齐夫定律

✍ dations ◷ 2025-11-24 13:53:42 #离散分布,计算语言学,幂定律,统计学定律,实证定律,概率分布尾,计量语言学,书目计量学,经验定律

齐夫定律(英语:Zipf's law,IPA/ˈzɪf/)是由哈佛大学的语言学家乔治·金斯利·齐夫(George Kingsley Zipf)于1949年发表的实验定律。它可以表述为:在自然语言的语料库里,一个单词出现的频率与它在频率表里的排名成反比。所以,频率最高的单词出现的频率大约是出现频率第二位的单词的2倍,而出现频率第二位的单词则是出现频率第四位的单词的2倍。这个定律被作为任何与幂定律概率分布有关的事物的参考。

最简单的齐夫定律的例子是“1/ function”。给出一组齐夫分布的频率,按照从最常见到非常见排列,第二常见的频率是最常见频率的出现次数的½,第三常见的频率是最常见的频率的1/3,第n常见的频率是最常见频率出现次数的1/n。然而,这并不精确,因为所有的项必须出现一个整数次数,一个单词不可能出现2.5次。

在布朗语料库(英语:Brown Corpus)中,“the”、“of”、“and”是出现频率最前的三个单词,其出现的频数分别为69971次、36411次、28852次,大约占整个语料库100万个单词中的7%、3.6%、2.9%,其比例约为6:3:2。大约占整个语料库的7%(100万单词中出现69971次)。满足齐夫定律中的描述。仅仅前135个字汇就占了Brown语料库的一半。

齐夫定律是一个实验定律,而非理论定律,可以在很多非语言学排名中被观察到,例如不同国家中城市的数量、公司的规模、收入排名等。但它的起因是一个争论的焦点。齐夫定律很容易用点阵图观察,坐标分别为排名和频率的自然对数(log)。比如,“the”用上述表述可以描述为x = log(1), y = log(69971)的点。如果所有的点接近一条直线,那么它就遵循齐夫定律。

主要:

次要:

相关

  • 淋巴管炎症淋巴管发炎(英语:lymphangitis)指的是病灶处到远端的淋巴系统之间,淋巴管的发炎或感染。最常见的病因是化脓链球菌(英语:Streptococcus pyogenes) (A组 链球菌),其次为申克氏孢子丝菌
  • NATO军事标准标志北大西洋公约组织为了共同作战能有所标准化,将军队编制进行了标准化,而该标准被名为NATO军事标准标志。该符号被北约以APP-6A做为命名,将名称与图片标准化后,最终于1999年制定完
  • 捕鲸活动日本捕鲸始于绳文时代(前131世纪-前4世纪)。在国际捕鲸委员会禁止商业捕鲸后,20世纪日本庞大的商业捕鲸活动宣告结束。1986年,国际捕鲸委员会允许日本以“科学研究”的目的,在南极
  • 岐阜市岐阜市(日语:岐阜市/ぎふし Gifu shi */?),是日本中部岐阜县南部的都会地区,岐阜县县政府所在地。行政区域为原稻叶郡、山县郡、本巢郡、羽岛郡的各一部分。为日本指定中核市之
  • 感受感受指感官侦测到外境的能量变化后,于个体内产生的生化反应;大脑将这些神经讯号接收处理后,就会得出感知。“感受”是生物的基本能力,为辨别有无生命活动的重要凭据,也是影响情绪
  • 开央圆唇元音开央圆唇元音是一个用于一些口语的元音。由于国际音标中并没有特别用来标注与两个元音之间的符号,故在一般情况下仅使用⟨ɒ⟩来表示。若欲更清楚地描述这个元音,可以使用变音
  • 中国各民族生育率表本条目列出中国大陆人口普查得出的各民族总和生育率。总和生育率反映妇女一生中生育的子女总数,至少要达到2.1才能实现世代更替。注:人口较少民族样本量较小,数据误差较大。表
  • 常州快速公交常州快速公交系统(简称常州BRT),是位于江苏省常州市的快速公交系统。车票采用单一票价,投币2元,刷卡1.2元。《常州市快速公交BRT(一号线)工程可行性研究报告》在2007年5月23日通过
  • 约翰·昆德拉约翰·阿尔伯特·昆德拉(英语:John Albert Kundla,1916年7月3日-2017年7月23日),生于美国宾西法尼亚州斯达强克逊,前职业和大学篮球教练。昆德拉大学期间是明尼苏达大学金囊地鼠篮
  • 中国医药科技出版社中国医药科技出版社是位于中国北京的出版社,是国家食品药品监督管理总局直属的中央级专业出版社,成立于1986年,累计出版医药科技图书、音像制品近7000种。主要出版品种包括医学