[论文解读] Complex networks and human language

Jinyun Ke|ArXiv.org|Jan 22, 2007

Opinion Dynamics and Social Influence参考文献 54被引用 15

一句话总结

本文将复杂网络理论应用于人类语言，分析基于语义/句法词语关系的词汇网络以及语言使用者的社会网络。研究结果表明，这两类网络均表现出小世界和无标度特性；模拟实验显示，现实的网络结构显著影响语言创新的扩散，挑战了语言演化模型中关于人口结构为随机或规则结构的假设。

ABSTRACT

This paper introduces how human languages can be studied in light of recent development of network theories. There are two directions of exploration. One is to study networks existing in the language system. Various lexical networks can be built based on different relationships between words, being semantic or syntactic. Recent studies have shown that these lexical networks exhibit small-world and scale-free features. The other direction of exploration is to study networks of language users (i.e. social networks of people in the linguistic community), and their role in language evolution. Social networks also show small-world and scale-free features, which cannot be captured by random or regular network models. In the past, computational models of language change and language emergence often assume a population to have a random or regular structure, and there has been little discussion how network structures may affect the dynamics. In the second part of the paper, a series of simulation models of diffusion of linguistic innovation are used to illustrate the importance of choosing realistic conditions of population structure for modeling language change. Four types of social networks are compared, which exhibit two categories of diffusion dynamics. While the questions about which type of networks are more appropriate for modeling still remains, we give some preliminary suggestions for choosing the type of social networks for modeling.

研究动机与目标

• 探讨复杂网络理论如何应用于理解人类语言系统。
• 基于语义和句法词语关系分析词汇网络，并识别其结构特性。
• 考察语言使用者的社会网络及其在语言演化与变迁中的作用。
• 评估网络结构对计算模型中语言创新扩散的影响。
• 为选择适合建模语言变迁的网络类型提供指导。

提出的方法

• 利用词语之间的语义和句法关系构建词汇网络。
• 使用网络理论指标（如小世界与无标度特性）分析词汇网络与社交网络的结构特性。
• 在语言创新扩散的模拟模型中，设计并比较四种类型的社交网络（随机、规则、小世界、无标度）。
• 在不同网络拓扑结构上模拟语言创新的传播，以评估其对动态过程的影响。
• 使用计算建模方法，检验网络结构如何影响语言变迁的速度与模式。
• 比较不同网络类型下的扩散动态，识别结构对语言演化的影响。

实验结果

研究问题

• RQ1 基于语言中语义与句法关系的词汇网络如何表现出复杂网络特性？
• RQ2 语言使用者的社会网络具有哪些结构特征（如小世界、无标度）？
• RQ3 社交网络的拓扑结构如何影响语言创新的扩散？
• RQ4 为何传统语言演化模型无法捕捉现实世界动态，网络结构如何改进它们？
• RQ5 哪些类型的社交网络模型最适合用于模拟语言变迁？

主要发现

• 基于语义与句法词语关系构建的词汇网络表现出小世界与无标度特性，表明其具有高聚类性与幂律度分布。
• 语言使用者的社会网络同样表现出小世界与无标度特征，与以往模型中假设的随机或规则人口结构相矛盾。
• 模拟结果表明，网络拓扑显著影响语言创新扩散的动力学，其中无标度与小世界网络能实现更快且更真实的传播模式。
• 计算模型中网络结构的选择对结果具有决定性影响，表明随机或规则网络过度简化了语言变迁过程。
• 初步证据支持使用无标度与小世界网络来建模语言演化，因其更真实地反映了现实语言社群的结构。
• 本研究强调了在语言变迁的计算模型中引入基于实证的网络结构的重要性。