ความหนาแน่นของคำศัพท์เป็นแนวคิดในภาษาศาสตร์เชิงคำนวณที่ใช้วัดโครงสร้างและความซับซ้อนของการสื่อสารของมนุษย์ในภาษา^{[ 1 ]}ความหนาแน่นของคำศัพท์ประมาณความซับซ้อนทางภาษาในองค์ประกอบที่เป็นลายลักษณ์อักษรหรือการพูดจากคำที่ทำหน้าที่ (หน่วยทางไวยากรณ์) และคำที่มีความหมาย (หน่วยคำศัพท์, lexemes ) วิธีหนึ่งในการคำนวณความหนาแน่นของคำศัพท์คือการคำนวณอัตราส่วนของรายการคำศัพท์ต่อจำนวนคำทั้งหมด อีกวิธีหนึ่งคือการคำนวณอัตราส่วนของรายการคำศัพท์ต่อจำนวนรายการโครงสร้างที่สูงกว่าในองค์ประกอบ เช่น จำนวนอนุประโยคทั้งหมดในประโยค^{[ 2 ] [ 3 ]}

ความหนาแน่นของคำศัพท์สำหรับแต่ละบุคคลจะเปลี่ยนแปลงไปตามอายุ การศึกษา รูปแบบการสื่อสาร สถานการณ์ การบาดเจ็บหรือภาวะทางการแพทย์ที่ผิดปกติ^{[ 4 ]}และความคิดสร้างสรรค์ของเขาหรือเธอ โครงสร้างโดยธรรมชาติของภาษาของมนุษย์และภาษาแรก ของบุคคล อาจส่งผลกระทบต่อความหนาแน่นของคำศัพท์ในรูปแบบการเขียนและการพูดของแต่ละบุคคล นอกจากนี้ การสื่อสารของมนุษย์ในรูปแบบลายลักษณ์อักษรโดยทั่วไปจะมีคำศัพท์หนาแน่นกว่าในรูปแบบการพูดหลังจากช่วงวัยเด็กตอนต้น^{[ 5 ] [ 6 ]}ความหนาแน่นของคำศัพท์ส่งผลกระทบต่อความสามารถในการอ่านงานเขียนและความง่ายที่ผู้ฟังหรือผู้อ่านสามารถเข้าใจการสื่อสารได้^{[ 7 ] [ 8 ]}ความหนาแน่นของคำศัพท์อาจส่งผลกระทบต่อความสามารถในการจดจำและการเก็บรักษาประโยคและข้อความได้เช่นกัน^{[ 9 ]}

ความหนาแน่นของคำศัพท์คือสัดส่วนของคำเนื้อหา (คำศัพท์) ในบทสนทนาที่กำหนด สามารถวัดได้ทั้งในรูปอัตราส่วนของคำศัพท์ต่อจำนวนคำทั้งหมด หรือในรูปอัตราส่วนของคำศัพท์ต่อจำนวนองค์ประกอบโครงสร้างที่สูงกว่าในประโยค (เช่น อนุประโยค) ^{[ 2 ] [ 3 ]}คำศัพท์โดยทั่วไปคือเนื้อหาที่แท้จริง และรวมถึงคำนาม คำกริยา คำคุณศัพท์ และคำวิเศษณ์ องค์ประกอบทางไวยากรณ์โดยทั่วไปคือตัวเชื่อมและเส้นใยที่ถักทอเนื้อหาเข้าด้วยกัน และรวมถึงคำสรรพนาม คำสันธาน คำบุพบท คำนำหน้า และคำกริยาและคำวิเศษณ์บางประเภท^{[ 5 ]}

ความหนาแน่นของคำศัพท์เป็นหนึ่งในวิธีการที่ใช้ในการวิเคราะห์วาทกรรมโดยเป็นพารามิเตอร์เชิงพรรณนาที่แตกต่างกันไปตามระดับภาษาและประเภทของงานเขียน มีวิธีการมากมายที่เสนอสำหรับการคำนวณความหนาแน่นของคำศัพท์ในงานเขียนหรือคลังข้อมูลใดๆ ความหนาแน่นของคำศัพท์อาจกำหนดได้ดังนี้:

${\displaystyle L_{d}=(N_{\mathrm {lex} }/N)\times 100}$

ที่ไหน:

${\displaystyle L_{d}}$= ความหนาแน่นของคำศัพท์ในข้อความที่วิเคราะห์

${\displaystyle N_{\mathrm {lex} }}$= จำนวนโทเค็นทางคำศัพท์หรือไวยากรณ์ (คำนาม คำคุณศัพท์ คำกริยา คำวิเศษณ์) ในข้อความที่วิเคราะห์

${\displaystyle N}$= จำนวนโทเค็นทั้งหมด (จำนวนคำทั้งหมด) ในข้อความที่วิเคราะห์

ในปี 1971 ยูเรได้เสนอสูตรต่อไปนี้เพื่อคำนวณความหนาแน่นของคำศัพท์ในประโยค:

L _d = ⁠จำนวนรายการคำศัพท์/จำนวนคำทั้งหมด* 100

บิเบอร์เรียกอัตราส่วนนี้ว่า "อัตราส่วนประเภท-โทเค็น" ^{[ 10 ]}

ในปี พ.ศ. 2528 Halliday ได้แก้ไขตัวหารของสูตร Ure และเสนอวิธีการต่อไปนี้ในการคำนวณความหนาแน่นของคำศัพท์ในประโยค: ^{[ 1 ]}

L _d = ⁠จำนวนรายการคำศัพท์/จำนวนข้อความทั้งหมด* 100

ในบางสูตร ความหนาแน่นของคำศัพท์ที่ Halliday เสนอจะถูกคำนวณเป็นอัตราส่วนง่ายๆ โดยไม่มีตัวคูณ "100" ^{[ 2 ] [ 1 ]}

การวัดความหนาแน่นของคำศัพท์อาจแตกต่างกันไปสำหรับองค์ประกอบเดียวกัน ขึ้นอยู่กับว่า "รายการคำศัพท์" ถูกกำหนดอย่างไร และรายการใดถูกจัดประเภทเป็นคำศัพท์หรือเป็นรายการไวยากรณ์ วิธีการใดๆ ที่นำมาใช้ เมื่อนำไปใช้อย่างสม่ำเสมอในองค์ประกอบต่างๆ จะให้ความหนาแน่นของคำศัพท์ขององค์ประกอบเหล่านั้น โดยทั่วไป ความหนาแน่นของคำศัพท์ขององค์ประกอบที่เป็นลายลักษณ์อักษรจะสูงกว่าองค์ประกอบที่เป็นการพูด^{[ 2 ] [ 3 ]}ตามที่ Ure กล่าวไว้ รูปแบบการสื่อสารของมนุษย์ที่เป็นลายลักษณ์อักษรในภาษาอังกฤษโดยทั่วไปมีความหนาแน่นของคำศัพท์สูงกว่า 40% ในขณะที่รูปแบบการพูดมักมีความหนาแน่นของคำศัพท์ต่ำกว่า 40% ^{[ 2 ]}ในการสำรวจข้อความทางประวัติศาสตร์โดย Michael Stubbs ความหนาแน่นของคำศัพท์โดยทั่วไปของวรรณกรรมนิยายมีช่วงระหว่าง 40% ถึง 54% ในขณะที่วรรณกรรมที่ไม่ใช่นิยายมีช่วงระหว่าง 40% ถึง 65% ^{[ 3 ] [ 11 ] [ 12 ]}

ความสัมพันธ์และความใกล้ชิดระหว่างผู้เข้าร่วมในการสื่อสารเฉพาะเจาะจงส่งผลกระทบต่อความหนาแน่นของคำศัพท์ ตามที่ Ure กล่าวไว้ เช่นเดียวกับสถานการณ์ก่อนเริ่มการสื่อสารสำหรับผู้พูดหรือผู้เขียนคนเดียวกัน ความหนาแน่นของคำศัพท์ที่สูงกว่าในรูปแบบการสื่อสารที่เป็นลายลักษณ์อักษร เธอเสนอว่า ส่วนใหญ่เป็นเพราะรูปแบบการสื่อสารของมนุษย์ที่เป็นลายลักษณ์อักษรเกี่ยวข้องกับการเตรียมการ การไตร่ตรอง และการแก้ไขที่มากกว่า^{[ 2 ]}การสนทนาและการพูดคุยของมนุษย์ที่เกี่ยวข้องหรือคาดการณ์ถึงข้อเสนอแนะมักจะกระจัดกระจายและมีความหนาแน่นของคำศัพท์ต่ำกว่า ในทางตรงกันข้าม Stubbs และ Biber กล่าวว่า คำแนะนำ คำสั่งบังคับใช้กฎหมาย ข่าวที่อ่านจากข้อความแจ้งเตือนบนหน้าจอภายในเวลาที่กำหนด และวรรณกรรมที่ผู้เขียนคาดหวังว่าจะพร้อมให้ผู้อ่านอ่านซ้ำ มีแนวโน้มที่จะเพิ่มความหนาแน่นของคำศัพท์ให้สูงสุด^{[ 2 ] [ 13 ]}ในการสำรวจความหนาแน่นของคำศัพท์ของวัสดุที่พูดและเป็นลายลักษณ์อักษรในประเทศต่างๆ ในยุโรปและกลุ่มอายุต่างๆ Johansson และ Strömqvist รายงานว่าความหนาแน่นของคำศัพท์ของกลุ่มประชากรมีความคล้ายคลึงกันและขึ้นอยู่กับโครงสร้างทางสัณฐานวิทยาของภาษาแม่ และภายในประเทศ กลุ่มอายุที่สุ่มตัวอย่างก็แตกต่างกันด้วย ความหนาแน่นของคำศัพท์สูงสุดสำหรับผู้ใหญ่ ในขณะที่ความแปรผันที่ประเมินเป็นความหลากหลายทางคำศัพท์ ตามที่ Johansson ระบุไว้ มีค่าสูงกว่าสำหรับวัยรุ่นในกลุ่มอายุเดียวกัน (อายุ 13 ปี และ 17 ปี) ^{[ 14 ] [ 15 ]}

• การวิเคราะห์เนื้อหา  – วิธีการวิจัยสำหรับการศึกษาเอกสารและสิ่งประดิษฐ์ทางการสื่อสาร
• ความกระชับ  – หลักการเขียนที่ใช้คำน้อยหน้าเว็บที่แสดงคำอธิบายสั้น ๆ ของเป้าหมายการเปลี่ยนเส้นทาง
• โครงสร้างข้อมูล  – วิธีการจัดเรียงข้อมูลอย่างเป็นทางการภายในประโยค
• การแบ่งประเภทโทเค็นของเพียร์ซ  – การแยกแยะวัตถุและคลาสของวัตถุหน้าเว็บที่แสดงคำอธิบายสั้น ๆ ของเป้าหมายการเปลี่ยนเส้นทาง
• ความซับซ้อนของลำดับทางภาษาศาสตร์  – การวัด 'ความหลากหลายของคำศัพท์' ในลำดับยีน
• ความซับซ้อนของภาษา  – แนวคิดในทางภาษาศาสตร์

• Ure, J (1971). ความหนาแน่นของคำศัพท์และความแตกต่างของระดับภาษา ใน G. Perren และ JLM Trim (บรรณาธิการ), การประยุกต์ใช้ภาษาศาสตร์ , ลอนดอน: สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์ หน้า 443–452

• ความหนาแน่นของคำศัพท์ 'Textalyser'