Explorer les propriétés topologiques des réseaux complexes modélisant des textes écrits courts

Ces dernières années, la théorie des graphes a été largement utilisée pour examiner plusieurs propriétés linguistiques. Plus précisément, le modèle d'adjacence des mots s'est avéré utile pour aborder plusieurs problèmes pratiques, en particulier ceux reposant sur l'analyse stylistique textuelle. L'approche la plus courante pour traiter les textes comme des réseaux a simplement considéré de grands morceaux de textes ou des livres entiers. Cette approche a certainement bien fonctionné - de nombreuses découvertes informatives ont été faites de cette manière - mais elle soulève une question inconfortable : pourrait-il y avoir des motifs topologiques importants dans de petits morceaux de textes ? Pour aborder ce problème, les propriétés topologiques de sous-textes échantillonnés à partir de livres entiers ont été explorées. Des analyses statistiques réalisées sur un ensemble de données comprenant 50 romans ont révélé que la plupart des mesures topologiques traditionnelles sont stables pour des sous-textes courts. Lorsque la performance de la tâche de reconnaissance d'auteur a été analysée, il a été constaté qu'un échantillonnage approprié produisait une discriminabilité similaire à celle trouvée avec des textes complets. Fait surprenant, la classification par machine à vecteurs de support basée sur la caractérisation de courts textes a surpassé celle réalisée avec des livres entiers. Ces résultats suggèrent qu'une analyse topologique locale de grands documents pourrait améliorer sa caractérisation globale. Plus important encore, il a été vérifié, comme preuve de principe, que les courts textes peuvent être analysés avec les méthodes et concepts de réseaux complexes. En conséquence, les techniques décrites ici peuvent être étendues de manière simple pour analyser les textes comme des réseaux complexes variant dans le temps.