Detecting the schematic semantic domains of the image “labyrinth” using a machine learning algorithm

Abstract

The convergence of cognitive grammar and machine learning models to analyze fictional texts is a new synthetic approach in linguistic research. The presented article is grounded on a modern American dystopian text, “The Maze Runner” by D. Dashner. Dystopian literature is an instance of language use where the author manipulates lexical and syntactic choices to encode meanings. The paper aims to reconstruct the schematic semantic domains of the image “labyrinth” by discerning scaffolding lexemes and applying a deep learning model to extract word embeddings. The article studies the image “labyrinth” as a predication embodied by the complex conceptual matrix following the principles of cognitive grammar. The schematic semantic domains reflect essential experiences a person acquires while encountering new objects or concepts. Hence, external factors such as body changes, kinesthetic movements, and sensory exposures determine the lexemes that comprise the basic semantic domains of the image “labyrinth”. The article identifies the main nominal semantic domains of the image “labyrinth” such as the Maze, the Box, the Glade, the Cliff, Thomas, and the Grievers. These terms build a mental map in the reader’s mind and bind the prominent topological landmarks. By applying the deep learning algorithm word2vec, we further discern the top ten word embeddings that make up these domains. We analyze the grammatical categories that comprise each schematic semantic domain and check whether the model’s output can contribute to the generalized inference of the basic domains that construct the image “labyrinth”. The paper concludes by discussing the consistency of deep learning models with the expected output and limitations that can be traced by utilizing only a machine learning algorithm. We conclude that the deep learning approach can bring logical structure to the discerned schematic semantic domains of the image "labyrinth" and highlight their relations. However, the attained lexemes are sometimes not fully comprehensible and interpretable to rely on in constructing the senses of the image “labyrinth”.

Конвергенція когнітивної граматики та моделей машинного навчання для аналізу художніх текстів є новим синтетичним підходом у лінгвістичних дослідженнях. Матеріалом статті слугує сучасний американський антиутопічний текст «Той, що біжить лабіринтом» Д. Дашнера. Антиутопічна література є прикладом використання мови, де автор маніпулює лексичними та синтаксичними засобами для кодування смислів. Мета статті – реконструювати схематичні семантичні домени образу «лабіринт», виокремивши основні лексичні одиниці та застосувавши модель глибокого навчання для виокремлення слів близьких за значенням. У статті досліджено образ «лабіринт» як предикацію, втілену складною концептуальною матрицею за принципами когнітивної граматики. Схематичні семантичні поля відображають суттєвий досвід, якого набуває людина, стикаючись з новими об’єктами чи поняттями. Таким чином, зовнішні фактори, такі як зміни тіла, кінестетичні рухи та сенсорні впливи, визначають лексеми, що складають базові семантичні домени образу «лабіринт». У статті визначено основні номінативні одиниці які вербалізують образ «лабіринт»: the Maze, the Box, the Glade, the Cliff, Thomas, і the Grievers. Ці терміни вибудовують ментальну карту у свідомості читача та пов’язують між собою головні топологічні орієнтири образу. Застосовуючи алгоритм глибинного навчання word2vec, ми виокремлюємо десять найпоширеніших слів, що утворюють ці домени. Аналізуємо граматичні категорії, які складають кожен схематичний семантичний домен, і визначаємо, чи результати роботи моделі сприяти узагальненому висновку про основні області, які конструюють образ «лабіринт». У статті оцінено узгодженість моделі глибокого навчання з очікуваним результатом та обмеження, які можна простежити, використовуючи лише алгоритм. Ми дійшли висновку, що підхід глибинного навчання може надати логічної структури схематичним семантичним доменам образу «лабіринт» і висвітлити їхні зв’язки. Однак отримані лексеми іноді не є повністю зрозумілими та інтерпретованими, щоб на них можна було спиратися при конструюванні смислів образу «лабіринт».