关于用WordSmith检索的另一个问题。

[yuliaoku]

如果使用WordSmith检索软件（4.0或5.0版）每隔n行的检索功能，每次检索结果不一致。

例如，在一个英语语料库中，定冠词the出现了30696次，如果在Settings勾选Random,每10个选1个，此后的5次检索出现了5个不同的结果：3095，3045，3089，2993，3080。如果继续下去也都是不同的数量。从道理上讲，应该是3069或3070行。出现这种现象是什么原因呢？

请教各位。先谢啦！

 

[volfer]

回复: 关于用WordSmith检索的另一个问题。

如果使用WordSmith检索软件（4.0或5.0版）每隔n行的检索功能，每次检索结果不一致。

例如，在一个英语语料库中，定冠词the出现了30696次，如果在Settings勾选Random,每10个选1个，此后的5次检索出现了5个不同的结果：3095，3045，3089，2993，3080。如果继续下去也都是不同的数量。从道理上讲，应该是3069或3070行。出现这种现象是什么原因呢？

请教各位。先谢啦！

因为是random sampling，每10个里面选1个，也就是说1到10里随便选1个，11-20里再随便选1个，并不一定每隔10个选1个。

 

[yuliaoku]

回复: 关于用WordSmith检索的另一个问题。

因为是random sampling，每10个里面选1个，也就是说1到10里随便选1个，11-20里再随便选1个，并不一定每隔10个选1个。

谢谢您的回答。但是，如果是像您所说的，结果还应该是3069个。假定共有30696个索引行，每10行里随机选一个，则：

数字段 == 随机数 == 累计
1-10 == 4 == 1
11-20 == 12 == 2
21-30 == 26 == 3
31-40 == 35 == 4
41-50 == 49 == 5
51-60 == 52 == 6
...
以此类推，最终结果应该是3069。因为无论随机还是不随机，都要从每10个索引行中选出一个。

 

[yuliaoku]

回复: 关于用WordSmith检索的另一个问题。

下面这段内容引自WordSmith 4.0和5.0的帮助文件：

"at random" is a feature which allows you to randomise the search. Here Concord goes through the text files and gets the 100 entries by giving each hit a random one-in-three chance of being selected. To get 100 entries Concord will have found around 250-350 hits. You can set the randomiser anywhere from 1 in 2 to 1 in 1,000.

其中不好理解的是“To get 100 entries Concord will have found around 250-350 hits.”这句话。说明一下，如果勾选了random，Concord的默认值是3个里面选1个。

请大家帮助理解一下。

谢谢！

 

[volfer]

回复: 关于用WordSmith检索的另一个问题。

谢谢您的回答。但是，如果是像您所说的，结果还应该是3069个。假定共有30696个索引行，每10行里随机选一个，则：

数字段 == 随机数 == 累计
1-10 == 4 == 1
11-20 == 12 == 2
21-30 == 26 == 3
31-40 == 35 == 4
41-50 == 49 == 5
51-60 == 52 == 6
...
以此类推，最终结果应该是3069。因为无论随机还是不随机，都要从每10个索引行中选出一个。

不好意思，下午没理解你的问题就匆忙回答了，
事实上，不光光是每n行选1个会出现不同的检索结果，哪怕显示所有concordances，每次检索的结果都不会完全相同。打个比方说，我刚才在自建的语料库中检索China一词，同样的setting，同样的语料，第一次检索出1500多条，第二次就变成1492条了。concordances数量相差几条，不会影响分析结果。

 

[yuliaoku]

回复: 关于用WordSmith检索的另一个问题。

不好意思，下午没理解你的问题就匆忙回答了，
事实上，不光光是每n行选1个会出现不同的检索结果，哪怕显示所有concordances，每次检索的结果都不会完全相同。打个比方说，我刚才在自建的语料库中检索China一词，同样的setting，同样的语料，第一次检索出1500多条，第二次就变成1492条了。concordances数量相差几条，不会影响分析结果。

据我的实验，如果仅仅是检索某个词在一个语料库的所有索引行，从未出现过检索结果不一致的情况，仅在如设定了random情况下才会出现不一致的情况。