从信息论的角度出发， 增加了一个竞争性的语序原则：目标元素可预测性的最大化，进一步完善了词序的数学理论。 然而依存长度的最小化与可预测性最大化之间存在矛盾，对于头的最大化可预测性，头应该出现在最后，这最大化了相对于依存长度最小化的成本。本文回顾了这种广泛的理论框架对于理解主语，宾语和动词 6 种可能排序的最优性，多样性和演化的影响。

May, 2017

通过将元素数量视为从奇数到偶数的前一个情况的过度，论文研究了在线存储成本的诸多方面，并证明将核心放在中心可以最小化在线内存成本。

Sep, 2013

这篇论文提出了一个基于语言学假设的单词顺序的数学模型，并指出单词顺序和记忆成本之间的交互具有进一步的研究深度。

Aug, 2014

通过空间网络将句子中单词的语法依赖关系表示为优化问题，引入新的评分方法来量化减少单词距离的认知压力，研究 93 种语言的句子，发现这种方法能准确评估大约一半的语言的优化水平，并对各个领域的语言研究提供了启示，特别是对网络科学有重要意义。

Jul, 2020

本研究针对印地语中的词序偏好，通过实证研究发现短语距离最小化策略，而非全局依存长度最小化策略，是更好的解释，同时，结果显示认知资源限制在自然语言形成中扮演着至关重要的角色。

Apr, 2023

考察了语篇可预测性对印地语句法选择的影响，发现信息状态和 LSTM-based 语篇可预测性对非规范的宾语前置语序选择有影响。

Oct, 2022

通过在印地语 - 乌尔都语树库 (Hindi-Urdu Treebank corpus) 中提取包含明确定义的主语和宾语的句子，并对这些句子的前谓语成分进行有系统的排列，我们测试了依赖长度最小化作为非典型 (OSV) 句法选择的重要预测因素的假设，尤其是在控制给定性和意外度等信息状态的情况下。研究结果显示，虽然非典型的原始语料库句子倾向于在生成的语料库变体中最小化依赖长度，但这一因素在辨别原始语料库句子时并没有显著贡献，超出意外度和给定性的衡量。值得注意的是，话语可预测性成为成分顺序偏好的主要决定因素。这些研究结果得到了 44 名母语为印地语的受试者的人工评价的进一步支持。总的来说，本研究揭示了期望适应在词序决策中的作用，并将结果置于话语产生和信息局部性理论之中。

May, 2024

本文讨论了语言学理论中的统计模型对词序的假设以及依存长度的测量单位和依存成本的单调性，并指出 Alday 在多个维度上的经济性关注为语言学研究提供了新方向。

Dec, 2014

本文提出了一种新的双指数模型，探讨了句子的句法结构和依赖距离分布及其与短期记忆限制之间的关系，并通过最近引入的优化分数，解释了最佳估计模型与句法依赖的紧密程度之间的关系。

Nov, 2022

本文探讨了语言处理中的单词顺序问题，并提出了基于语言学、心理语言学、计算语言学和自然语言处理的理论模型。进一步，为了优化处理单词最小化相关性，提出一种新的单词顺序，重点关注远距离依赖的人类和计算语言处理困难。最后探讨这些单词顺序对于人类语言和计算模型的影响。

Aug, 2021