Zipf yasası, sözcüklerin bir metindeki kullanım sıklığı ile sıklık sıraları arasında yaklaşık bir güç yasası ilişkisi bulunduğunu anlatan istatistiksel örüntüdür. Sözcükler en sık kullanılandan en aza doğru sıralandığında, r sırasındaki sözcüğün sıklığı çoğu kez 1/r ile orantılı biçimde azalır. Genel gösterimi f(r) ∝ 1/rᵅ biçimindedir; burada f sıklığı, α ise üssü belirtir. Sözcük sıklığı örneklerinde α genellikle 1’e yakındır, ancak yasa tam bir eşitlik iddiası değildir. [1][2]
Tanım ve tarihçe
Bu adlandırma, örüntüyü dil verileriyle ilişkilendirip yaygınlaştıran Amerikalı dilbilimci George Kingsley Zipf’e dayanır. NIST’in tanımında, sıklık sırasındaki n’inci öğenin olasılığı yaklaşık 1/nᵅ olarak verilir ve α’nın 1’e yakın olduğu belirtilir. Buna göre ikinci sıradaki sözcük, ilk sıradakinin yaklaşık yarısı kadar; üçüncü sıradaki ise yaklaşık üçte biri kadar görülebilir. Bu oranlar beklenen genel eğilimi anlatır, her metinde geçerli kesin değerler değildir. [1]
İnceleme alanı ve sınırlamalar
Zipf yasası, derlemlerde sözcük sıklıklarını tanımlamak ve dağılımları karşılaştırmak için kullanılan modellerden biridir. Benzer güç yasası biçimleri sözcük dışındaki veriler için de önerilmiştir; ancak benzer matematiksel görünüm, farklı olguların aynı nedenle ortaya çıktığını kanıtlamaz. Sonuçlar metnin uzunluğuna, sözcüklerin nasıl ayrıldığına ve hangi öğelerin sayıldığına bağlı olabilir. Ayrıca güç yasasına benzerlik, tek başına belirli bir dağılımın veriye en uygun açıklama olduğunu göstermez. Dilsel dağılımları değerlendiren araştırmalar, alternatif modellerin de sınanması gerektiğini vurgular. Bu nedenle Zipf yasası, bütün dillerde ve sıralarda kusursuz işleyen değişmez bir kural değil, geniş ölçekte gözlenebilen yaklaşık bir istatistiksel düzenlilik olarak ele alınır. [2]