下面这篇文章中的卡方值是怎么算出来的？
- 主题发起人 hancunxin
- 时间
williamJia
开放语料库项目
回复: 下面这篇文章中的卡方值是怎么算出来的？
一个词是否是关键词，仅仅靠它在该文本中出现的频率是不够的，还需要有个参考语料库（如：BNC）。例如：the，a, of 等词在文本中的频率都很高，但是它们不是关键词，因为它们在任何文本中的频率都很高。当计算一个词是否是一个文本的关键词时可以通过卡方判断，通过计算卡方值的大小就可以判断一个词是否是关键词。计算方法如下：
X2= (|ad-bc|-N/2)2 * N / (a+b)(c+d)(b+d)(c+d)
(N=a+b+c+d)
举例：detective一词在某长度为1000的文本中出现了10次，在容量为10000词的参照语料库中出现了1词，如下表：
词的频数 文本长度 总和
被研究的文本 A=10 B=1000 A+B=1010
参照语料库 C=1 D= 10000 C+D=10001
总和 A+C=11 B+D = 11000 N=11011
把这些值带入公式可得：
X2 = 78.7
一般卡方大于3.84就有显著意义，很显然detective这个词是关键词。
（以上内容参考了杨慧中老师编写的《语料库语言学》第160-161页的内容）
一个词是否是关键词，仅仅靠它在该文本中出现的频率是不够的，还需要有个参考语料库（如：BNC）。例如：the，a, of 等词在文本中的频率都很高，但是它们不是关键词，因为它们在任何文本中的频率都很高。当计算一个词是否是一个文本的关键词时可以通过卡方判断，通过计算卡方值的大小就可以判断一个词是否是关键词。计算方法如下：
X2= (|ad-bc|-N/2)2 * N / (a+b)(c+d)(b+d)(c+d)
(N=a+b+c+d)
举例：detective一词在某长度为1000的文本中出现了10次，在容量为10000词的参照语料库中出现了1词，如下表：
词的频数 文本长度 总和
被研究的文本 A=10 B=1000 A+B=1010
参照语料库 C=1 D= 10000 C+D=10001
总和 A+C=11 B+D = 11000 N=11011
把这些值带入公式可得：
X2 = 78.7
一般卡方大于3.84就有显著意义，很显然detective这个词是关键词。
（以上内容参考了杨慧中老师编写的《语料库语言学》第160-161页的内容）
hancunxin
Moderator
回复: 下面这篇文章中的卡方值是怎么算出来的？
谢谢Williamjia的回复！ 你说的道理我懂，关键是我根据以上那篇论文的数据，得不出他们的结果，故此有一问。烦请Williamjia 帮我看看，论文的作者们是怎么算出的？
谢谢Williamjia的回复！ 你说的道理我懂，关键是我根据以上那篇论文的数据，得不出他们的结果，故此有一问。烦请Williamjia 帮我看看，论文的作者们是怎么算出的？
Last edited:
hancunxin
Moderator
回复: 下面这篇文章中的卡方值是怎么算出来的？
为了把这个问题说清楚，我还是先说说我自己的算法。
按照论文中的说法CAUSE 与change（s）搭配的例子在CLEC（库容1百万）中一共找到44例，根据表3，消极4.7% 也就是44*4.7%约等于3， 中性为0例，积极为44*95.7%约等于41例。 SBNC（库容1400万 ）中找到CAUSE 与change（s）搭配的例子46例，26例消极，19例中性，1例积极。我们来算一下积极例子的卡方。
A=41 B=1000000 CLEC
C=1 D=14000000 SBNC
因此，我算出的卡方值=558， 叶茨校正后=543 论文中为173
同样的方法，算消极的搭配词
A=3 B=1000000
C=26 D=14000000
X2=0.63 叶茨校正后=0.17 论文中为=57.7
大家看看我的算法是否正确？
为了把这个问题说清楚，我还是先说说我自己的算法。
按照论文中的说法CAUSE 与change（s）搭配的例子在CLEC（库容1百万）中一共找到44例，根据表3，消极4.7% 也就是44*4.7%约等于3， 中性为0例，积极为44*95.7%约等于41例。 SBNC（库容1400万 ）中找到CAUSE 与change（s）搭配的例子46例，26例消极，19例中性，1例积极。我们来算一下积极例子的卡方。
A=41 B=1000000 CLEC
C=1 D=14000000 SBNC
因此，我算出的卡方值=558， 叶茨校正后=543 论文中为173
同样的方法，算消极的搭配词
A=3 B=1000000
C=26 D=14000000
X2=0.63 叶茨校正后=0.17 论文中为=57.7
大家看看我的算法是否正确？