Аннотация результатов, полученных в 2016 году
В 2016 году были выполнены следующие работы и получены следующие результаты. 1. В семантической части проекта: Была разработана общая схема описания полисемии, в которой описание каждого значения может включать до семи зон (представительные примеры, схема толкования, модификации, тип переноса, семантические теги, частота в корпусах, примечания). По разработанной схеме были составлены схемы словарных статей 170 многозначных слов и описано 650 значений в представительных группах русской лексики из разных классов: глаголы со значением начала и конца, со значением перемещения, со значением избавления от контакта; существительные со значением природных объектов, помещений, посуды, информационных объектов, иллюзорных объектов; прилагательных со значением цветообозначений, тактильных ощущений и черт характера, служебных частей речи — количественных и порядковых числительных, некоторых частиц и предлогов. Для каждого семантического класса были сформулированы общие тенденции развития полисемии (движение от конкретного к абстрактному и от абстрактного к конкретному, наиболее характерные типы семантических сдвигов, регулярные метафоры и метонимии, мотивирующие и результирующие метафоры, источники возникновения значений внутри класса, грамматические и прочие лингвистические различия между разными лексемами одной вокабулы), семантические признаки, различающие слова, входящие в каждый класс, степень близости значений внутри каждой вокабулы (от употреблений в рамках одной лексемы до сильно разошедшихся значений на грани омонимии), параллелизм структур полисемии слов внутри семантического поля, устройство семантических полей от центра к периферии. Были выявлены разные факторы, влияющие на развитие полисемии: семантический потенциал исходного значения, наличие коннотаций, влияние внутриязыковых связей (синонимия и антонимия), межъязыковые взаимодействия, культурные представления и конвенции. 2. В статистической части проекта: Было проведено исследование четырех методов автоматического извлечения значений слов из корпуса текстов: метод кластеризации близких слов (word2vec neighbours), метод кластеризации контекстов (context clustering), тематическое моделирование для контекстов, а именно латентное размещение Дирихле (latent Dirichlet allocation) и построение векторов значений (AdaGram) — а также их качественная и количественная оценка. Была разработана библиотека, позволяющая работать с методом AdaGram на языке Python. Был поставлен эксперимент по автоматическому нахождению примеров регулярной полисемии при помощи метода AdaGram. Было проведено исследование двух методов определения частот значений слов (cluster map и sense-vec), а также их качественная и количественная оценка. Выявлены наиболее качественные способы автоматического выделения значений — метод кластеризации контекстов и метод построения векторов значений (AdaGram). Создан ресурс, представляющий значения слов, автоматически полученные из большого корпуса текстов при помощи метода AdaGram: http://adagram.ll-cl.org/about Проведено пилотное исследование автоматического нахождения примеров регулярной полисемии по заданному примеру (см. пример для слова блеять http://adagram.ll-cl.org/sim-delta?word=%D0%B1%D0%BB%D0%B5%D1%8F%D1%82%D1%8C&s1=0&s2=1). Создан ресурс, на котором приведены частоты значений для 440 существительных из первого выпуска Активного словаря русского языка — http://sensefreq.ruslang.ru/; частоты подсчитаны по материалам двух корпусов — академического Национального корпуса русского языка и интернет-корпуса ruTenTen11. 3. В психолингвистической части проекта: Был подготовлен и проведен опрос для выявления и кластеризации значений образованными носителями языка, участникам которого предлагалось разделить на группы несколько словосочетаний с одним и тем же словом, выступающим в разных значениях. Было отобрано 50 многозначных слов разных частей речи, в структуру полисемии которых входят значения, образованные как путем метафоры, так и путем метонимии. Были составлены схемы их полисемии с краткими примерами, поясняющими каждое значение, которые затем предъявлялись испытуемым. В онлайн-опросе приняли участие 600 человек, 300 из которых составили так называемые наивные испытуемые, чья профессиональная деятельность и образование не связаны с языкознанием; остальные 300 человек имели высшее образование (как минимум, оконченный бакалавриат) в областях лингвистики, филологии, перевода и журналистики. Согласно результатам статистического анализа, расстояние (=различие) между классификацией опрошенных испытуемых и эталонной классификацией значимо зависит от того, к какой группе относится испытуемый — классификации наивных испытуемых дальше от эталонных (Est. = 0.08, SE = 0.02, t = 3.04). На успешность классификации влияет также часть речи классифицируемого слова: классификация наречий значимо менее успешна, чем классификация других частей речи (Est. = 1.18, SE = 0.46, t = 2.57). Мы не обнаружили значимого взаимодействия между группой испытуемых и частью речи классифицируемых слов. Всего по результатам работы над проектом было подготовлено 12 научных статей, из них опубликовано 11 и принята в печать одна (в том числе 6 статей в изданиях, входящих в базу цитирования SCOPUS). Состоялись выступления участников гранта на конференциях Диалог-2016 (Москва), SKY symposium «Time and Language» (Турку), Euralex-2016 (Тбилиси), Coling-2016 (Осака), «Русская лексикография XXI века: проблемы и способы их решения» (Москва).

Аннотация результатов, полученных в 2017 году
В 2017 году были выполнены следующие работы и получены следующие результаты. 1. В семантической части проекта: Было подробно описано 18 многозначных вокабул из разных семантических классов, с общим числом значений более 165. В результате были выделены и описаны 14 типов механизмов, задействованных в семантической деривации: метафора (горячий чай → горячая любовь), метонимия (глупый человек → глупый поступок), добавление компонентов (сужение, конкретизация, обогащение значения: равнобедренный треугольник → играть на треугольнике), утрата компонентов (расширение значения: горячие блины → подушка превратилась в блин), замена компонентов (Я услышал голос → Мне голос был), модализация (добавление оценки: с трудом запихать в чемодан все вещи → Ну куда ты запихал мои ключи?), гиперболизация (ослабление, overstatement: Наш сантехник просто гений), смягчение (литотизация, understatement, эвфемизация: двусмысленное словосочетание → двусмысленное впечатление), утрата агентивности (Ребенок разбил — Ветер разбил), перенос по коннотациям (разводить свиней → Он жуткая свинья, у него всегда такой беспорядок, по коннотации неаккуратности), перенос по импликатуре (приличный анекдот → приличный результат), десемантизация (бличинг, выветривание: давать деньги взаймы → Давай пойдем в кино), внешняя мотивация (левая рука → левые доходы), конверсия (выменять свое новое платье на туфли — выменять платье на свои новые туфли). Некоторые семантические переносы представляют собой более узкие разновидности других. Кроме того, некоторые семантические переносы часто появляются в сочетании с другими. Было продемонстрировано, что семантические переносы, по крайней мере некоторые, естественным образом объединяются в классы (пример — сдвиг семантического акцента). Кроме того, для сильно многозначных слов, особенно глаголов со значением физических действий, которые развивают многочисленные переносные значения, была отмечена следующая особенность развития семантической деривации: общее увеличение числа и усложнение задействованных механизмов семантического переноса по мере удаления от основного значения. При этом наблюдается следующая тенденция организации полисемии: внутри блоков значений сдвиги могут быть минимальными, а сами значения часто бывают семантически производны от первого значения в блоке; между блоками семантические различия существенно сильнее, а сами первые значения в блоке обычно семантически производны от основного значения вокабулы, с все нарастающим количеством переносов, по мере увеличения порядкового номера в блоке. Таким образом, можно наблюдать сочетание радиальной и цепочечной полисемии: первые значения в крупных блоках — примеры радиальной полисемии от основного значения, все прочие значения в крупных блоках производны от первого значения в блоке (цепочечная полисемия). Конечно, встречаются и более сложные случаи устройства полисемии, данное обобщение представляет собой лишь тенденцию. Помимо работы над типами семантических переносов в структуре полисемии было проведено несколько дополнительных исследований относительно семантических причин возникновения многозначности, а также ее изменения в культурно-социальном контексте. 2. В психолингвистической части проекта: В 2017 году мы провели дополнительную серию анализов полученных в прошлом году данных, нацеленную на классификацию ошибок при группировке значений. Результаты эксперимента позволяют предположить, что метонимические значения воспринимаются как близкие к прямым во всех трёх классах слов. Эксперимент также позволил увидеть, что в классе прилагательных метонимические и метафорические значения воспринимаются как более похожие, что неверно для существительных и глаголов. Это позволяет сделать вывод о том, как хранятся значения многозначных слов: прямые и метонимические значения существительных и глаголов хранятся в одной ментальной репрезентации, а метафорические — в отдельных репрезентациях. Многозначные прилагательные, судя по всему, хранятся иначе: репрезентации прямых значений пересекаются с репрезентациями метонимических значений, а те, в свою очередь, пересекаются с репрезентациями метафорических значений. Кроме того, было найдено подтверждение предположению о том, что лингвисты будут классифицировать значения ближе к теоретическому методу классификации, на который опираются составители словарей. Однако не было найдено никакого подтверждения тому, что не-лингвисты пользуются принципиально отличным способом классификации значений – общий рисунок ошибок классификации в двух группах испытуемых похож. Были также дополнительно исследованы экспериментальные стимулы с помощью метода дистрибутивной семантики. Для определения семантической близости использовался метод семантических векторов. Векторы были получены при помощи алгоритма word2vec skip-gram из большого корпуса текстов (2 миллиарда токенов). Оценка семантической близости стимулов была проведена следующим образом: для каждого стимула (короткого контекста с одним из значений слова) был построен контекстный вектор (усреднение по векторам каждого слова в контексте); затем для каждого слова мы попарно сравнили между собой все контекстные векторы для трех типов значений — прямого, метонимического и метафорического. Результаты измерения семантической близости в наших стимулах между прямым, метонимическим и метафорическим значениями соотносятся с результатами классификации стимулов в эксперименте. Прямое и метонимическое значение близки в корпусе и чаще группируются вместе во всех трех частях речи. Можно сделать вывод о том, что близость прямого и метонимического значений обусловлена не только их исторической связанностью, но и тем, что люди чаще видят эти значения в похожих контекстах и усваивают их как близкие. Таким образом, нецелесообразно разделять семантическую связанность и семантическую близость, как это предлагалось в более ранних исследованиях. Еще одним направлением работы была подготовка материалов и сбор данных для эксперимента с использованием методики вызванных потенциалов мозга. Этот эксперимент ставит своей целью выявление электрофизиологических коррелятов семантической связанности и близости прямого и непрямых значений (метонимического и метафорического); определение того, какие из непрямых значений ближе к прямому — метонимическое или метафорическое; а также сравнение обработки многозначных слов и омонимов. Для данного исследования были подобраны 63 многозначных существительных, у которых есть прямое, метонимическое и метафорическое значение, а также 63 омонима. Все стимулы были сбалансированы по длине и частотности. Все омонимы были дополнительно размечены по частотности значений. Последним направлением работы была подготовка материалов и сбор данных для экспериментов с регистрацией движений глаз при чтении. Данные эксперименты ставят своей целью выявление механизмов лексического доступа при обработке многозначных слов. Ожидается, что при обработке близких значений (прямого и метонимического) будет выявлен феномен недоспецификации (underspecification), суть которого в том, что при чтении в нейтральном контексте активируется не доминантное значение, а общее для всех близких значений недоспецифицированное значение (underspecified core meaning), которое позволяет быстрее активировать любое из значений в последующем контексте. Ожидается, что феномен недоспецификации значений будет обнаружен на материале близких метонимических значений, но не на материале далеких метафорических значений. 3. В статистической (компьютерно-лингвистической) части проекта: Были определены частоты значений слов для 329 многозначных глаголов и 265 прилагательных в разных корпусах и проанализирована точность снятия омонимии для разных словарей. Было обнаружено, что самое частотное значение совпадает в двух корпусах в 80% случаев для глаголов и 82% случаев для прилагательных. Другим важным наблюдением является то, как часто первое значение в словаре оказывается самым частотным в корпусе. Оказалось, что для прилагательных и особенно для глаголов первое словарное значение является наиболее употребимым в современном языке только в половине случаев. Мы исследовали возможность применения нашего метода снятия омонимии к еще двумя толковым словарям: БТС под ред. С. Кузнецова и МАС под редакцией А. Евгеньевой. Мы обнаружили, что при построении векторов значений на материалах БТС и МАС точность определения значений слов снижается, а вероятность ошибки в определении частотности значений увеличивается. Мы полагаем, что это напрямую связано с количеством примеров и иллюстраций для каждого значения в словаре. Кроме того, эти словари не содержат новых значений слов, иногда наиболее частотных, и существенное число контекстов оказывается неописанным. Для качественного исследования метода автоматического выделения кластеров значений AdaGram (http://adagram.ll-cl.org/) были выбраны 51 существительное, 40 глаголов и 35 прилагательных с разными типами неоднозначности. Для всех этих слов мы сравнили значения, которые выделяются у них в четырех словарях. Оказалось, что в большей степени кластеры-значения AdaGram согласуются со значениями существительных, чем со значениями глаголов и прилагательных. В ряде случаев метод выделяет меньше кластеров, чем словарь значений; особенно это касается редких, уходящих и специальных словарных значений. Кроме этого AdaGram не выделяет значения, которые различаются аргументной структурой, но не сочетаемостью. Мы также добавили еще один способ представления значений в кластерах AdaGram, он связан с представлением значений при помощи типичных контекстов, что позволяет использовать данный инструмент в качестве вспомогательного при составлении толковых словарей. В 2017 году участники проекта вошли в состав организаторов соревнования по снятию лексической неоднозначности автоматическими методами в рамках конференции Диалог-2018 (http://russe.nlpub.org/2018/wsi/). Данное соревнование — первое не только для русского, но и вообще для славянских языков. Его результаты, а именно разработанные методы, будут полезны и смогут использоваться для автоматического выделения значений слов из корпуса и снятия семантической неоднозначности для всех славянских языков. Участники гранта задействованы в разработке золотого стандарта для тренировки и тестирования методов, в выработке критериев для оценки методов и в подготовке материалов для соревнования. Всего по результатам работы над проектом было подготовлено девять научных статей, из них опубликовано семь (6 из них в БД Scopus, 2 в Web of Science Core Collection), принято в печать две. Состоялись выступления участников гранта на следующих конференциях: Международная лингвистическая конференция «Русская лексика: история и современность» 2017 (Будапешт, Венгрия), Международная конференция МАПРЯЛ 2017 (Хельсинки), XVIII Апрельская международная научная конференция НИУ ВШЭ (Москва), Русская грамматика: описание, преподавание, тестирование (Финляндия, Хельсинки), Компьютерная лингвистика и интеллектуальные технологии: Диалог 2017 (РГГУ, Москва), V Международная научная конференция "Культура русской речи: Гротовские чтения" (ИРЯ РАН, Москва), eLex 2017 (Лейден, Нидерланды) .

Аннотация результатов, полученных в 2018 году
1. В семантической части проекта: В 2018 году были обобщены лексикографические данные, полученные в 2016 и 2017 гг., с учетом результатов корпусно-статистического и психолингвистического исследований. Было показано, что интуитивный, «психолингвистический» принцип организации полисемии близок к принципам, выработанным в теоретической семантике, а именно, что существующие лексикографические принципы в высокой степени отражают языковую интуицию носителей языка. Восприятие метонимических семантических отношений как когнитивно более близких, нежели метафорические, отражается в принципах упорядочения значений, принятых в теоретической лексикографии, в частности в Активном словаре русского языка: метонимический сдвиг обычно описывается в рамках того же семантического блока, что и основное значение, в то время как метафорические сдвиги обычно конституируют новый семантический блок. Статистический же принцип отражает скорее состояние языка в конкретный исторический момент и в конкретной группе говорящих: в разное время и у разных возрастных и социальных групп носителей те или иные значения могут активизироваться или, наоборот, отступать на задний план. Был проведен эксперимента с носителями языка, в результате которого выяснилось, что порядок перечисления значений сильно многозначного слова в словарной статье, предъявленной испытуемым для запоминания, практически не влияет на количество вспомненных ими значений, но сам порядок, соответствующий семантическому развертыванию от прямого к переносным значениям, запоминается лучше, чем порядок по убыванию частотности значений в текстах. Результаты эксперимента показывают, что нет оснований менять существующий семантический порядок кластеризации и подачи значений для толкового словаря, поскольку он соответствует интуитивному когнитивному порядку, и более высокая частотность тех или иных значений не влияет на их запоминание. С другой стороны, представляется целесообразным включение информации о частотности значений в словарные статьи. Теоретическое осмысление результатов экспериментов, проведенных в предыдущие годы, позволило поставить новые теоретические задачи и запланировать серию новых экспериментов. В прошлом году в ходе работы над многозначностью прилагательных был получен интересный и теоретически неожиданный результат: выяснилось, что на материале полисемии некоторых прилагательных обнаруживается сближение метонимии, метафоры и прямого значения. В отчетном году данные результаты получили теоретическое осмысление. Во-первых, выяснилось, что для многих прилагательных характерна следующая структура полисемии: прямое значение (например, холодное мороженое) → производное от прямого значения метафорическое значение (например, холодный человек) → производное от метафорического значения метонимическое значение (например, холодный взгляд). В свете этого становится понятным смешение метафоры и метонимии: смешивается метафорическое значение и производное от него метонимическое. На материале стандартных схем прямое значение (сильный человек → производное от прямого значения метонимическое значение (сильные руки) + производное от прямого значения метафорическое значение (сильная боль) смешения метафоры и метонимии не происходит. В связи с полисемией прилагательных возник другой теоретический вопрос, о близкой и далекой метонимии у прилагательных, для разрешения которого в отчетном году В.Ю. Апресян и А.А. Лопухиной была проведена серия новых экспериментов и онлайн-опрос более чем 5000 говорящих при помощи ресурса Яндекс.Толока. Была также проведена запланированная работа по изучению динамики изменения значений (отмирание значений, появление новых значений, централизация одних и маргинализация других значений) на материале группы существительных, принадлежащих к области бытовой лексики (Б. Л. Иомдин) и на материале междометий (И. Б. Левонтина). Наконец, было проведено исследование полисемии граммемы несовершенного вида (Е. В. Урысон). 2. В статистической части проекта: Была продолжена работа по автоматическому определению частот значений существительных, глаголов и прилагательных из вышедшего в конце 2017 года третьего тома Активного словаря русского языка (буквы Д-З). Было извлечено 252 неоднозначных существительных, 228 глагола и 140 прилагательных, к которым был применен разработанный ранее метод автоматического определения частот значений на основе семантических векторов (word2vec). Был также исследован новый метод кластеризации label propagation, который относится к подклассу semi-supervised методов и показал хорошие результаты при разметке многозначных слов английского языка, описанные в литературе. Было обнаружено, что метод label propagation особенно чувствителен к гиперпараметрам и не дает надежной прибавки качества на всех словах по сравнению с методом k-means, который использовался коллективом проекта ранее. Таким образом, мы приняли решение остановиться на методе k-means как на более надежном и менее чувствительном к гиперпараметрам методе кластеризации и не использовать метод label propagation для задачи автоматического определения частот значений слов. Наконец, в рамках конференции Диалог-2018 участники гранта К. А. Лопухин и А. А. Лопухина совместно с коллегами из Гамбургского университета, Университета Мангейма, МГУ им. Ломоносова и ABBYY организовали и провели первое соревнование по автоматическому извлечению значений слов из неразмеченного корпуса текстов для русского языка RUSSE’2018 (http://russe.nlpub.org/2018/wsi/). В соревновании приняли участие 18 команд, приславших 383 алгоритмов. Значительное число участников смогли показать результаты, превосходящие современный эталонный подход AdaGram [Bartunov et al., 2016], основанный на векторах смыслов, который организаторы предложили в качестве baseline в данном соревновании. Результатом работы стали подробно описанные алгоритмы, позволяющие наиболее эффективно извлекать значения слов из неразмеченного корпуса текстов на русском языке. 3. В статистической (компьютерно-лингвистической) части проекта: Была продолжена работа по двум исследованиям: эксперимент с записью вызванных потенциалов (ВП) мозга при обработке словосочетаний с неоднозначными существительными и эксперимент с регистрацией движений глаз при чтении предложений с многозначными существительными. Первый эксперимент ставил своей задачей выявление электрофизиологических коррелятов семантической связанности и близости прямого и непрямых значений (метонимических и метафорически), а также сравнение обработки многозначных слов и омонимов. Сравнение проводилось отдельно для омонимов и многозначных существительных с использованием метода дисперсионного анализа с повторными измерениями (RM ANOVA). Было обнаружено, что метонимические значения воспринимаются мозгом как близкие к прямым значениям. Восприятие идущих подряд метафорического и прямого значения слова вызывает конфликт: как на ранних этапах (N400) восприятия, во время лексического доступа, так и на более позднем этапе восприятия (P600), то есть мы видим конкуренцию между метафорическим и прямым значением в мозгу испытуемых. Похожим образом происходит восприятие разных значений омонимов: если подряд идут два разных омонима, то мы наблюдаем сильный электрический ответ мозга на позднем этапе восприятия (P600). Вероятно, это свидетельствует о переключении с одного значения омонима на другое. Был также проведен эксперимент с регистрацией движений глаз, в котором исследовалось чтение многозначных существительных в контексте предложения. Мы рассмотрели скорость обработки значений существительных в разных контекстах, активирующих метафорическое и метонимическое значения, а также в контексте недоспецификации, который согласуется с любым из возможных значений существительного. Целью эксперимента было исследовать скорость доступа к значениям слов и узнать, зависит ли она от того, активирует ли контекст данное значение. Предполагалось, что обработка недоспецифицированного значения происходит быстрее. Однако полученные результаты не подтвердили наше предположение: испытуемые читали многозначное слово в недоспецифицированном контексте значимо дольше, чем в однозначном контексте с прямым значением. Значимой разницы в скорости прочтения метонимического и метафорического значения слова по сравнению со скоростью прочтения прямого значения обнаружено не было. Итак, мы можем заключить, что при чтении многозначных слов люди опираются на контекст и в однозначных контекстах с одинаковой скоростью обрабатывают прямые, метонимические и метафорические значения слов. В неоднозначных (недоспецифицированных) контекстах носителям языка требуется больше времени, чтобы приписать многозначному слову то или иное значение. Эксперимент показал, что при чтении многозначного слова в предложении в мозгу человека сразу активируется одно из значений этого слова.