ОСОБЛИВОСТІ ЖАНРОВОЇ КЛАСИФІКАЦІЇ ЛІТЕРАТУРИ ЗА ДОПОМОГОЮ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ
DOI:
https://doi.org/10.32782/folium/2025.6.19Ключові слова:
жанрова класифікація, великі мовні моделі, параметризація жанрів, автоматизований аналіз тексту, жанрові онтологіїАнотація
У статті розглянуто історичний контекст жанрової класифікації, параметризацію жанрів та їхню роль у структуризації літературних творів. Досліджено досвід застосування автоматизованої параметризації у сферах фільмів (Netflix) та музики (Spotify, Apple Music), що дозволяє персоналізувати користувацький досвід. Аналогічні методи використовуються в літературній сфері, зокрема в Amazon, де параметризація жанрів допомагає у продажах та рекомендаціях книг.У науковій літературі жанрова класифікація також відіграє ключову роль у систематизації знань, сприяючи ефективнішому пошуку та аналізу наукових робіт. Одним із основних питань статті є роль великих мовних моделей у жанровій класифікації. Розглянуто, як ці моделі можуть ідентифікувати жанрові особливості текстів, виділяючи стилістичні прийоми та враховуючи лексичні й синтаксичні параметри. Окрему увагу приділено методам оцінки точності автоматизованої класифікації, а також аналізу матриць невідповідностей та оцінки впевненості моделей. Підкреслено, що інтеграція великих мовних моделей із жанровими онтологіями та вдосконалення адаптивних алгоритмів можуть значно покращити якість автоматичної класифікації. У статті також порівнюються традиційні та автоматизовані підходи до жанрової класифікації. Традиційні методи базуються на експертному аналізі та враховують культурний і історичний контекст жанрів, що забезпечує глибину аналізу, але обмежує масштабованість. Автоматичні методи, навпаки, дозволяють швидко обробляти великі масиви текстів, але можуть нехтувати нюансами та гібридністю жанрів. Оптимальним підходом є поєднання цих методів, що забезпечує баланс між точністю та пояснюваністю.Серед основних викликів жанрової класифікації великих мовних моделей виділено розмитість жанрових меж, вплив навчальних даних на упередження моделей та складність розпізнавання складних стилістичних прийомів. Запропоновані напрями вдосконалення включають розширення корпусів навчальних даних, інтеграцію моделей із літературознавчими базами знань, використання багаторівневої класифікації та покращення пояснюваності результатів. Таким чином, стаття робить важливий внесок у дослідження автоматизованої жанрової класифікації, демонструючи переваги та обмеження LLM у цьому завданні.
Посилання
Абрамчук, О.В. (23–24 березня 2016 р.). Жанри сучасної української літератури. Матеріали XLV Науково-технічної конференції ВНТУ. Вінниця, Україна. URL: http://conferences.vntu.edu.ua/index.php/all-hum/all-hum-2016/paper/view/108/.
Барабаш, С. (2011). Поняття “жанр” як теоретична категорія та чинник художньої специфіки творчості М. Козоріса. Науковий часопис НПУ ім. М. П. Драгоманова. Серія 8. Філологічні науки (мовознавство та літературознавство), 11, 42–46.
Бехта, І. А., & Марчук, О. В. (2021). Структурно-типологічна параметризація художнього текстопростору англомовного фентезі. Науковий вісник Міжнародного гуманітарного університету. Сер.: Філологія, 47, 17–21.
Вибір редакції Amazon: добірка наших книжок. (2025). URL: https://ridna-mova.com/vibir-redaktsii-amazon-dobirka-nashih-knigok.html.
Ворочек, О. Г., & Соловей, І. В. (2024). Використання мовних моделей штучного інтелекту для генерації публікацій у соціальних мережах. Технічна інженерія, 93, 128–134. DOI: https://doi.org/10.26642/ten-2024-1(93)-128-134.
Гоца, Н. М. (2009). Проблема визначення поняття “стиль” жанру роману та методи його аналізу. Філологічні трактати, 3–4, 32–42.
Гулик, Ю. В. (2023). Використання штучного інтелекту для аналізу статистичних профілів текстів. Науковий журнал Львівського державного університету безпеки життєдіяльності «Львівський філологічний часопис», 14, 29–35.
Жанри і жанрові процеси в історико-літературній перспективі. (2012). Кам’янець-Подільський : Аксіома.
Лозинська, Н. А. (2018). Феномен бестселера у сучасній видавничій справі: зарубіжний досвід та українські реалії. Лідери книжкового ринку: матеріали Підсумкової науково-практичної конференції ІІ туру Всеукраїнського конкурсу студентських наукових робіт із галузі знань «Журналістика». С. 1–53.
Самвидав на Amazon: Крок за кроком до публікації книги. (2025). URL: https://mindthegraph.com/blog/uk/%D1%81%D0%B0%D0%BC%D0%B2%D0%B8%D0%B4%D0%B0%D0%B2-%D0%BD%D0%B0-%D0%B0%D0%BC%D0%B0%D0%B7%D0%BE%D0%BD%D1%96.
Черниш, О. А. (2020). Теорія жанрів у сучасній лінгвістиці. Вчені записки ТНУ імені В. І. Вернадського. Серія: Філологія. Соціальні комунікації, 31, 70–75.
Apuk, V., & Nuci, K. P. (2021). Classification of Pedagogical Content Using Conventional Machine Learning and Deep Learning Models. https://doi.org/10.48550/arXiv.2101.07321.
Biswas, A., Dhabal, S., & Venkateswaran, P. (2023). Exploring Music Genre Classification: Algorithm Analysis and Deployment Architecture. https://doi.org/10.48550/arXiv.2309.04861.
Doulaty, M., Saz, O., & Raymond, W. M. (September 8–12, 2016). Automatic Genre and Show Identification of Broadcast Media. 17th Annual Conference of the International Speech Communication Association, Interspeech. San Francisco, USA. P. 2115–2119. https://doi.org/ 10.48550/arXiv.1606.03333
Garbacz, P. (2006). An Outline of a Formal Ontology of Genres. (August 5–8, 2006). Conference: Knowledge Science, Engineering and Management, First International Conference. Guilin, China. P. 151–163. DOI: 10.1007/11811220_14.
Karjus, A. (2024). Machine-assisted quantitizing designs: augmenting humanities and social sciences with artificial intelligence. https://doi.org/10.48550/arXiv.2309.14379.
Lepekhin, M., & Sharoff, S. (2022). Estimating Confidence of Predictions of Individual Classifiers and Their Ensembles for the Genre Classification Task. https://doi.org/10.48550/arXiv.2206.07427.
Martin, C., & Hood, D. (2024). The Use of Natural Language Processing in Literature Reviews. URL: https://insights.axtria.com/hubfs/thought-leadership-whitepapers/Axtria-Insights-White-Paper-The-Use-of-Natural-Language-Processing-in-Literature-Reviews.pdf
Mu, Y., Dong, C., Bontcheva, K., & Song, X. (2024). Large Language Models Offer an Alternative to the Traditional Approach of Topic Modelling. https://doi.org/10.48550/arXiv.2403.16248.
Netflix Help Center (2025). URL: https://help.netflix.com/en.
Schreiber, H. (2016). Genre Ontology Learning: Comparing Curated with Crowd- Sourced Folksonomies. (August 7–11, 2016). Proceedings of the 17th International Society for Music Information Retrieval Conference. New York City, USA. P. 400–406. URL: h t t p s : / / a r c h i v e s . i s m i r. n e t / i s m i r 2 0 1 6 / paper/000074.pdf.
Sobchuk, O., & Sela, A. (2023). Computational thematics: Comparing algorithms for clustering the genres of literary fiction. https://doi.org/10.48550/arXiv.2305.11251.
