关于「简化线性可读性公式:逐项分解、标定与共线性陷阱」,《中文可读性与字频句长》给出的定量结论是什么?
结论:逐行看。短句常用字版两项都很小,D 为 0.45,属易读。卖点段平均句长 28.50 字,没有少见字,句长项 2.85 就是全部,属平实。长句常用字版句长项 3.70,同样平实。落地页标题的平均句长只有 8.00 字,句长项 0.80,但每百字 12.50 个少见字贡献了 3.75,合计 4.55,进入偏难档。专著段落两项都不小,句长项 3.53,少见字项 1.13,合计 4.67,也是偏难。售后条款没有一个少见字,但一句 72.00 字的长句让句长项达到 7.20,独自进入密集档。长句僻字版合计 11.93,短句僻字版合计 19.15,其中少见字项 18.75 占了绝大部分。
数据口径:作者自拟的四篇小样本中,四字短句堆僻字的文本平均句长最短,按本书的示意难度公式却最难,得分 19.15;同样短句、全用常用字的文本只有 0.45。 书中参数为示意;全部计算由书中程序生成;本书属于非个人化经营建议。
对照数据表
下表数字由本章 Python 程序原样打印,可重新运行复现。 程序只用 Python 标准库与结论吻合的打印值: 0.45, 0.80, 1.13, 11.93, 12.50, 18.75
| text | ASL | RP | 0.10ASL | 0.30RP | D | band |
| short-common | 4.50 | 0.00 | 0.45 | 0.00 | 0.45 | easy |
| points | 28.50 | 0.00 | 2.85 | 0.00 | 2.85 | plain |
| long-common | 37.00 | 0.00 | 3.70 | 0.00 | 3.70 | plain |
| headline | 8.00 | 12.50 | 0.80 | 3.75 | 4.55 | hard |
| monograph | 35.33 | 3.77 | 3.53 | 1.13 | 4.67 | hard |
| terms | 72.00 | 0.00 | 7.20 | 0.00 | 7.20 | dense |
| long-rare | 36.00 | 27.78 | 3.60 | 8.33 | 11.93 | dense |
| short-rare | 4.00 | 62.50 | 0.40 | 18.75 | 19.15 | dense |
查看完整验算程序
# Chapter 4. p41: the book's simplified linear formula, term by term.
# D = 0.10 ASL + 0.30 RP (illustrative weights). Bands (illustrative):
# D < 2.5 easy, < 4.0 plain, < 6.0 hard, otherwise dense. Texts are the
# author's own samples; the common table is a toy, not official data.
import re
TIER1 = ("的一是不了在人有我他这个们中来上大为和国地到以说时要就出会可"
"也你对生能而子那得于着下自之年过发后作里用道行所然家种事成方"
"多经么去法学如都同现当没动面起看定天分还进好小部其些主样理心"
"她本前开但因只从想实日者意无力它与长把机十民第公此已工使情明"
"性知全三")
TIER2 = ("高山云雾采茶香气浓味厚入口回甘泡满屋每杯老师傅花间慢做值您喝"
"收问题身选品郁醇令沉醉盏匠光结晶细鉴珍藏水警露翻疆霸清至善江"
"河湖海波浪滔风叶放再倒热等儿什特别款金礼盒相益彰韵赏设列随变"
"量足条件即信息步期望取质任何预未停策略改若引度确则证给均约束"
"最连续布指数很句越短读卡住往认识字话哪怕四眼熟词顺思层走完反"
"僻猜判断段文难频园腰照更批由手炒制阴凉仓库存半装商页描述符或"
"包运输途破损请签七内通订单联系客服并传片核按平台规办退货换")
COMMON = set(TIER1) | set(TIER2)
HAN = re.compile(r"[\u4e00-\u9fff]")
STOP = re.compile(r"[。!?;!?;\n]+")
def sent_lengths(text, stop=STOP):
out = []
for part in stop.split(text):
n = len(HAN.findall(part))
if n:
out.append(n)
return out
def features(text, common=COMMON):
lens = sent_lengths(text)
han = HAN.findall(text)
rare = len([c for c in han if c not in common])
return len(han) / len(lens), 100.0 * rare / len(han)
def difficulty(asl, rp, a=0.10, b=0.30):
return a * asl + b * rp
SR = ("臻品甄选。馥郁氤氲。璀璨鎏金。旖旎天成。")
SC = ("把茶放进杯子。倒上热水。等一会儿。就能喝了。")
LC = ("你只要把茶叶放进杯子里再倒上一杯热水,等一会儿就"
"可以喝了,不用学什么特别的方法。")
LR = ("这款臻选茶品以馥郁氤氲的香气与璀璨鎏金的礼盒相得"
"益彰,旖旎之韵令人甄赏不已。")
HEAD = ("山中好茶,一杯回甘。馥郁清香,臻于至善。")
POINTS = ("我们的茶园在山腰上,雾多日照短,茶叶长得慢,所以"
"味道更厚。每一批茶都由老师傅手工炒制,炒好以后放"
"在阴凉的仓库里存放半年再装盒。")
TERMS = ("如您收到的商品与页面描述不符,或者包装在运输途中"
"出现破损,请在签收之日起七日内通过订单页面联系客"
"服并上传照片,我们核实后按照平台规则为您办理退货"
"或换货。")
MONO = ("设一列随机变量满足鞅的条件,即在已知过去全部信息"
"时,下一步的条件期望等于当前取值。鞅的这一性质意"
"味着,任何不预知未来的停时策略都不能改变期望值。"
"若再引入熵来度量不确定性,则可以证明,在给定均值"
"的约束下,熵最大的连续分布是指数分布。")
TEXTS = (("short-common", SC), ("points", POINTS), ("long-common", LC),
("headline", HEAD), ("monograph", MONO), ("terms", TERMS),
("long-rare", LR), ("short-rare", SR))
def band(d):
for cut, name in ((2.5, "easy"), (4.0, "plain"), (6.0, "hard")):
if d < cut:
return name
return "dense"
if __name__ == "__main__":
print("text ASL RP 0.10ASL 0.30RP D band")
for name, text in TEXTS:
asl, rp = features(text)
d = difficulty(asl, rp)
print("{:<13s} {:6.2f} {:6.2f} {:7.2f} {:7.2f} {:6.2f} {}".format(
name, asl, rp, 0.1 * asl, 0.3 * rp, d, band(d)))唯一数据源与引用
范雅福(Fan, Y.). (2026). 《中文可读性公式与字频句长、落地页与专著段落的阅读难度母典》第 4 章「简化线性可读性公式:逐项分解、标定与共线性陷阱」(版本 1.0.0). 5D Library. DOI 待发布
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-323 · v1.0.0 · CC-BY-NC-ND-4.0
BibTeX
@book{fan2026323,
author = {Fan, Yafu},
title = {Chinese Readability from Character Frequency and Sentence Length: Reading Difficulty of Landing Pages and Monograph Paragraphs},
year = {2026},
publisher = {5D Library},
edition = {1.0.0},
note = {DOI pending}
}