Ok, m-ai prins: ador muzica si serialele TV. Ceea ce probabil nu stiti este ca sunt un cititor incapatanat. Nu pot lista toate cartile pe care le-am citit in viata mea, dar pot raspunde la intrebarea care este cartea ta preferata? .
Este o suta de ani de singuratate de Gabriel Garcia Marquez . O suta de ani de singuratate este cartea: contine tot ce aveti nevoie sau nici unul dintre ei, este un roman foarte fantastic, este practic infinit in continutul sau, este definitia timpului . Mai mult decat atat, reprezinta singuratatea mea.
Am gasit o editie foarte frumoasa acum cateva zile in Franta. Nu mai pot sa-l citesc, dar curiozitatea omoara intotdeauna pisica, asa ca ma intrebam daca este posibil sa o analizam in sensul unui fel de analiza textuala .
Am facut-o si exista aceasta postare. Sa trecem la Introducere!
Am analizat cartea folosind doua tipuri de analize, care sunt o analiza textuala si un fel de analiza a teoriei graficelor . Primul este alcatuit dintr-o analiza textuala a cartii, luand cuvintele ca elemente atomice ale analizei. Acesta din urma il foloseste pe primul pentru a crea un grafic (sau retea ) care modeleaza interactiunile dintre personajele din carte.
Inainte de a incepe, un disclaimer: acest post nu reprezinta o abordare stiintifica a problemelor expuse. Realizeaza doar multa curiozitate.
Inainte de a incepe, avem nevoie de ceva. Da, ai ghicit bine: avem nevoie de carte intr-un format textual. Intrebam, Google raspunde: iata un fisier .txt care contine traducerea in engleza a cartii originale.
Exploatarea textului a fost efectuata folosind Python si biblioteca nltk . Vizualizarile au fost realizate de matplotlib si Tableau . Graficul a fost realizat folosind networkx biblioteca si Gephi pentru vizualizare.
Pasii principali ai abordarii sunt urmatorii:
- citind cartea si simbolizand-o folosind python si nltk,
- realizarea analizei textuale cu aceleasi instrumente,
- construind un grafic in partea de sus a informatiilor extrase despre caractere.
Codul este disponibil pe Github.
Sa incepem cu analiza textuala, adica sa luam tot textul, sa-l scuipam pe computer si sa vedem daca iese ceva . Se pare ca a iesit cu adevarat ceva interesant!
Simboluri, cuvinte, bogatie lexicala
O intrebare simpla: cate simboluri, cuvinte totale si distincte contine cartea? Marquez, pentru ultima sa versiune a cartii, a apasat de 809644 ori tastele masinii de scris . O suta de ani de singuratate contine 144739 de cuvinte, iar numarul de cuvinte distincte este de 11027 . Exista mai mult de 11k cuvinte diferite!
Putem extrage o masura frumoasa numita bogatie lexicala , care este raportul dintre numarul de cuvinte distincte si numarul de cuvinte totale. In acest caz, avem 0,07618540959934779 si inseamna ca toate cuvintele distincte reprezinta 7,6% din intregul text!
Cuvinte dispersie
Marquez si-a intitulat lucrarea O suta de ani de singuratate . Te-ar putea face sa crezi ca cuvantul singuratate apare foarte mult in text. O putem gasi identificand dispersia cuvantului in intregul text. Sunt curioasa, asa ca am incercat sa identific alte patru cuvinte, adica timp , dragoste , viata si moarte .
Intriga arata dispersia cuvintelor din text. Intuitiv, o linie albastra reprezinta un cuvant care apare in acea parte a cartii, altfel. Din complot putem vedea ca batrana vulpe Marquez foloseste de foarte putine ori singuratatea, dar il face pe cititor sa cada in conceptul de timp , folosind acel cuvant practic in intreaga carte. Mai mult, vedem ca dragostea este tema principala incepand de la sfarsitul celei de-a cincea generatii a lui Buendia pana la sfarsitul cartii.
Hapax legomena
Erh …
escuchar relatos porno cine porno español
sexo con viejas tias putas
porno chileno xxxjovenes
folladas dormidas comiendo polla
viejasxxx glory hole españa
seso gratis fontanero cachondo
peliculas porno traducidas al castellano xxxmamas
maduras en castellano cerdas com gratis
sexo gratis porno videos heroticos
madres cachondas hombres corriendose
videos de follar chicas masturbando a chicos
madre pajea a su hijo jovenes nudistas
descargar videos porno gratis porno gay marruecos
follando en español megacorridas
orgias con abuelas gordas corriendose
follada en tanga porno incesto real
peliculas porno de incesto en español porno transexual en español
madres españolas follando con hijos follando real
rajas peludas penes gordos
hijo viola a su madre porno madres haciendo pajas a sus hijos
ce? O hapax legomena este un cuvant care apare o singura data intr-un context, fie in inregistrarea scrisa a unei limbi intregi, in operele unui autor, fie intr-un singur text.
O suta de ani de singuratate contine 4741 hapax legomene. Iata 50 dintre ele, alese la intamplare:
epoleti, suparare, civilizatie, motilon, maresal, domeniu, glutoni, dispretuit, secretar, consultanta, menghina, patruzeci si sapte, modifica, papagal, treizeci si cinci, pune in pericol, cel mai inalt zbor, docilitate, dorinta, respingeri, cu intelepciune, Walter, purcei, conserve, delicatese, dementi, porturi, potir, atenuate, paragrafe, enigma, colibe, alexandrie, obturat, desavarsit, adulter, copita, farmacie, dans la robinet, tesatura.
Colocatii
Ehm … ce? Sunt informatician, haide! O colocare este o secventa de cuvinte sau termeni care apar mai des decat s-ar fi asteptat intamplator.
In O suta de ani de singuratate , gasim urmatoarele colocatii:
jose arcadio, aureliano segundo, colonel aureliano, aureliano buendia, arcadio buendia, gerineldo marquez, santa sofia, pietro crespi, petra cotes; pilar ternera, colonel gerineldo, arcadio segundo, amaranta ursula, chestnut tree, banana company, mauricio babilonia, apolinar moscote, father nicanor, prudencio aguilar, many years.
Ei bine, acum ne distram! Ideea din spatele acestui tip de analiza este aceea de a modela relatiile dintre personajele din O suta de ani de singuratate printr-o retea (un grafic).
Inainte de a incepe, definim ce este un grafic si care sunt relatiile dintre personaje.
O retea este doar un set de obiecte conectate intre ele printr-un fel de relatie. De exemplu, tu, dragul meu cititor si prietenii tai, creati o retea: sunteti entitati care sunt conectate prin experiente anterioare, interese comune etc. In tot acest post, as putea numi aceste entitati varfuri si marginile relatiilor .
In ceea ce priveste relatia dintre personaje: nu putem extrage diferite tipuri de relatii intr-un mod automat. Noi spunem ca o relatie exista intre un caracter A si B daca A si B , are loc in text si B apar cel mult dupa 30 de cuvinte de la aparitia A . In plus, am luat in considerare doar personajele cu cel putin o interactiune.
Vai, avem un grafic!
Il asteptati! Iata graficul care modeleaza relatia dintre personajele O suta de ani de singuratate :
Varfurile (cercurile) reprezinta caractere: dimensiunea varfurilor este proportionala cu numarul total de interactiuni. Marginile reprezinta relatii: dimensiunea marginii dintre doua varfuri este proportionala cu numarul de interactiuni dintre aceste doua caractere. Dar … avem cateva probleme: nu exista nume! Ai citit cartea? Deci, fa-ti ghici!
Terminat? Iata numele:
Sfanta Treime este acolo: Ursula , Amaranta si Remedios sunt strans legate intre ele trei. Vedem ca modelul ofera un indiciu vizual frumos cu privire la importanta unor personaje introduse tarziu: daca un personaj este introdus tarziu in carte, astfel ca importanta acestui personaj cade.
Personaje si statistici
Sa desenam cateva statistici simple:
- exista 62 de caractere care au cel putin o interactiune , in timp ce numarul total de caractere este de 71 ;
- avem cel putin 1 si maximum 33 de interactiuni, numarul mediu de interactiuni este de 6,6451 .
Sa vedem daca putem obtine cateva informatii mai interesante!
Diametrul unui grafic
Diametrul unui grafic este excentricitatea maxima a oricarui varf din grafic, adica cea mai mare distanta intre orice pereche de varfuri. Intuitiv, ne gandim la diametru ca la cea mai scurta cale care ne permite sa mergem de la o parte la alta a graficului.
Diametrul graficului nostru este egal cu 6 si un exemplu de cale care defineste diametrul este urmatorul:
Bruno Crespi, Pietro Crespi, Remedios, Aureliano Segundo, dl Herbert, dl Jack Brown, Dagoberto Fonseca.
In acest caz, cea mai scurta cale care incepe de la Bruno Crepsi si se termina spre Dagoberto Fonseca este cea de mai jos.
Centralitate
Exista o modalitate de a intelege importanta unui personaj intr-o carte? Da, sigur ca este, citind cartea, analizand relatiile dintre personaje etc. Exista o modalitate de a defini importanta in graficul O suta de ani de singuratate ? Sigur ca este! Putem calcula centralitatea unui varf din retea.
Centralitatea identifica importanta unui varf in retea. Sa aplicam doua masuri de centralitate bine cunoscute: gradul de centralitate si intre centralitate .
Centralitatea gradului pentru un varf dat este definita ca numarul de margini ale varfului. Sa vedem primele zece cele mai importante varfuri din graficul nostru. Daca sunteti interesat, iata vizualizarea gradului de centralitate pentru toate personajele.
Ursula (Iguaran): 33
Amaranta: 27
Remedios: 26
Colonel Aureliano Buendia: 25
Aureliano Segundo: 23
Rebeca: 19
Jose Arcadio Buendia: 18
Jose Arcadio Segundo: 15
Gerineldo (Marquez): 15
Melquiades: 13
Centralitatea intre un varf dat este definita ca numarul celui mai scurt traseu pentru o pereche de varfuri care trec prin varful dat. Iata primele zece cele mai importante varfuri din graficul nostru si iata vizualizarea tuturor personajelor.
Ursula (Iguaran): .26675225258687174
colonelul Aureliano Buendia: .24285723082589036
Aureliano Segundo: .1333021576177314
Jose Arcadio Segundo: .12999823188347778
Remedios, Meme: .12191073285263257
Amaranta: .09939612889878079
Gabriel: .09508196721311475
Dl Herbert: .06448087431693988
Amparo (Moscote): 0.043136425398238344
Melquiades: .04185479524582708
Retineti ca Ursula ramane cele mai importante personaje din roman. Intr-adevar, are cel mai mare numar de interactiuni si toate interactiunile trec prin ea. Este interesant de vazut ca, pentru gradul de centralitate, locul al doilea si al treilea merg la Amaranta si Remedios, care sunt personaje principale, dar nu aduc informatii in retea, adica toate celelalte personaje ar putea avea relatii fara a le implica; pentru centralitatea interbalitatii, colonelul Aureliano Buendia si Aureliano Segundo reprezinta principalele fire ale intregului roman.
Ar putea fi interesant sa definim relatia intr-un mod mai precis, intrucat, de exemplu, doua personaje sunt in relatie, indiferent daca sunt aproape una de cealalta in timpul vorbirii . Dupa cum va puteti imagina, draga cititoare, aceasta abordare este mai dificila decat cea pe care am folosit-o si ar putea fi investigata.
Abordarea prezentata aici ar putea fi (practic) aplicata oricarei alte carti. Aveti grija, oricum: etichetarea , adica procesul de clasificare a cuvintelor in partea lor de vorbire, este strict legata de limba. Deci, poate pentru engleza ar putea fi usor, dar ce zici de italiana?
Sper ca ti-a placut aceasta postare. Va rog, nu ezitati sa-mi sugerati orice doriti sa vedeti aici sau sa indicati erori!
