汉语散文同现网络特性研究.docVIP

共 NUMPAGES 8页 河南理工大学数学与信息科学学院本科毕业论文 第 PAGE 7页 PAGE 1 指导教师：梁伟 学生：王鹏江 汉语散文同现网络的特性研究 王鹏江 河南理工大学数学与信息科学学院信息与计算科学专业2010级2班 摘要：本文针对30篇汉语散文，建立了字、词同现网络共60个，并且计算了它们的统计参数：直径、平均度、度分布、聚类系数、平均最短路径及其连通子图个数。研究表明汉语散文字、词同现网络都具有小世界特性，并且绝大部分网络具有无标度特性。通过对字、词同现网络统计参数的比较，揭示了汉语散文中字、词的异同。 关键词：汉语散文；同现网络；小世界；无标度 §1 引言 复杂网络作为一门新兴科学，是对复杂系统的复杂性进行解释的学科。复杂系统在自然界和人类社会中普遍存在，包括自然界中天然存在的星系、食物链网络、神经网络、蛋白质网络[1, 2]；科学家合作网[3, 4]；人类创造的交通网络、通信网络、计算机网络等[5, 6]。近年来，国内外网络科学发展迅速，它已经成为一门广泛交叉的科学，为众多领域的研究提供了一种新的思维方法和解决方法[7]。在这样的背景下，语言学开始成为人工智能方面的一个研究热点。 复杂网络简而言之即呈现高度复杂性的网络。其复杂性主要表现在以下几个方面：(1)结构复杂：表现在节点数目巨大，网络结构呈现多种不同特征。(2)网络进化：表现在节点或连接的产生与消失。例如world-wide network，网页或链接随时可能出现或断开，导致网络结构不断发生变化。(3)连接多样性：节点之间的连接权重存在差异，且有可能存在方向性。(4)动力学复杂性：节点集可能属于非线性动力学系统，例如节点状态随时间发生复杂变化。(5)节点HYPERLINK /view/826610.htm多样性：复杂网络中的节点可以代表任何事物，例如，人际关系构成的复杂网络节点代表单独个体，万维网组成的复杂网络节点可以表示不同网页。 中国汉语文字博大精深，是人类文明的结晶，是一个经过漫长演化而来的复杂系统。由于一篇汉语散文文章是由许多句子组成，而每个句子又由若干字、词构成。因此，研究汉语字、词的特性是研究整个汉语复杂系统的基础。汉语语言网络的研究已取得一些研究成果。韦洛霞等人根据一个基本词语集，构造了词法网络（如果两个词语包含同一个汉字，则认为其间存在连接）[8, 9]。2006年唐璐等人在两个大型网络HowNet和WordNet的基础上，构建了两个语义网络[10]。2007年刘知远等人在《人民日报》1300万字左右的人工分词语料库和国语委5000万字左右的人工分词语料库的基础上，建立了四个词同现网络[11]。2008年周水庚等人基于大型语料库PFR1.0建立了两个词同现网络[12]。研究发现上述网络都具有小世界特性和无标度特性。现在只有论文文献[13]对文字网络进行了深入研究。然而除了论文文献[13]之外，尚未见文献报道对中文字网络的任何研究结果。在现有的文献中，前任的工作是将大量的文章合在一起建立一个网络。而本论文中，是针对每篇散文建立一个字同现网络和一个词同现网络，那么此时所建立的网络是否仍然具有小世界特性和无标度特性？另外，是否能通过比较两类网络的统计参数得到其它的结论？我们针对这两个问题展开研究。 在本论文中，我们将从复杂网络的角度来深入研究汉语散文同现网络的特性。为此，我们选择了30篇汉语散文。针对每篇散文建立一个字同现网络和一个词同现网络。因此，共建立了60个字、词同现网络。这里所建立的网络均是无向、无加权的。我们研究了网络的统计特征：直径、平均度、度分布、聚类系数、平均最短路径及其连通子图个数。研究发现所有网络都具有小世界特性，且绝大多数网络都具有无标度特性。 §2 基本概念 近年来，人们在刻画复杂网络机构的统计特性上提出了许多概念和方法，其中常用的有三个基本概念：平均最短路径、聚类系数和度分布。 一个具体的网络可抽象为一个点集V和边集E组成的图G =（V，E）。如果任意点（i，j）与（j，i）对应同一条边，则该网络称为无向网络，否则称为有向网络。如果每条边都赋予相应的权值，那么该网络就是加权网络，否则称为无加权网络。无加权网络也可看作是每条边的权值都为1的等权网络。本文所构造网络都是无向、无加权的。节点i的度定义为与该节点相连的其它节点的数目，用表示。网络的平均度定义为： 2.1平均最短路径 网络中两个节点i和j之间的距离 QUOTE 定义为连接这两个点的最短路径上的边数。网络中任意两个节点之间距离的最大值称为网络的直径，记为D，即 网络的平均最短路径长度