[论文解读] Initial Comparison of Linguistic Networks Measures for Parallel Texts

Kristina Ban, Ana Meštrović+1 more|arXiv (Cornell University)|May 8, 2014

Complex Network Analysis Techniques参考文献 18被引用 5

一句话总结

本文运用复杂网络理论，对克罗地亚语、葡萄牙语和中文文本中的音节结构进行了语言学网络分析。研究结果表明，克罗地亚语音节网络表现出高聚类性和小世界特性，优于埃拉特-雷尼随机网络，并揭示了不同语言间网络拓扑结构的跨语言相似性。

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.

研究动机与目标

• 运用复杂网络分析方法，研究克罗地亚语文本中音节网络的结构特性。
• 与埃拉特-雷尼随机网络的特性进行比较，评估网络组织结构。
• 评估克罗地亚语音节网络是否表现出小世界特性，如高聚类性和短路径长度。
• 将分析扩展至葡萄牙语和中文文本，评估不同语言间网络拓扑结构的一致性。
• 确定语言学网络度量是否能揭示多种语言中的普遍结构模式。

提出的方法

• 构建音节网络，其中节点代表音节，边代表词语内音节的序列共现关系。
• 应用复杂网络分析技术，计算聚类系数、特征路径长度和传递性等关键指标。
• 使用埃拉特-雷尼随机网络作为基线，以评估所观察到的网络特性是否具有非随机性。
• 分析克罗地亚维基百科和克罗地亚博客文本，以确保语言多样性与现实相关性。
• 将分析扩展至葡萄牙语和中文的平行语料库，以比较不同语系间的网络特性。
• 运用网络科学中的标准度量评估网络拓扑结构，识别小世界行为。

实验结果

研究问题

• RQ1 克罗地亚语文本中的音节网络是否表现出小世界特性，如高聚类性和短路径长度？
• RQ2 克罗地亚语音节网络的网络度量与埃拉特-雷尼随机网络相比如何？
• RQ3 葡萄牙语和中文的音节网络是否表现出与克罗地亚语相似的拓扑模式？
• RQ4 语言学网络度量在多大程度上揭示了不同语言间的普遍结构特征？
• RQ5 复杂网络分析能否有效捕捉并区分多语言文本数据中的结构模式？

主要发现

• 克罗地亚语音节网络的聚类系数显著高于埃拉特-雷尼随机网络，表明其具有强局部连通性。
• 这些网络表现出小世界特性，具有高聚类性和短特征路径长度，表明信息传播效率高。
• 克罗地亚语音节网络的聚类系数明显高于随机网络，支持存在模块化、局部密集结构的存在。
• 在葡萄牙语和中文音节网络中也观察到了相似的网络拓扑特性，表明语言间网络结构具有一致性。
• 结果证实，音节网络并非随机，而是反映了自然语言中固有的结构组织。
• 本研究证明了语言学网络分析作为跨语言工具，在揭示语言结构普遍模式方面的潜力。