如何将单张图的频率与比格、三角图等的频率进行比较？

Question

我想要构建一个包含多个单词结构的单词云(而不仅仅是一个单词)。在任何给定的文本，我们将有更大的频率为单位克比大写。实际上，对于同一文本，n克频率随n增加而减小.

我想要找到一个幻数或一个方法，以获得比较结果之间的一元图，三格，n-克。

中有任何幻数作为n克频率的乘数，以便与一公克相提并论。

我现在想到的一个解决方案是为任意n克(1，2，3，.)做一个顶。并使用第一个z位置对任意类别的n-克。

Answer 1

正如你已经问过的，没有简单的线性乘子。你可以根据你的一套单位的大小来做一个一般的估计。考虑26个字母的英文字母:你有26种可能的单字，26^2度，26^3度，……简单的处理方法表明，你会将一个digram的频率乘以26，并将其与unigram进行比较；三克频率将得到26^2的提升。

我不知道这是否达到了你想要的比较，因为n克的实际分布并不是根据任何数学上可处理的函数。例如，字母-三字母分布是区分使用中语言的一个很好的方法:英语、法语、西班牙语、德语、罗马尼亚语等都有很好的差别化分布。

另一种可能是将数据规范化:将每个值转换为z-得分，即高于/低于分布平均值的标准差的数量。得到的z分数列表的平均值为0，分节为1.0。

这些都能给你带来你想要的结果吗？