Aller au contenu
Omnikalc

Calculateur de la loi de Zipf : à quelle fréquence apparaît le mot de rang r ?

Saisissez la taille du vocabulaire, la longueur du texte, l’exposant et un rang pour obtenir la part attendue, le nombre d’occurrences et la couverture cumulée des mots les plus fréquents.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Part du texte occupée par le mot

0,193 %

Nombre d’occurrences attendu
964
Part du texte couverte par les mots les plus fréquents
54,5 %
Combien de fois plus souvent apparaît le mot de rang 1
73,9 ×

Quelques mots, comme le, de et et, remplissent la plupart des textes, alors que la plupart des mots n’apparaissent qu’une ou deux fois. Le calculateur de la loi de Zipf prend la taille du vocabulaire, la longueur du texte, l’exposant de Zipf et un rang, et donne la part du texte du mot de ce rang, son nombre d’occurrences attendu, la part couverte par les mots les plus fréquents et le rapport au mot le plus fréquent.

Comment se fait le calcul

  • Saisissez la taille du vocabulaire, c’est-à-dire le nombre de mots différents, le nombre total de mots du texte et l’exposant de Zipf, proche de 1 pour la plupart des langues.
  • Saisissez le rang du mot, où 1 est le mot le plus fréquent, 2 le suivant, et ainsi de suite.
  • La loi de Zipf dit que la fréquence du mot de rang r est proportionnelle à 1 / r^s. Le calculateur divise par la somme de 1 / k^s sur tout le vocabulaire pour obtenir une part.
  • Lisez la part du texte de ce mot, son nombre d’occurrences attendu, la part cumulée des mots jusqu’à ce rang et le rapport au mot le plus fréquent.

Exemple

Un texte de 500 000 mots a un vocabulaire de 30 000 mots et un exposant de Zipf de 1,1. La somme de normalisation vaut environ 7,01. Le mot de rang 50 occupe 1 / (50^1,1 × 7,01) = 0,193 % du texte, soit environ 964 occurrences. Les 50 premiers mots couvrent ensemble environ 54,5 % du texte, et le premier mot est 73,9 fois plus fréquent que le mot de rang 50.

Pourquoi c’est utile

La loi de Zipf explique pourquoi les listes de mots fonctionnent. Elle aide les apprenants à décider combien de mots donnent une couverture donnée, aide à dimensionner les index de recherche, les dictionnaires de clavier et les modèles de compression, et apparaît dans la taille des villes, le trafic web et bien d’autres séries classées. Le calculateur donne une attente à comparer aux comptages réels.

À savoir

La loi idéale est une première approximation. Les vraies tables de fréquences s’infléchissent aux deux extrémités, l’exposant dépend de la langue et du genre du texte, et les mots rares suivent d’autres lois. La somme approchée est la moins précise pour de très petits vocabulaires ou de grands exposants. Prenez les chiffres comme des valeurs typiques et non comme des comptages exacts.

Outils liés

Le calculateur d’objectif de vocabulaire planifie combien de mots apprendre, celui de temps de lecture estime la durée d’un texte, celui de score de lisibilité note la difficulté d’un texte, et celui de loi de Pareto couvre une loi voisine à queue lourde.

Questions fréquentes

Qu’est-ce que la loi de Zipf ?

C’est une règle empirique, du nom du linguiste George Kingsley Zipf, selon laquelle la fréquence d’un mot est inversement proportionnelle à son rang dans la table des fréquences. Le mot le plus fréquent apparaît environ deux fois plus souvent que le deuxième, trois fois plus que le troisième, et ainsi de suite. Elle vaut à peu près pour les mots de la plupart des langues.

Que signifie l’exposant s ?

L’exposant fixe la vitesse à laquelle la fréquence baisse avec le rang. Pour s = 1, la loi d’origine, un mot de rang 10 est dix fois plus rare que le premier. Les langues naturelles ont des exposants d’environ 0,9 à 1,2, et des valeurs plus grandes signifient un texte où quelques mots dominent. On peut ajuster s sur un graphique log-log de la fréquence en fonction du rang.

Pourquoi quelques mots couvrent-ils autant du texte ?

Comme les fréquences chutent très vite, les quelques centaines de mots les plus fréquents, comme les articles, les prépositions et les pronoms, représentent environ la moitié de n’importe quel texte. C’est pourquoi un apprenant qui connaît les 1 000 mots les plus fréquents peut suivre une grande part d’un texte ordinaire, même avec un vocabulaire bien plus petit que celui d’un locuteur natif.

Le calculateur est-il exact ?

Il utilise l’approximation d’Euler–Maclaurin pour la somme de 1 / k^s, précise à environ 0,02 % pour des vocabulaires typiques. Les vrais textes s’écartent de la loi idéale, avec une tête plus plate et une queue plus raide, et les petits échantillons sont bruités. Utilisez le résultat comme une attente pour un texte typique de cette taille.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.