Word-length entropies and correlations of natural language written texts

M. Kalimeri, V. Constantoudis, C. Papadimitriou, K. Karamanos, F. K. Diakonos, H. Papageorgiou

    Tutkimustuotos: ArtikkeliScientificvertaisarvioitu

    25 Sitaatiot (Scopus)

    Abstrakti

    We study the frequency distributions and correlations of the word lengths of 10 European languages. Our findings indicate that (a) the word-length distribution of short words quantified by the mean value and the entropy distinguishes the Uralic (Finnish) corpus from the others, (b) the tails at long words, manifested in the high-order moments of the distributions, differentiate the Germanic languages (except for English) from the Romanic languages and Greek and (c) the correlations between nearby word lengths measured by the comparison of the real entropies with those of the shuffled texts are found to be smaller in the case of Germanic and Finnish languages.

    AlkuperäiskieliEnglanti
    Sivut101-118
    Sivumäärä18
    JulkaisuJournal of Quantitative Linguistics
    Vuosikerta22
    Numero2
    DOI - pysyväislinkit
    TilaJulkaistu - 3 huhtik. 2015
    OKM-julkaisutyyppiA1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä

    Julkaisufoorumi-taso

    • Jufo-taso 1

    !!ASJC Scopus subject areas

    • Language and Linguistics
    • Linguistics and Language

    Sormenjälki

    Sukella tutkimusaiheisiin 'Word-length entropies and correlations of natural language written texts'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä