The actual number is 38,365 terms,

The actual number is 38,365 terms, very close to the prediction.
The parameter $k$ is quite variable because vocabulary growth depends a lot on the nature of the collection and how it is processed. Case-folding and stemming reduce the growth rate of the vocabulary, whereas including numbers and spelling errors increase it. Regardless of the values of the parameters for a particular collection, Heaps' law suggests that (i) the dictionary size continues to increase with more documents in the collection, rather than a maximum vocabulary size being reached, and (ii) the size of the dictionary is quite large for large collections. These two hypotheses have been empirically shown to be true of large text collections (Section 5.4 ). So dictionary compression is important for an effective information retrieval system.

Kết quả (Việt) 2:

Con số thực tế là 38,365 điều khoản, rất gần với các dự đoán.
Các tham số $ k $ là khá biến Vì sự phát triển vốn từ vựng phụ thuộc rất nhiều vào bản chất của các bộ sưu tập và làm thế nào nó được xử lý. Case-gấp và bắt nguồn Giảm tỷ lệ tăng trưởng của từ vựng, Xét số Gồm và lỗi chính tả Tăng nó. Bất kể các giá trị của các tham số cho một luật đặc biệt Heaps bộ sưu tập 'Cho thấy rằng (i) liên tục đổ augmenter kích thước từ điển với nhiều bản ghi trong các bộ sưu tập, tối đa Thay vì là màu trắng có kích thước từ vựng Đạt, và (ii) các kích thước của từ điển là khá rộng cho các bộ sưu tập lớn. Hai giả thuyết-đã-được thực nghiệm chứng minh được thực sự của bộ sưu tập văn bản rộng (Phần 5.4). Vì vậy, nén từ điển là quan trọng đối với một hệ thống tìm kiếm thông tin hiệu quả.