Датасет: авторство «Тихого Дона»

Вопрос об авторстве «Тихого Дона» — один из самых известных в истории русской литературы XX века. Несмотря на то, что Нобелевская премия была вручена Михаилу Шолохову, сомнения в том, что именно он является единственным создателем романа, возникали неоднократно. В качестве альтернативных кандидатов называли имена Федора Крюкова, Сергея Голоушева (псевдоним Вик. Севский) и даже Вячеслава Иванова.

В 2020 году в Репозитории открытых данных по русской литературе и фольклору был опубликован датасет, который проливает свет на эту проблему с помощью методов вычислительной стилеметрии. Речь идет о наборе стилеметрических данных, собранных и обработанных специально для атрибуции «Тихого Дона». Исследовательский корпус включает тексты 10 авторов — современников Шолохова (Булгаков, Платонов, Леонов, Серафимович, Фадеев, Фурманов и др.), а также все четыре тома самого романа-эпопеи.

Что внутри?

Автор подготовил подсчеты частотности словоформ с использованием популярного R-пакета stylo. Все расчеты выполнены для диапазона от 100 до 500 самых частотных слов. В архивах вы найдете:

• матрицы расстояний между текстами (Classic Delta);
• списки самых частотных слов и их z-нормированные частоты;
• взвешенные графы для сетевого анализа (формат, совместимый с Gephi);
• визуализации — дендрограммы и консенсусное дерево, показывающее кластеризацию текстов;
• готовый конфигурационный файл stylo_config.txt, позволяющий воспроизвести визуализацию без доступа к исходным текстам.

Особый интерес представляет отдельный файл, посвященный научному изданию романа 2017 года (ИМЛИ РАН). Это позволяет проверить устойчивость результатов при работе с разными версиями текста.

Почему это важно?

Датасет — это не просто набор таблиц. Это реплицируемая основа для проверки гипотез об авторстве. Любой исследователь может загрузить данные, запустить stylo() в R и увидеть, как группируются тексты: насколько близки «Тихий Дон» к произведениям Крюкова, Иванова или самого Шолохова («Донские рассказы», «Поднятая целина» и др.). Данные позволяют воспроизвести результаты, опубликованные в статье Н. П. Великановой и Б. В. Орехова в журнале «Мир Шолохова» (2019, № 1), где методом стилеметрии были получены аргументы в поддержку шолоховского авторства.

Практическая ценность

Набор данных пригодится не только литературоведам, но и специалистам по цифровой гуманитаристике. Все расчеты выполнены без дополнительной предобработки текстов (лемматизации, удаления стоп-слов и т.д.) — это сознательное решение авторов, сохраняющее «сырой» стиль. Файлы готовы к импорту в среду R, а графы можно исследовать в программах сетевого анализа.

Ссылка на данные

Орехов, Борис, 2020, «Стилеметрические данные “Тихого Дона” и современной ему прозы», Репозиторий открытых данных по русской литературе и фольклору, V1, https://doi.org/10.31860/openlit-2020.05-R001.

Данные к публикации:
Великанова Н. П., Орехов Б. В. Цифровая текстология: атрибуция текста на примере романа М. А. Шолохова «Тихий Дон» // Мир Шолохова. Научно-просветительский общенациональный журнал. — 2019. — № 1. — С. 70–82.

Репозиторий доступен по адресу: https://dataverse.pushdom.ru/dataset.xhtml?persistentId=doi:10.31860/openlit-2020.05-R001