Естественно-научные методы исследований в теории и практике производства судебных экономических и речеведческих экспертиз_ Материалы Всероссийской научно-практической конференции
.pdfСреди дальнейших разработок следует отметить методику идентификации личности по фотоснимкам с использованием аппарата проективной геометрии, предложенную Р.Э.Эльбуром [8], работы Л.Г. Эджубова и многие другие.
Большая часть методов, используемых судебной экспертизой, представляет собой методы естественных наук и в судебной экспертизе, это уже давно понятно. Недаром в то время, когда благодаря трудам ученых начала интенсивно формироваться теория судебной экспертизы, возникла необходимость и в систематизации методов вновь формирующейся науки. А.И. Винберг и А.Р. Шляхов в этот раз единодушны и выделяют 12 классов частно-
научных методов судебной экспертизы: измерительные, микроскопические, фотографические,
физико-технические, спектральные и т.д.[9] И если приглядеться к этой и иным предлагаемым классификациям, мы видим, что большая часть – это методы, созданные в иных науках, то есть науках, привлекаемых к формированию методологии судебной экспертизы (заметим: не к проведению судебных экспертиз различных видов, родов, а к созданию своей методологии, включенной в теорию судебной экспертизы), являются естественнонаучными методами.
Важность этих методов для судебной экспертизы такова, что требуется их интенсивное развитие, а это расширение методов, на наш взгляд, является причиной трансформации их в так называемые частные судебные науки. Пишут о судебной химии, возможно, судебной медицине, судебной бухгалтерии и т.д. Сейчас идет работа по становлению компьютерной экспертизы, соответствующие данной экспертизе методы исследования – компьютерные, уже созданы, но именно они создают тот фон, на котором уже появляются работы по формулированию новой судебной науки, пока как раздела криминалистики – компьютерная криминалистика (форензика), содержание которой состоит в «…исследовании доказательств в виде компьютерной информации, методах поиска, получения и закрепления таких доказательств» [10].
Лингвистическая экспертиза одна из самых сложных для формализации и, как следствие, для попыток приспособить какие-либо иные близкие к естественнонаучным знания для анализа содержания текстов. Приходится анализировать семантическую составляющую,
содержание отражения смысла в текстовых конструкциях языка, синтаксис текстового описания как внешнюю форму, отражающую этот смысл. Другой проблемой является устранение неопределенностей естественного языка, когда слово неоднозначно соответствует его смысловому значению. К таким неопределенностям языка относятся полисемия,
омонимия, синонимия и т.д. Это выражается в том, что разными словами и их различными комбинациями может быть отражен один и тот же смысл. Неопределенности естественного
языка являются основным источником смысловых искажений семантической информации,
одновременно почти всегда являются предметом лингвистической экспертизы. Язык настолько объемен, многогранен, что уловить и правильно трактовать его многочисленные тонкости требуются специальные познания эксперта-лингвиста [11].
Тем не менее, можно выделить несколько направлений, по которым следует ожидать движения в сторону использования лингвистами естественнонаучных знаний. И в первую очередь, основным направлением должны быть компьютерные методы, компьютерное и математическое моделирование, компьютерные методы анализа лингвистической информации, построенные на сложных представлениях о семантики и синтаксисе текстового
описания.
Любой метод, в том числе и компьютерный, не может применяться только исходя из
известного тезиса, что наука начинается, когда начинает применять математику. Он должен быть полезен для исследователя и упрощать его деятельность или давать новый результат,
который иначе получить нельзя или крайне затруднительно [12]. Поэтому многие задачи лингвистической экспертизы, связанные с толкованием текста, «…экспертизой текста (или его фрагмента) с тем, чтобы определить его смысловую ориентацию, модальность пропозиций, семантические и формально-грамматические характеристики, а также контекстную специфику задействованных стилистических приемов и средств» [13], требуют неформального анализа и математизации и компьютеризации в полном объеме не подлежат.
Конечно, не все так сложно. Возможны более простые задачи, возможна и частичная компьютеризация чаще всего рутинных операций (именно здесь компьютер особенно силен!)
на разных этапах решения экспертных задач. Там где важно текстуальное совпадение, как для установления фактов нарушения авторского права, на предварительном этапе, без сомнения,
будет полезна система «Антиплагиат», в общем-то, для этого и созданная. Можно подсчитать встречаемость тех или иных слов, словосочетаний, попытаться выделить те или иные
грамматические характеристики, с помощью специального программного обеспечения типа
«лингвистических процессоров» выделить семантическую структуру текста и даже провести формальное реферирование текста. Хотя и довольно грубо, но данные задачи можно смоделировать на компьютере. Однако даже в простейшем случае, как для антиплагиата,
решение должно быть за экспертом, выявленными и обоснованными им признаками и закономерностями.
Вообще, начиная говорить о применении компьютерных технологий в лингвистике мы вторгаемся в такую область, которая получила наименование компьютерной лингвистики,
науки, «... которая изучает различные аспекты (теоретические, алгоритмические,
программистские), связанные с реализацией всевозможных систем, обрабатывающих какие либо высказывания на естественном языке» [14].
Заметим, что компьютерная лингвистика уже добилась многого, существующие
разработки довольно активно используются в различных компьютерных системах
распознавания и анализа текста, структурирования больших массивов информации. И таких разработок не мало.
Например, лингвистический процессор ЭТАП-3, уже достаточно давно разрабатываемый Лабораторией компьютерной лингвистики Институтом проблем передачи информации РАН, представляет собой самостоятельную компьютерную систему, обладающая большим объемом знаний о языке. Благодаря этим знаниям и соответствующим алгоритмам ЭТАП-3 может анализировать тексты, строить синтаксическую структуру русского предложения в виде дерева зависимостей, в котором слова предложения представлены своими именами и наборами грамматических характеристик (часть речи, род, число, падеж и др.).
Каждое слово подчиняется какому-то другому слову по некоторому синтаксическому
отношению, которые также приведены в дереве разбора предложения [15].
Одним из продуктов, имеющих коммерческую ценность, является ABBYY Compren,
программа анализа и понимания текстов на естественном языке. Она выполняет полный
семантико-синтаксический анализ текста, создает его универсальное представление,
извлекает сущности, события и связи между ними. ABBYY Compreno позволяет эффективно решать задачи, связанные с анализом и извлечением важных фактов, интеллектуальным поиском и классификацией информации.
Система работает в несколько этапов. На 1 этапе производится лексико-
морфологический анализ, на 2 - этапе синтаксический, на 3 этапе - семантический анализ с
построением семантической структуры предложения, на 4 этапе осуществляется
прагматический уровень анализа, где накладывается прагматический слой анализа текста,
применяются онтологии и правила извлечения нужных объектов. Результатом анализа является универсальное представление информации, что позволяет структурировать контент в нужном виде.
В процессе анализа текста ABBYY Compreno выявляет омонимы (разные по значению,
но одинаковые по написанию слова) и решает проблему их многозначности на основе анализа контекста. Это позволяет существенно повышать релевантность результатов поисковой выдачи, а также точность выявления конкретных объектов в текстах.
Система осуществляет анализ сложных лингвистических связей между словами.
Благодаря полному семантико-синтаксическому анализу, технология способна учесть
множество особенностей естественного языка, позволяет определит отношения между взаимосвязанными словами даже в многострочных сложносочиненных предложениях со сложными оборотами, определить связи между объектом, выраженным существительным, и
заменяющим его местоимением и т.д. [16]
TextAnalyst 2.0 фирмы МикроСистемы представляет собой программу построения семантической сети понятий, выделяемых из обрабатываемого текста, со ссылками на контекст. Позволяет анализировать текст путем построения иерархического дерева тем/подтем, затрагиваемых в тексте. Также имеется возможность реферирования текста [17].
Это хоть и достаточно старая разработка, но до сих не потеряла актуальности и представляется в составе более сложной аналитической системы американской фирмой megaputer.
Как указывается на сайте фирмы, TextAnalyst способствует поиску семантической информации, позволяет сосредоточить изучение текста вокруг какого-то определенного предмета, производить построение точной семантической сети текста [18].
Как отмечается, «семантическая сеть дает исчерпывающее наглядное представление о содержании текста - информация сети отражает все потенциально присутствующие смысловые связи, что хорошо с точки зрения полноты смыслового портрета. ... Тематическая структура описывает содержание анализируемых текстов в виде иерархии связанных тем и подтем, раскрывающих содержание тем. Все темы и подтемы выражаются понятиями исходных текстов и соответствуют элементам семантической сети. ... Дополнительно, TextAnalyst предоставляет возможность регулировать форму тематического дерева.
Изменение порога по весу связей в семантической сети (разрыв более или менее сильных связей) изменяет вид дерева, разбивая его на большее или меньшее количество тематических кустов. В результате появляется возможность взглянуть на структуру текста в различных срезах, на разных уровнях глубины материала» [19].
Может представлять интерес и синтаксический анализатор DictaScope Syntax фирмы
"Диктум". Он строит дерево зависимостей для входного предложения на естественном языке
[20]. Кроме того, обзор целого ряда компьютерных лингвистических систем приводится в литературе [21].
Представляется, что современные лингвистические компьютерные системы будут полезны не только как рабочая среда аналитика, но и как инструмент эксперта-лингвиста,
предназначенный для исследования, в первую очередь, сложных и объемных текстов.
Список литературы
1.Шаров В.И. Формализация в криминалистики. Вопросы теории и методологии криминалистического исследования: Монография. – Н.Новгород, 2003. - С.24
2.La comparaison des ecritures et l'identification graphique. Journ. "Reviee scientifique", dec. 1897 – jan. 1898. Цит. по: Власов В.П. О применении математических методов в почерковедческой экспертизе // Вопросы кибернетики и право. – М.: Наука, 1967. – С.254-255
3.Крылов И.Ф. Очерки истории криминалистики и криминалистической экспертизы. – Л.: Изд-во ЛГУ, 1975. – С. 50
4.Селиванов Н.А. Математические методы в собирании и исследовании доказательств. - М.: Юрид. лит., 1974. – С. 99
5.Полевой Н.С. Применение математических методов, АИС и вычислительных комплексов в судебной экспертизе // Правовая информатика и кибернетика: Учебник / Под ред. Н.С. Полевого. – М.: Юрид. лит., 1993. – С. 339
6.Принципы и техника проведения графической экспертизы с объективным учетом значимости признаков почерка. – М., 1959. – 70 с.
7.См.: Власов В.П. Указ. соч. – С.254-255.
8.Эльбур Р.Э. Использование аппарата проективной геометрии в процессе идентификации личности по фотоснимкам // Вопросы кибернетики и право. – М.: Наука, 1967.
–С. 267-287.
9.См.: Зинин A.M., Майлис Н.П. Судебная экспертиза. Учебник. - М.: Право и закон; Юрайт-Издат, 2002. С. 42-43.
10.Федотов Н.Н. Форензика – компьютерная криминалистика – М.: Юридический Мир, 2007. – с. 13.
11.См.: Радбиль Т.Б., Юматов В.А. Язык судебной экспертизы: тенденции формирования и развития // Вестник Нижегородского университета им. Н.И. Лобачевского. 2014. № 3. С. 185.
12.См.: Шаров В.И. О понятии метода в криминалистике // Следователь. 2003. № 6.
–С. 40.
13.Сайт Консалтингового Центра «Независимая экспертиза http://anone.ru/
lingvisticheskaya_ekspertiza.
14. Волкова И.А. Введение в компьютерную лингвистику. Практические аспекты
создания лингвистических процессоров. – М.: МГУ, 2006 – С. 3.
15.См.: http://iitp.ru/ru/science/works/452.htm.
16.См.: http://www.abbyy.ru/infoextractor/compreno.
17.См.: http://www.asknet.ru/analytics/programms.htm.
18.См.: http://megaputer.ru/textanalyst.php.
19.См.: http://www.interface.ru/home.asp?artId=33240.
20.См.: http://www.dictum.ru/.
21.См.: Артемов М. А., Владимиров А. Н., Селезнев К. Е. Обзор систем анализа естественного текста на русском языке // Вестник ВГУ. Серия: системный анализ и информационные технологии. – 2013. – № 2. – С. 189-194.
Scientific methods in linguistic expertise concept
V.I. Sharov
The N.I. Lobachevsky State University of Nizhni Novgorod
Nizhny Novgorod Academy of the Ministry of internal Affairs of Russia
The article deals with the use of natural science methods in linguistic expertise. Historical examples show the value of these methods in shaping the methodology and theory of forensic expertise, their importance in forensic examinations of various species and genera. It is shown that most of the methods involved in formation of methodology of forensic examination, are natural methods. Despite the fact that linguistic expertise is one of the most difficult to formalize and, as a consequence, attempts to accommodate any other close-to-natural-science knowledge to analyze the content of the texts, however, the work stands out in several directions using the language of natural Sciences. Special attention is given to computer methods of analysis of linguistic information, based on complex ideas about the semantics and syntax of the text description.
Keywords: forensic expertise, linguistic expertise, forensic science, scientific methods, mathematical methods, computer methods.