区分事实与虚构：基于复杂网络的文本模式识别

我们建立了具体的数学判据来区分不同类型的书面叙事，即虚构与非虚构。具体而言，我们从小说和新闻故事中构建了语义网络，以$N$个独立单词作为顶点或节点，并将出现在给定顶点$m$个位置内的单词分配为边或链接；我们称$m$为词距。然后，我们使用复杂网络理论的度量来区分新闻和小说，研究了所需的最小文本长度以及优化的词距$m$。发现文献样本通过其度分布$P(k)$和聚类系数$C(k)$的相应幂律最能有效表示；我们还研究了平均测地距离，并发现所有文本都是小世界网络。我们观察到在$k=\sqrt{N}$处存在一个自然断点，度分布的幂律在此处发生变化，从而对$P(k)$的主体和尾部进行独立的幂律拟合。我们的线性判别分析对小说的正确分类准确率为$73.8 \pm 5.15\%$，对新闻故事的准确率为$69.1 \pm 1.22\%$。我们找到了最优词距$m=4$和最小文本长度100到200个单词$N$。