什么是词汇多样性?

它衡量一段文本的词汇有多丰富,即与总词数相比,使用了多少个不同的词。它被用于写作教学、语言测评和语料库研究。

什么样的类符-形符比算是好的?

没有通用的目标。对于几百个词的清晰说明性文字,40% 至 60% 属于典型水平,工具将其称为典型的词汇多样性。较短文本的分数往往较高,较长文本的分数往往较低,因此应比较条件相近的文本。

什么是平方根 TTR?

平方根 TTR,即 Guiraud 指数,是独特词数除以总词数的平方根。它减轻了普通 TTR 随文本变长而下降的影响,但并未完全消除。

为什么我粘贴的文本越多,分数反而越低?

因为较长的文本会重复使用更多的词。TTR 衡量的是新词所占的比例,而这一比例会随文本增长而缩小。这并不意味着您的词汇变贫乏了。

计算器会去掉停用词,或把词形合并计数吗?

不会。它会统计每一个词,包括 the 和 of,并把每种拼写视为不同的词,因此 walk 和 walked 是两个不同的词。统计所有词是报告 TTR 的通常做法。

如何提高我写作的多样性?

查看“重复次数最多的词”表格。如果某个词无理由地反复出现,就换个说法或改写句子。不要把准确的专业术语换成同义词,因为重复关键术语通常有助于读者理解。

我的文本会被上传吗?

不会。分数在您的浏览器中计算,文本不会被发送到任何地方。

词汇多样性计算器

粘贴一段文字、一节内容或整篇草稿,然后点击“计算”。您将得到总词数、不同词的数量、类符-形符比(TTR)和平方根 TTR,以及一张您最常重复的词的表格。下方的简短指南说明这些分数的含义,以及为什么只应比较长度相近的文本。免费,无需注册,也不会上传任何内容。

您的文本

如何使用词汇多样性计算器

粘贴您的文本。 如果可以,请至少粘贴几百个词;非常短的文本几乎总会得到较高的分数。
点击“计算”。 结果不会在您输入时自动更新,因此修改文本后请再次点击按钮。
查看四项分数。 总词数、独特词数、以百分比表示的 TTR,以及平方根 TTR。
查看结论与重复的词。 分数之后会给出通俗的等级说明,下方的表格列出至多十个出现至少两次的词。

各项分数的含义

词汇多样性是指一段文本中词汇的丰富程度。最简单的衡量方法是类符-形符比(TTR):不同词(类符)的数量除以总词数(形符)。

TTR = 独特词数 ÷ 总词数。其取值从接近 0(同样的几个词反复出现)到 1,此处以百分比显示。
平方根 TTR = 独特词数 ÷ √(总词数),通常称为 Guiraud 指数。随着文本变长,它的下降速度比 TTR 慢,因此在长度存在中等差异时更为公平。

本工具给出通俗的结论:低于 40% 为词汇多样性低,40% 至 60% 以下为典型水平,60% 及以上为高。这些区间是针对几百词段落的经验性参考,不适用于 20 个词的句子或 50,000 个词的论文。

示例

请粘贴这段 56 个词的段落:Sleep consolidates memory. During deep sleep the brain replays the day's events, strengthening connections that matter and pruning those that do not. Students who sleep well tend to remember more of what they studied, and they solve problems faster. Skipping sleep to study longer often backfires, because the facts that were crammed are never stored properly. 它有 46 个独特词,因此 TTR 为 82.1%,平方根 TTR 为 6.15,工具将其判定为词汇多样性高。sleep 是出现次数最多的词,共出现四次。

现在把同一段落粘贴两次。内容没有任何新增,但文本长达 112 个词,独特词仍只有 46 个:TTR 降至 41.1%,平方根 TTR 降至 4.35。同样的文字,多样性得分几乎减半,这说明重复会降低分数,而单纯的长度本身也会降低分数。

为什么长度会扭曲 TTR

每段文本都会用到 “the”、“of”、“and” 之类的常见词,而且文本越长,这类复用词所占的比例就越大。因此无论作者的词汇量如何,TTR 都会随文本增长而下降。同一作者写的 100 个词的样本与 1,000 个词的样本,得出的 TTR 并不相同。比较分数时,应只比较长度相近的文本,最好截取到相同的词数。

研究者使用专门设计以减轻这种影响的指标,例如 MTLD 和 HD-D(参见 McCarthy and Jarvis, 2010, in Behavior Research Methods)。本工具不计算这些指标,因此请将其用于修改和粗略比较,而不要当作研究级的测量标准。

词是如何计数的

文本会被转换为小写,并拆分为由字母和数字组成的词串。词内的撇号会被保留,因此 don't 算作一个词,无论撇号是直撇还是许多文字处理软件生成的弯撇。带重音的字母也算作字母,因此 café 算作一个词。数字也计为词。连字符会把一个词拆成两个,因此 well-known 计为两个词。本工具不做词形还原:walk、walks 和 walked 是三个不同的词。

您需要哪个工具?

如果您想……	使用
为一段文本获得一个多样性分数	本页工具
按出现次数对每个词排序	单词频率计数器
查找距离很近的重复词	Word Repetition Checker
计算每个术语的密度百分比	关键词密度
列出每个不同的词	唯一单词提取器

常见问题

什么是词汇多样性?: 它衡量一段文本的词汇有多丰富,即与总词数相比,使用了多少个不同的词。它被用于写作教学、语言测评和语料库研究。
什么样的类符-形符比算是好的?: 没有通用的目标。对于几百个词的清晰说明性文字,40% 至 60% 属于典型水平,工具将其称为典型的词汇多样性。较短文本的分数往往较高,较长文本的分数往往较低,因此应比较条件相近的文本。
什么是平方根 TTR?: 平方根 TTR,即 Guiraud 指数,是独特词数除以总词数的平方根。它减轻了普通 TTR 随文本变长而下降的影响,但并未完全消除。
为什么我粘贴的文本越多,分数反而越低?: 因为较长的文本会重复使用更多的词。TTR 衡量的是新词所占的比例,而这一比例会随文本增长而缩小。这并不意味着您的词汇变贫乏了。
计算器会去掉停用词,或把词形合并计数吗?: 不会。它会统计每一个词,包括 the 和 of,并把每种拼写视为不同的词,因此 walk 和 walked 是两个不同的词。统计所有词是报告 TTR 的通常做法。
如何提高我写作的多样性?: 查看“重复次数最多的词”表格。如果某个词无理由地反复出现,就换个说法或改写句子。不要把准确的专业术语换成同义词,因为重复关键术语通常有助于读者理解。
我的文本会被上传吗?: 不会。分数在您的浏览器中计算,文本不会被发送到任何地方。