[論文レビュー] Network Motifs Analysis of Croatian Literature

Hana Rizvić, Sanda Martinčić-Ipšić+1 more|arXiv (Cornell University)|Nov 18, 2014

Cultural and political discourse analysis被引用数 1

ひとこと要約

本研究では、4冊の書籍と1つのフォーラムから成る5つのクロアチア語テキストから導出された有向共起ネットワークにおけるネットワークモチーフを、三辺の有意性プロファイル（TSP）を用いて分析し、3頂点部分グラフの過剰代表と不足代表を特定した。主な発見は、クロアチア語の自由な語順の特徴が原因で、3辺を持つ三辺形（ID3#10 および ID3#13）が過剰に代表されていることである。これは、他の言語では通常、このような三辺形が不足代表とされるのとは対照的である。

ABSTRACT

In this paper we analyse network motifs in the co-occurrence directed networks constructed from five different texts (four books and one portal) in the Croatian language. After preparing the data and network construction, we perform the network motif analysis. We analyse the motif frequencies and Z-scores in the five networks. We present the triad significance profile for five datasets. Furthermore, we compare our results with the existing results for the linguistic networks. Firstly, we show that the triad significance profile for the Croatian language is very similar with the other languages and all the networks belong to the same family of networks. However, there are certain differences between the Croatian language and other analysed languages. We conclude that this is due to the free word-order of the Croatian language.

研究の動機と目的

• クロアチア語ネットワークの局所的構造的性質が、他の言語ネットワークと一致するかどうかを調査すること。
• クロアチア語の自由語順特徴が、他の言語と比較してモチーフ頻度に影響を与えるかどうかを特定すること。
• 4冊の書籍と1つのフォーラムを含む5つのクロアチア語データセット間で、三辺の有意性プロファイル（TSP）をネットワークモチーフ分析を用いて比較すること。
• モチーフベースの分析が、自然言語ネットワークにおける文法的および構造的差異を検出できるかどうかを評価すること。

提案手法

• 頂点を語彙、辺を連続する語の隣接関係として定義した、5つのクロアチア語テキストからの有向共起ネットワークを構築した。
• ランダム化された1,000個のネットワークを用いて、rand-esuアルゴリズムを用いてFANMODソフトウェアでネットワークモチーフを同定した。
• 全13種類の有向3頂点部分グラフ（三辺形）のZスコアを計算し、統計的有意性を評価した。
• 式（2）を用いてZスコアを正規化し、データセット間比較を可能にする三辺形有意性プロファイル（TSP）ベクトルを作成した。
• p値と頻度比較を用いてモチーフの有意性を検証し、必要に応じてランダムネットワークのパラメータを調整した。
• モチーフ頻度およびZスコアの統計的分析を実施し、過剰代表（モチーフ）および不足代表（アンチモチーフ）の三辺形を同定した。

実験結果

リサーチクエスチョン

• RQ1 クロアチア語ネットワークは、他の言語で分析されたものと類似した三辺形有意性プロファイルを示すか？
• RQ2 クロアチア語の自由語順構文ゆえに、特定の三辺形が過剰に代表されているか？
• RQ3 クロアチア語の文学的テキストにおけるモチーフ頻度は、他の言語ネットワークと比較して、特に3辺を持つ三辺形の点でどう異なるか？
• RQ4 ネットワークモチーフ分析は、自然言語ネットワークにおける語順などの文法的特徴に関連する構造的差異を検出できるか？
• RQ5 クロアチア語テキストのTSPは、異なるコンテンツソースを持つにもかかわらず、一貫したクラスタリングを示すか？

主な発見

• クロアチア語ネットワークの三辺形有意性プロファイル（TSP）は、他の言語のそれと大きく類似しており、共通のミクロスケールネットワーク特性を示している。
• 2辺を持つ三辺形（ID3#1 および ID3#3）は、他の言語ネットワークと同様に顕著に過剰に代表されている。
• 異例たる点として、3辺を持つ三辺形ID3#10 および ID3#13 がクロアチア語ネットワークで顕著に過剰に代表されており、英語、フランス語、スペイン語、日本語ネットワークでは同様のパターンは観察されていない。
• ID3#10 および ID3#13 の過剰代表は、クロアチア語の自由語順の性質に起因し、例え「jako ga voli」（彼をとても愛する）のように語順が柔軟に変動する語列が有効な文法的単位を形成できることに起因する。
• 5つのクロアチア語データセット（書籍およびフォーラム）のTSPは一貫したモチーフパターンを示しており、テキストタイプを問わず共通の下位構造を持つネットワークが存在することを示唆している。
• 結果から、モチーフベースの分析が文法的および語彙形態的特徴（例：語順）に敏感であり、言語の微細な差異を特定する可能性を有することが示唆された。