随机抽取散文片断,进行字频统计,4105字的文章(去符号) 只有17枚字是字频在3000-4000的。前3000字覆盖99.58%。前2000字4026枚,覆盖98.07%。前1500字3980枚,覆盖96.95%。和以下字频覆盖率相比
字数 覆盖面( %)
28 20.28501
100 40.01248
300 65.91720
500 78.53202
1000 91.91527
1500 96.47563
2000 98.38765
2500 99.24388
3000 99.63322
3500 99.82015
4000 99.91645
4500 99.96471
5000 99.98633
5500 99.99553
6000 99.99901
6479 100.00000
发现数据结果实在是太相近了。
可见,前3000字是非常重要的!