基于词同现网络与支持向量机的论文甄别

单词在句子中的交互不是随机的,而是基于一定的规则,这种规则可以通过语言网络进行研究。词同现网络是人类语言网络的一种表现形式,它利用单词在句子中的相邻关系来确定一个连接。文中采用语言网络分析的方法对论文进行甄别:将论文用词同现网络表示,计算网络的特征参数并输出一个向量来表征论文,然后运用支持向量机对论文进行分类。结果表明,使用该方法对高水平的论文和文本发生器产生的论文具有很好的甄别效果,对领域差别大的论文甄别效果也较显著。

基于平行词同现网络的语言聚类

考察了在语言精细分类中使用复杂网络以及在基于复杂网络的语言分类中使用平行词同现网络替代句法依存网络的可行性.采用12种斯拉夫语言和2种非斯拉夫语言的平行文本,构建了14个词同现网络.通过这些网络的主要参数的恰当组合,聚类分析能够将斯拉夫诸语言与非斯拉夫语言区分开来,并能将12种斯拉夫语言正确地划分到各自的语支中去.另外,聚类也能反映某些斯拉夫语言在其语支内部的亲缘关系.结果表明,平行词同现网络能够被用于语言的精细分类,而且在基于复杂网络的语言分类中可被用作句法依存网络的一种更为便捷的替代品.

汉语词网络的抗毁性研究

运用复杂网络理论,基于北京大学语言研究所做出的《人民日报》和国家语委现代汉语的语料库,构建了四个汉语词同现网络;并计算了测度指标。由结果绘制出分布曲线,证实了该词同现网络具有小世界效应和无标度特性。对上述词同现网络进行抗毁性分析,用最大连通子图尺寸下降率和整体效能下降率作为衡量复杂网络抗毁性的指标。实验结果表明对于词同现网中度和介数很大的节点的挖除,会使整个网络破裂为若干孤立的网,将使文章变的支离破碎。从侧面反映了汉语词中的核心词汇,对接下来为研究汉语词中的核心词汇提供了方案。

基于拉普拉斯谱分析的真伪科学论文甄别研究

应用拉普拉斯谱分析方法研究科学论文的词同现网络,从拉普拉斯谱逆序分布、拉普拉斯谱密度、拉普拉斯谱特征值极值三个角度对比分析真伪科学论文词同现网络的拉普拉斯谱特征。通过对比分析发现,真伪论文词同现网络的拉普拉斯谱特征存在明显差别,可以利用这些差别对真伪论文进行甄别。