估计 WWW 上的英语及非英语语言使用情况
计算与语言
2021-08-23 v1 人机交互
摘要
世界 Wide Web 规模庞大且呈无序增长，因而难以描述。世界 Wide Web 的一个显而易见的内在特征是其多语言性。本文提出了一种技术方法，用于估计给定语言特定语料库的规模，方法是根据语料库中常见单词的频率进行估计。我们将该技术应用于估计通过 Web 浏览器可获取的给定语言单词数量。我们将 1996 年的数据与 1999 年和 2000 年的数据进行比较，计算了多种欧洲语言在 Web 上的增长情况。如预期的那样，非英语语言的增长速度快于英语，尽管英语的地位仍然占主导。
引用
@article{arxiv.cs/0006032,
title = {Estimation of English and non-English Language Use on the WWW},
author = {Gregory Grefenstette and Julien Nioche},
journal= {arXiv preprint arXiv:cs/0006032},
year = {2021}
}