周拴龍

（鄭州大學(xué)信息管理學(xué)院，河南 鄭州 450052）

基于UCINET的詞匯共現(xiàn)網(wǎng)絡(luò)可視化研究

周拴龍

（鄭州大學(xué)信息管理學(xué)院，河南 鄭州 450052）

詞匯按照一定規(guī)則相互聯(lián)系形成的網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)出復(fù)雜網(wǎng)絡(luò)特征。本文首先給出了詞匯共現(xiàn)網(wǎng)絡(luò)的構(gòu)造方法，分析詞匯網(wǎng)絡(luò)的復(fù)雜網(wǎng)絡(luò)特征，然后利用復(fù)雜網(wǎng)絡(luò)可視化工具UCINET對詞匯共現(xiàn)網(wǎng)絡(luò)進(jìn)行可視化研究，從可視化網(wǎng)絡(luò)圖中獲取詞匯聚類的涌現(xiàn)。

UCINET；詞匯網(wǎng)絡(luò)；共現(xiàn)；可視化；涌現(xiàn)

1 引言

近年來，隨著復(fù)雜網(wǎng)絡(luò)研究的不斷深入，人們發(fā)現(xiàn)現(xiàn)實(shí)世界中存在著許多具有相同特征的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如萬維網(wǎng)、社會關(guān)系網(wǎng)、科學(xué)研究合作網(wǎng)絡(luò)、流行病傳播網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)具有與規(guī)則網(wǎng)絡(luò)不同的統(tǒng)計(jì)特性，其中最重要的就是小世界特性和無標(biāo)度特性。研究表明作為自然語言中能夠獨(dú)立活動的最小語義單位的詞匯按照一定規(guī)則相互聯(lián)系形成的網(wǎng)絡(luò)結(jié)構(gòu)按照規(guī)則的層次可分為：共現(xiàn)網(wǎng)絡(luò)、語法網(wǎng)絡(luò)和語義網(wǎng)絡(luò)，無論在哪個(gè)層次上都體現(xiàn)出了復(fù)雜網(wǎng)絡(luò)特征。

詞匯網(wǎng)絡(luò)可視化屬于復(fù)雜網(wǎng)絡(luò)可視化的范疇。由于復(fù)雜網(wǎng)絡(luò)規(guī)模很大并且結(jié)構(gòu)復(fù)雜，不但難于組織和管理網(wǎng)絡(luò)中的信息，而且包含在其中非常豐富的信息資源也將難于被發(fā)現(xiàn)，可視化技術(shù)提供了有效的方法來理解復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)并從中挖掘有效信息[1]。本文利用復(fù)雜網(wǎng)絡(luò)可視化工具UCINET對詞匯共現(xiàn)網(wǎng)絡(luò)進(jìn)行可視化研究，目的在于從可視化網(wǎng)絡(luò)圖中獲取詞匯聚類、文本主題詞的涌現(xiàn)。

2 詞匯共現(xiàn)網(wǎng)絡(luò)及其特性分析

2.1 詞匯共現(xiàn)網(wǎng)絡(luò)定義。詞匯的共現(xiàn)網(wǎng)絡(luò)是最簡單的一種自然語言網(wǎng)絡(luò)。在網(wǎng)絡(luò)圖中，每一個(gè)詞匯作為一個(gè)節(jié)點(diǎn)，若兩個(gè)詞匯出現(xiàn)在同一個(gè)窗口（句子、段落、篇、領(lǐng)域等）中，則認(rèn)為它們之間有一定相關(guān)關(guān)系，它們之間存在一條邊，邊具有權(quán)值表示兩個(gè)詞匯共現(xiàn)程度的大小。網(wǎng)絡(luò)圖中的邊可以是無向邊也可以是有向邊，分別表示是否忽略詞匯順序情況下的詞匯關(guān)系。根據(jù)圖論知識給出詞匯共現(xiàn)網(wǎng)絡(luò)的定義。

定義1 詞匯共現(xiàn)網(wǎng)絡(luò)

詞匯網(wǎng)絡(luò)WN=＜Wd，Rl，Dt＞，其中

Wd={w1，w2，…，wn}是一個(gè)非空集合，稱為詞匯集，其中元素Wi（i=1，2，…，n）稱為詞匯節(jié)點(diǎn)；

Rl={（wi，wj）｜wi，wj∈Wd}是無序集Wd&Wd的子集，稱Rl為WN的詞匯節(jié)點(diǎn)之間共現(xiàn)邊的集合，集合中的元素（wi，wj）稱為共現(xiàn)邊。此時(shí)Rl為忽略了詞匯之間出現(xiàn)順序的共現(xiàn)邊集合，因此，（wi，wj）=（wj，wi）。

D={di｜dij∈R∧i，j=1，2，…，n}是實(shí)數(shù)集合的子集，對于任意的共現(xiàn)邊（wi，wj）=都有D中一個(gè)元素且僅有一個(gè)元素dij與之對應(yīng)，元素dij稱為共現(xiàn)邊（wi，wj）的權(quán)值。

從定義中可以看出詞匯網(wǎng)絡(luò)屬于標(biāo)定的無向帶權(quán)圖。

從以上定義不難看出詞匯共現(xiàn)網(wǎng)絡(luò)構(gòu)建方法主要有三個(gè)步驟：

2.1.1 確定W集合中的詞匯結(jié)點(diǎn)。

2.1.2 確定詞匯結(jié)點(diǎn)之間的共現(xiàn)邊。應(yīng)用窗口機(jī)制選擇一定數(shù)量的詞匯建立詞匯網(wǎng)絡(luò)，該窗口可以是一篇文章、某個(gè)時(shí)間段內(nèi)的所有領(lǐng)域文獻(xiàn)、某一個(gè)專題的文獻(xiàn)等，詞匯結(jié)點(diǎn)如果處于同一個(gè)窗口就將兩個(gè)同現(xiàn)的詞匯結(jié)點(diǎn)用共現(xiàn)邊連接起來，得到詞匯網(wǎng)絡(luò)。

2.1.3 確定邊的權(quán)值。最簡單的可以選擇詞匯共現(xiàn)頻率的倒數(shù)作為邊的權(quán)值，共現(xiàn)頻率越大，權(quán)值越小，則表明兩個(gè)詞之間的距離越近。權(quán)值d的計(jì)算公式為：

其中P（wi）表示詞匯集合中詞匯wi出現(xiàn)的概率，P（wj｜wi）表示詞匯wi出現(xiàn)的條件下詞匯wj出現(xiàn)的概率，P（wi，wj）表示兩個(gè)詞匯同時(shí)出現(xiàn)的概率。考慮到詞匯出現(xiàn)某一個(gè)窗口是獨(dú)立的，所以公式（1）也可以用以下公式代替：

2.2 網(wǎng)絡(luò)特性分析。詞匯共現(xiàn)網(wǎng)絡(luò)除了具有小世界特性以及無標(biāo)度特性以外，還具有其他一些復(fù)雜網(wǎng)絡(luò)的共同性質(zhì)。

2.2.1 非線性。具有非線性性質(zhì)的系統(tǒng)不服從疊加原理，即兩次獨(dú)立的輸入與兩個(gè)聯(lián)合的輸入產(chǎn)生的系統(tǒng)效果不同，用數(shù)學(xué)公式表示為：f（x1）+f（x2）≠f（x1+x2）。在詞匯網(wǎng)絡(luò)中任意兩個(gè)單獨(dú)出現(xiàn)的詞匯語義之和一定弱于這兩個(gè)詞匯同時(shí)出現(xiàn)的語義，例如在標(biāo)引文獻(xiàn)時(shí)，利用兩個(gè)不同的關(guān)鍵詞所標(biāo)引的文獻(xiàn)數(shù)量之和一定多于用兩個(gè)詞共同標(biāo)引的文獻(xiàn)數(shù)量。

2.2.2 存在著社團(tuán)結(jié)構(gòu)。整個(gè)網(wǎng)絡(luò)由若干個(gè)社團(tuán)構(gòu)成，每個(gè)社團(tuán)內(nèi)部的節(jié)點(diǎn)之間的連接相對非常緊密，但是，各個(gè)社團(tuán)之間的連接相對來說卻比較稀疏。詞匯網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)體現(xiàn)在詞聚類上，通常的詞聚類結(jié)果也可以利用復(fù)雜網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)發(fā)現(xiàn)算法獲得。

2.2.3 涌現(xiàn)現(xiàn)象。由于非線性特征，復(fù)雜網(wǎng)絡(luò)中會出現(xiàn)涌現(xiàn)現(xiàn)象，即宏觀行為是在復(fù)雜系統(tǒng)中微觀組件的非線性相互作用下而自發(fā)涌現(xiàn)出來的表現(xiàn)。詞匯網(wǎng)絡(luò)中的單個(gè)詞匯只具有詞匯各自的語義，兩兩詞匯間的關(guān)系只能局限于共現(xiàn)（語法、語義）相關(guān)關(guān)系，但是，作為復(fù)雜網(wǎng)絡(luò)的詞匯網(wǎng)絡(luò)能夠涌現(xiàn)出具有檢索和標(biāo)引功能的關(guān)鍵詞，甚至是具有層次結(jié)構(gòu)的分類。

3 詞匯共現(xiàn)網(wǎng)絡(luò)的UCINET可視化

3.1 UCINET介紹。UCINET6是一款功能全面的復(fù)雜網(wǎng)絡(luò)分析工具，該軟件主要用以分析社會網(wǎng)絡(luò)，它包含了相當(dāng)豐富的網(wǎng)絡(luò)分析工具，是社會網(wǎng)絡(luò)分析領(lǐng)域最著名同時(shí)也最為常用的一款網(wǎng)絡(luò)分析軟件包。它能讀取文本文檔（*.txt）和excel文檔（*.exl），能夠?qū)Ρ硎娟P(guān)系的數(shù)據(jù)做中心性分析、子群分析、角色分析和基于置換的統(tǒng)計(jì)分析等這些社會網(wǎng)絡(luò)分析法所包含的主要分析。

3.2 詞匯共現(xiàn)網(wǎng)絡(luò)的可視化過程

3.2.1 采集詞匯和確定共現(xiàn)邊

采集詞匯最直觀的方法是利用分詞算法將窗口（句子、段落、篇、領(lǐng)域等）中具有語法、語義的字串分為獨(dú)立的詞匯，這些詞匯兩兩之間具有相同窗口的共現(xiàn)關(guān)系。

本文實(shí)驗(yàn)選取的數(shù)據(jù)來自中國知網(wǎng)www.cnki.net圖書、情報(bào)與檔案領(lǐng)域的核心期刊文獻(xiàn)。實(shí)驗(yàn)未涉及分詞，為簡單起見僅選取文獻(xiàn)關(guān)鍵詞，并確定窗口為“篇”。這樣確定了同一窗口中詞匯節(jié)點(diǎn)以及節(jié)點(diǎn)間的邊。表1給出7個(gè)窗口中的詞匯節(jié)點(diǎn)。

3.2.2 確定共現(xiàn)邊的權(quán)值。利用CAJViewer中的“搜索”功能查找關(guān)鍵詞在文獻(xiàn)中出現(xiàn)的次數(shù)并計(jì)算其在詞匯集合中出現(xiàn)的頻率。在UCINET6中輸入詞匯矩陣。

3.3 可視化結(jié)果的分析及應(yīng)用

表 1 7個(gè)窗口中的詞匯節(jié)點(diǎn)

圖 1 共現(xiàn)詞匯網(wǎng)絡(luò)可視化結(jié)果

圖 2 詞匯共現(xiàn)網(wǎng)絡(luò)的聚類結(jié)果

詞匯網(wǎng)絡(luò)的可視化結(jié)果。以上數(shù)據(jù)在UCINET6中得到可視化的共現(xiàn)詞匯網(wǎng)絡(luò)圖，如圖1所示。圖中每個(gè)詞匯以節(jié)點(diǎn)表示，出現(xiàn)在同一個(gè)窗口的節(jié)點(diǎn)之間有邊相連，邊上標(biāo)注的數(shù)字是兩點(diǎn)的共現(xiàn)頻率的倒數(shù)，作為兩點(diǎn)之間的距離。UCINET允許選擇不同的網(wǎng)絡(luò)顯示方式，圖1是圓形顯示方式。

UCINET針對各種不同的社會網(wǎng)絡(luò)提供中心性分析、子群分析、角色分析和基于置換的統(tǒng)計(jì)分析等分析工具[2]。例如，圖2給出了利用層次聚類法得到的詞匯網(wǎng)絡(luò)中的詞匯聚類結(jié)果，詞匯聚類結(jié)果有助于用戶得到相關(guān)性較高的詞匯簇，在檢索應(yīng)用中，可利用相關(guān)詞匯依次查找，提高查全率。

4 結(jié)語

本文提出了一種建立共現(xiàn)詞匯網(wǎng)絡(luò)的方法，分析了詞匯網(wǎng)絡(luò)所具有社會化網(wǎng)絡(luò)特征，然后利用復(fù)雜網(wǎng)絡(luò)可視化工具UCINET對詞匯共現(xiàn)網(wǎng)絡(luò)進(jìn)行可視化研究，從可視化網(wǎng)絡(luò)圖中獲取詞匯聚類的涌現(xiàn)。由于本文主要工作是實(shí)驗(yàn)性的考察該方法的可行性，因此文中所選數(shù)據(jù)量較小，下一步的工作主要集中在數(shù)據(jù)的收集和整理，選擇3 000個(gè)以“篇”為單位的窗口，以此得到更精確的詞匯聚類。

[1]克勞斯.邁因策爾.復(fù)雜性中的思維[M].北京：中央編譯出版社，2000.

[2]約翰.斯科特著，劉軍譯.社會網(wǎng)絡(luò)分析法[M].重慶：重慶大學(xué)出版社，2007.

G203

A

1671-0037（2014）10-74-2

周拴龍（1964-），男，碩士，副教授，研究方向：復(fù)雜網(wǎng)絡(luò)、數(shù)字圖書館。