словарь словоформ русского языка

[Smogg]

Сообщение от Smitt&Wesson

Предположим, что у всех слов, есть 6 вариантов написания (очень писсимистичное предположение, т.к. у некоторых слов вариантов нет). В словаре, 14-16 тысяч слов. 16000*6=96000. Учитывая, что в текстовом файле, каждая буква занимает 2 байта, а слово в среднем (опять-же максимально предположительно) состоит из 10-букв получим 96000*10*2-1920000 байт. Разделим это число на 1024 и получим 1875 Кбайт. Не очень много, а? Ну, прибавим ещё тех.инфу. Итого: 2 МБ.

6 вариантов - это у существительных. У глаголов - 17 варианта спряжения. У прилагательных - 28. Конечно, там много повторений. Возьмем все равно максимально среднее за 17.

Объем словаря обычного человека - под сотню тысяч слов, которые он понимает и использует. Хотя тут конечно есть деление на активный словарный запас и на словарный запас вообще.

Слово в среднем, действительно, длиной в 10 букв. 8-12 буквенные слова - их максимальное количество.
25-буквенных слов - всего семнадцать штук в вышеупомянутой базе))

Так что выходит, что наш с вами мозг способен распознавать и определять 1 700 000 отдельных слов (офигеть, не правда ли?).

Умножая на 10 и кодируя в cp1251, получается 17 метров.

[Bob256]

Если считать словом непрерывную последовательность русских букв различая большие и маленькие то в ~100 Gb текста (Traum Library) было найдено 7928830 уникальных слов. Встречались более 1000 раз 148788 слова. Длина от 1 до 35 букв, в среднем 5.5.

http://www.programmersclub.ru/словар...усского-языка/

[Smogg]

Bob256, Спасибо)
А за частотность - особенно.

UPD Кстати, никто не подскажет, как Ворд заставить удалить подчеркнутые красным слова?