
词性标注:这个词在这里是名词还是动词
【规划】在这一句里是名词,换一句成了动词。这篇讲词性标注:类别的清单是怎么定下来的,程序怎样在一词多类里选对,标完以后研究者拿各类词的多少做什么,想深入该读哪几篇论文。

【规划】在这一句里是名词,换一句成了动词。这篇讲词性标注:类别的清单是怎么定下来的,程序怎样在一词多类里选对,标完以后研究者拿各类词的多少做什么,想深入该读哪几篇论文。

一句话里的词一个依附一个,连起来是一棵树。这篇讲这棵树怎么看,分析器怎样自动把它画出来,树的深度和依存距离为什么能衡量句子有多难读,各学科拿它做什么研究。

【政府动员居民】和【居民动员邻里】,按挨得近不近数搭配是分不开的。这篇讲依存分析之后,怎样把主谓宾、动宾和修饰关系整批数出来,这个办法从哪来,社会科学拿它研究什么,想深入该读哪几篇论文。

【因为】【但是】【不仅如此】把句子接起来,自己却不带内容。这篇讲语言学怎样界定和归类这些词,计算机怎样数它们,数出来的结果能说明什么、说明不了什么,各学科怎么用,想深入该读哪几篇论文。


不同的词数除以总词数,看上去就能量出用词丰富不丰富,可文字越长这个比值越小。这篇讲 TTR 怎样被长度骗,MTLD、MATTR 这些指标怎样补救,各学科拿它研究什么,想深入该读哪几篇。

一批留言越读越长,没见过的词却出现得越来越慢。这篇讲描述这条曲线的 Heaps 定律,它和 Zipf 定律是什么关系,拟合出来的指数说明什么,各学科拿它研究什么,想深入该读哪几篇。

景区导览词、政策说明写给外国读者,里面的词他们认不认得?这篇讲怎样把文字里的词逐个对到分级词表上,分级词表是怎么编出来的,认得多少词才读得懂,想深入该读哪几篇论文。

同一句话重复十遍,字数多了,信息并没有多。这篇讲香农的熵怎样把信息量算成一个数,词汇密度怎样换个角度量,这两个数能说明什么、说明不了什么,各学科怎么用,想深入该读哪几篇论文。

每个人写东西都带着几样自己不太留意的小习惯,比如【的】【了】【而】用得多还是少。这篇讲文体测量怎样把这些习惯数成数字来比,它怎样从一桩作者之争走到今天,各学科拿它研究什么,想深入该读哪几篇论文。

规划文本、游记和访谈稿,写法一读就不同。这篇讲多维度分析怎样一次数几十项语言特征,找出总是一起出现的几组,把差别归成几个维度;它怎样从英语走到别的语言和网上的文字,各学科拿它研究什么,想深入该读哪几篇论文。

判断一段文字出自人手还是模型,有三条路:看用词好不好猜,训练分类器,在生成时埋下水印。这篇讲它们怎样走到今天,各自在哪里判错,研究里怎么用,想深入该读哪几篇论文。