عبارة غير محتملة إحصائياً

الموسوعة الحرة

العبارة غير المحتملة إحصائيًا ( SIP ) هي عبارة أو مجموعة كلمات تتكرر بشكل متكرر في وثيقة (أو مجموعة وثائق) أكثر من تكرارها في مجموعة نصوص أكبر . [ 1 ] [ 2 ] [ 3 ] يستخدم موقع Amazon.com هذا المفهوم لتحديد الكلمات المفتاحية لكتاب أو فصل معين، نظرًا لأن الكلمات المفتاحية للكتاب أو الفصل من المرجح أن تظهر بشكل غير متناسب ضمن ذلك القسم. [ 4 ] [ 5 ] كما استخدم كريستيان رودر هذا المفهوم مع بيانات من ملفات تعريف المواعدة عبر الإنترنت ومنشورات تويتر لتحديد العبارات الأكثر تميزًا لعرق أو جنس معين في كتابه Dataclysm . [ 6 ] تشير العبارات غير المحتملة إحصائيًا ذات الكثافة اللغوية المكونة من كلمتين أو ثلاث كلمات - على سبيل المثال صفة، صفة، اسم، أو ظرف، ظرف، فعل - إلى موقف المؤلف أو فرضيته أو استنتاجاته للقارئ أو تعبر عن فكرة مهمة.

يُستخدم نظام SIPs أيضًا كأداة لكشف الانتحال. إذ يُمكن البحث عن تراكيب كلمات فريدة (تقريبًا) عبر الإنترنت، وإذا ظهرت في نص منشور، يُحدد البحث مكان ظهورها. وتقتصر هذه الطريقة على فحص النصوص المنشورة والمُرقمنة إلكترونيًا.

على سبيل المثال، يمكن البحث عن مشاركة من طالب تحتوي على عبارة "أسلوب الحديقة، مع الإشادة بعدم الانتظام في التصميم" باستخدام Google.com وستظهر مقالة ويكيبيديا الأصلية حول السير ويليام تمبل ، الشخصية السياسية الإنجليزية وكاتب المقالات.

مثال

على الرغم من شيوع كلمات مثل "the" في معظم النصوص، إلا أن عبارة مثل "explicit Boolean algorithm" قد تتكرر بكثرة في وثيقة تتناول الحواسيب أكثر من ورودها في اللغة الإنجليزية العامة. لذا، تُعتبر عبارة "explicit Boolean algorithm" غير محتملة إحصائيًا في هذا السياق.

من بين العبارات غير المحتملة إحصائياً في كتاب داروين " أصل الأنواع" : الأجناس المنحدرة، والتدرجات الانتقالية، والسلف المجهول، والتكوينات الأحفورية، والأشكال المتحالفة بشكل وثيق، والاختلافات المفيدة، والدرجات الانتقالية، والأنواع المتميزة للغاية، والنسل الهجين . [ 7 ]

انظر أيضاً

  • التلازم اللفظي – أي سلسلة من الكلمات التي تتكرر معًا أكثر مما هو متوقع بالصدفة
  • Googlewhack – زوج من الكلمات يظهر في صفحة ويب واحدة، كما هو مفهرس بواسطة جوجل
  • tf-idf – إحصائية تُستخدم في استرجاع المعلومات واستخراج النصوص
  • المعلومات المعقدة المحددة – مفهوم يستخدم للدفاع عن نظرية "التصميم الذكي".
  • كلمة نادرة الظهور - كلمة أو عبارة تظهر مرة واحدة فقط في لغة أو مدونة

مراجع

  1. ↑ "SIPping Wikipedia" (ملف PDF) . Courses.cms.caltech.edu . تاريخ الاسترجاع: 1 يناير 2017 .
  2. ↑ جوناثان بيلي (3 يوليو 2012). "ما هو الطول الأمثل لعبارة غير محتملة إحصائياً؟" . الانتحال الأدبي اليوم .
  3. ↑ إرامي، منير؛ صن، تشاوهوي؛ جورج، أنجيلا سي؛ لونغ، تارا سي؛ سكينر، مايكل أ؛ رين، جوناثان د؛ غارنر، هارولد ر. (1 يونيو 2010). "تحديد المحتوى المكرر باستخدام عبارات غير محتملة إحصائيًا" . المعلوماتية الحيوية . 26 (11): 1453-1457 . doi : 10.1093/bioinformatics/btq146 . PMC 2872002. PMID 20472545 – عبر bioinformatics.oxfordjournals.org.  
  4. ↑ "ما هي العبارات غير المحتملة إحصائياً؟" . Amazon.com . تم الاطلاع عليه بتاريخ 18-12-2007 .
  5. ↑ ويكس، لينتون (30 أغسطس 2005). "إحصائيات أمازون الأساسية تُظهر ترتيب الكتب" . صحيفة واشنطن بوست . تم الاطلاع عليه في 8 سبتمبر 2015 .
  6. ↑ رودر، كريستيان (2014). داتاكيليزم: من نكون عندما نعتقد أن لا أحد يراقبنا . نيويورك: دار نشر كراون. ISBN 978-0-385-34737-2.
  7. ↑ عبارات غير محتملة اجتماعياً، كروكد تيمبر، أبريل 2005