pojmy:zipf - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.

====== Zipfovy zákony ======

Zipfovy zákony jsou formulací základních vztahů mezi frekvencí jednotky a její distribucí v jazyce. Ačkoli uplatnění Z.z. nemá povahu exaktních kvantitativních zákonitostí (spíše než o zákonu bychom měli mluvit o empirické pravidelnosti), na jejichž základě by bylo možné (bez dodatečných úprav) předvídat hodnoty, které u reálných textů skutečně naměříme, poskytují Zipfovy zákony adekvátní deskriptivní rámec pro popis rozložení četnosti v populaci (téměř libovolných) jednotek jazyka.

Typicky tak Zipfovy zákony neplatí pro slova nejfrekventovanější a nejméně frekventovaná. G. K. Zipf (1902–1950) formuloval původně 3 vztahy, v praxi se ovšem užívají nejčastěji první dva.

===== První Zipfův zákon =====

Nejpoužívanější a nejznámější z Zipfových zákonů je možné formalizovat vzorcem: $f \times r = k$, kde //f// je [[pojmy:frekvence|frekvence]] slova, //r// je jeho [[pojmy:frekvence#rank|rank]] (pořadí) a //k// je konstanta. 

{{:pojmy:zipf-capek-cast.png?direct&200|Výřez grafu zobrazujícího vztah mezi rankem a frekvencí slov v korpusu Karla Čapka}} {{:pojmy:zipf-capek-cely.png?direct&200|Logaritmické zobrazení vztahu mezi rankem a frekvencemi slov v korpusu Karla Čapka}}

Frekvence slova je tedy nepřímo úměrná jeho ranku. Vztah vychází z předpokladu, že existuje tendence po ustavení rovnováhy mezi počtem slov v jazyce (rozrůzněnost jazyka) a jejich frekvencí (jazyková ekonomie). Důsledkem tohoto vztahu je fakt, že každý text obsahuje velmi malý počet slov frekventovaných a většinu slov málo frekventovaných (viz [[pojmy:hapax#prirustek_hapaxu|podíl hapaxů]] na celkovém počtu [[pojmy:typ|typů]]).

===== Druhý Zipfův zákon =====

Vztah mezi počtem slov se stejnou frekvencí a touto frekvencí vyjádřil Zipf takto: $a \times f^{2} = k$, kde //a// je počet slov s frekvencí //f// a //k// je konstanta. Čím vyšší frekvenční hladinu zkoumáme, tím méně slov na ní najdeme (přičemž úbytek není lineární).

===== Třetí Zipfův zákon =====

Poslední Zipfův zákon se týká vztahu mezi frekvencí slova a počtem jeho významů: $m / \sqrt{f} = k$, kde //m// je počet významů slova o frekvenci //f// a //k// je konstanta. Tento vztah se dá nejobtížnější empiricky ověřit, protože parcelace významů je vždy značně subjektivní. Principiálně tento Zipfův zákon vypovídá o tom, že slova s nejvyšší frekvencí bývají často polysémní, zatímco slova z nižších frekvenčních pásem mají často jen jeden význam.

Historie: • bigram • zipf • paradigmaticky • synchronni • srovnatelny • query_types • containing • frazem • corpus_driven • corpus_based