Прямая и косвенная референциальная конкуренция как параметры моделирования референциального выбора

На выбор выражений для упоминания референтов в дискурсе (референциальный выбор) может оказывать влияние, наряду с прочими факторами, присутствие конкурирующих упоминаний других референтов в предшествующем дискурсе. Как правило, под конкурирующими упоминаниями понимаются только такие, которые создают ситуацию референциальной неоднозначности в силу совпадающих значений категорий рода и числа, например два разных референта, которые в случае прономинализации будут упомянуты при помощи одной и той же местоименной формы он. При этом в корпусных и психолингвистических исследованиях продемонстрировано, что оказывать влияние на референциальный выбор могут в том числе близко расположенные упоминания таких референтов, которые различаются по роду и/или числу и прономинализованные упоминания которых не приводят к возникновению референциальной неоднозначности. В настоящем исследовании предпринята попытка усовершенствовать многофакторную модель референциального выбора в английском языке за счет добавления двух факторов, учитывающих референциальную конкуренцию обоих типов («прямая референциальная конкуренция» и «косвенная»), и проверить действие новых факторов на материале корпуса текстов из газеты «The Wall Street Journal». Для этого были сформулированы критерии отбора конкурирующих референциальных выражений по текущему уровню активации референтов, основанные на пяти факторах: расстояние от анафора до конкурирующего антецедента в абзацах, предложениях и элементарных дискурсивных единицах, одушевленность антецедента, грамматическая роль антецедента, — а также были рассмотрены проблемы операционализации новых факторов. Добавление к модели новых факторов повысило точность предсказания выбора между полной именной группой и местоимением при использовании алгоритма случайного леса. Совершенствование методик, используемых для оценки уровня активации конкурентов при расчете двух новых факторов, может обеспечить дополнительное увеличение вклада этих факторов в общее качество модели.