Poesia e Computer: un percorso bibliografico dagli anni ‘80 ai giorni nostri

La poesia costituisce la forma espressiva più alta di una lingua e della sua cultura, per questo motivo è e sarà sempre un obiettivo fondamentale di studio linguistico oltre che letterario. Per quanto riguarda gli studi computazionali, la poesia riveste sempre un compito difficile con cui confrontarsi, ancora di più al giorno d’oggi con l’avanzamento dell’Intelligenza Artificiale basata su modelli linguistici. ChatGPT ad esempio è capace di affrontare l’analisi di una poesia? Ad oggi sembra di no. Lo abbiamo testato in inglese per scoprire che già nei compiti di partenza ChatGPT ha dei problemi. Malgrado sia capace di produrre una buona traduzione grafema – fonema (ad eccezione delle parole omografe non omofone) e di separare le parole in sillabe, non sa assegnare l’accento di parola correttamente. In questo modo mancano le basi per l’individuazione del corretto ritmo e della giusta scansione. Inoltre non sarà possibile creare un contorno intonativo adeguato con un accento di frase: ChatGPT non ha difatti un modulo TTS (text to speech) per leggere un testo. D’altra parte anche con compiti complessi come: crea una poesia in cui ci siano accavallamenti (enjambements) e strutture sintattiche marcate – il soggetto sia posposto a un suo modificatore, non viene prodotto quanto richiesto, anche se alcune anteposizioni vengono operate ma interpretate male e non viene attuato alcun accavallamento.

L’analisi linguistico-computazionale della poesia è un compito molto complesso che è stato trattato con un approccio simbolico a regole a partire dagli anni ’70-’80.

Al tempo della mia tesi di dottorato a Melbourne, nella metà degli anni ’70, la poesia figurava sporadicamente nelle analisi quantitative – quella computazionale non esisteva ancora, e non era oggetto di analisi primaria in quanto la “stilistica”, argomento di riferimento, trattava soprattutto la narrativa. La mia tesi e il libro che ne derivò invece utilizzavano il computer per approfondire tre aspetti linguistici rilevanti nello studio dell’opera complessiva del poeta su cui si concentrarono le mie ricerche, Francis Webb. Gli aspetti erano tutti di carattere quantitativo e riguardavano nell’ordine: l’utilizzo delle parole che iniziano con la lettera Q, l’utilizzo di parole che facevano riferimento alla luce (LIGHT) e al buio (DARK), e la quantità di pronomi prima, seconda e terza persona (plurale questa) nelle diverse fasi temporali in cui era possibile suddividere l’opera (sei fasi) del poeta. La nuova aggiornata versione del libro è in uscita tra breve e contiene le analisi quantitative, ma anche quelle computazionali che sono cresciute negli ultimi 20 anni. Francis Webb morì in ospedale psichiatrico negli anni ’70. Allego la copertina del libro con uno splendido disegno ad opera di un paziente psichiatrico dell’ospedale di Trieste.

In questo articolo faccio un breve excursus degli argomenti e dei relativi studi apparsi in pubblicazioni o disponibili in siti dedicati, che trattano della poesia da un punto di vista computazionale. Gli argomenti coprono tutti gli aspetti che possono essere soggetti ad indagine tramite computer e sono:

• creazione di dizionari fonetici computazionali per la lingua di riferimento che includano anche la divisione in sillabe, e che permettano una facile implementazione;
• studio fonetico-acustico delle caratteristiche delle parole delle poesie e loro relazione con le sensazioni dal punto di vista percettivo. Stesso problema visto però da un punto di vista psicolinguistico o cognitivo;
• generazione automatica di poesie sulla base di approcci statistici, a reti neurali, sulla base dell’analisi ritmica;
• traduzione automatica di poesie con lo stesso approccio del punto precedente;
• visualizzazione del contenuto multilivello delle poesie con vari approcci.

1. Gli inizi: anni ’80 – ’90

1.1 I Dizionari
Gli studi computazionali della poesia non possono prescindere dalla preventiva esistenza di dizionari computazionali abbastanza estesi – e facilmente estendibili – che includano la traduzione fonetica, l’indicazione della posizione dell’accento di parola e la suddivisione sillabica della lingua di riferimento. Ne sono apparsi due fondamentalmente, uno il CELEX, multilingue ma distribuito a pagamento dal LDC negli anni ’90. Negli stessi anni appare la sesta edizione del dizionario della CMU gratuitamente accessibile online da http://www.speech.cs.cmu.edu/cgi-bin/cmudict. Uno studio del 1985 presso l’IBM utilizza un sistema per la ricerca di parole in rima e sconosciute da dizionari online come il Webster e le manipola sulla base di regole.

Byrd Roy J. and M. S. Chodorow. 1985. Using an online dictionary to find rhyming words and pronunciations for unknown words. In Proceedings of the 23rd Annual Meeting of ACL, 277–283.
Baayen R. H., R. Piepenbrock, and L. Gulikers. 1995. The CELEX Lexical Database (CD-ROM). Linguistic Data Consortium.

1.2 Fonetica, Percezione, Analisi e Visualizzazione
Studi di carattere meramente fonetici sono apparsi nel tempo, che, contando il numero di occorrenze di suoni di diverse tipologie fonologiche, le rapportavano all’umore o alle sensazioni che esse potevano generare – da Jakobson a Macdermott, da Fónagy a Mazzeo.
Ovviamente l’elemento mancante era il rapporto con il significato espresso dalla poesia e questo lo faceva già notare R. Tsur [09] in un lavoro del 1992. Negli anni ’90 sono apparsi studi scientificamente più approfonditi della poesia che cercano di estrarre dall’analisi acustica e fonetica le proprietà percettive che la caratterizzano, grazie al citato Tsur. Simonton utilizza il computer per studiare le caratteristiche semantiche che nei sonetti di Shakespeare distinguono i sonetti più popolari dagli altri. Sempre negli anni ’90 ci sono i primi utilizzi delle reti neurali con il connessionismo per modellare la struttura metrica della poesia e tentare di generarla automaticamente.

2. Gli anni 2000 – 2010

Negli anni 2005/6 appaiono i primi programmi disponibili online per l’analisi automatica (la scansione) della poesia – inglese – ovviamente. Ma nel 2001 era apparso un lavoro simile [11] che utilizzava un approccio a “expert system”, per l’analisi della poesia spagnola.
Ma l’approccio computazionale più interessante e coinvolgente è costituito dal lavoro di tesi di D.Kaplan [17-18], che nello stesso periodo mette in rete il suo sistema per l’analisi della poesia – sempre inglese – basato su una molteplicità di parametri, che includono le caratteristiche ritmiche, grammaticali e in parte semantiche. I risultati dell’analisi appaiono in forma grafica su una finestra con marcatori colorati posizionati in diverse parti della spazio suggerendo interpretazioni di tipo “cluster analysis”. In questo modo il problema della visualizzazione di informazione multilivello entra nella linguistica computazionale e nella Digital Humanities, con lavori anche tecnici [19-22].

[1] Macdermott M.M. 1940. Vowel Sounds in Poetry: Their Music and Tone Colour, Psyche Monographs, No.13, London: Kegan Paul, 148 pp.
[2] Jakobson, R. 1978. Six lectures on sound and meaning (Trans.: J. Mepham). Cambridge: MIT Press (Original work published in 1976).
[2] Jakobson, R., & Waugh, L. 1978. The sound shape of language. Bloomington: Indiana University Press.
[4] Fónagy, Iván (1971) “The Functions of Vocal Style”, in Seymour Chatman (ed.), Literary Style: A Symposium. London: Oxford UP, 159-174.
[5] Simonton, Dean Keith 1989. Shakespeare’s Sonnets: A Case of and for Single-Case Historiometry, Shakespeare’s sonnets: A case of and for single-case historiometry. Journal of Personality, 57, 695-721.
[6] Simonton, Dean Keith 1990. Lexical choices and aesthetic success: A computer content analysis of 154 Shakespeare sonnets. Computers and the Humanities,, Vol. 24, No. 4 (Aug., 1990), pp. 251-264.
[7] Hayward, M. (1991). A connectionist model of poetic meter. Poetics, 20, 303-317.
[8] Hayward, M. (1996). Application of a connectionist model of poetic meter to problems in generative metrics. Research in Humanities Computing 4. (pp. 185-192). Oxford: Clarendon Press.
[9] Tsur, Reuven. 1992. What Makes Sound Patterns Expressive: The Poetic Mode of Speech-Perception. Durham N. C.: Duke UP.
[10] Tsur Reuven. 1997. “Poetic Rhythm: Performance Patterns and their Acoustic Correlates”. Versification: An Electronic Journal Devoted to Literary Prosody. (http://sizcol1.u-shizuoka-ken.ac.jp/versif/Versification.html)
[11] Gervas, P. (2001). An expert system for the composition of formal spanish poetry. Knowledge-Based Systems,14(3):181–188.
[12] Mazzeo, M. 2004. Les voyelles colorées: Saussure et la synesthésie. Cahiers Ferdinand de Saussure, 57,129–143.
[13] Manurung Hisar Maruli, G. Ritchie, and H. Thompson. 2000a. Towards a computational model of poetry generation. In Proceedings of AISB Symposium on Creative and Cultural Aspects and Applications of AI and Cognitive Science, 17-20.
[14] Manurung M.H., G. Ritchie, H. Thompson. 2000b. A Flexible Integrated Architecture For Generating Poetic Texts. in Proceedings of the Fourth Symposium on Natural Language Processing (SNLP 2000), Chiang Mai, Thailand, 7-22.
[15] Hartman, C. (2005). The Scandroid Manual. Online + Hartman, C. (2004). Charles Hartman Programs. Online
[16] Plamondon M. R.: Virtual verse analysis: Analysing patterns in poetry. Literary and Linguistic Computing 21, suppl 1 (2006), 127–141.
[17] Kaplan, D. (2006). Computational analysis and visualized comparison of style in American poetry. Unpublished undergraduate thesis.
[18] Kaplan, D., & Blei, D. (2007). A computational approach to style in American poetry. In IEEE Conference on Data Mining.
[19] Hussein Hirjee and Daniel Brown. 2009. Automatic Detection of Internal and Imperfect Rhymes in Rap Lyrics. In Proceedings of the 10th International Society for Music Information Retrieval Conference. pages 711-716.
[20] Susan Bartlett, Grzegorz Kondrak, and Colin Cherry. 2009. On the syllabification of phonemes. In Proceedings of Human Language Technologies: NAACL ’09. ACL, Stroudsburg, PA, USA, 308316.
[21] Keim D. A., Oelke D.: Literature fingerprinting: A new method for visual literary analysis. In IEEE VAST (2007), pp. 115–122.
[22] Oelke D., Bak P., Keim D., Last M., Danon G.: Visual evaluation of text features for document summarization and analysis. In IEEE VAST (Oct. 2008), pp. 75 –82.

3. Generazione, Traduzione e Visualizzazione (dal 2010)

Dal 2010 in poi i lavori computazionali sulla poesia si moltiplicano e occupano essenzialmente due aree: la generazione automatica di poesia e la traduzione automatica di poesia, partendo a volte dall’analisi fonetica/ritmica automatica della poesia. Troviamo questi temi nei lavori che vanno dal [23] al [29].

Continua il tema costituito dal rapporto tra suono e significato, e un tentativo interessante – ma in tono decisamente minore – viene fatto da Saif nel 2011 [23-24] con un esperimento in cui si chiede di associare significato a colore, dove quest’ultimo assume poi una valenza espressiva.

[23] Mohammad Saif, Colourful Language: Measuring Word-Colour Associations, 2011a. In Proceedings of the ACL 2011 Workshop on Cognitive Modeling and Computational Linguistics (CMCL), June 2011, Portland, OR.
[24] Mohammad Saif, Even the Abstract have Colour: Consensus in Word Colour Associations, 2011b. In Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies, June 2011, Portland, OR.
[25] Reddy, Sravana & John Goldsmith, 2010. An MDL-based approach to extracting subword units for grapheme-to-phoneme conversion, in Proc. HLT-NAACL, 713-716.
[26] Genzel Dmitriy, J. Uszkoreit, and F. Och. 2010. “Poetic” statistical machine translation: Rhyme and meter. In Proceedings of EMNLP.
[27] Sonderegger, Morgan. 2011. Applications of graph theory to an English rhyming corpus. Computer Speech and Language, 25:655–678.
[28] Greene E., T. Bodrumlu, K. Knight. 2010. Automatic Analysis of Rhythmic Poetry with Applications to Generation and Translation, in Proceedings of the 2010 Conference on EMNLP, 524–533.
[29] Tsur Reuven. 2012. Poetic Rhythm: Structure and Performance: An Empirical Study in Cognitive Poetics, Sussex Academic Press, 472.
[30] Gervas, P. (2010). Engineering linguistic creativity: Bird flight and jet planes. In Proceedings of the NAACL HLT 2010 Second Workshop on Computational Approaches to Linguistic Creativity, pages 23–30.
[31] Toivanen, J. M., Toivonen, H., Valitutti, A. & Gross, O. 2012. Corpus-based generation of content and form in poetry. In International Conference on Computational Creativity, 175–179.
[32] Agirrezabal Manex, Bertol Arrieta, Aitzol Astigarraga, Mans Hulden, 2013. POS-tag based poetry generation with WordNet, Proceedings of the 14th European Workshop on Natural Language Generation, pages 162–166.
[33] Reddy, Sravana & Kevin Knight. 2011. Unsupervised Discovery of Rhyme Schemes, in Proceedings of the 49th Annual Meeting of ACL: shortpapers, 77-82.
[34] Kao Justine and Dan Jurafsky. 2012. “A Computational Analysis of Style, Affect, and Imagery in Contemporary Poetry”. in Proc. NAACL Workshop on Computational Linguistics for Literature.

Aumentano i sistemi e i database disponibili online sempre però limitati alla poesia inglese, e aumenta contemporaneamente l’interesse per la visualizzazione multilivello del contenuto della poesia.

[35] Heuser, R. (2015). Stanford Literary Lab Github Account. Online
[36] Algee-Hewitt, M., Heuser, R. Kraxenberger, M., Porter, J., Sensenbaugh, J., and Tackett, J. (2014). The Stanford Literary Lab Transhistorical Poetry Project Phase II: Metrical Form. Proceedings, Stanford University, Lausanne.
[37] Manish Chaturvedi, Gerald Gannod, Laura Mandell, Helen Armstrong, Eric Hodgson. 2012. Myopia: A Visualization Tool in Support of Close Reading. Digital Humanities 2012.
[38] Nina McCurdy, Vivek Srikumar, Miriah Meyer, 2015. RhymeDesign: A Tool for Analyzing Sonic Devices in Poetry, Computational Linguistics for Literature, ACL, Denver, 12-22.
[39] Manish Chaturvedi, Gerald Gannod, Laura Mandell, Helen Armstrong, Eric Hodgson. 2012. Rhyme’s Challenge: Hip Hop, Poetry, and Contemporary Rhyming Culture. Oxford University Press, Literary Criticism.
[40] Karteek Addanki and Dekai Wu. 2013. Unsupervised Rhyme Scheme Identification in Hip Hop Lyrics using Hidden Markov Models. Proceedings of the 1st International Conference on Statistical Language and Speech Processing (SLSP – 2013), Tarragona, Spain.
[41] Alfie Abdul-Rahman, Julie Lein, Katharine Coles, Eamonn Maguire, Miriah Meyer, and Martin Wynne, Chris Johnson, Anne E. Trefethen, Min Chen. 2013. Rule-based Visual Mappings – with a Case Study on Poetry Visualization. In Computer Graphics Forum, 32(3):381-390.

4. Il sistema SPARSAR

Il nostro sistema appare in una conferenza per la prima volta nel 2013 assieme a traduzioni e studi quantitativi sempre nello stesso anno, questi su rivista. Il sistema continua a svilupparsi e viene presentato a una serie continua di conferenze internazionali suscitando grande interesse.

Delmonte R., 2013a. Transposing Meaning into Immanence: The Poetry of Francis Webb, in Rivista di Studi Italiani, Vol. XXX1, n° 1, 835-892.
Delmonte R. & C. Bacalu. 2013b. SPARSAR: a System for Poetry Automatic Rhythm and Style AnalyzeR, SLATE 2013 – Demonstration Track, Grenoble.
Delmonte R. 2013c. Computing Poetry Style, in C. Battaglino, C. Bosco, E. Cambria, R. Damiano, V. Patti, P. Rosso (eds.), Proceeding ESSEM – Emotion and Sentiment in Social and Expressive Media: approaches and perspectives from AI (ESSEM 2013), CEUR Workshop Proceedings, Torino, 148-155, http://ceur-ws.org/Vol-1096/.
Delmonte R. 2014. A Computational Approach to Poetic Structure, Rhythm and Rhyme, in R. Basili, A. Lenci, B. Magnini (eds), Proceedings of CLiC-it – The First Italian Conference on Computational Linguistics, Pisa University Press, Vol.1, 144-150.
Rodolfo Delmonte, 2015b, Visualizing Poetry with SPARSAR – Poetic Maps from Poetic Content. In Proceedings of NAACL-HLT Fourth Workshop on Computational Linguistics for Literature, Denver, Colorado, June 4, 2015. Association for Computational Linguistics, pp. 68–78.
Delmonte, R. Exploring Shakespeare’s sonnets with SPARSAR. Linguistics and Literature Studies, 2016; 4(1), pp. 61–95. Available
online: https://www.hrpub.org/journals/jour_archive.php?id=93&iid=772.

4.1 Affrontare la sfida maggiore: il computer legge le poesie con la sintesi vocale

Sin dall’inizio della creazione del sistema SPARSAR, l’intenzione era quella di utilizzare il sistema di sintesi per riprodurre una lettura delle poesie che fosse semanticamente corretta e vagamente espressiva quando possibile.
Questo è stato dapprima realizzato con la piattaforma Mac TTS che disponeva internamente di una sintesi modellabile per regole con un linguaggio ad hoc. I risultati sono disponibili online nel sito dedicato a SPARSAR, https://sparsar.wordpress.com/sparsar/.
Successivamente, utilizzando il linguaggio SSML è stato possibile creare le regola adeguate alla lettura di una buona parte del sonetti di Shakespeare che sono accessibili anche questi, online nella sezione del lavoro pubblicato di recente (2021) con Springer
( https://link.springer.com/referenceworkentry/10.1007/978-3-030-44982-7_19-4 )

Delmonte R. & A.M. Prati. 2014. SPARSAR: An Expressive Poetry Reader, Proceedings of the Demonstrations at the 14th Conference of the EACL, Gotheborg, 73–76.
Delmonte R., 2015a. SPARSAR – Expressivity in TTS and its Relations to Semantics, Invited Talk at AISV 2015, Bologna.
Delmonte R., 2019, Poetry and Speech Synthesis, SPARSAR recites, in Ricognizioni – Rivista di Lingue, Letterature e Culture Moderne, II, VI, 75-95. http://www.ojs.unito.it/index.php/ricognizioni/article/view/3302
Rodolfo Delmonte, 2021. Cognitive Models of Poetry Reading, Chapter, in MARCEL DANESI (ed.) HANDBOOK OF COGNITIVE SCIENCE, pp. 1083-1120, Springer International Publishing DOI:10.1007/978-3-030-44982-7_19-4

Per poter realizzare questo importante step, ci sono tutti i lavori precedenti sulla sintesi della voce e sulla pragmatica, di cui accludiamo un elenco.

Delmonte R. (1981a), An Automatic Unrestricted Tex-to-Speech Prosodic Translator, Atti del Convegno Annuale A.I.C.A., Pavia, pp. 1075-83.
Delmonte R. (1981b), Automatic Word-Stress Patterns Assignment by Rules: a Computer Program for Standard Italian, Proc. IV F.A.S.E. Symposium, 1, ESA, Roma, pp. 153-156.
Delmonte R., G.A.Mian, G.Tisato, (1984), A Text-to-Speech System for the Synthesis of Italian, Proceedings of ICASSP’84, San Diego(Cal), pp. 291-294.
Delmonte R., 1986. A Computational Model for a text-to-speech translator in Italian, Revue – Informatique et Statistique dans les Sciences humaines, XXII, 1-4, 23-65.
Delmonte R., G.A.Mian, G.Tisato, 1986. A Grammatical Component for a Text-to-Speech System, Proceedings of the ICASSP’86, IEEE, Tokyo, 2407-2410.
Bacalu C., Delmonte R. 1999. Prosodic Modeling for Syllable Structures from the VESD – Venice English Syllable Database, in Atti 9° Convegno GFS-AIA, Venezia.
Delmonte R., et al. 2005. VENSES – a Linguistically-Based System for Semantic Evaluation, in J. Quiñonero-Candela et al.(eds.), Machine Learning Challenges. LNCS, Springer, Berlin, 344-371.
Delmonte R., (2008), Speech Synthesis for Language Tutoring Systems, in V.Melissa Holland & F.Pete Fisher(eds.), (2008), The Path of Speech Technologies in Computer Assisted Language Learning, Routledge – Taylor and Francis Group, New York, pp. 123-150.
Delmonte R. and V. Pallotta, 2011. Opinion Mining and Sentiment Analysis Need Text Understanding, in “Advances in Distributed Agent-based Retrieval Tools”, Springer, 81-96.
Delmonte R. 2014. ITGETARUNS A Linguistic Rule-Based System for Pragmatic Text Processing, in C. Bosco, P. Cosi, F. Dell’Orletta, M. Falcone, S. Montemagni, Maria Simi (eds.), Proceedings of Fourth International Workshop EVALITA, Pisa University Press, Vol. 2, 64-69.

4.2 Il sistema SPARSAR diventa SparsarIT
Dal 2017-2018 il sistema SPARSAR inizia la sua vita nella poesia italiana e si arricchisce di nuovi strumenti di analisi man mano che la sperimentazione avanza. Una prima versione è alla base del lavoro pubblicato in Umanistica Digitale nel 2018, in cui viene utilizzato il sistema di analisi profonda dal punto di vista semantico e pragmatico per produrre delle rappresentazioni corrette dal punto di vista linguistico. Nel frattempo l’adattamento di lessici e dizionari pre-esistenti o disponibili online avanza e la traduzione fonetica che è alla base dell’analisi della metrica quindi del ritmo e degli schemi di rima permettono di procedere alla fase più complessa: la creazione di un modello di struttura intonativa adeguato utilizzando il linguaggio SSML. Vale la pena ricordare che lo studio della prosodia è il primo ambito di ricerca ancora negli anni ’80 del mio gruppo – vedi sopra alcuni riferimenti bibliografici.
Ora questa è la versione che viene resa disponibile gratuitamente per scopi di ricerca e di studio sulla piattaforme Mac OS X e Windows, con la richiesta di fornire feedback allo scopo di continuare a migliorare la copertura del lessico che ora è già di 250mila parole.

Nel frattempo è uscito in preprints un mio più recente articolo sulla poesia – inglese – che utilizza procedure quantitative e computazionali, qui: https://www.preprints.org/manuscript/202307.1233/v1

 

---

---