Estimating an Author's Vocabulary
作者词汇量的估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究词汇抽样及不同类别数量的渐近性质，没有所列计量细分领域的直接依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
作者词汇量的估计
- 研究问题
- 给定一名作者的写作样本，能否利用其中出现的不同词语数量，估计其固定且有限的完整词汇量，并建立大样本依据？
- 方法与思路
- 作者假设写作是从固定有限词汇集合中连续独立抽词，研究样本中不同词语总数经适当标准化和缩放后的渐近分布。
- 材料陈述的贡献
- 摘要称在较一般条件下，不同词语总数的标准化分布渐近为高斯分布，并说明这一结果可用于构造词汇量的大样本估计。
- 阅读关注点
- 应核对渐近过程如何与有限词汇集合相容、抽词概率及条件的规定，以及标准化所需未知量和词汇量估计的实现方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出渐近条件或估计公式，独立抽词假设对真实写作的适切性也未说明。
原文摘要
The problem of estimating an author's vocabulary, given a sample of the author's writings, is considered. It is assumed that the vocabulary is fixed and finite, and that the author writes a composition by successively drawing words from this collection, independently of the previous configuration. Attention is focussed on the random variable X(n), the total number of different words used in a sample of n. It is shown that under fairly general conditions, the distribution of X(n), suitably normalized and scaled, is asymptotically Gaussian, and this result may be used to obtain a large sample estimator of vocabulary size.