[论文解读] Mining and modeling character networks

Anthony Bonato, David Ryan D’Angelo+3 more|arXiv (Cornell University)|Aug 2, 2016

Complex Network Analysis Techniques参考文献 21被引用 5

一句话总结

本文提出一种机器学习框架，通过基于基序的特征和随机网络模型，对小说和电影中的角色网络进行建模与比较。研究发现，由于Chung-Lu模型能够复现文学社交网络中常见的密集且异质的子图结构，因此最适配角色网络。

ABSTRACT

We investigate social networks of characters found in cultural works such as novels and films. These character networks exhibit many of the properties of complex networks such as skewed degree distribution and community structure, but may be of relatively small order with a high multiplicity of edges. Building on recent work of beveridge, we consider graph extraction, visualization, and network statistics for three novels: Twilight by Stephanie Meyer, Steven King's The Stand, and J.K. Rowling's Harry Potter and the Goblet of Fire. Coupling with 800 character networks from films found in the http://moviegalaxies.com/ database, we compare the data sets to simulations from various stochastic complex networks models including random graphs with given expected degrees (also known as the Chung-Lu model), the configuration model, and the preferential attachment model. Using machine learning techniques based on motif (or small subgraph) counts, we determine that the Chung-Lu model best fits character networks and we conjecture why this may be the case.

研究动机与目标

• 开发一种定量的、算法化的方法，用于分析小说和电影等文化作品中的角色网络，突破传统文学分析的局限。
• 探究标准随机网络模型是否能够准确复现源自叙事文本的角色网络的结构特性。
• 确定哪种网络模型——Chung-Lu、配置模型、优先连接模型或二项随机图——最接近真实角色网络数据。
• 利用基序计数和机器学习实现模型选择，并为网络模型的保真度提供实证验证。
• 探讨模型拟合结果对理解叙事结构以及作者构建虚构社交系统方式的启示。

提出的方法

• 通过在滑动窗口内统计角色姓名共现情况，从三部小说（《暮光之城》、《末日之灾》、《哈利·波特与火焰杯》）和800部电影中提取加权角色网络。
• 计算标准网络统计量（直径、聚类系数、PageRank和介数等中心性度量），以识别关键角色和社区结构。
• 模拟四种随机网络模型——Chung-Lu、配置模型、优先连接模型和二项随机图——使其节点数和平均度与真实网络相匹配。
• 将基序（小型子图）计数作为机器学习分类器的特征，包括带ℓ1和ℓ2正则化的SVM、随机森林和AdaBoost。
• 引入特征值直方图和图轮廓（3-和4-节点非同构子图）作为额外特征，以增强模型的区分能力。
• 通过监督学习进行模型选择，利用训练好的分类器预测每张真实角色网络最匹配的模型。

实验结果

研究问题

• RQ1 哪种随机网络模型最能准确复现源自文学作品的角色网络的结构特征？
• RQ2 在角色网络的语境下，基序计数与子图轮廓在区分不同网络模型方面表现如何？
• RQ3 尽管角色网络规模小且边多重性高，为何Chung-Lu模型在拟合角色网络方面优于其他模型？
• RQ4 基于网络基序的机器学习技术在多大程度上能可靠地识别虚构社交网络背后的生成过程？
• RQ5 模型拟合结果对叙事建构过程意味着什么？例如，作者是否在构建连接前隐式定义了节点度数？

主要发现

• Chung-Luo模型在所有三部小说和800部电影网络中均被一致选为最佳拟合模型，SVM及其他分类器显示出模型间的清晰分离。
• 在《哈利·波特》网络中，SVM-ℓ2模型对Chung-Luo模型的得分为4.44，显著优于配置模型（−1.15）和优先连接模型（−10.64）。
• 随机森林模型在《哈利·波特》数据集上对Chung-Luo模型与其他模型的区分准确率达到99.8%，表明模型间存在强大且一致的分离。
• AdaBoost在《暮光之城》网络中对Chung-Luo模型的得分为47.4，远超次佳模型优先连接模型的34.51。
• Chung-Luo模型的成功归因于其能够生成多样且密集的子图结构，这与角色网络中社区丰富、分层明显的特性高度一致。
• 本研究证实，尽管规模较小，角色网络仍表现出非平凡的结构特征，可有效通过度条件随机图模型（如Chung-Luo）进行建模，而非依赖优先连接或几何模型。