This is an approach to analyse theatre playwrights using simple NLP techniques like word embeddings. The motivation is to get some insights to the director and actors from the character text itself without any additional knowledge. That's why we don't use LLMs at this stage, we are trying to keep senses and author text clean and clear.
Parser produces CSV files from playwright content in FB2 format.
To try our approach we analyse several Anton Chekhov plays, produced using our parser.
Data structure (sample from the Act I of "The Seagull" by Anton Chekhov):
| act | character | text |
|---|---|---|
| 1 | Сорин | Кстати, скажи, пожалуйста, что за человек этот беллетрист? Не поймешь его. Все молчит. |
| 1 | Треплев | Человек умный, простой, немножко, знаешь, меланхоличный. Очень порядочный. Сорок лет будет ему еще не скоро, но он уже знаменит и сыт по горло… Что касается его писаний, то… как тебе сказать? Мило, талантливо… но… после Толстого или Зола не захочешь читать Тригорина. |
| 1 | Сорин | А я, брат, люблю литераторов. Когда-то я страстно хотел двух вещей: хотел жениться и хотел стать литератором, но не удалось ни то, ни другое. Да. И маленьким литератором приятно быть, в конце концов. |
- act - number of the act
- character - current character
- text - character text