Сеть совместного возникновения - Co-occurrence network

Сеть совместного возникновения, созданная с KH Coder

Сети совместного возникновения обычно используются для графического отображения визуализация потенциала отношения между людьми, организации, концепции, биологические организмы, такие как бактерии[1] или других лиц, представленных в письменных материалах. Создание и визуализация совпадение сетей стало практичным с появлением текста, хранящегося в электронном виде, совместимого с интеллектуальный анализ текста.

По определению, сети совместного возникновения - это коллективные взаимосвязь терминов на основе их парного присутствия в указанной единице текста. Сети создаются путем соединения пар терминов с использованием набора критериев, определяющих совместную встречаемость. Например, можно сказать, что термины A и B «встречаются одновременно», если они оба встречаются в определенной статье. Другая статья может содержать термины B и C. Связывание A с B и B с C создает сеть совместного появления этих трех терминов. Правила для определения совместной встречаемости в текстовый корпус может быть установлен в соответствии с желаемыми критериями. Например, более строгие критерии совпадения могут потребовать, чтобы пара терминов появилась в одном и том же приговор.

Методы и развитие

Сети совместного появления могут быть созданы для любого заданного списка терминов (любых толковый словарь ) по отношению к любому собранию текстов (любому текстовый корпус ). Параллельно встречающиеся пары терминов могут быть названы «соседями», и они часто группируются в «окрестности» на основе их взаимосвязей. Отдельные термины могут иметь несколько соседей. Окрестности могут соединяться друг с другом через хотя бы один отдельный термин или могут оставаться несвязанными.

Отдельные термины в контексте интеллектуального анализа текста символически представлены как текстовые строки. В реальном мире сущность, определяемая термином, обычно имеет несколько символических представлений. Поэтому полезно рассматривать термины как представленные одним основным символом и несколькими синоним альтернативные символы. Появление отдельного термина устанавливается путем поиска каждого известного символического представления термина. Процесс можно дополнить с помощью НЛП (обработка естественного языка ) алгоритмы, которые опрашивают сегменты текста на предмет возможных альтернатив, таких как порядок слов, интервал и перенос. НЛП также можно использовать для определения структуры предложения и категоризации текстовых строк в соответствии с грамматикой (например, категоризация строки текста как имя существительное на основе предыдущей строки текста, известной как статья ).

Графическое представление сетей совместного возникновения позволяет визуализировать их и делать выводы относительно отношений между сущностями в домен представлен словарем терминов, применяемых к текстовому корпусу. Значимая визуализация обычно требует упрощения сети. Например, сети могут быть построены так, что количество соседей, подключающихся к каждому элементу, ограничено. Критерии ограничения соседей могут быть основаны на абсолютном количестве совпадений или более тонких критериях, таких как «вероятность» совпадения или наличие промежуточного описательного термина.

Количественные аспекты базовой структуры сети совместного возникновения также могут быть информативными, например, общее количество соединений между объектами, кластеризация объектов, представляющих субдомены, обнаружение синонимов,[2] и Т. Д.

Приложения и использование

Некоторые рабочие приложения подхода совместных явлений доступны общественности через Интернет. PubGene представляет собой пример приложения, которое отвечает интересам биомедицинского сообщества, представляя сети, основанные на совместном появлении терминов, связанных с генетикой, как они появляются в MEDLINE записи.[3][4] Веб-сайт NameBase является примером того, как человеческие отношения могут быть выведены путем изучения сетей, построенных на совместном использовании личных имен в газетах и ​​других текстах (например, Ozgur et al.[5]).

Информационные сети также используются для облегчения усилий по систематизации и концентрации общедоступной информации для правоохранительных и разведывательных целей (так называемые "разведка с открытым исходным кодом "или OSINT). Связанные методы включают сети совместного цитирования, а также анализ гиперссылка и структура контента в Интернете (например, при анализе веб-сайтов, связанных с терроризмом[6]).

Смотрите также

Рекомендации

  1. ^ Фрейлих, Шири; Креймер, Анат; Meilijson, Isacc; Гофна, Ури; Шаран, Родед; Руппин, Эйтан (27 февраля 2010 г.). «Крупномасштабная организация бактериальной сети совместных экологических взаимодействий». Исследования нуклеиновых кислот. 38 (12): 3857–3868. Дои:10.1093 / nar / gkq118. ISSN  1362-4962. ЧВК  2896517. PMID  20194113.
  2. ^ Коэн, AM; Hersh, WR; Dubay, C; Спакман, К. (2005). «Использование сетевой структуры совместной встречаемости для извлечения синонимичных названий генов и белков из рефератов MEDLINE». BMC Bioinformatics. 6 (1): 103. Дои:10.1186/1471-2105-6-103. ISSN  1471-2105. ЧВК  1090552. PMID  15847682.CS1 maint: ref = harv (связь)
  3. ^ Йенссен, Тор-Кристиан; Лэгрейд, Астрид; Коморовский, Ян; Ховиг, Эйвинд (01.05.2001). «Литературная сеть человеческих генов для высокопроизводительного анализа экспрессии генов». Природа Генетика. 28 (1): 21–28. Дои:10.1038 / ng0501-21. ISSN  1061-4036. PMID  11326270. S2CID  8889284.CS1 maint: ref = harv (связь)
  4. ^ Гривелл, Л. (2002-03-01). «Углубление библиомы: поиск иголки в стоге сена ?: Необходимы новые компьютерные инструменты, чтобы эффективно сканировать растущее количество научной литературы в поисках полезной информации». EMBO отчеты. 3 (3): 200–203. Дои:10.1093 / embo-reports / kvf059. ISSN  1469-221X. ЧВК  1084023. PMID  11882534.CS1 maint: ref = harv (связь)
  5. ^ Озгур А., Цетин Б., Бингол Х: «Совместная сеть новостей Рейтер» (15 декабря 2007 г.) https://arxiv.org/abs/0712.2491
  6. ^ Илу Чжоу; Reid, E .; Цзялунь Цинь; Синьчунь Чен; Гуанпи Лай (22.05.2018). «Внутренние экстремистские группировки США в сети: анализ ссылок и содержания». Интеллектуальные системы IEEE. 20 (5): 44–51. Дои:10.1109 / MIS.2005.96. S2CID  15687907.