100% found this document useful (2 votes)
109 views

Deep Learning for Natural Language Processing 1st Edition Palash Goyal 2024 Scribd Download

Deep

Uploaded by

boundohsung
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
100% found this document useful (2 votes)
109 views

Deep Learning for Natural Language Processing 1st Edition Palash Goyal 2024 Scribd Download

Deep

Uploaded by

boundohsung
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 40

Get ebook downloads in full at ebookmeta.

com

Deep Learning for Natural Language Processing 1st


Edition Palash Goyal

https://ebookmeta.com/product/deep-learning-for-natural-
language-processing-1st-edition-palash-goyal/

OR CLICK BUTTON

DOWNLOAD NOW

Explore and download more ebook at https://ebookmeta.com


Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Deep Learning for Natural Language Processing Develop Deep


Learning Models for your Natural Language Problems Jason
Brownlee
https://ebookmeta.com/product/deep-learning-for-natural-language-
processing-develop-deep-learning-models-for-your-natural-language-
problems-jason-brownlee/
ebookmeta.com

Getting started with Deep Learning for Natural Language


Processing Learn how to build NLP applications with Deep
Learning 1st Edition Sunil Patel
https://ebookmeta.com/product/getting-started-with-deep-learning-for-
natural-language-processing-learn-how-to-build-nlp-applications-with-
deep-learning-1st-edition-sunil-patel/
ebookmeta.com

Transfer Learning for Natural Language Processing 1st


Edition Paul Azunre

https://ebookmeta.com/product/transfer-learning-for-natural-language-
processing-1st-edition-paul-azunre/

ebookmeta.com

How to Write and Publish a Scientific Paper 9th Edition


Barbara Gastel And Robert A. Day

https://ebookmeta.com/product/how-to-write-and-publish-a-scientific-
paper-9th-edition-barbara-gastel-and-robert-a-day/

ebookmeta.com
British and Irish Moths Third Edition A Photographic Guide
Chris Manley

https://ebookmeta.com/product/british-and-irish-moths-third-edition-a-
photographic-guide-chris-manley-2/

ebookmeta.com

Sergei Rachmaninoff A Lifetime in Music 1st Edition Sergei


Bertensson Jay Leyda

https://ebookmeta.com/product/sergei-rachmaninoff-a-lifetime-in-
music-1st-edition-sergei-bertensson-jay-leyda/

ebookmeta.com

Understanding Norman Mailer 1st Edition Maggie Mckinley

https://ebookmeta.com/product/understanding-norman-mailer-1st-edition-
maggie-mckinley/

ebookmeta.com

Detransition 1st Edition Max Robinson

https://ebookmeta.com/product/detransition-1st-edition-max-robinson/

ebookmeta.com

Teach Your Kids Math Column Addition 1st Edition Sunil


Tanna

https://ebookmeta.com/product/teach-your-kids-math-column-
addition-1st-edition-sunil-tanna/

ebookmeta.com
The Angel Roofs of East Anglia Unseen Masterpieces of the
Middle Ages 1st Edition Michael Rimmer

https://ebookmeta.com/product/the-angel-roofs-of-east-anglia-unseen-
masterpieces-of-the-middle-ages-1st-edition-michael-rimmer/

ebookmeta.com
Deep Learning for
Natural Language
Processing
Creating Neural Networks with Python

Palash Goyal
Sumit Pandey
Karan Jain

www.allitebooks.com
Deep Learning for
Natural Language
Processing
Creating Neural Networks
with Python

Palash Goyal
Sumit Pandey
Karan Jain

www.allitebooks.com
Deep Learning for Natural Language Processing: Creating Neural Networks
with Python
Palash Goyal Sumit Pandey
Bangalore, Karnataka, India Bangalore, Karnataka, India
Karan Jain
Bangalore, Karnataka, India

ISBN-13 (pbk): 978-1-4842-3684-0 ISBN-13 (electronic): 978-1-4842-3685-7


https://doi.org/10.1007/978-1-4842-3685-7
Library of Congress Control Number: 2018947502

Copyright © 2018 by Palash Goyal, Sumit Pandey, Karan Jain


This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or
part of the material is concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way,
and transmission or information storage and retrieval, electronic adaptation, computer software,
or by similar or dissimilar methodology now known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark
symbol with every occurrence of a trademarked name, logo, or image, we use the names, logos,
and images only in an editorial fashion and to the benefit of the trademark owner, with no
intention of infringement of the trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expression of opinion as to whether or not
they are subject to proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of
publication, neither the authors nor the editors nor the publisher can accept any legal
responsibility for any errors or omissions that may be made. The publisher makes no warranty,
express or implied, with respect to the material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Celestin Suresh John
Development Editor: Matthew Moodie
Coordinating Editor: Aditee Mirashi
Cover designed by eStudioCalamar
Cover image designed by Freepik (www.freepik.com)
Distributed to the book trade worldwide by Springer Science+Business Media New York,
233 Spring Street, 6th Floor, New York, NY 10013. Phone 1-800-SPRINGER, fax (201) 348-4505,
e-mail orders-ny@springer-sbm.com, or visit www.springeronline.com. Apress Media, LLC is a
California LLC and the sole member (owner) is Springer Science+Business Media Finance Inc
(SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation.
For information on translations, please e-mail rights@apress.com, or visit www.apress.com/
rights-permissions.
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook
versions and licenses are also available for most titles. For more information, reference our Print
and eBook Bulk Sales web page at www.apress.com/bulk-sales.
Any source code or other supplementary material referenced by the author in this book is available
to readers on GitHub via the book’s product page, located at www.apress.com/978-1-4842-3684-0.
For more detailed information, please visit www.apress.com/source-code.
Printed on acid-free paper

www.allitebooks.com
To our parents, sisters, brothers, and friends
without whom this book would have been
completed one year earlier :)

www.allitebooks.com
Table of Contents
About the Authors��������������������������������������������������������������������������������xi
About the Technical Reviewer�����������������������������������������������������������xiii
Acknowledgments������������������������������������������������������������������������������xv
Introduction��������������������������������������������������������������������������������������xvii

Chapter 1: Introduction to Natural Language Processing and


Deep Learning���������������������������������������������������������������������1
Python Packages���������������������������������������������������������������������������������������������������3
NumPy�������������������������������������������������������������������������������������������������������������3
Pandas�������������������������������������������������������������������������������������������������������������8
SciPy��������������������������������������������������������������������������������������������������������������13
Introduction to Natural Language Processing�����������������������������������������������������16
What Is Natural Language Processing?���������������������������������������������������������16
Good Enough, But What Is the Big Deal?�������������������������������������������������������16
What Makes Natural Language Processing Difficult?�����������������������������������16
What Do We Want to Achieve Through Natural Language Processing?���������18
Common Terms Associated with Language Processing��������������������������������19
Natural Language Processing Libraries��������������������������������������������������������������20
NLTK��������������������������������������������������������������������������������������������������������������20
TextBlob���������������������������������������������������������������������������������������������������������22
SpaCy������������������������������������������������������������������������������������������������������������25
Gensim����������������������������������������������������������������������������������������������������������27

www.allitebooks.com
Table of Contents

Pattern�����������������������������������������������������������������������������������������������������������29
Stanford CoreNLP������������������������������������������������������������������������������������������29
Getting Started with NLP�������������������������������������������������������������������������������������29
Text Search Using Regular Expressions��������������������������������������������������������30
Text to List�����������������������������������������������������������������������������������������������������30
Preprocessing the Text����������������������������������������������������������������������������������31
Accessing Text from the Web������������������������������������������������������������������������32
Removal of Stopwords�����������������������������������������������������������������������������������32
Counter Vectorization������������������������������������������������������������������������������������33
TF-IDF Score��������������������������������������������������������������������������������������������������33
Text Classifier������������������������������������������������������������������������������������������������35
Introduction to Deep Learning����������������������������������������������������������������������������35
How Deep Is “Deep”?������������������������������������������������������������������������������������37
What Are Neural Networks?��������������������������������������������������������������������������������38
Basic Structure of Neural Networks��������������������������������������������������������������������40
Types of Neural Networks�����������������������������������������������������������������������������������45
Feedforward Neural Networks����������������������������������������������������������������������46
Convolutional Neural Networks���������������������������������������������������������������������46
Recurrent Neural Networks���������������������������������������������������������������������������47
Encoder-Decoder Networks���������������������������������������������������������������������������49
Recursive Neural Networks���������������������������������������������������������������������������49
Multilayer Perceptrons����������������������������������������������������������������������������������������50
Stochastic Gradient Descent�������������������������������������������������������������������������������54
Backpropagation�������������������������������������������������������������������������������������������������57
Deep Learning Libraries��������������������������������������������������������������������������������������60
Theano�����������������������������������������������������������������������������������������������������������60
Theano Installation����������������������������������������������������������������������������������������61

vi
Table of Contents

Theano Examples������������������������������������������������������������������������������������������63
TensorFlow����������������������������������������������������������������������������������������������������64
Data Flow Graphs������������������������������������������������������������������������������������������65
TensorFlow Installation����������������������������������������������������������������������������������66
TensorFlow Examples������������������������������������������������������������������������������������67
Keras�������������������������������������������������������������������������������������������������������������69
Next Steps�����������������������������������������������������������������������������������������������������������74

Chapter 2: Word Vector Representations��������������������������������������������75


Introduction to Word Embedding�������������������������������������������������������������������������75
Neural Language Model��������������������������������������������������������������������������������79
Word2vec������������������������������������������������������������������������������������������������������������81
Skip-Gram Model�������������������������������������������������������������������������������������������82
Model Components: Architecture������������������������������������������������������������������83
Model Components: Hidden Layer�����������������������������������������������������������������84
Model Components: Output Layer�����������������������������������������������������������������86
CBOW Model��������������������������������������������������������������������������������������������������87
Subsampling Frequent Words�����������������������������������������������������������������������������88
Negative Sampling����������������������������������������������������������������������������������������91
Word2vec Code���������������������������������������������������������������������������������������������������92
Skip-Gram Code��������������������������������������������������������������������������������������������������97
CBOW Code�������������������������������������������������������������������������������������������������������107
Next Steps���������������������������������������������������������������������������������������������������������118

Chapter 3: Unfolding Recurrent Neural Networks����������������������������119


Recurrent Neural Networks������������������������������������������������������������������������������120
What Is Recurrence?�����������������������������������������������������������������������������������121
Differences Between Feedforward and Recurrent Neural Networks�����������121

vii
Table of Contents

Recurrent Neural Network Basics���������������������������������������������������������������123


Natural Language Processing and Recurrent Neural Networks������������������126
RNNs Mechanism����������������������������������������������������������������������������������������129
Training RNNs����������������������������������������������������������������������������������������������134
Meta Meaning of Hidden State of RNN��������������������������������������������������������137
Tuning RNNs������������������������������������������������������������������������������������������������138
Long Short-Term Memory Networks�����������������������������������������������������������138
Sequence-to-Sequence Models������������������������������������������������������������������145
Advanced Sequence-to-Sequence Models��������������������������������������������������152
Sequence-to-Sequence Use Case���������������������������������������������������������������157
Next Steps���������������������������������������������������������������������������������������������������������168

Chapter 4: Developing a Chatbot������������������������������������������������������169


Introduction to Chatbot�������������������������������������������������������������������������������������169
Origin of Chatbots����������������������������������������������������������������������������������������170
But How Does a Chatbot Work, Anyway?�����������������������������������������������������171
Why Are Chatbots Such a Big Opportunity?�������������������������������������������������172
Building a Chatbot Can Sound Intimidating. Is It Actually?��������������������������173
Conversational Bot��������������������������������������������������������������������������������������������175
Chatbot: Automatic Text Generation������������������������������������������������������������������191
Next Steps���������������������������������������������������������������������������������������������������������229

Chapter 5: Research Paper Implementation: Sentiment


Classification������������������������������������������������������������������231
Self-Attentive Sentence Embedding�����������������������������������������������������������������232
Proposed Approach�������������������������������������������������������������������������������������234
Visualization������������������������������������������������������������������������������������������������242
Research Findings���������������������������������������������������������������������������������������246

viii
Table of Contents

Implementing Sentiment Classification������������������������������������������������������������246


Sentiment Classification Code��������������������������������������������������������������������������248
Model Results���������������������������������������������������������������������������������������������������261
TensorBoard������������������������������������������������������������������������������������������������261
Scope for Improvement�������������������������������������������������������������������������������������267
Next Steps���������������������������������������������������������������������������������������������������������267

Index�������������������������������������������������������������������������������������������������269

ix
About the Authors
Palash Goyal is a senior data scientist and
currently works with the applications of
data science and deep learning in the online
marketing domain. He studied Mathematics
and Computing at the Indian Institute of
Technology (IIT) Guwahati and proceeded to
work in a fast-paced upscale environment.
He has wide experience in E-commerce
and travel, insurance, and banking industries.
Passionate about mathematics and finance,
Palash manages his portfolio of multiple
cryptocurrencies and the latest Initial Coin
Offerings (ICOs) in his spare time, using deep learning and reinforcement
learning techniques for price prediction and portfolio management. He
keeps in touch with the latest trends in the data science field and shares
these on his personal blog, http://madoverdata.com, and mines articles
related to smart farming in free time.

xi
About the Authors

Sumit Pandey is a graduate of IIT Kharagpur.


He worked for about a year at AXA Business
Services, as a data science consultant. He
is currently engaged in launching his own
venture.

Karan Jain is a product analyst at Sigtuple,


where he works on cutting-edge AI-driven
diagnostic products. Previously, he worked
as a data scientist at Vitrana Inc., a health
care solutions company. He enjoys working
in fast-paced environments and at data-first
start-ups. In his leisure time, Karan deep-dives
into genomics sciences, BCI interfaces, and
optogenetics. He recently developed interest in
POC devices and nanotechnology for further portable diagnosis. He has a
healthy network of 3000+ followers on LinkedIn.

xii
About the Technical Reviewer
Santanu Pattanayak currently works at GE
Digital as a staff data scientist and is the author
of the deep learning–related book Pro Deep
Learning with TensorFlow—A Mathematical
Approach to Advanced Artificial Intelligence
in Python. He has about 12 years of overall
work experience, 8 in the data analytics/
data science field, and has a background in
development and database technologies.
Prior to joining GE, Santanu worked in
such companies as RBS, Capgemini, and IBM. He graduated with a degree
in electrical engineering from Jadavpur University, Kolkata, and is an avid
math enthusiast. Santanu is currently pursuing a master’s degree in data
science from IIT Hyderabad. He also devotes his time to data science
hackathons and Kaggle competitions, in which he ranks within the top 500
across the globe. Santanu was born and brought up in West Bengal, India,
and currently resides in Bangalore, India, with his wife.

xiii
Acknowledgments
This work would not have been possible without those who saw us through
this book, to all those who believed in us, talked things over, read, wrote,
and offered their valuable time throughout the process, and allowed us to
use the knowledge that we gained together, be it for proofreading or overall
design.
We are especially indebted to Aditee Mirashi, coordinating editor,
Apress, Springer Science+Business, who has been a constant support and
motivator to complete the task and who worked actively to provide us with
valuable suggestions to pursue our goals on time.
We are grateful to Santanu Pattanayak, who went through all the
chapters and provided valuable input, giving final shape to the book.
Nobody has been more important to us in the pursuit of this project
than our family members. We would like to thank our parents, whose love
and guidance are with us in whatever we pursue. Their being our ultimate
role models has provided us unending inspiration to start and finish the
difficult task of writing and giving shape to our knowledge.

xv
Introduction
This book attempts to simplify and present the concepts of deep learning
in a very comprehensive manner, with suitable, full-fledged examples of
neural network architectures, such as Recurrent Neural Networks (RNNs)
and Sequence to Sequence (seq2seq), for Natural Language Processing
(NLP) tasks. The book tries to bridge the gap between the theoretical and
the applicable.
It proceeds from the theoretical to the practical in a progressive
manner, first by presenting the fundamentals, followed by the underlying
mathematics, and, finally, the implementation of relevant examples.
The first three chapters cover the basics of NLP, starting with the most
frequently used Python libraries, word vector representation, and then
advanced algorithms like neural networks for textual data.
The last two chapters focus entirely on implementation, dealing with
sophisticated architectures like RNN, Long Short-Term Memory (LSTM)
Networks, Seq2seq, etc., using the widely used Python tools TensorFlow
and Keras. We have tried our best to follow a progressive approach,
combining all the knowledge gathered to move on to building a question-
and-answer system.
The book offers a good starting point for people who want to get
started in deep learning, with a focus on NLP.
All the code presented in the book is available on GitHub, in the form
of IPython notebooks and scripts, which allows readers to try out these
examples and extend them in interesting, personal ways.

xvii
CHAPTER 1

Introduction
to Natural Language
Processing and Deep
Learning
Natural language processing (NPL) is an extremely difficult task in
computer science. Languages present a wide variety of problems that
vary from language to language. Structuring or extracting meaningful
information from free text represents a great solution, if done in the
right manner. Previously, computer scientists broke a language into its
grammatical forms, such as parts of speech, phrases, etc., using complex
algorithms. Today, deep learning is a key to performing the same exercises.
This first chapter of Deep Learning for Natural Language Processing
offers readers the basics of the Python language, NLP, and Deep Learning.
First, we cover the beginner-level codes in the Pandas, NumPy, and SciPy
libraries. We assume that the user has the initial Python environment
(2.x or 3.x) already set up, with these libraries installed. We will also briefly
discuss commonly used libraries in NLP, with some basic examples.

© Palash Goyal, Sumit Pandey, Karan Jain 2018 1


P. Goyal, et al., Deep Learning for Natural Language Processing,
https://doi.org/10.1007/978-1-4842-3685-7_1
Other documents randomly have
different content
IDA
Che vuole! l’egoismo è sempre il più forte. Vagheggiavo la speranza
d’aver laggiù, nell’esilio, un po’ di compagnia. Ma, si rassicuri, il
pericolo per lei è scomparso; per conto mio non insisto di più.

CARLO
Cacceremo, sai? A memoria d’uomo, non si sono mai viste tante
anitre sul fiume...

IDA (con voce grave)


L’avrei riveduta alla villa con sincera e profonda soddisfazione.

CARLO
Senti, come ti si parla!

IDA
Non insistere. Basta. Non abbiamo compenso per quel che gli
faremmo perdere. — Teatri, serate, amici, amiche, svaghi d’ogni
specie.

CARLO (ridendo)
Ah, quanto alle amiche, è affar serio!

IDA
Un amico, dal quale non si separa più...

CARLO
Quanto gli amici... se non sono esigenti...

IDA
Carlo, no, non si può estender l’invito.

CARLO (a Claudio)
È cacciatore il tuo amico?

CLAUDIO
Laneri?... Oh sì.

CARLO
Ma, cacciatore serio; come noi, modestia a parte?

CLAUDIO
Appassionato, quanto può esserlo lui.

CARLO
Allora...

IDA (bruscamente)
Via, Serra, cerchi il suo Pilade..... Concerteremo il gran fatto!

(Claudio va a cercar Piero in un crocchio, cala la tela).


ATTO III.

Scena come nell’atto primo. Sera, lumi accesi.

SCENA I.
IDA, CARLO, CLAUDIO e PIERO

Ida alla tavola che serve il caffè.

CARLO (deponendo la tazza).


O Dio, ed ora come si starebbe bene, mezz’ora qui, posato e
tranquillo (si butta sul sofà). Poi una partitina al biliardo, quindi a
letto, in camera mia, a casa mia. Invece: un’ora e mezza di ferrovia,
che, per imbarazzi ed incagli nelle stazioni, sono sempre due, per
andar a finire nella cameretta fredda e soffocata d’un puzzolente
albergo di provincia.

IDA
Prenderai la camera migliore, spero. Ti farai fare una bella
fiammata...

CARLO
Sì, la camera migliore! Se la sarà tolta un collega. Telegrafare non
serve, telegrafano tutti, e le camere possibili, all’albergo d’Italia, sono
tre o quattro al più. Avrei potuto scrivere che mi tenessero quella del
presidente, poichè è malato, e sono vice... Ma l’avviso è capitato
come un fulmine; chi si sognava una seduta straordinaria del
Consiglio provinciale, proprio ora, dopo le seccature ed i disturbi già
avuti!... Oh se ci avessero pensato a tenermi una buona camera! Eh!
ma no, ne son certo. A quest’ora saranno arrivati il marchese
Besson, od il generale Pozzobonelli, che non hanno suggezione;
quando vi sono, quel che v’è di meglio nell’albergo, tutto è per loro
(con un sospiro). Quanto al fuoco, alla fiammata, la vedo e non la
vedo. Sono camere sempre vuote d’inverno. Il camino sarà otturato,
pieno di topi secchi, di pipistrelli in sopore, di ragnateli, fuliggine e
maledizioni! Poi legna verdi, umide, recalcitranti... Auf! che
seccatura...

IDA
E tu non andare.

CARLO
Non ci mancherebbe altro! Il presidente è malato...

IDA
Cosa vuoi ch’io ti dica?...

CARLO
Non dir nulla, lasciami imprecare.

CLAUDIO
Ti sbrigherai presto?

CARLO
Oh quanto a questo è affar mio! Vi prometto che sarò un presidente
modello: solleciterò l’ordine del giorno, manterrò la discussione in
carreggiata, rigorosamente; digressioni no, lungaggini no...

CLAUDIO
Senti, Carlo: Laneri ed io abbiamo pensato...
CARLO
Eccolo! So quello che mi vuoi dire: quello che m’ha cantato Laneri
poco fa. Siete matti tutti e due.

PIERO
Non parlo più.

CLAUDIO
Parlo io. Siamo qui da dieci giorni...

CARLO
Lunghi, eh?

CLAUDIO
Ritorneremo...

CARLO
Senti. Starò fuori tutto venerdì senza dubbio; sabato in giornata, o la
sera, alla peggio, sarò di ritorno. Domenica è Natale e lo dobbiamo
passare insieme, come s’è detto. Ve ne volete andare per due giorni
e tornare il terzo?... Vedete bene? Cacciate; anitre ve ne sono
sempre. Se in casa non vi basta la compagnia di mia moglie, e per
essere pari al biliardo, invitate Don Brina, trattenetelo a pranzo, a
cena, non opporrà resistenza... (guarda l’orologio e si alza) Ohe,
Nicola?

NICOLA (sulla porta)


Comandi.

CARLO
È attaccato?

NICOLA
A momenti.

CARLO
Ma diavolo! ci volete lasciar celebrare Natale, da soli? Capo d’anno
dove vorrete, Natale qui, non si transige. Nicola,... sacco, coperta,
soprabito, subito!

NICOLA (accorre, lo aiuta ad indossare la pelliccia,


porge i guanti, il cappello)

CARLO (scegliendo un sigaro nell’astuccio ed


accendendolo al lume)
Animo, chi di voi m’accompagna fino alla stazione?... Uno, uno
basta, nel calessino, posto per tre non c’è. Poi non voglio portar via
a mia moglie tutta la compagnia. Claudio?

CLAUDIO
Vengo.

IDA
Perdoni, Serra, ma le mie cifre quando me le vuol disegnare? Son
più giorni che le aspetto!

CARLO
Laneri, presto?

PIERO
Vengo, vengo io.

CARLO
Già, se non perdo il treno sarà un bel fatto. Arrivederci moglie...
(abbraccia Ida). Claudio, buona sera. (via con Piero, seguìto da
Nicola che porta il sacco e la coperta)
SCENA II.
IDA, CLAUDIO.

Tornano dal fondo; Ida va alla tavola, Claudio la segue


lentamente.

IDA
Dunque... si metta qui. Ecco carta, ecco lapis, tutto quel che occorre.
Mi trovi le cifre. Voglio si possano leggere al primo colpo d’occhio; nè
grandi, nè piccole; nuove poi, inventate per me; carine, insomma.

CLAUDIO (seduto)
E le par facile?

IDA
Non so se sia facile, è affar suo. (siede anche lei dall’altra parte della
tavola).

CLAUDIO
Bè, lasci ch’io ci pensi un momento, mentre appunto il lapis.
Intanto... la ringrazio d’avermi trattenuto con lei.

IDA
Ringrazierò io, quando m’avrà fatto il disegno.

CLAUDIO
Ma non le posso dir nulla?

IDA
Lavorando può dir quel che vuole.

CLAUDIO
Non posso dirle tutta quanta la mia riconoscenza?

IDA (spiegando un lavoro)


Gran fatto, avevo bisogno di lei!

CLAUDIO (abbassa la testa)


Mi parla così per celia, ma mi fa male, sa. Ed a che serve?
Quand’anche io mi facessi l’illusione che la mia compagnia non le
riesce sgradita, che male ci sarebbe a lasciarmela?

IDA
Nessuno.

CLAUDIO
Ma dunque?

IDA
Dunque lavori. Che bisogno c’è di sottilizzare su tutto quel che si fa?
È contento lei d’esser qui?... Bene. Io sono contenta che ci sia.
Benissimo. — E non basta?

CLAUDIO (ora lavorando ora smettendo)


Così, mi viene a dire che non le devo parlar più d’una cosa di cui le
ho parlato in questi giorni? D’una cosa che mi sta tanto terribilmente
a cuore?...

IDA (tace)

CLAUDIO
Eppure me l’ha lasciata dire, ed anche ripetere.

IDA
Perciò la so.
CLAUDIO (punto)
E perciò proprio non è necessario insistere? Non è vero? Dica così
che l’annoio, che le dò fastidio, che potrei far questo disegno di là, in
camera mia...

IDA
È facile interpretar tutto a modo nostro ed offendersi per cosa che
non si è nè detta, nè pensata.

CLAUDIO (si alza)


Soffro!

IDA
Perchè?... Senta, Serra, non potrebbe non esagerar le cose?

CLAUDIO
Ma esagero, io? È lei che si ostina a non credermi. Vede pure come
sono. — Non le par tempo di finir la musica? La tela è levata e la
commedia, od il dramma incomincia.

IDA (con brio)


Oh! eccomi tutta attenta allo spettacolo.

CLAUDIO (risentito)
Ida!

IDA (accigliata)
Cioè?

CLAUDIO (dopo un silenzio)


Via, no, non mi guardi così...

IDA
Ma lei smetta quel tono.

CLAUDIO
Mi perdoni. Ha ragione, sono insopportabile. Non sarei così, sa. Ma
lei anche perchè è tanto strana e volubile? Ora vicina vicina, ora
tanto alta e lontana. (abbassando la voce) Se mi vuol bene me lo
dica. Non le pare che a quest’ora, dopo che ho tanto, tanto
atrocemente sofferto..? (dopo aver aspettato invano una parola) E
se mai, se proprio non sono nulla per lei, allora perchè non è
schietta? Non può farsi chiara?

IDA
Eh sì, lo potrei.

CLAUDIO
Ma dunque?

IDA
Lo sa, ci ho i miei momenti...

CLAUDIO (aspro)
Bene, se non vuol esserlo lei, lo sarò io, e subito.

IDA (freddamente)
Così ci sarà compenso.

CLAUDIO (venendo a lei)


Veda, non posso regger più; oh! lo comprenda. È tempo. Le ho
dichiarato nettamente che l’amavo sempre, perciò tutto è finito per
me. (con forza) Nella mia vita non ci può essere più altro che il suo
amore. Più altro, più nulla. — Ecco: ho violata la mia parola,
mancato ad un obbligo santo: sto commettendo con lucida
coscienza, con animo deliberato un’azione spregevole, indegna d’un
uomo d’onore...
IDA
E perchè... (interrompendosi) Dio buono, che grandi frasi, che tristi
parole!

CLAUDIO
Dunque poichè il fatto è questo, poichè lei mi ha lasciato parlare,
deve od accettare o respingere. È così, donna Ida, è così, è così...
(mutando tono) Mi basta un gesto, basta una parola: un sì, un no,
ma esplicito (con energia). E, se fosse un no, abbandono tutto, mi
riallontano e per sempre, per sempre; senza speranza di ritorno,
risoluto a non vederla più mai.

IDA (accennandogli pacatamente di sedere)


Amico, abbassate la voce, vi prego. Parliamo con calma. (con un
sorriso) Non volete già ripartire stassera?

CLAUDIO (ritorna a sedere)

IDA (a mezza voce)


Un rimedio che le ha tanto giovato!...

CLAUDIO (ferito)
Se non m’ha giovato, la colpa non è tutta mia... oramai.

IDA (seria)
Cioè?... Ah ecco, ci sono. Ebbene queste sono parole che non mi
sarei mai aspettate! L’ho accolto con festa, l’ho invitato alla villa, e ve
l’ho trattenuto. Sono questi i miei torti? (dopo una pausa) Ah voi altri
uomini come siete terribili per tormentare voi stessi e chi vi vuol
bene! Irrequieti, sospettosi, vanitosi, turbolenti... Volete far così poco
per farvi amare, sapete far tutto per rendervi impossibili. E non
comprendete mai, non indovinate mai: agite all’opposto sempre di
quel che dovreste. Ruvidi quando sarebbe il caso d’essere miti;
deboli ed inetti quando dovreste essere forti. Infine sapete qual è il
mio vero torto? (dopo una pausa, porgendogli la mano) Quello di
voler essere anzitutto compresa.

CLAUDIO (bacia la mano e vuol trattenerla fra le sue).

IDA (ritirandola)
Ma, e le mie cifre?

CLAUDIO
Ora le trovo; le porrò in netto domani.

IDA (osservando)
Non troppo grandi, mi raccomando. Così non c’è male. Ma se finite
poi non mi garbano?...

CLAUDIO
Ne farò delle altre. Ecco (guardando lo schizzo) I. G. S. Ida-
Galliari-Sanesi... Sanesi!... Mi ricordo quand’era ragazza, la prima
volta che l’ho veduta; mi trovavo con Piero, ne abbiamo parlato tutto
quel giorno. Chi m’avesse detto.... (s’interrompe) Dio! come tutto mi
turba; come tutto mi offusca, il passato, il presente, l’avvenire...

IDA (con dolcezza)


Serra, badi che ricomincia.

CLAUDIO (a mezza voce)


Ah! se non fossi geloso...

IDA (con leggerezza)


Anche geloso?!

CLAUDIO (grave)
E con ragione.
IDA
Sicuro. — Vediamo la ragione?

CLAUDIO
Ebbene, no.

IDA
Oh via... Poichè ha cominciato, finisca. Geloso di chi?

CLAUDIO (si morde le labbra tacendo).

IDA (con mal repressa ansietà)


Dunque, sentiamo di chi?... Di Laneri, no?... sì!... Cos’ha scoperto?
dica. Vi è qualche cosa di fosco nel nostro modo di essere? —
Spiegherò io: avrò avuto per lui qualche riguardo, qualche
preferenza giustificata dal minor grado d’intimità, dall’esser lui più
nuovo, più estraneo di lei in casa nostra. Ecco.

CLAUDIO (con impeto)


Non è questo: è il contrario anzi. È il vederle dimostrar a Laneri una
freddezza che mi par esagerata, ingiustificabile; è il vedere come lui
non se ne dia per inteso. (con esitanza) Tanto più...

IDA (fissandolo)
Coraggio!

CLAUDIO
Oh no!...

IDA (in piedi)


Adesso s’ha da spiegare.

CLAUDIO
No.

IDA (imperiosa)
Badi, che lo esigo.

CLAUDIO
Eh! infine, perchè no...? (concitato) L’altro giorno, dopo pranzo,
Carlo era andato alla tenuta; lei passò con Piero in giardino; io mi
ritrassi a scriver lettere. Dalle finestre, attraverso ai rami brulli vi vidi
passar nel viale stretto che segue il muro di cinta. Lei era al suo
braccio... v’era nell’andatura un abbandono... quel non so che prova
d’intimità, d’accordo completo nei sentimenti...

IDA
Serra!

CLAUDIO (con impeto)


Erano due amanti ch’io vedevo in quel punto!

IDA
Serra...

CLAUDIO
E perchè vi spiccaste quand’io m’affacciai?

IDA
Ma basta, basta... (siede e riprende il lavoro, lunga pausa). Così
guai! Non posso avere un momento di distrazione, permettermi uno
scherzo, un’inezia? Non posso trovarmi stanca e cercar
semplicemente il braccio di chi m’è vicino?.. devo serbare un
contegno serio, irreprensibile, rigido... ridicolo... E scrutar le finestre,
e guardarmi alle spalle! (cambiando tono) Però, non so perchè io le
risponda; perchè io raccolga le sue parole, quasi intendessi
scolparmi, o... le accordassi diritti, che certo non avrà mai!
CLAUDIO (esasperato, addoloratissimo)
Signora, lei è troppo forte per me!... Non abusi della sua forza. Non
ne abusi. Mi sento perduto, sono fuori della via retta, non ho più
scrupoli, non ho ritegno. — Posso cacciarla ancora una volta dal
cuore e allora... il conto che m’avrebbe a rendere sarebbe terribile!

SCENA III.
Detti e PIERO.

Piero, che sarà comparso dietro l’invetriata, entra con


qualche strepito.

PIERO (deponendo mantello e cappello nel fondo)


Eccomi. Come Dio vuole il barone ha fatto in tempo. Ma è molto se
ha avuto campo a prendere il biglietto. Il treno era già arrivato. È
scappato via, lasciando un mondo di saluti... (venendo avanti)
Abbiamo una sera tepida, relativamente, ma fosca. (guarda il
disegno di Claudio) E tu hai lavorato?

CLAUDIO (asciutto)
Come vedi.

PIERO
Che le pare, baronessa, di queste cifre?

IDA
Bellissime.

PIERO
Gran bella cosa saper disegnare!... Non ci ho inclinazione. Questo
poi, del trovar cifre, arabeschi, che so io, è un talento speciale. Serra
lo possiede mirabilmente; l’ho veduto compir miracoli; scioglier veri
problemi, venir a capo di cifre complicate, formar monogrammi
ingegnosi, nitidi, stupendi. Ma credo pure che vi siano lettere per
così dire ribelli, ad ogni combinazione. L’I col G e coll’S devono
essere di queste.

CLAUDIO (aspro)
Chi te lo dice?

PIERO
Lo vedo.

CLAUDIO
Eccoti il lapis: provati!

PIERO
Sai che non so disegnare. Dunque...

IDA
Signori, chi mi dà l’ora?

PIERO (guardando l’orologio)


Mezzanotte a momenti.

IDA
Grazie (incomincia a riporre il lavoro).

CLAUDIO (che avrà passeggiato un momento)


Mi ritiro. Penso di alzarmi per tempo domani. Voglio cacciar tutto il
giorno.

PIERO
Cacceremo insieme.
CLAUDIO (senza tornare alla tavola, s’inchina)
Baronessa... Buona notte, Laneri. (entra nel secondo uscio a
destra).

PIERO (prontissimo)
Cos’ha?

IDA
Dubita.

PIERO
Di che?

IDA
Ci ha visti l’altro ieri, nel viale.

PIERO
Ah!... (dopo un momento) Mi vuoi bene?

IDA (accenna di sì col capo).

PIERO
Ma tanto? (con passione) Una parola, Ida?... Mi vuoi bene?

IDA
Troppo.

PIERO (accostandosi)
Siamo liberi, soli...

IDA
Guardati!
CLAUDIO (ricomparso sulla soglia, viene innanzi
lentamente, cercando sul sofà, poi sulla tavola).
Cerco e... non trovo; credevo d’aver un libro in camera e non ce l’ho.
Non so dove posso averlo lasciato...

PIERO
Che libro?

CLAUDIO
La Revue des deux Mondes, l’ultimo fascicolo.

PIERO
La Revue? Era qui pur ora... eccola. (gli porge un libro).

CLAUDIO
Grazie... Vi è un articolo bellissimo... 1º dicembre? Ma non è l’ultimo!
(continua a cercare) Un articolo tanto bello; ma non fa nulla, se non
trovo l’altro ritengo questo — a meno che vi sia chi l’abbia in lettura?

IDA
No, no. (alzandosi) Auguro a loro signori una felicissima notte.
(porge loro la mano, risale la scena ed entra a sinistra).

SCENA IV.
PIERO, CLAUDIO

PIERO
Cercavi il fascicolo 15 dicembre, l’avevi sott’occhio.

CLAUDIO
Grazie! (lo sfoglia, stando in piedi, distratto. Un silenzio nel quale si
sente che entrambi fanno uno sforzo per restar calmi).

PIERO (si sarà allontanato verso la porta a destra)


Non vorrai dormir qui ed io nemmeno, perciò: buona notte!

CLAUDIO
Buona notte. (subito) Piero?

PIERO
Eh?

CLAUDIO
Lo sai, che v’è una cosa che io non riesco a spiegarmi?

PIERO (sempre lontano)


Quale?

CLAUDIO (movendosi verso di lui)


Ecco, non mi so dare una ragione della gelida indifferenza di donna
Ida verso di te.

PIERO (pacatamente)
Tu vedi dell’indifferenza nel contegno della baronessa, verso di me?
(avvicinandosi) Santo Dio, che vuoi che ci sia?

CLAUDIO (spiccando le parole)


Non mi so dare una ragione dell’antipatia di donna Ida verso di te.

PIERO (sempre calmo)


Non trovi la ragione d’un fatto che non esiste.

CLAUDIO (a denti stretti)


Non son cieco, nè sordo, nè scemo.

PIERO
Sei un gran visionario, però... Antipatia?... È così che m’hai detto?

CLAUDIO
È la mia parola.

PIERO
Euh!?... Ben, ti giuro che non me n’ero accorto.

CLAUDIO
Ed è questo che mi sorprende. Ti ho sempre veduto star così sul
puntiglio, sempre; ed ora...

PIERO
No, non son tanto assoluto. In fondo ho un carattere che rifugge
dall’analisi, non sono fatto per approfondire. Mi abbandono io,
(blando) gusto il presente senza crucciarmi del passato, senza
angustiarmi per l’avvenire. Sono qui, con te, mi trovo bene, ci sto e
non cerco altro. Oggi la discrezione mi suggeriva d’andarmene... fui
pregato con gentile insistenza a rimanere, e son rimasto.

CLAUDIO
Insistenza naturalissima in persone ammodo, squisitamente cortesi.

PIERO (scuotendosi)
Oh, oh!... Mi dici questo con un tono,... (scaldandosi) Dunque a
parer tuo si è insistito meco per pura convenienza?... Perdio! Mi devi
parlar chiaro, è affar delicato. Se v’è un’ombra di verità in ciò che
affermi, presto fatto. Domani mi fo capitar una lettera di richiamo, un
telegramma, trovo un pretesto e via senz’altro, torniamo in città
senz’aspettar Natale, nè capo d’anno. (con intenzione) Dico

You might also like