本文基于Brown语料库的100万词的数据,考察科技英语的篇际词汇增长模型,以篇章为计量单位,描述科技英语文本中词汇量V(N)与累积文本容量N之间的函数关系。通过对幂函数和对数函数的比较分析,构建了新的词汇增长模型,并应用此模型推导出...本文基于Brown语料库的100万词的数据,考察科技英语的篇际词汇增长模型,以篇章为计量单位,描述科技英语文本中词汇量V(N)与累积文本容量N之间的函数关系。通过对幂函数和对数函数的比较分析,构建了新的词汇增长模型,并应用此模型推导出科技英语的理论词汇增长曲线及其95%双向置信区间。本研究属于计算语言学的基础理论研究,反映了语言的经济律,有深刻的理论价值;另外,本文对英语作为外语的教学(English as Foreign Language,简称EFL),特别是词汇教学和教材编写,也有一定的指导意义。展开更多
In this article, the zero-inflated non-central negative binomial(ZINNB) distribution is introduced. Some of its basic properties are obtained. In addition, we use the maximum likelihood estimation method to estimate t...In this article, the zero-inflated non-central negative binomial(ZINNB) distribution is introduced. Some of its basic properties are obtained. In addition, we use the maximum likelihood estimation method to estimate the parameters of the ZINNB distribution, and illustrate its application by fitting the actual data sets.展开更多
文摘本文基于Brown语料库的100万词的数据,考察科技英语的篇际词汇增长模型,以篇章为计量单位,描述科技英语文本中词汇量V(N)与累积文本容量N之间的函数关系。通过对幂函数和对数函数的比较分析,构建了新的词汇增长模型,并应用此模型推导出科技英语的理论词汇增长曲线及其95%双向置信区间。本研究属于计算语言学的基础理论研究,反映了语言的经济律,有深刻的理论价值;另外,本文对英语作为外语的教学(English as Foreign Language,简称EFL),特别是词汇教学和教材编写,也有一定的指导意义。
文摘In this article, the zero-inflated non-central negative binomial(ZINNB) distribution is introduced. Some of its basic properties are obtained. In addition, we use the maximum likelihood estimation method to estimate the parameters of the ZINNB distribution, and illustrate its application by fitting the actual data sets.
