齐夫定律

✍ dations ◷ 2025-12-08 06:01:05 #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

  • 猪肉绦虫猪带绦虫(学名:Taenia solium;pork tapeworm),也称有钩绦虫或链状带绦虫,体长2-3米,宽7-8毫米,共有800-900个节片,后端成熟节片长约10毫米。
  • 希腊语变音符号希腊语正写法自从希腊化时代开始使用过多种变音符号。这套复杂的多调正写法表示了古希腊语音系,并一直使用到了1982年,这时采用简化后的单调正写法替代了它,新正写法对应于现代
  • 中国史学史中国史学之发展,可分为古代、近代、现代三个阶段。古代史学史,包括先秦、秦汉、唐朝、清朝乾嘉时期,中唐以后设置史馆,纂修实录,并形成修史制度。鸦片战争之后,中国传统史学引入西
  • 1262年亚洲
  • Amaryllis孤挺花属(Amaryllis) 是石蒜科孤挺花族孤挺花亚族(Amaryllidinae)的唯一一个属,是一类小型开花植物,下共二种,其中比较出名的是原产于南非西开普的南非孤挺花(Amaryllis belladonna),
  • 朝鲜正祖朝鲜正祖(朝鲜语:조선 정조/朝鮮 正祖 Joseon Jeongjo;1752年10月28日(农历9月22日)-1800年8月18日(农历6月28日)),名讳李祘(朝鲜语:이산/李祘 Yi San),朝鲜王朝的第22代君主,1776年至1800
  • 萨迪克·汗萨迪克·阿曼·汗(英语:Sadiq Aman Khan;乌尔都语:صادق امان خان‎‎;1970年10月8日-),又译简世德、简萨迪,英国巴基斯坦裔工党政治家和律师,2016年5月起当选伦敦市长,2005
  • 张宏伟张宏伟(1954年12月26日-),黑龙江哈尔滨人,中国企业家,第一家民营企业上市公司东方集团的董事长。在2011年福布斯中国富豪榜中名列第87名,净资产19亿美元。第八、第九、第十届全国政
  • 法兰西的路易 (1682-1712)勃艮第公爵法兰西的路易,后成为法兰西王太子(法语:Louis de France,1682年8月16日-1712年2月18日)是法兰西太子路易之长子。直到1711年他父亲去世、他正式成为法国太子之前,他被称
  • 叶菊石见内文叶菊石(学名:)是生存在侏罗纪至白垩纪末海洋中的一属菊石。它们的化石遍布世界各地,特别是在西欧。叶菊石的体型为小至中等,具有紧压内旋的外壳和突出折边的骨缝。壳表平滑