Откуда к нам пришла зима, не знаешь ты, никто не знает.
Умолкло всё. Она сама холодных губ не разжимает.
Она молчит. Внезапно, вдруг упорства ты её не сломишь.
Вот оттого-то каждый звук зимою ты так жадно ловишь.

Это отрывок из стихотворения Иосифа Бродского 1962 года. По этому тексту видно, как интересно поэт использует мотив холода – сразу бросается в глаза, что охлаждение у него это или аналог или даже причина и молчания и упорства.

Если внимательно почитать другие произведения Бродского, появится ощущение, что холод и мороз поэт использует не только как разовые, хотя и эффектные метафоры. Кажется, что эти явления природы нужны поэту для построения художественной системы, где царит распад чувств, меланхолия и потеря идентификации. Мороз или замораживание поэт делает похожим на время для и даже придает им функции времени.

Мне стало интересным использовать Python для проведения лексико-семантического анализа мотивов холода в поэзии Иосифа Бродского. Для сравнения и для чистоты эксперимента так же введу в анализ поиск мотивов воды. Определю,  как часто эти мотивы встречаются, извлеку контексты. А так же проверю, как менялось использование этих мотивов в поэзии по времени и в связи с жизненными переменами у автора.

Использовал pymorphy3 — морфологический анализатор для русского языка для определения начальных форм слов. Natural Language Toolkit для токенизации текста. matplotlib и seaborn — для построения графиков. Так же мне потребовался Pandas  и numpy  для работы с табличными данными и числовыми операциями.

Пригодился модуль defaultdict чтобы безопасно считать частоты без проверок на существование ключа.

Для анализа я нашел корпус стихотворений Бродского, где представлены только его русскоязычные произведения. По утверждению издателя, в этом файле нет переводов – ни тех, что сделал сам Бродский, ни тех, где его переводили на русский язык.

В моем эксперименте интересным оказалась датировка стихотворений. Чтобы полноценно исследования изменения в использовании мотивов холода и воды по времени, нужно точно знать, в каком году написаны какие именно стихотворения. Это оказалось не самой простой задачей. Стихотворения в корпусе не разделены однозначно (иногда просто пустая строка, иногда пробел, иногда вообще нет разделителя). Годы написания указаны не в каждом стихотворении, часто до группы стихов или в заголовке раздела. Простое извлечение года из текста каждого стихотворения не сработает.

Значит, нужен код, который будет учитывать контекст (например, если год указан перед группой стихов, все они относятся к этому году), в отличие от простого разбиения по пустым строкам.

В качестве решения написал парсер, который помнит текущее состояние (например, последний найденный год) и применяет его к последующим стихотворениям, пока не встретит новый год. Парсер убирает пробелы, игнорирует строки вроде «1960-е», т.к. они неточны. Нормализует разные типы тире в одно для удобства. Использует регулярное выражение, чтобы найти год или диапазон лет или дату с месяцем.

def extract_year_from_line(line):
    line = line.strip()  
    if not line:
        return None
    if re.search(r'19[5-9]0-е', line): 
        return None
    line = re.sub(r'[—–\-]', '-', line) 
    matches = re.findall(r'(?:\b|<|\[|\(|\b(?:январь|февраль|март|апрель|май|июнь|июль|август|сентябрь|октябрь|ноябрь|декабрь)\s+)?(19[5-9]\d|20[0-2]\d)(?:\s*[-–—]\s*(19[5-9]\d|20[0-2]\d))?', line, re.IGNORECASE)
    if not matches:
        return None
    y1 = int(matches[0][0])  
    y2_str = matches[0][1]   
    if y2_str:
        y2 = int(y2_str)
        if y1 <= y2 <= 2025:  
            return (y1, y2)   
    return y1  

В результате я получил

Всего стихов: 6089

С годом: 6049

Без года: 40 (0.7%)

И теперь имею csv файл, в котором почти все стихотворения разбиты по годам написания.

Для выявления семантических полей «холод» и «вода» использовал рукописные лексиконы — наборы слов, релевантных каждому мотиву. Получил два множества нормализованных слов, это и будут «семантические поля».

Создал структуру данных и увидел, сколько сколько раз мотивы встречаются по годам.

Сохранил предложения, где найдены мотивы. И разделил на до/после эмиграции (1972).

Посчитал количество стихотворений, содержащих мотивы, в два периода.

И вот какой интересный результат здесь.

Средняя доля мотивов по периодам:

И «холода» и «воды» в эмиграции Бродский написал больше! Разница не огромная, не «в разы», конечно. Но разница есть.

Интерпретировать такие данные, наверное, будут профессиональные литературоведы. Со своей, читательской, позиции, могу только сказать, что в эмиграции поэту не очень нравилось. И хотя это были благополучные США, хотя Бродский имел профессорскую должность и соответствующую зарплату, свободу творчества, публикации, выступления, круг общения, славу. Но все же. Эмиграция его была вынужденной. Даже унизительной. Семьи его лишили и домой ему вернуться не позволили.

Цифры не могут соврать. Этот анализ показывает, как можно увидеть работу поэта с математической точность и даже проследить незаметные при чтении особенности творчества.

Подробные разборы других текстов можно посмотреть на видео https://dzen.ru/codslov