探究短篇书面文本复杂网络模型的拓扑性质

近年来，图论被广泛用于探究多种语言特性。更具体地说，所谓的词邻接模型已被证明有助于解决若干实际问题，尤其是那些依赖于文本风格分析的问题。将文本视为网络的最常见方法，是简单地考虑大段文本或整本书籍。这种方法无疑效果良好——许多富有洞见的发现由此产生——但它引出了一个令人不安的问题：短篇文本中是否可能存在重要的拓扑模式？为解决此问题，我们对从整本书中采样的子文本的拓扑性质进行了探究。在一个包含50部小说的数据集上进行的统计分析揭示，大多数传统的拓扑度量对于短篇子文本是稳定的。当分析作者识别任务的性能时，发现适当的采样能产生与使用全文时相似的区分能力。令人惊讶的是，基于短文本特征的支持向量机分类，其表现优于基于整本书的分类。这些发现表明，对大型文档进行局部拓扑分析可能会改善其全局表征。最重要的是，作为原理验证，我们证实了短文本可以用复杂网络的方法和概念进行分析。因此，本文描述的技术可以直接扩展，以将文本作为时变复杂网络进行分析。