齐夫定律

✍ dations ◷ 2025-11-29 10:47:51 #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

  • 随伴病毒科随伴病毒属 矮化病毒属随伴病毒科(Sequiviridae)(伴生病毒科)
  • 氯化汞氯化汞(化学式:HgCl2)俗称升汞,室温下为白色晶体,是实验室常用试剂。可溶于水,加热易升华,可引起汞中毒,因为毒性极大,使用时必须小心。氯化汞为正交晶系,容易升华,具有明显的共价特性
  • 神话人物表希腊神话神祇列表及人物。希腊神话中有很多神是将精神上的概念拟人化的结果。除却冥界本来的神之外,一些人类,特别是一些英雄在死后也成为冥界特殊的存在。
  • 舐阴舐阴(英语:Cunnilingus),又称“舔阴”,是口交的其中一种形式,当中从事者的口部会跟一名女性的生殖器(阴蒂、外阴的其他部分或阴道)接触,并以此进行刺激。阴蒂是人类女性生殖器中最为
  • 中国以人名命名的地名列表中国古代社会有避讳的传统。因此并不直接用君主或尊者的名字命名地方。使用人名命名的地方,有些是上古传说中的人物,有些则使用字、号或其它称谓。辛亥革命后,中国社会普遍不再
  • 欧加登欧加登(Ogadēn,索马里语称Ogaadeen),是埃塞俄比亚东部索马里州的部分地区,面积约为180,000平方公里,在历史上曾被称为“埃塞俄比亚属索马里”(Ethiopian Somaliland),以与英属索马里
  • 邻苯二甲酸二丁酯邻苯二甲酸二丁酯(Dibutyl phthalate,DBP)是一种常用的增塑剂,也用作胶粘剂和印刷油墨的添加剂。可溶于多种有机溶剂,如醇、醚和苯。DBP也用作一种杀体外寄生虫药。DBP可由正丁醇
  • moment (Vivian or Kazuma歌曲)“moment”是徐若瑄与远藤一马结成的组合Vivian or Kazuma的首张单曲,于2003年1月29日在日本发行。标题曲《moment》亦是《机动战士高达 SEED》的主题曲。同年4月23日发行本
  • 曾德·达木丁苏伦曾德·达木丁苏伦(蒙古语:Хатагин Цэндийн Дамдинсүрэн, ;1908年-1986年),蒙古作家、语言学家。曾德·达木丁苏伦1908年生于车臣汗部(今东方省马塔德县)一
  • 再依拉蕨参数所指定的目标页面不存在,建议更正成存在页面或直接建立下列一个页面(建立前请先搜寻是否有合适的存在页面可以取代):再依拉蕨(学名:)是一属已灭绝的蕨类植物,生存于石炭纪晚期,喜