语义网络的大规模结构：统计分析与语义增长模型
软凝聚态物质
2007-05-23 v1 无序系统与神经网络
摘要
我们对三类语义网络的大规模结构进行统计分析：词联想、WordNet和Roget的神经学词典。我们指出，这些网络具有小世界结构，特点是稀疏连通性、节点之间平均路径长度短以及强大的局部聚类。此外，连接数的分布遵循幂律分布，表明其连通性模式呈尺度自由结构，大多数节点拥有相对较少的连接，通过少数拥有大量连接的枢纽节点相连。这些规律也在其他某些自然复杂网络中发现，如世界WideWeb，但与许多基于继承层次结构、任意结构网络或高维向量空间的常规语义组织模型不一致。我们认为这些结构反映了语义网络增长的机制。我们描述了一个简单的语义增长模型，其中每个新词或概念通过差异化已有节点的连通性模式来连接到现有网络中。该模型生成适当的小世界统计数据和幂律连通性分布，还为语义处理任务中学习历史变量（年龄获取、使用频率）的效应提供了可能的机制。
引用
@article{arxiv.cond-mat/0110012,
title = {The large-scale structure of semantic networks: statistical analyses and a model for semantic growth},
author = {Mark Steyvers and Joshua B. Tenenbaum},
journal= {arXiv preprint arXiv:cond-mat/0110012},
year = {2007}
}
备注
25 pages, 9 figures, submitted paper to Cognitive Science