लेक्सिकन हब्रा

यह पोस्ट हैबराइज़र मुक्स्टो के इस अध्ययन का एक सिलसिला है, जो कि हैबर के लेखों और टिप्पणियों में सबसे सामान्य शब्दों के बारे में है। हालाँकि, बहुतों ने देखा है कि शीर्ष 10 और यहां तक ​​कि शीर्ष 50 भी मुक्स्टो द्वारा प्राप्त आईटी शर्तों के साथ उचित नहीं हैं, वे वहां बिल्कुल भी नहीं हैं: "इन (107,735)," और "(106,420)," (103 084), "s" (93 453), "नहीं" (91 591), "क्या" (88 488), आदि।

अगला स्पष्ट कदम उन शब्दों की पहचान करना था जो रूसी में औसत से काफी विचलन करते हैं। अध्ययन के पहले भाग के लेखक से "गो-फॉरवर्ड" प्राप्त करने और ट्रेप उपयोगकर्ता के साथ कुछ गणितीय प्रश्नों पर चर्चा करने के बाद, मैं निम्नलिखित गतिविधियों के लिए आगे बढ़ा।

रूसी भाषा (NCRF) के राष्ट्रीय कॉर्पस की साइट से, "मध्यम आम" रूसी भाषा के शब्द रूपों की आवृत्ति आधार 192 689 044 इकाइयों (शब्द) की कुल मात्रा के साथ ग्रंथों के विश्लेषण के आधार पर डाउनलोड किया गया था। डेटाबेस में 1 054 211 अद्वितीय केस-संवेदी शब्द रूप हैं। चूंकि मुक्सोटो द्वारा प्रदान की गई हाबरा शब्दावली का विश्लेषण केस-असंवेदनशील है, और सिद्धांत रूप में यह अंतिम लक्ष्य के साथ अधिक सुसंगत है, पहला कार्य सभी शब्द रूपों को निचले मामले में लाने के लिए निकला। NKRY आधार में केवल 888 397 अनूठे केस-असंवेदनशील शब्द रूप हैं (संयुक्त रूपों की आवृत्ति मूल्यों, निश्चित रूप से, सारांशित थे)।

दूसरा प्रश्न महत्वपूर्ण शब्दों की वास्तविक पहचान था। जैसा कि यह निकला, यह समस्या लंबे समय से आधुनिक भाषा विज्ञान में हल हो गई है, जो सांख्यिकी और कंप्यूटर प्रौद्योगिकी का सक्रिय रूप से उपयोग करती है। मामलों के सामान्य सेट के संबंध में एक मामले में एक शब्द की आवृत्ति की "विषमता" की डिग्री के आंकड़ों में से एक, जो कि भूवैज्ञानिकों को विशेष रूप से पसंद है, जी-टेस्ट है, जो संभावना अनुपात अनुपात परीक्षण का एक विशेष मामला है। किसी एक शब्द के लिए आँकड़ों की गणना की जाती है

यहाँ एक _मैं वास्तव में अध्ययन के तहत मामले में i- वें शब्द के रूप की घटना की आवृत्ति देखी गई है,
और ई _i अध्ययन के तहत मामले में एक ही शब्द रूप की अपेक्षित आवृत्ति है, बशर्ते कि मामले संयुक्त हों, अर्थात्।

जहाँ _मैं और b की इमारतों में i- वें शब्द के रूप की घटना की आवृत्ति होती है (हैबर और NKYA),
और सी और डी इन इमारतों की कुल मात्रा (33 732 229 और 192 689 044 इकाइयां क्रमशः) हैं।

इसलिए, सभी गणना की जाती हैं, शब्द जी के शीर्ष क्रम, जी -30 में क्रमबद्ध किए जाते हैं:

405587,703  197850,057  139330,707  135705,259  124132,397  121233,522  116809,907  113262,075  109463,742  94468,080  92093,985  79257,370 com 77786,398  74006,346  71844,136 ru 66674,626  64946,067  63195,334  60807,287  60433,187 google 55160,380  55147,137  53984,795  52609,986 windows 50998,105  50177,316  48421,264 http 48372,913  48328,683  48158,301  

संदिग्ध? हां, मैं स्वीकार करता हूं, मैंने पहले शब्द को मैन्युअल रूप से चलाने के बाद शीर्ष 150 में एक ही शब्द के कई रूपों की आवृत्तियों को जोड़ दिया, क्योंकि प्रारंभिक शब्द का रूप है, क्योंकि यह शब्द "उपयोगकर्ता / उपयोगकर्ता / उपयोगकर्ता" या उदाहरण के लिए, बहुत उच्च संकेतक के साथ "संस्करण / संस्करण / संस्करण" में देखने के लिए शर्म की बात है, लेकिन नेताओं में सिर्फ इसलिए नहीं कि रूसी भाषा मामलों और संख्याओं को समाप्त करने में समृद्ध है।

शीर्ष 30 और शीर्ष 150 हब्राह दोनों निश्चित रूप से प्रतिबिंब के पात्र हैं। व्यक्तिगत रूप से, मैं परिणाम से प्रसन्न था - मेरी राय में, इस अद्वितीय आईटी संसाधन का सार बहुत सटीक रूप से हाइलाइट किया गया था। ठीक है, नेता - "USER" - वह सामान्यीकृत लक्ष्य है जिसके लिए हम अपने जीवन के घंटे, दिन और वर्ष व्यतीत करते हैं।

Wordle.net ने लोड किए गए शीर्ष 30 (G आँकड़ों के आनुपातिक आवृत्तियों के साथ) और हैबर कलर पैलेट को इस टैग क्लाउड के साथ प्रतिक्रिया दी:


और मेरे लिए जो कुछ भी है, वह आपको एक दार्शनिक वार्म-अप के रूप में पेश करना है, शीर्ष 30 के शब्दों के साथ सबसे लंबे वाक्य के साथ टिप्पणियों में आने के लिए, जो बहुत अधिक कृत्रिम नहीं लगेगा।

मैं तुम्हें एक आशावादी और उबाऊ शुक्रवार की कामना करता हूं!