hellog〜英語史ブログ / 2018-01-03

■ #3173. 高頻度語はスペリングが短い (1) [frequency][spelling][orthography][zipfs_law][statistics][lexicology][corpus][three-letter_rule]

　標題は特に目新しい指摘ではなく，英語を読み書きする者には直感されていることだと思われる．「#1091. 言語の余剰性，頻度，費用」 ([2012-04-22-1]) や「#1102. Zipf's law と語の新陳代謝」 ([2012-05-03-1]) でも指摘したように，よく読み書きする単語のスペリングは短いほうが効率がよいと考えられるからだ．逆に，滅多に読み書きしない単語であれば少々長くても我慢できる．単語のスペリングに限らず，単語の音形についても同様の原理が作用していると思われる．
　また，英語の正書法には内容語は3文字以上で綴られなければならないという「#2235. 3文字規則」 ([2015-06-10-1]) がある．これは機能語という頻度のきわめて高い語類については適用されない．したがって，この規則は上記の効率の問題とも関わる実用的な側面をもつといえる．
　高頻度語であればあるほど，そのスペリングが平均的に短いことを示す方法の1つに，頻度ランキングのトップ100語，1000語，10000語などのリストに基づき，文字数別に単語を数え上げるというやり方がある．「#2096. SUBTLEX-US Word Frequency List」 ([2015-01-22-1]) から引き出した頻度ランキングを利用して，トップ100語，200語，500語，1000語，2000語，5000語，10000語，20000語，50000語について調査した．トップ100語のリストについては先の記事でリストを掲載している通りであり，なかには s, ll などコーパスの仕様に由来するとおぼしき怪しい「語」もあるが，結果の大勢には影響を及ぼさないだろう．
　以下にグラフで整理した通り，結果は明白である（数値データはソースHTMLを参照）．トップ100語の超高頻度語群では62.00%までが3文字以下のスペリングである．3文字以下の割合（下から3つ分のオレンジの帯まで）ということで比べていくと，トップ200語から50000語の調査結果まで，順に41.50%, 24.60%, 17.00%, 12.65%, 8.06%, 6.01%, 4.55%, 3.20%と目減りしていく．

[ 固定リンク | 印刷用ページ ]