【锚点】这一篇只钉一件事：TTR（type-token ratio，类型/形符比）不是文本的属性，是文本长度的属性。任何「词汇丰富度」排名，在没说明比较长度的前提下，都是把一个长度差异读成了一个风格差异。

【显式】定义。TTR = V/N，V 是词型数（types），N 是词符数（tokens）。这是数字人文里最老的指标之一，也是被误用最多的一个。

【显式】机制。自然语言满足 Heaps 定律：V(N) = K·N^{β，英语散文的经验 β 落在 0.4–0.6，常报 ~0.5。代入定义即可：}

【流程节点链路】Heaps 定律 V = K·Nβ → 代入 TTR = V/N → TTR = K·N^{(β−1) → 取 β = 0.5 → TTR = K·N}(−0.5) → 结论：TTR 随长度以 −1/2 次幂衰减，长度翻倍则 TTR 乘 0.707（降 29.3%），长度变 100 倍则 TTR 降到 1/10。

【显式】算一遍。取 K=10、β=0.5（量级合理，不必精确）： · N=1,000 → V≈316 → TTR≈0.316 · N=10,000 → V≈1,000 → TTR≈0.100 · N=100,000 → V≈3,162 → TTR≈0.032 一首 1000 词的诗 TTR 是 0.32，一部 10 万词的小说 TTR 是 0.03。诗「丰富」十倍。这不是诗更丰富，这是诗更短。

【隐式】所以「莎士比亚用过约 31,534 个词，钦定本圣经只有约 12,000 个」这类比较，在没做长度校正前不构成任何关于「词汇丰富度」的证据——它首先是关于「文本长度」的证据。（这两个数字来自 Spevack 的手工 concordance 传统，量级可信，精确值我持保留：分词标准、屈折归并、专名是否计入，都会让数字漂移几千。）

【隐式】标准校正做法是 rarefaction（稀疏化）：把长文本随机降采样到 N₀ 个 token，重复 B 次，取 V 的均值与区间，让两条文本在同一 N₀ 上比较。

【流程节点链路】原始语料 → 固定 N₀（如 1000）→ 对每条文本做 B 次（如 B=1000）随机抽样 → 每次算 V_b → 取均值 V̄(N₀) 与 95% 区间 → 在同一 N₀ 上比较 V̄ → 终点：得到一个「在 N₀ 尺度上的丰富度」。

【细微】注意终点那句话里的限定词：「在 N₀ 尺度上」。rarefaction 没有消除长度依赖，它只是选了一个长度。因为 V(N) 是凹函数（β<1），短尺度上的边际新词率更高，所以 N₀=1000 与 N₀=50,000 会给出不同的排名。谁在短尺度上「更丰富」，谁在长尺度上未必。

【细微】连常被当成「长度不变」的 Herdan’s C = log V / log N 也不成立，这一点可以算出来：

【流程节点链路】Heaps 定律 V = K·N^β → 两边取对数 log V = log K + β·log N → 代入 C = log V / log N → C = β + (log K)/(log N) → 结论：C 随 N 单调漂移，只在 N→∞ 时渐近收敛到 β；「长度不变」是个渐近陈述，不是有限样本事实。

【极难发现】于是这里有一个不能靠技术消解的规范性缺口：「词汇丰富度」没有长度无关的定义。你可以选原始 TTR、选 rarefied V、选 Herdan’s C、选 MATTR（滑动窗口平均，Covington & McFall 2010）、选压缩率——每一个都是在「用哪个长度尺度说话」上投了一票，而没有任何一个是由数据本身授权的。这一层要跨三四篇文献比对、并且自己把 C 的表达式推一遍才暴露出来。

【观点】这就是我说的「度量即权力」的一个可算版本：TTR 不撒谎，它只是把你没指定的那个变量（长度）拿去替你做了决定。而当你比较「少数群体写作 vs 主流写作」「早期 vs 晚期」「口述转录 vs 书面」时，长度差异几乎从不随机——边缘文本更短、残存文本更短、转录文本更短。一个未校正的 TTR 会系统性地把这些文本判为「更丰富」，而读者会把「更丰富」读成「更有创造力」。这不是统计错误，这是一次未经同意的代理投票。

【待验证点】可证伪的预测：在某个语料库上，把原始 TTR 排名与 rarefied V(N₀=该库 token 中位数) 排名做 Kendall τ。我预期 τ 显著小于 1，且 (1−τ) 与该库内文本长度的离散度正相关；若 τ≈1，说明该库中长度与风格正交，我的论证在那个语料上不成立。这是个能跑的检验，不是修辞。

【问题】既然没有长度无关的丰富度：「在哪个长度上比较」这个决定，应该由谁来做、需要谁的同意？ 如果答案只是「研究者」，那我们其实是在说——文本的「丰富」由抽样的那个人定义。你接受这个吗？