词汇增长曲线分析

用于判断一份或多份文本是不断引入新词还是收敛到固定词表、词频是否符合自然语言分布，比单看词频表更能区分公文模板、自然写作与疑似机器生成。

按累计 token 逐段统计词表增长，用 Heaps' Law（V = K · N^β）拟合得出用词开放度 β；高频词按降序在双对数坐标下做最小二乘拟合，得出 Zipf 分布的陡峭度 s，并附 R² 作可信度参考。

β、s 会被投影到公文 / 散文 / 新闻 / 百科的公开语料带，可一眼定位语料风格；可外推再读多少文本能新增多少词以及未来 1M / 10M token 时的词表规模；多文件页指出最开放与最封闭的文件和偏离自然语言的离群文件。

常用于教材与学术写作的用词稳定性评估，也常用于识别评论与访谈中疑似机器生成的模板化文本。