Критерии делю на две группы: формальные (форма, звук, синтаксис) и семантические (темы, образность, тон). Ниже — краткий перечень ключевых параметров и способы их измерения.
Формальные параметры
- Метрика и ритм: схема ударений/тактирования; измерять как распределение метрических паттернов, совпадение схем, доля строк, соответствующих определённому метру.
- Рифмовая система: тип (смежная, перекрёстная, кольцевая), плотность рифм, фонетическая сочетаемость рифм (фонемная транскрипция).
- Строфика и строение строки: типы строф, средняя длина строки (слова/слоги), вариативность длины.
- Фонетические приёмы: аллитерация, ассонанс, консонанс — измерять частотами фонемных совпадений в окне.
- Энжамбман и пунктуация: доля энжамбманов, распределение знаков препинания; влияет на читаемость и синтаксический ритм.
- Лексическая статистика: тип-тукн соотношение, доля уникальных слов (гапаксы), частоты стоп-слов vs. контентных.
- Синтаксис: средняя длина предложения, распределение POS-тегов, типичные синтаксические конструкции (деревья зависимостей).
- Регистровые маркеры и орфография: архаизмы, диалектизмы, заимствования, графические особенности (капитализация, дефисы).
Семантические параметры
- Топические профили: распределение тем (LDA/CTM или эмбеддинги + кластеризация); сравнение через дистанции (например JSD).
- Семантическая близость лексиконов: косинусная схожесть средних эмбеддингов по текстам.
- Образность и тропы: частоты метафор, метонимий, символов; можно детектировать моделями или вручную кодировать.
- Эмоционально-аффективные характеристики: значения валентности/возбуждения/контроля (VAD) по лексике; тональность (полярность), частота эмоциональных лексем.
- Конкретность/абстрактность, образность (imageability): средние оценки по словарям.
- Интертекстуальность и цитирование: совпадения цитат, отсылки к авторам/мифам, именованные сущности.
- Персона и голос повествования: наличие лирического «я», модальность (повелительное/условное), степень объективности/субъективности.
Метрики сравнения и агрегирование
- Для векторных признаков: косинусная схожесть $\cos (u,v)=\frac{u\cdot v}{\Vert u\Vert \Vert v\Vert }$.
- Для распределений (тем, POS и т. п.): Дженсен‑Шенноновская дивергенция $\mathrm{JSD}(P||Q)=\frac{1}{2}\mathrm{KL}(P||M)+\frac{1}{2}\mathrm{KL}(Q||M)$, $M=(P+Q)/2$.
- Для расстояния по скалярным признакам: нормировка и перевод в сходство $s_i=1-\frac{d_i}{\max d_i}$ или z‑скоры.
- Композитная оценка сходства: объединять нормированные признаки с весами $w_i$: $\mathrm{Sim}={\sum }_i{w}_i{s}_i,{\sum }_i{w}_i=1$.
Рекомендованный рабочий пайплайн
1) Подготовка корпуса: лемматизация, фонетическая транскрипция (для рифмы), POS и парсинг.
2) Выделение признаков по списку выше (формальные и семантические).
3) Нормализация признаков и выбор метрик (косинус, JSD, евклид и т. д.).
4) Агрегация по смысловой задаче (авторская атрибуция, влияние, сходство тем) с настройкой весов $w_i$.
5) Валидация: кластеризация/ранжирование, статистические тесты значимости, экспертная оценка.
Практические замечания
- Выбор признаков и весов зависит от цели: для метрических сравнений сильнее весить метр/рифму; для тематического — топики и эмбеддинги.
- Смешивать автоматические метрики с экспертной аннотацией для интерпретируемости.
- Для поэзии важно учитывать многозначность и контекст — автоматические меры дают направление, но не заменяют качественный разбор.
Если нужно, могу предложить пример набора признаков и формул агрегирования для конкретной задачи (например, авторская атрибуция или анализ влияния).