استكشاف الخصائص الطوبولوجية للشبكات المعقدة التي تمثل النصوص المكتوبة القصيرة

في السنوات الأخيرة، تم استخدام نظرية الرسوم البيانية على نطاق واسع لاستكشاف العديد من خصائص اللغة. على وجه التحديد، تم إثبات أن نموذج تلاصق الكلمات - كما يسمى - مفيد في معالجة العديد من المشاكل العملية، خاصة تلك التي تعتمد على التحليل الأسلوبي للنصوص. كانت الطريقة الأكثر شيوعًا للتعامل مع النصوص كشبكات تعتبر ببساطة إما قطعًا كبيرة من النصوص أو كتبًا كاملة. لقد عملت هذه الطريقة بالتأكيد بشكل جيد، حيث تم تحقيق العديد من الاكتشافات المعلوماتية بهذه الطريقة، لكنها تثير سؤالًا مزعجًا: هل يمكن أن تكون هناك أنماط طوبولوجية مهمة في قطع صغيرة من النصوص؟ لمعالجة هذه المشكلة، تم استكشاف الخصائص الطوبولوجية للنصوص الفرعية المأخوذة من كتب كاملة. كشفت التحليلات الإحصائية التي أجريت على مجموعة بيانات تضم 50 رواية أن معظم القياسات الطوبولوجية التقليدية مستقرة للنصوص الفرعية القصيرة. عند تحليل أداء مهمة التعرف على المؤلف، وُجد أن أخذ عينات صحيحة ينتج قدرة على التمييز مشابهة لتلك الموجودة مع النصوص الكاملة. ومن المدهش أن تصنيف آلة الدعم الشعاعي القائم على توصيف النصوص القصيرة تفوق على ذلك الذي تم إجراؤه مع الكتب الكاملة. تشير هذه النتائج إلى أن التحليل الطوبولوجي المحلي للمستندات الكبيرة قد يحسن من توصيفها العالمي. الأهم من ذلك، تم التحقق، بمثابة إثبات لمبدأ، من أنه يمكن تحليل النصوص القصيرة بالطرق والمفاهيم الخاصة بالشبكات المعقدة. ونتيجة لذلك، يمكن توسيع التقنيات الموصوفة هنا بشكل مباشر لتحليل النصوص كشبكات معقدة متغيرة زمنياً.