语义增强型全文本共词网络的构建与分析

doi:10.3772/j.issn.1000-0135.2023.10.005

情报学报

2023, Vol. 42

Issue (10): 1187-1198 DOI: 10.3772/j.issn.1000-0135.2023.10.005

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

语义增强型全文本共词网络的构建与分析

赵一鸣^1,2,3, 尹嘉颖^2,4

1.武汉大学信息资源研究中心,武汉 430072
2.武汉大学信息管理学院,武汉 430072
3.武汉大学大数据研究院,武汉 430072
4.武汉大学图书情报国家级实验教学示范中心,武汉 430072

Construction and Analysis of Semantic-Enhanced Full-Text Co-Occurrence Network

Zhao Yiming^1,2,3, Yin Jiaying^2,4

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072
3.Big Data Institute, Wuhan University, Wuhan 430072
4.National Demonstration Center for Experimental Library and Information Science Education, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (3390 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要共词网络是研究语言现象的重要方法，语义特征是词汇共现现象中重要的隐性知识，研究共现词之间的语义关系及特征，可以从语义视角改进共词网络的研究，并利用语义学知识为现有的共词分析方法赋能。本文提出了一种语义增强型的共词网络构建和分析方法，从共现特征、网络特征与语义特征3个维度丰富了共词网络节点和边的属性。通过实验构建了基于14万余篇新闻文本数据的语义增强型全文本共词网络，并重点对共现词对的语义特征进行分析，结合案例呈现了该方法在计算语言学研究和行业应用上的价值。本文从词间语义关系的视角，拓展了共词网络的构建和分析方法，描述了共现词汇的语义特征，证实了语义关系的非对称性和传递性，为语义关系的分类与推导提供了理论依据，在语义消歧、词义理解等方面具有应用价值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	赵一鸣
	尹嘉颖

关键词 ：共词网络, 词汇共现, 语义关系, 共词分析, 文本分析

收稿日期: 2022-11-02

基金资助:教育部人文社会科学研究项目“基于复杂语义关系的词汇共现机理研究”（18YJC870026）；国家自然科学基金面上项目“探寻式搜索过程中的路径识别与评价研究”（71874130），“‘搜索即学习’视角下的用户学习状态感知与智能响应研究”（72274146）；教育部人文社会科学重点研究基地重大项目“面向国家科技自立自强的颠覆性技术识别方法与创新机制研究”（22JJD870004）。

作者简介: 赵一鸣，男，1986年生，博士，教授，博士生导师，主要研究领域为文本数据分析与可视化、用户信息行为、信息组织与检索，E-mail：zhaoyiming@whu.edu.cn；尹嘉颖，女，1998年生，硕士研究生，主要研究领域为文本数据分析与可视化；

引用本文:

赵一鸣, 尹嘉颖. 语义增强型全文本共词网络的构建与分析[J]. 情报学报, 2023, 42(10): 1187-1198.
Zhao Yiming, Yin Jiaying. Construction and Analysis of Semantic-Enhanced Full-Text Co-Occurrence Network. 情报学报, 2023, 42(10): 1187-1198.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.10.005 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I10/1187

1 Cong J, Liu H T. Approaching human language with complex networks[J]. Physics of Life Reviews, 2014, 11(4): 598-618.
2 赵怿怡, 刘海涛. 语言同现网、句法网、语义网的构建与比较[J]. 中文信息学报, 2014, 28(5): 24-31, 65.
3 Nasir J A, Varlamis I, Ishfaq S. A knowledge-based semantic framework for query expansion[J]. Information Processing & Management, 2019, 56(5): 1605-1617.
4 Segev E. Textual network analysis: detecting prevailing themes and biases in international news and social media[J]. Sociology Compass, 2020, 14(4): e12779.
5 Xiao K J, Qian Z P, Qin B. A graphical decomposition and similarity measurement approach for topic detection from online news[J]. Information Sciences, 2021, 570: 262-277.
6 Yang Y, Wang F. Author topic model for co-occurring normal documents and short texts to explore individual user preferences[J]. Information Sciences, 2021, 570: 185-199.
7 Tosi M D L, Dos Reis J C. Keyphrase extraction from single textual documents based on semantically defined background knowledge and co-occurrence graphs[J]. International Journal of Metadata, Semantics and Ontologies, 2021, 15(2): 121-132.
8 卫乃兴, 李文中, 濮建忠, 等. 变化中的语料库语言学[J]. 解放军外国语学院学报, 2014, 37(1): 1-9, 159.
9 Ferrer i Cancho R, Solé R V. The small world of human language[J]. Proceedings of the Royal Society of London, Series B: Biological Sciences, 2001, 268(1482): 2261-2265.
10 刘知远, 孙茂松. 汉语词同现网络的小世界效应和无标度特性[J]. 中文信息学报, 2007, 21(6): 52-58.
11 程齐凯, 王晓光. 一种基于共词网络社区的科研主题演化分析框架[J]. 图书情报工作, 2013, 57(8): 91-96.
12 耿志杰, 王文鼐. 关键词同现网络结构研究[J]. 情报杂志, 2010, 29(2): 14-16.
13 G?rnerup O, Karlgren J. Cross-lingual comparison between distributionally determined word similarity networks[C]// Proceedings of the 2010 Workshop on Graph-based Methods for Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2010: 48-54.
14 王庆, 陈泽亚, 郭静, 等. 基于词共现矩阵的项目关键词词库和关键词语义网络[J]. 计算机应用, 2015, 35(6): 1649-1653.
15 李纲, 王忠义. 基于语义的共词分析方法研究[J]. 情报杂志, 2011, 30(12): 145-149.
16 Wang Z Y, Li G, Li C Y, et al. Research on the semantic-based co-word analysis[J]. Scientometrics, 2012, 90(3): 855-875.
17 张斌. 共词网络的结构与演化: 概念与理论进展[J]. 情报杂志, 2014, 33(7): 103-109.
18 Yang S, Tang Y. News topic detection based on capsule semantic graph[J]. Big Data Mining and Analytics, 2022, 5(2): 98-109.
19 Shi S Y, Ma W Z, Wang Z, et al. WG4Rec: modeling textual content with word graph for news recommendation[C]// Proceedings of the 30th ACM International Conference on Information & Knowledge Management. New York: ACM Press, 2021: 1651-1660.
20 赵一鸣, 吴林容, 任笑笑. 基于多知识图谱的中文文本语义图构建研究[J]. 情报科学, 2021, 39(4): 23-29.
21 冯佳, 张云秋. 基于语义距离的共词方法改进研究[J]. 图书馆杂志, 2017, 36(7): 66-73.
22 王忠义, 谭旭, 夏立新. 共词分析方法的细粒度化与语义化研究[J]. 情报学报, 2014, 33(9): 969-978.
23 冯璐, 冷伏海. 共词分析方法理论进展[J]. 中国图书馆学报, 2006, 32(2): 88-92.
24 马瑞敏, 闫晓慧, 申楠. 学科交叉直接测度研究[J]. 情报学报, 2019, 38(7): 688-696.
25 潘雨, 王帅辉, 张磊, 等. 复杂网络社团发现综述[J]. 计算机科学, 2022, 49(S2): 208-218.
26 Sinclair J. Corpus, concordance, collocation[M]. Oxford: Oxford University Press, 1991.
27 刘建鹏, 洪明. 基于语言网络的语义韵研究[J]. 浙江大学学报(人文社会科学版), 2018, 48(6): 69-82.
28 Thompson A. All the news[EB/OL]. [2023-02-12]. https://www.kaggle.com/datasets/snapcrack/all-the-news.
29 Strohman T, Metzler D, Turtle H, et al. Indri: a language-model based search engine for complex queries[C]// Proceedings of the International Conference on Intelligent Analysis, 2005: 2-6.
30 Speer R, Chin J, Havasi C. ConceptNet 5.5: an open multilingual graph of general knowledge[J]. Proceedings of the AAAI Conference on Artificial Intelligence, 2017, 31(1): 4444-4451.
31 Neo4j. Graph algorithms[EB/OL]. [2023-02-12]. https://neo4j.com/docs/graph-data-science/current/algorithms/.
32 Mouritsen S C. The dictionary is not a fortress: definitional fallacies and a corpus-based approach to plain meaning[J]. BYU Law Review, 2010, 2010(5): 1915-1980.
33 裘江南, 张彬. 客观知识体系中语义关系的分析分类研究[J]. 情报学报, 2012, 31(3): 259-267.