同心网络对称性在词邻接网络中捕捉作者风格

书面文本的几个特征已从源自网络模型的统计分析中推断出来。尽管许多网络测量已被 адаптированы以研究不同复杂性层面的文本属性，但某些文本方面却被忽视了。在本文中，我们研究了词邻接网络（一种将文本表示为图的知名方法）的对称性。对多部小说进行的对称性分布统计分析表明，大多数单词并未表现出对称的连接模式。具体而言，合并后的对称性显示出类似于普遍存在的幂律分布的分布。我们的实验还揭示，所研究的度量与其他传统网络测量（如度或介数中心性）不相关。对称性测量的有效性在作者归属任务中得到了验证。有趣的是，我们发现特定作者偏好特定类型的对称基序。因此，在包含 8 位作者所著书籍的数据集中，82.5% 的情况下可以准确识别书籍的作者身份。由于所提出的文本分析测量是对传统方法的补充，它们可用于改进文本网络的表征，这可能对依赖于主题词识别和信息检索等相关应用有用。