中文词汇增长研究

摘要

词汇增长研究能够分析文本的TTR在不同时期的变化,该文选取1954—2018年的中国政府工作报告为语料,分析文本中词例与词种的曲线变化,挖掘政府工作报告中的词汇丰富度与政策的相互关系.该文首先对语料进行了分词,然后根据曲线拟合效果选择拟合更好的Heaps模型进行预测.以中国的"五年计划"作为基础时间周期,对各周期模型预测值与现实观测值的差值进行分析,并与随机打乱后的文本计算结果进行对比,进一步验证了实验的结果.研究发现随着时间变化,词汇增长呈现出一定的倾向性:在深化改革、新政策出台等时期,一般需要更多的词语来描述,此时观测值高于预测值,而在政策相对稳定的时期,对原有词汇的使用较多,此时观测值低于预测值.该文以中文语料作为研究对象,分析其历时变化,能够为中文词汇增长研究提供借鉴.