基于BNC笔语语料库,本文研究了八千万英语笔语的篇际词汇增长曲线,并对现有数学模型进行了拟合度检验。本文主要解决了关于篇际词汇增长的四个问题,即单独语篇的词汇量分布,八千万篇际词汇增长模型,篇际新增词汇的递减模式,以及新增词汇的词性分析。研究表明,长度约为2000单词的语篇词汇量呈正态分布,由此可以计算出语篇词汇量的95%双向置信区间值。在对八千万单词的语料样本进行了Brunet模型,Herdan-Heaps模型,Guiraud模型,Tuldava模型,以及K(?)hler,Martináková模型检验后,发现当语料样本大于五万单词而小于八千万词单词时,Herdan-Heaps模型能很精确的描述词汇增长曲线;而对于小于五万单词的语料样本,Tuldava模型则能很好的描述词汇增长曲线。篇际新增词汇随语料样本增大而呈现递减曲线,而这些新词在词性分布上有明显的特征。研究表明,除专有名词,阿拉伯数字,连字符构成的合成词,以及非单词字符会大大增加英语词汇量外,大量的普通名词,形容词,动词以及副词也是英语新增词汇的主要来源。这些单词都是造成词汇分布及词汇增长中LNRE现象的主要原因。