[논문 리뷰] Initial Comparison of Linguistic Networks Measures for Parallel Texts

Kristina Ban, Ana Meštrović외 1명|arXiv (Cornell University)|2014. 05. 08.

Complex Network Analysis Techniques참고 문헌 18인용 수 5

한 줄 요약

이 논문은 복잡한 네트워크 이론을 사용하여 크로아티아어, 포르투갈어, 중국어 텍스트의 음절 기반 구조에 대한 언어학적 네트워크 분석을 제안한다. 크로아티아어 음절 네트워크가 높은 클러스터링과 소월드 성질을 보이며 에르되시-레니 랜덤 네트워크를 능가함을 보여주고, 언어 간 네트워크 구조의 유사성을 입증한다.

ABSTRACT

This paper presents preliminary results of Croatian syllable networks analysis. Syllable network is a network in which nodes are syllables and links between them are constructed according to their connections within words. In this paper we analyze networks of syllables generated from texts collected from the Croatian Wikipedia and Blogs. As a main tool we use complex network analysis methods which provide mechanisms that can reveal new patterns in a language structure. We aim to show that syllable networks have much higher clustering coefficient in comparison to Erdös-Renyi random networks. The results indicate that Croatian syllable networks exhibit certain properties of a small world networks. Furthermore, we compared Croatian syllable networks with Portuguese and Chinese syllable networks and we showed that they have similar properties.

연구 동기 및 목표

• 크로아티아어 텍스트의 음절 네트워크 구조적 특성을 복잡한 네트워크 분석을 통해 조사하기.
• 네트워크 조직을 평가하기 위해 이러한 특성을 에르되시-레니 랜덤 네트워크의 특성과 비교하기.
• 크로아티아어 음절 네트워크가 높은 클러스터링과 짧은 경로 길이를 포함한 소월드 특성을 보이는지 평가하기.
• 언어 간 네트워크 구조의 일관성을 평가하기 위해 분석을 포르투갈어 및 중국어 텍스트로 확장하기.
• 언어학적 네트워크 측정치가 다양한 언어 간 보편적인 구조적 패턴을 드러내는지 확인하기.

제안 방법

• 노드가 음절을, 간선이 단어 내에서 순차적으로 공현하는 관계를 나타내는 음절 네트워크를 구축하기.
• 클러스터링 계수, 특성 경로 길이, 전이성 등의 주요 지표를 계산하기 위해 복잡한 네트워크 분석 기법을 적용하기.
• 관측된 네트워크 특성이 비랜덤한지 평가하기 위해 에르되시-레니 랜덤 네트워크를 기준으로 비교하기.
• 언어적 다양성과 실제 세계의 관련성을 확보하기 위해 크로아티아 위키백과와 크로아티아 블로그의 텍스트를 분석하기.
• 다른 언어 가족 간 네트워크 특성을 비교하기 위해 포르투갈어 및 중국어의 평행 코퍼스로 분석을 확장하기.
• 네트워크 과학의 표준 지표를 사용해 네트워크 구조를 평가하고 소월드 행동을 식별하기.

실험 결과

연구 질문

• RQ1 크로아티아어 텍스트의 음절 네트워크는 높은 클러스터링과 짧은 경로 길이와 같은 소월드 성질을 보이는가?
• RQ2 크로아티아어 음절 네트워크의 네트워크 지표는 에르되시-레니 랜덤 네트워크와 어떻게 비교되는가?
• RQ3 포르투갈어 및 중국어의 음절 네트워크는 크로아티아어의 것과 유사한 구조적 패턴을 보이는가?
• RQ4 언어학적 네트워크 측정치가 다양한 언어 간 보편적인 구조적 특징을 어느 정도 드러내는가?
• RQ5 복잡한 네트워크 분석은 다국어 텍스트 데이터의 구조적 패턴을 효과적으로 캡처하고 구분할 수 있는가?

주요 결과

• 에르되시-레니 랜덤 네트워크보다 크로아티아어 음절 네트워크의 클러스터링 계수가 유의미하게 높아, 강한 국소적 연결성을 나타낸다.
• 네트워크는 높은 클러스터링과 짧은 특성 경로 길이를 보이며 소월드 특성을 나타내어, 효율적인 정보 전파를 가능하게 한다.
• 크로아티아어 음절 네트워크의 클러스터링 계수는 랜덤 네트워크보다 상당히 높아, 모듈성과 국소적으로 조밀한 구조의 존재를 뒷받침한다.
• 포르투갈어 및 중국어 음절 네트워크에서도 유사한 네트워크 구조적 특성이 관찰되어 언어 간 언어학적 네트워크 구조의 일관성이 있음을 시사한다.
• 결과적으로 음절 네트워크가 랜덤이 아니며 자연어 내부의 본질적인 구조적 조직을 반영한다는 것이 확인된다.
• 본 연구는 언어학적 네트워크 분석이 언어 구조의 보편적 패턴을 드러내는 다국어적 도구로서의 잠재력을 입증한다.