Слово в корпусе: как менялся словарь Есенина между 1910-ми и 1920-ми
Разговоры о том, как «менялся Есенин», обычно ведутся на примерах: вот раннее стихотворение, вот позднее, разница видна на глаз. Это убедительно, но не проверяемо: подборку примеров можно составить так, чтобы подтвердить любую мысль. Поэтому мы посчитали весь корпус — не для того, чтобы заменить чтение цифрами, а чтобы увидеть, где интуиция совпадает с данными, а где ведёт себя слишком уверенно.
Что именно посчитано
Взяты 346 стихотворений из библиотеки сайта — все, для которых известен год. Поэмы (43 текста, включая «Анну Снегину», «Пугачёва», «Чёрного человека») в основной расчёт не вошли: у них другая длина и другая структура, они перевешивают любую статистику по стихам. Прозу, статьи и автобиографии не считали совсем — другой регистр.
Итого: 33 073 словоупотребления, средняя строка — 26,7 знака, средний стихотворный текст — от 81 слова в 1910-х до 120 слов в первой половине 1920-х.
Считались словоформы, а не леммы: «сердце», «сердца» и «сердцу» — три разных слова. Это грубее лемматизации, но честнее: никакая автоматическая разметка здесь не додумывает за автора. Служебные слова (предлоги, союзы, местоимения) исключены по фиксированному списку; имена собственные не исключались.
Три периода: как менялся объём
| Период | Стихотворений | Слов | Слов в тексте | Знаков в строке |
|---|---|---|---|---|
| 1910–1916 | 170 | 13 765 | 81,0 | 26,9 |
| 1917–1920 | 55 | 4 723 | 85,9 | 25,0 |
| 1921–1925 | 121 | 14 585 | 120,5 | 27,1 |
Первое, что видно: провал 1917–1920 годов не только в количестве написанного (55 текстов против 170), но и в объёме. Второе: средний текст в 1920-х длиннее на 49% — Есенин пишет не чаще, а длиннее. Строка при этом почти не меняется: 25–27 знаков во все периоды, то есть короткий стих — не примета раннего периода, а постоянная величина.
По годам картина резче, чем по периодам: 1914 — 39 стихотворений, 1916 — 40, затем спад до 10 в 1919-м и 4 в 1920–1921-м, а в 1925-м — 68. На последние два года приходится 97 текстов из 346 (28%) и 34% всех слов корпуса.
Что происходит со словами
Сравнивать частоты между периодами можно только в пересчёте на 10 000 слов: поздних текстов меньше по объёму, и абсолютные числа обманут. Ниже — слова, чья доля выросла и упала сильнее всего; исключены слова, встретившиеся меньше шести раз суммарно.
| Слово | 1910–1916 | 1921–1925 | Δ |
|---|---|---|---|
| цветы | 6,4 | 52,3 | +45,9 |
| жизнь | 10,7 | 41,6 | +30,9 |
| сердце | 27,7 | 51,1 | +23,4 |
| свете | 2,1 | 24,9 | +22,8 |
| земле | 3,2 | 22,6 | +19,4 |
| дом | 2,1 | 20,2 | +18,1 |
| песня | 4,3 | 21,4 | +17,1 |
| дорогая | 0 | 16,6 | +16,6 |
| друг | 7,5 | 23,8 | +16,3 |
| знаю | 14,9 | 30,9 | +16,0 |
| Слово | 1910–1916 | 1921–1925 | Δ |
|---|---|---|---|
| маша | 23,5 | 0 | −23,5 |
| слезы | 20,3 | 1,2 | −19,1 |
| звон | 16,0 | 0 | −16,0 |
| лес | 14,9 | 1,2 | −13,7 |
| думы | 16,0 | 2,4 | −13,6 |
| плачет | 21,3 | 8,3 | −13,0 |
| солнца | 12,8 | 0 | −12,8 |
| звезды | 12,8 | 0 | −12,8 |
| месяц | 20,3 | 8,3 | −12,0 |
| звуки | 11,7 | 0 | −11,7 |
Читать эту таблицу как «у Есенина стало больше жизни и меньше слёз» — соблазн, от которого лучше удержаться. Что здесь установлено точно: доля этих словоформ изменилась в десятки раз, и изменилась она не из-за одного-двух текстов — каждое слово встречается в сумме не меньше шести раз. Что здесь не установлено: причина. Рост «дорогая», «прощай», «знаю» и падение «звон», «думы», «зори» согласуются с гипотезой о переходе от пейзажной лирики к исповедальному письму, но цифры её не доказывают — они лишь показывают, где искать.
Проверка на устойчивость: если добавить в расчёт поэмы, списки выросших и упавших слов меняются незначительно (те же «цветы», «жизнь», «дом» наверху, те же «слёзы», «думы», «звёзды» внизу). То есть вывод не зависит от того, что мы вынесли поэмы за скобки.
Словарь почти на две трети состоит из слов, сказанных один раз
Из 10 902 знаменательных словоформ 7 639 (70,1%) встречаются в корпусе ровно один раз. Это нормальная картина для поэзии — и одновременно объяснение, почему частотные списки так плохо описывают автора: семь из десяти его слов — слова-однодневки, которые невозможно «выучить» по частоте.
Отсюда практический вывод для работы с текстами: искать «ключевые слова» поэта по частоте — почти бессмысленно. Частоты показывают грамматику и обращения («нам», «тебе», «знаю»), а не темы. Темы видны в сдвиге долей между периодами — то, что в таблицах выше.
«Русь» и «Россия»: разные слова, разные годы
В стихотворениях «русь» встречается 31 раз (с 1914 года), «россия» — 3 раза (впервые в 1916-м), «родина» — 10 раз (с 1915-го). Слово «Россия» в стихах Есенина почти не встречается: он говорит «Русь», «родина», «край», «сторона». Это не открытие — об этом писали много, — но здесь видно, насколько разрыв велик в цифрах: в десять раз. И видно, когда «Россия» появляется: после 1916 года, то есть накануне перелома.
Чего эти цифры не показывают
- Словоформа не равна слову: «сердце» и «сердца» считаются раздельно, поэтому реальная частота лексемы выше приведённой. Всего в корпусе 11 130 разных словоформ.
- Частоты не различают контекст: «цветы» в позднем стихотворении и «цветы» в раннем — часто разные вещи, и никакой счётчик этого не увидит.
- Год написания не всегда совпадает с годом публикации; для части текстов датировка в науке спорная. Расчёт опирается на даты, принятые в академическом издании.
- Сравнение периодов чувствительно к границам: сдвинь границу 1916/1917 — и числа изменятся. Устойчивость проверена только на одном разрезе (с поэмами и без).
Как пересчитать
Скрипт лежит в репозитории сайта: `scripts/analyze/corpus.mjs`. Запуск — `npm run analyze`, результат пишется в `reports/corpus.json`: частотный словарь, распределение по годам, доли по периодам, список выросших и упавших слов. Тексты, на которых всё это посчитано, — в разделе <a href="/works/">«Библиотека»</a>; там же можно проверить любое слово поиском. Устаревшие и редкие слова разобраны в <a href="/glossary.html">словаре к стихам</a>.