齐夫定律

✍ dations ◷ 2024-09-20 23:37:03 #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

  • 八氮立方烷八氮立方烷也称为“立方氮烷”,是氮元素的一种假想单质,分子式为N8。八氮立方烷与N2、N4等互为同素异形体。八氮立方烷分子由8个围成立方体氮原子构成,可以看作所有次甲基都被
  • 俄罗斯苏维埃联邦社会主义共和国全俄中央执行委员会全俄苏维埃代表大会(1917–1938)最高苏维埃(1938–1990)俄罗斯苏维埃联邦社会主义共和国(俄语:Российская Советская Федеративн
  • 福拉歌那博物馆福拉歌那博物馆(法语:Musée Fragonard),又称福拉歌那·德阿尔福博物馆(法语:Musée Fragonard d'Alfort),是一座解剖学特异作品博物馆,位于法国巴黎东南郊区迈松阿尔福戴高乐大道7号
  • 非整倍体非整倍体(Aneuploidy)是指细胞的染色体数目发生非整倍变化的情况。比如正常情况下应拥有46条染色体的人类体细胞的染色体变成了45或47条。需要注意的是,非整倍体与发生染色体整
  • 亚汞化合物多汞阳离子或多聚汞阳离子是仅含汞原子的原子团,最常见的多汞阳离子是Hg2+2,在亚汞化合物中存在。亚汞化合物中的Hg-Hg键通过1927年的X射线分析和1934年的拉曼光谱发现,并成为
  • 美国民间航空巡逻队美国民间航空巡逻队(英语:Civil Air Patrol)是由美国国会批准,由联邦政府资助的非营利机构,同时也是美国空军的民间附属机构。美国民间航空巡逻队的成员来自不同的背景和行业。美
  • 2019冠状病毒病直布罗陀疫情2019冠状病毒病直布罗陀疫情,介绍在2019新型冠状病毒疫情中,在直布罗陀发生的情况。2020年3月4日,直布罗陀确诊首例新冠肺炎病例,患者有意大利旅行史,处于自我隔离状态。3月7日,该
  • 拓扑结构域拓扑结构域(英语:Topological domains)或称为拓扑相关结构域(Topologically associating domains,简称TAD)是染色质亚结构的学术名称。类似的定义还包括接触结构域(Contact domain)
  • CLUB QUATTROCLUB QUATTRO(日语:クラブクアトロ)是日本巴而可公司所运营的LiveHouse。最早于1988年在东京都涩谷开业,此后分别在名古屋、大阪、广岛等地开业。除各场馆进行音乐演出活动外,在
  • 资格股资格股,是指为取得信用社社员资格所必须交纳的基础股金,是社员获得农村信用社、农村合作银行优先、优惠服务的前提。资格股实行一人一票制,可转让、继承。满足“资格股”额度以