37万語のソート、ハッシュ、スケッチ：HyperLogLogが誤差2.71%で語彙数を推定

Sorting, hashing, and sketches on 370,103 words

Pythonのコアコンテナを実データで試す。dwyl/english-wordsリポジトリから取得した370,103語のユニークな英単語を、6種類のソート、4種類のハッシュ構造、4種類の確率的スケッチで処理し、時間とメモリを計測。結果、HyperLogLogは4,096レジスタで語彙数を誤差2.71%で推定した。データの特性（長い裾、高いOOV率）がアルゴリズム選択に与える影響も考察。