[论文解读] Preliminary Report on the Structure of Croatian Linguistic Co-occurrence Networks
本研究通过改变共现窗口大小、语料库大小和停用词包含情况，探究克罗地亚语言共现网络的结构特性。研究发现，增大窗口大小会降低直径和平均路径长度，同时提高聚类系数，表明小世界特性增强；而停用词作为强枢纽节点，虽能改善幂律拟合，但窗口大小可缓解语料库大小的影响。
In this article, we investigate the structure of Croatian linguistic co-occurrence networks. We examine the change of network structure properties by systematically varying the co-occurrence window sizes, the corpus sizes and removing stopwords. In a co-occurrence window of size $n$ we establish a link between the current word and $n-1$ subsequent words. The results point out that the increase of the co-occurrence window size is followed by a decrease in diameter, average path shortening and expectedly condensing the average clustering coefficient. The same can be noticed for the removal of the stopwords. Finally, since the size of texts is reflected in the network properties, our results suggest that the corpus influence can be reduced by increasing the co-occurrence window size.
研究动机与目标
- 考察共现窗口大小、语料库大小及停用词包含对克罗地亚语言网络结构的影响。
- 评估直径、平均路径长度和聚类系数等网络度量对语料库大小及预处理选择的敏感性。
- 评估增大共现窗口大小是否可降低语料库大小对网络特性的影响。
- 确定停用词在塑造网络拓扑结构中的作用及其对幂律分布拟合的影响。
提出的方法
- 使用包含10本书的克罗地亚语料库构建了30个语言共现网络，分为三种语料库大小：C1（1本书）、C2（4本书）、C3（10本书）。
- 定义大小为n的共现窗口，将每个词与后续n−1个词连接，形成无向加权网络。
- 计算关键网络度量：直径（D）、平均路径长度（L）、平均聚类系数（C）及度分布。
- 通过网络中的最大权重对连接权重进行归一化，以计算加权聚类系数。
- 采用幂律拟合评估无标度网络特性，通过最小度阈值（x_min）选择实现最优拟合。
- 比较包含与不包含停用词的网络，以评估其对网络拓扑及分布特性的影响。
实验结果
研究问题
- RQ1增大共现窗口大小如何影响克罗地亚语言共现网络的直径、平均路径长度和聚类系数？
- RQ2语料库大小在多大程度上影响网络结构特性，如直径和聚类系数？
- RQ3包含或排除停用词对网络拓扑结构有何影响，特别是在枢纽节点形成与聚类动态方面？
- RQ4包含停用词是否能改善度分布对幂律的拟合度，且该现象在不同窗口大小下是否一致？
- RQ5增大共现窗口大小是否可降低网络度量对语料库大小的敏感性？
主要发现
- 将共现窗口大小从m₂增至m₆，显著降低了网络直径和平均路径长度，表明小世界特性更强。
- 随着窗口大小增加，平均聚类系数上升，表明局部网络结构具有更强的凝聚效应。
- 当包含停用词时，'i'（和）、'je'（是）、'u'（在）等停用词成为顶级枢纽节点，其度数在m₆网络中高达67,890。
- 包含停用词的网络表现出更优的幂律拟合（α ≈ 2.04–2.34），表明停用词增强了无标度特性。
- 当包含停用词时，增加语料库大小会提升聚类系数；而排除停用词时，增加语料库大小反而降低聚类系数，表明其动态行为存在显著差异。
- 结果表明，增大共现窗口大小可有效降低语料库大小对网络结构的影响，为稳定网络特性提供了一种可行方法。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。