本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
本文介紹了美國聯邦成文法的一種新穎的連結結構-內容表示形式，並使用從網絡分析和複雜性研究中得出的工具和概念來分析和量化其結構。我們表示的組織部分是基於美國法典 (USC) 中明確的層次結構以及嵌入式交叉引用引用網絡。我們將此結構與基於內容的相似性層結合起來，該層源自於 USC 的「主題模型」的應用。由此產生的表示是第一個將 USC 明確建模為包含分層結構、交叉引用和內容的「多網路」或「多層網路」的表示。我們報告了這個多網路的一些新穎的描述性統計數據。其中包括主題建模機器學習技術首次應用於南加州大學的結果，以及闡明組織層和內容網路層之間關係的多種措施。我們發現「標題」（南加州大學內的最高層級層次結構）與相關主題具有高度的相似性。我們還提出了一個連結預測任務，並表明機器學習技術能夠從內容中恢復有關結構的資訊。這個預測任務的成功有一個自然的解釋，即顯示一種互資訊的形式。我們將組織和內容之間的關係發現與這份大型超連結文件中的「搜尋難易度」衡量標準聯繫起來，該文件對南加州大學的結構支持（或不支持）廣泛有用的法律獲取方式產生影響。本文提出的措施有可能在跨時間和地理範圍的法定網路研究中進行比較工作。