现代中文散文标点符号模式的量化分析
计算与语言
2025-03-07 v1
摘要
近期研究表明，文本中的标点符号模式在不同语言间展现出普遍特征。对西方古典文学的分析揭示，标点符号之间的间距分布符合离散Weibull分布，该分布通常用于生存分析。通过将这一分析扩展到以三部著名当代作品为代表的中文文学，研究表明Zipf定律同样适用于中文文本，正如适用于西方文本一样，其中标点符号模式也改善了对该定律的遵循。此外，中文文本中标点符号之间的间距分布遵循Weibull模型，尽管较大的间距在中文中不如英文翻译中频繁。代表句子长度的句末标点偏离了这一模式，反映了句子长度的更大灵活性。这种变异性支持了复杂多重分形句子结构的形成，在高行健的《灵魂山》中尤为明显。这些发现表明中文和西方文本共享普遍的标点和词分布模式，强调了其跨语言的广泛适用性。
引用
@article{arxiv.2503.04449,
title = {Quantifying patterns of punctuation in modern Chinese prose},
author = {Michał Dolina and Jakub Dec and Stanisław Drożdż and Jarosław Kwapień and Jin Liu and Tomasz Stanisz},
journal= {arXiv preprint arXiv:2503.04449},
year = {2025}
}