, позволяющего свести воедино весь этот комплекс исследовательских задач, делает исследование по-настоящему увлекательным.
Источник: https://www.susu.ru/ru/news/2026/11/06/lingvisty-nauchat-ii-ponimat-chto-skryto-mezhdu-strok?clckid=dee2a010
Copyright © 2026 Институт лингвистики и международных коммуникаций. All Rights Reserved.
