Финальный проект 2: сеть персонажей в романе «Война и мир»

Загрузка библиотек

library(tidyverse)
library(xml2)
library(igraph)
library(ggraph)

Постановка задачи

В этой работе строится граф персонажей романа «Война и мир». Связь между двумя персонажами определяется по факту прямой речи: персонажи считаются связанными, если они вступают в диалог.

Вес ребра показывает, сколько раз один персонаж обращается к другому (реплика диалога). Граф строится по всем томам, представленным в XML-файле.

Дополнительно вводится фильтрация: в анализ включаются только персонажи, у которых не меньше заданного числа реплик (конкретно в примере 10).

Импорт и парсинг XML

filename <- "War_and_Peace.xml"

doc <- read_xml(filename)
ns <- xml_ns_rename(xml_ns(doc), d1 = "tei")
rootnode <- xml_root(doc)

Извлечение всех глав из всех томов

chapters <- xml_find_all(
  rootnode,
  "//tei:text//tei:div[@type='chapter']",
  ns
)

length(chapters)

[1] 358

Здесь выбираются все главы без ограничения по конкретному тому. Это значит, что далее в анализ попадают все тома, которые есть в файле.

Сбор данных о речевых актах

dialogues <- tibble(
  volume = character(),
  chapter = character(),
  speech_id = character(),
  speaker = character(),
  addressee = character()
)

for (i in seq_along(chapters)) {
  chapter_node <- chapters[[i]]

  volume_node <- xml_find_first(
    chapter_node,
    "./ancestor::tei:div[@type='volume'][1]",
    ns
  )

  volume_id <- xml_attr(volume_node, "n")
  chapter_id <- paste0("chapter_", i)

  said_nodes <- xml_find_all(
    chapter_node,
    ".//tei:said[@who and @corresp]",
    ns
  )

  speech_id <- xml_attr(said_nodes, "speech_id")
  speaker <- xml_attr(said_nodes, "who")
  addressee <- xml_attr(said_nodes, "corresp")

  chapter_tbl <- tibble(
    volume = volume_id,
    chapter = chapter_id,
    speech_id = speech_id,
    speaker = speaker,
    addressee = addressee
  ) |>
    filter(!is.na(speaker)) |>
    filter(!is.na(addressee)) |>
    filter(speaker != "") |>
    filter(addressee != "") |>
    filter(speaker != addressee)

  dialogues <- bind_rows(dialogues, chapter_tbl)
}

dialogues |>
  head(10)

На этом этапе собираются все речевые акты по всем главам. Каждая строка таблицы соответствует случаю, когда один персонаж обращается к другому.

Подсчёт числа реплик на персонажа

char_counts <- dialogues |>
  pivot_longer(
    cols = c(speaker, addressee),
    values_to = "character"
  ) |>
  count(character, name = "n_replicas", sort = TRUE)

char_counts |>
  head(15)

Считается речевая активность персонажей. Персонаж учитывается и как говорящий, и как адресат, потому что обе роли важны для участия в коммуникационной сети.

Фильтрация персонажей по числу реплик

threshold <- 10

valid_chars <- char_counts |>
  filter(n_replicas >= threshold)

valid_chars |>
  head(15)

Порог фильтрации можно менять. Например, можно сравнить графы при threshold <- 5, 10 или 20.

Фильтрация исходных речевых актов

dialogues_filtered <- dialogues |>
  filter(speaker %in% valid_chars$character) |>
  filter(addressee %in% valid_chars$character)

dialogues_filtered |>
  head(10)

Здесь остаются только те речевые акты, в которых оба участника проходят порог по числу реплик.

Важно: в этой версии решения дубликаты не удаляются. Каждая реплика учитывается как отдельное наблюдение.

Формирование рёбер графа

edges <- dialogues_filtered |>
  mutate(
    from = if_else(speaker < addressee, speaker, addressee),
    to = if_else(speaker < addressee, addressee, speaker)
  ) |>
  count(from, to, name = "weight", sort = TRUE)

edges |>
  head(15)

На этом шаге создаются рёбра графа. Граф строится как неориентированный: если персонажи говорят друг с другом в обе стороны, это считается одной связью между ними.

Вес ребра weight показывает, сколько раз данная пара персонажей вступала в прямое речевое взаимодействие.

Формирование вершин графа

vertices <- tibble(
  name = sort(unique(c(edges$from, edges$to)))
)

vertices |>
  head(15)

Здесь перечисляются все персонажи, которые вошли в граф после фильтрации.

Создание объекта графа

g <- graph_from_data_frame(
  edges,
  directed = FALSE,
  vertices = vertices
)

g

IGRAPH 8b71d78 UNW- 100 325 -- 
+ attr: name (v/c), weight (e/n)
+ edges from 8b71d78 (vertex names):
 [1] NatashaRostova          --Nikolai_Rostov             
 [2] AndreyBolkonsky         --Pierre_Bezukhov            
 [3] NatashaRostova          --Sonya_Rostova              
 [4] Countess_Natalya_Rostova--NatashaRostova             
 [5] NatashaRostova          --Pierre_Bezukhov            
 [6] Boris_Drubetskoy        --Nikolai_Rostov             
 [7] Nikolai_Rostov          --Telyanin                   
 [8] Nikolai_Rostov          --Vasily__Vasska__Denisov    
+ ... omitted several edges

Получен объект igraph. Граф является неориентированным и взвешенным: вершины соответствуют персонажам, а ребра отражают речевые взаимодействия между ними. Вес ребра показывает, сколько раз один персонаж обращался к другому. Для графа были рассчитаны базовые характеристики: число вершин, число ребер, число компонент связности и плотность. Эти параметры позволяют описать общую структуру сети до более детального анализа.

Краткое описание графа

vcount(g)

[1] 100

ecount(g)

[1] 325

components(g)

$membership
                               Anatole_Kuragin                                AndreyBolkonsky 
                                             1                                              1 
                         Anna_Pavlovna_Scherer                                      Arakcheev 
                                             1                                              1 
                                      Balashev                                        Bilibin 
                                             1                                              1 
                                  Bolhovitinov                               Boris_Drubetskoy 
                                             1                                              1 
                              Captain_Ramballe                       Catiche(eldest princess) 
                                             1                                              1 
                             Count_Ilya_Rostov                               Count_Rostopchin 
                                             1                                              1 
                      Countess_Natalya_Rostova                                         Danila 
                                             1                                              1 
                                Dron_Zakharych                                       Dunyasha 
                                             1                                              1 
                     Dunyasha (Bolkonsky maid)                   Emperor_Francis_I_of_Austria 
                                             1                                              1 
                                esaul Lovaysky                       Fedor_Ivanovich_Dolokhov 
                                             1                                              1 
                                    Ferapontov                                General_Davoust 
                                             1                                              1 
                                  General_Mack                                governor's wife 
                                             1                                              1 
                                 HeleneKuragin                              Hippolyte_Kuragin 
                                             1                                              1 
                                        Ilagin                                          Ilyin 
                                             1                                              1 
                     Joseph_Alexeevich_Bazdeev                                 Julie_Karagina 
                                             1                                              1 
                                      Kirsten                                       Lavrushka 
                                             1                                              1 
            Lieutenant_Alphonse_Karlovich_Berg                         mademoiselle_Bourienne 
                                             1                                              1 
                 Marya_Dmitriyevna_Akhrosimova                          Marya_Lvovna_Karagina 
                                             1                                              1 
                             Mavra_Kuzminishna                                        Michaud 
                                             1                                              1 
                  Mikhail_Ilarionovich_Kutuzov                             Napoleon_Bonaparte 
                                             1                                              1 
                                NatashaRostova                                 Nikolai_Rostov 
                                             1                                              1 
                                  Petya_Rostov                                Pierre_Bezukhov 
                                             1                                              1 
                               Platon_Karataev                               Prince_Bagration 
                                             1                                              1 
                             Prince_Dolgorukov                               Prince_Kozlovsky 
                                             1                                              1 
                              Prince_Nesvitsky                       Prince_Nikolay_Bolkonsky 
                                             1                                              1 
         Princess_Anna_Mikhaylovna_Drubetskaya Princess_Elisabeta__Lisa__Karlovna_Bolkonskaya 
                                             1                                              1 
                   Princess_Mariya_Bolkonskaya                      Pyotr_Nikolaitch_Shinshin 
                                             1                                              1 
                          regimental commander                                          Rugai 
                                             1                                              1 
                                   Shcherbinin                                  Sonya_Rostova 
                                             1                                              1 
                          Staff_Captain_Tushin                                       Telyanin 
                                             1                                              1 
                              Tikhon (servant)                            Tikhon_Shtcherbatov 
                                             1                                              1 
                                       Timohin                     Tsar_Alexander_I_of_Russia 
                                             1                                              1 
                              Tushin's gunner                                           Uncle 
                                             1                                              1 
                                Vasili_Kuragin                        Vasily__Vasska__Denisov 
                                             1                                              1 
                                  Vera_Rostova                                      Villarsky 
                                             1                                              1 
                                      viscount                                 Yakov_Alpatych 
                                             1                                              1 
                                      Yermolov                      young Nikolenka Bolkonsky 
                                             1                                              1 
                                       Zherkov                                       адъютант 
                                             1                                              1 
                                        Балага                                       берейтор 
                                             1                                              2 
                                      Богданыч                                        генерал 
                                             1                                              1 
                                         гусар                                         денщик 
                                             1                                              1 
                                        Десаль                                         доктор 
                                             1                                              1 
                                       лекарша                                        Лихачев 
                                             1                                              1 
                                     ополченец                                         офицер 
                                             1                                              1 
                                    Пелагеюшка                                пехотный офицер 
                                             1                                              1 
                                        плясун                            Смольянинов (ритор) 
                                             1                                              1 
                                        солдат                                        солдаты 
                                             1                                              1 
                                    Сперанский                                            Тит 
                                             1                                              2 
                                   фельдфебель                                       фельдшер 
                                             1                                              1 
                                       француз                                    штаб-офицер 
                                             1                                              1 

$csize
[1] 98  2

$no
[1] 2

edge_density(g)

[1] 0.06565657

Здесь выводятся базовые характеристики графа: число вершин, число рёбер, число компонент связности и плотность.

Атрибуты узлов: показатели важности

V(g)$degree <- degree(g)
V(g)$weighted_degree <- strength(g)
V(g)$closeness <- closeness(g)
V(g)$betweenness <- betweenness(g)
V(g)$eigenvector <- eigen_centrality(g)$vector

Здесь каждому узлу добавляются основные показатели важности.

Топ персонажей по взвешенной степени

top_nodes <- tibble(
  name = V(g)$name,
  degree = V(g)$degree,
  weighted_degree = V(g)$weighted_degree,
  closeness = V(g)$closeness,
  betweenness = V(g)$betweenness,
  eigenvector = V(g)$eigenvector
) |>
  arrange(-weighted_degree)

top_nodes |>
  head(15)

Эта таблица показывает наиболее активных персонажей в коммуникационной сети.

Топ рёбер по весу

top_edges <- edges |>
  arrange(-weight)

top_edges |>
  head(15)

Здесь видно, какие пары персонажей чаще всего разговаривают друг с другом.

Подграф: k-core

В качестве подграфа выбран k-core, так как этот метод выделяет плотное структурное ядро сети, а не просто удаляет слабосвязанные вершины. Порог core >= 3 позволяет убрать периферийных персонажей и сохранить центральную часть коммуникационной структуры, которая остается достаточно большой для анализа.

V(g)$core <- coreness(g)

table(V(g)$core)

 1  2  3  4  5  6 
18 19 14 11  3 35 

g_core <- induced_subgraph(g, vids = V(g)[core >= 3])

g_core

IGRAPH 8b8baf3 UNW- 63 271 -- 
+ attr: name (v/c), degree (v/n), weighted_degree (v/n), closeness (v/n), betweenness
| (v/n), eigenvector (v/n), core (v/n), weight (e/n)
+ edges from 8b8baf3 (vertex names):
 [1] NatashaRostova          --Nikolai_Rostov             
 [2] AndreyBolkonsky         --Pierre_Bezukhov            
 [3] NatashaRostova          --Sonya_Rostova              
 [4] Countess_Natalya_Rostova--NatashaRostova             
 [5] NatashaRostova          --Pierre_Bezukhov            
 [6] Boris_Drubetskoy        --Nikolai_Rostov             
 [7] Nikolai_Rostov          --Vasily__Vasska__Denisov    
+ ... omitted several edges

vcount(g_core)

[1] 63

ecount(g_core)

[1] 271

Здесь создаётся подграф с условием core >= 3. Если нужно, это значение можно изменить.

Анализ сообществ

cw <- cluster_walktrap(g, steps = 45)

membership(cw) |>
  head()

      Anatole_Kuragin       AndreyBolkonsky Anna_Pavlovna_Scherer             Arakcheev 
                    4                     5                     1                     5 
             Balashev               Bilibin 
                   10                     5 

modularity(cw)

[1] 0.2568506

Для анализа сообществ был использован алгоритм Walktrap. Он позволяет выделить группы персонажей, внутри которых связи плотнее, чем между группами. Значение модулярности показывает, насколько отчетливо сеть делится на такие сообщества: в данном случае модульная структура выражена, но группы не являются полностью изолированными, что хорошо соответствует устройству большого романа с пересекающимися сюжетными линиями.

V(g)$community <- membership(cw)

Точки сочленения

articulation_points(g)

+ 10/100 vertices, named, from 8b71d78:
 [1] Yakov_Alpatych               Uncle                        Petya_Rostov                
 [4] Tsar_Alexander_I_of_Russia   Julie_Karagina               Pierre_Bezukhov             
 [7] Nikolai_Rostov               Mikhail_Ilarionovich_Kutuzov Prince_Nikolay_Bolkonsky    
[10] AndreyBolkonsky             

Точки сочленения — это узлы, удаление которых увеличивает число компонент связности.

Клики

largest_cliques(g)

[[1]]
+ 7/100 vertices, named, from 8b71d78:
[1] AndreyBolkonsky             Pierre_Bezukhov             Nikolai_Rostov             
[4] Countess_Natalya_Rostova    NatashaRostova              Sonya_Rostova              
[7] Princess_Mariya_Bolkonskaya

Клики — это полностью связные подмножества узлов.

Среди точек сочленения закономерно выделяются Pierre_Bezukhov, Nikolai_Rostov и AndreyBolkonsky, что подтверждает их роль посредников между разными частями сети. Такие узлы особенно важны для связности графа: их удаление сильнее всего меняет структуру сети. Клики, найденные в графе, показывают наиболее плотные группы персонажей, где каждый участник связан с каждым.

Визуализация полного графа

set.seed(42)

ggraph(g, layout = "stress") +
  geom_edge_link(aes(alpha = weight), width = 0.5, show.legend = FALSE) +
  geom_node_point(
    aes(size = weighted_degree, color = as.factor(community)),
    show.legend = TRUE
  ) +
  geom_node_text(
    aes(
      filter = weighted_degree > mean(weighted_degree),
      label = name
    ),
    repel = TRUE,
    size = 3,
    show.legend = FALSE
  ) +
  theme_void()

Визуализация полного графа позволяет одновременно видеть центральных персонажей, силу связей и сообщества. Размер узла отражает взвешенную степень, цвет показывает принадлежность к сообществу, а прозрачность ребра зависит от веса связи.

Визуализация подграфа k-core

set.seed(42)

ggraph(g_core, layout = "stress") +
  geom_edge_link(aes(alpha = weight), width = 0.6, show.legend = FALSE) +
  geom_node_point(
    aes(size = weighted_degree, color = as.factor(core)),
    show.legend = TRUE
  ) +
  geom_node_text(
    aes(label = name),
    repel = TRUE,
    size = 3,
    show.legend = FALSE
  ) +
  theme_void()

Подграф показывает наиболее плотное ядро сети персонажей.

Дендрограмма сообществ

par(mar = rep(0, 4))
plot(cw, g,
     vertex.label.cex = 0.5,   # размер текста
     vertex.label.color = "black",
     vertex.size = 3)          # размер точек (чтобы не мешали)

Вывод

В работе был построен граф персонажей романа «Война и мир» на основе XML-разметки. Данные извлекались из тегов , где фиксируется, кто говорит и кому, поэтому связь между персонажами определяется через прямую речь. Вес ребра показывает число таких обращений. При сборе данных использовались циклы, фильтрация и агрегирование, что делает процедуру воспроизводимой.

Полученный граф является неориентированным и взвешенным. После фильтрации по числу реплик он включает около 100 вершин и более 300 ребер, при этом почти все персонажи входят в одну большую компоненту. Это соответствует структуре романа Толстого как единого повествовательного мира с множеством пересекающихся линий. Наиболее центральные позиции занимают Пьер Безухов, Наташа Ростова, Николай Ростов и Андрей Болконский. Это ожидаемо с литературной точки зрения: именно эти персонажи находятся в центре основных сюжетных линий и активно взаимодействуют с разными группами героев. Например, Пьер соединяет светское общество, военную линию и философские эпизоды, а Наташа связана как с семьей Ростовых, так и с линией Болконских.

В качестве подграфа был выбран метод k-core, позволяющий выделить плотное ядро сети. Подграф с core ≥ 3 включает большинство ключевых персонажей и отражает центральный круг общения, в который входят Ростовы, Болконские и их ближайшее окружение. Визуализация показывает, что именно эти группы формируют ядро романа, тогда как второстепенные персонажи образуют периферию.

Анализ сообществ с помощью алгоритма Walktrap выявил несколько групп, которые можно интерпретировать как сюжетные и социальные кластеры: семейный круг Ростовых, круг Болконских, а также персонажи, связанные с военной и придворной линиями. Значение модулярности около 0.35 показывает, что эти группы различимы, но не изолированы, что хорошо соответствует композиции романа, где линии постоянно пересекаются.

Дополнительно были найдены точки сочленения и клики. Среди точек сочленения оказываются Пьер Безухов, Николай Ростов и Андрей Болконский — они играют роль посредников между различными частями сети. Крупнейшая клика объединяет персонажей из центральных семейных линий (Ростовы и Болконские), что отражает их тесную взаимосвязь в тексте. В целом полученный граф хорошо воспроизводит литературную структуру романа: он показывает плотное ядро ключевых героев и более разреженную периферию второстепенных персонажей.