词频分布的实证结构

各语言中单个词出现的频率遵循幂律分布，这一发现模式被称为齐夫定律。大量文献争论这是否有助于优化人类交流的效率，然而该主张必然是事后性的，并且有人提出齐夫定律实际上可能描述其他分布的混合。从这一视角看，近期关于汉语圈姓氏（首姓）呈几何分布的研究值得注意，因为这实际上与关于最优编码的信息论预测一致。名字在大多数语言中构成自然的交流分布，并且我表明，当结合使用它们的社群进行分析时，跨多种语言的首名分布既是几何的，而且在历史上极为相似，幂律分布仅在经验分布被聚合时才出现。接着我展示这一发现模式在英语名词和动词的交流分布中可复现。这些结果表明，如果词汇分布支持高效交流，那是因为其功能结构直接满足了信息论所描述的约束，而非因为齐夫定律。理解这些信息结构的功能可能是解释人类非凡交流能力的关键。