掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 29602|回复: 2145

[英英] ⚜100W词频(含20W短语)[BNC+COCA+iWeb] + 1011m发音库(英美音)2020-10-25

    [复制链接]
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

    发表于 2019-10-7 11:24:50 | 显示全部楼层 |阅读模式

    从2014年第一次开始做BNC词频的mdx算起已经过去好多年了,论坛老前辈们应该是见证了它一点点变完善
    2019年,词头数拓展到了100W,词频信息遍历几乎整个语料库。

    发音文件来自huge大的1011m发音库。

    2020-10-25更新,融合COCA 6W和COCA 50W的数据,常用词的COCA词频更准确易用。
    2019-11-01重要更新,增加20W短语词频,总词数达到100W。

    词频信息:
    COCA 是genre balanced的美语语料库(4.5亿),只有美式拼法。稍稍偏向于小说和报刊。
    BNC 为英国国家语料库,规模相对较小(1.0亿),但入选材料质量极高。
    iWeb 语料库因为新技术加成,规模十分惊人(140亿),是通过抓取数万个最新网页内容制成。非常与时俱进,收入了大量新潮用法、基础学术用词、新兴科技IT用词。
    Economist 经济学人的库最小,词频统计来自发布的历届杂志;想必通读这本杂志是很多人学习英语的一个目标,所以也很有参考性。
    ANC 价值不及以上诸位,在这一版被拿掉了。
    20W短语词频来自于zhu1234的个人积累和统计。

    设计语言:
    一切以极简实用为出发点。gary大的the little dict也很好。但是我尝试做一个更紧凑轻量的东西。另外,无任何js脚本,性能也非常好。
    其实这本词典包含了我很多个人化的东西。很多幕后的细节,包括一些词表的选择,都是来自我个人的积累。希望你们也觉得好用。



    考试词表简介:
    加入了牛津3000小钥匙和考试词表信息。各级别单词一目了然。所有的词表+柯林斯星星基本上是四万单词出头,这就是受过高等教育的英语母语人士掌握的词汇水平。

    小钥匙牛津核心3000词表
    高考3500
    4大学四级词汇+短语
    6大学六级
    研究生考试
    英语专业四级
    英语专业八级
    托福
    雅思
    G3000GRE 要你命3000
    G宝GRE 红宝书
    G颠GRE 巅峰词汇
    GGRE 其他








    柯林斯星星简介:
    添加柯林斯0-5星单词,一共6级。其中0星单词经常被人忽略,但我认为对英语进阶价值极高。附上我原来在扇贝网发过的一段话:
    柯林斯找出了英文中最常用的3万3千词,标记为5星至0星。这个词频统计非常实用,原因是柯林斯拥有庞大的并十分接地气的语料库。因此背完单词用不上的情况基本可以杜绝了。这里的星级词汇提取自柯林斯Collins Cobuild第三版官方光盘。

    ★★★★★ 5星词汇,有很多动词短语。源列表5星词汇共有1352个,词频是最常用的0001~1353。

    ★★★★☆ 4星词汇。源列表4星词汇共有1388个,词频是最常用的1354~2741。

    ★★★☆☆ 3星词汇。源列表3星词汇共有1831个,词频是2742~4572。

    ★★☆☆☆ 2星词汇。源列表2星词汇共有3407个,词频是4573~7979。

    ★☆☆☆☆ 1星词汇。源列表1星词汇共有8228个,词频是7980~16207。

    ☆☆☆☆☆ 0星词汇。柯林斯源列表0星词汇共有17122个,词频是16208~33328。

    因为选词很接地气,里面甚至有很多口语化,生活化,英美常识文化的东西,以及一些十分地道的固定搭配,新潮短语。是想达到35000水平却又不愿意背偏词怪词的同学们不可多得的词表。

    举例0星词里的a la carte,在其他词表无论如何都背不到的,但是在外文菜单上极为常用,意思是点餐时按菜单单点;对应的table d'hote,意思是按套餐点餐。

    Update: 第三版原有的星级词汇用橙色星星标识,第五版及之后新增补的星级词汇用蓝色星星标识,低于0星标准的(3万以外)用灰色星星标识。



    词频数字解释:
    本词典列出的数字通常是这个词在这个语料库里的排名,数字越小排名越靠前,这个词就越常用。如果语料库不够大,经常会有相同词频(单词在语料库中出现的次数)挤了好几万个单词的情况,就像高考差一分拉下来几千人一样。这时候精确的排名就不是很重要的了。所以BNC词频12以下,经济学人词频10以下,短语词频9以下,我会在方括号内标出词频,并且在排名后面用+号表示他们并列在某一排名。



    Reference:
    BNC资源来自于:afreeelf - BNC 词频(含标点)txt
    COCA资源来自于:cracode -【2015.05.14】COCA Frequency List【36万词频,基于4.5亿当代美式语料库】
    iWeb资源来自于:garypang - [3.6]iWeb词频词典:The 14 Billion Word Web Corpus
    20W短语来自于:zhu1234 - 英语短语词组频率词典EPFD v3【20170208】
    发音文件来自huge大的1011m发音库,英音主要是朗文,美音是韦氏,后面的曲折变形发音来自柯林斯。

    特别说明:
    词频数据本来是分词性分义项单独排名的。为了极简设计,我只取排名最高的一项,舍去其余项。这样的话很多排名就空出来了。另外有很多标点符号和无用的数字词头,我都手动去除。获得洗干净的词头后,我在再按先后重新排名,所以每个词的排名就会比原始数字小一点。总结起来,我制作的排名是一个单词最常用意思的排名。纯粹是为了平时查的时候方便看,不用过脑子。所以不要用于严谨的学术参考,如果有所误导,请见谅。

    更新日志:
    2020-10-25更新
    1. 修正xiaorenhao在置顶评论里提出的COCA数据差异问题。现在版本深度融合了COCA 6W词频和COCA 50W词频,对6W前词频的词汇的统计做到了曲折还原后再统计,力求使常见词的词频更加准确易用。
    2. 增加少量IMDB电影字幕词频。取自gary大的数据
    2019-11-01更新
    1. 增加20W短语词频,总词数达到1000228。
    2. 增加GRE巅峰词汇列表
    3. 增补柯林斯第五版增加的星级词汇(整理自FF柯林斯)。第三版原有的星级词汇用橙色星星标识,新增补的星级词汇用蓝色星星标识,低于0星标准的(3万以外)用灰色星星标识。
    2019-10-10更新
    1. 增加移动版,手机平板用户请下载移动版使用。
    2. 增加机制以防止点击弹出第三方看图程序。
    2019-10-9更新
    1. 修正不应该的大小写单词合并问题,现在全部分开。词头因此增加到807554。
    2. 全部更换高清图标
    3. 现在所有情况均能显示词头
    4. 移动端显示更compact
    5. 把音频文件单列为1.mdd,并且css也外置了一份,方便不需要音频坛友客制化。
    游客,如果您要查看本帖隐藏内容请回复


    购买主题 已有 1453 人购买  本主题需向作者支付 90 粒米 才能浏览

    本帖被以下淘专辑推荐:

  • TA的每日心情
    开心
    2020-4-12 13:04
  • 签到天数: 453 天

    [LV.9]以坛为家II

    发表于 2019-11-5 11:01:42 | 显示全部楼层
    本帖最后由 xiaorenhao 于 2019-11-5 13:03 编辑 1 B9 C$ _0 w+ q  L1 D( J
    lgmcw 发表于 2019-11-4 22:09
    - X9 s9 O* j$ p3 T9 u" T觉得异常的词汇可以大概多列几个吗,我参考一下。因为COCA在2011年没有给英式拼法优化,很多异常可能是拼 ...
    7 F8 H1 C: P/ g+ x* A9 E6 V
    论坛里的图片功能不好用,我列举几个可疑的常见单词:/ Z7 X% d6 S; l/ d
    coca2w是指官方2w词排序,100w是指L大您制作的词频词典
    % L* ^0 p: H$ k. l% Y4 V, d$ G+ [  [2 [4 C8 o
    insist   高中词汇  coca2w 1363 v.        100w中coca排序  76694 ~/ A3 Y7 D7 m2 \! I1 ^! [9 b
    inspect 高中词汇  coca2w 5082 v.       100w中coca排序   16695

    ) Y: p0 g( {. n7 T5 ireckon 六级词汇  coca2w  8695 v.       100w中coca排序   24672
    6 p( z! h. P$ ?9 y3 `0 ^5 x) Vrebuke 四级词汇  coca2w 18859 v.     100wcoca排序      33067
    0 B4 Y- i  ?! m7 E8 ^, D6 j3 L% f
    scold  四级词汇 coca2w  10479 v.        100w中coca排序  49378
    0 t  U4 g1 |) B: z9 {8 oaddict 四级词汇 coca2w  6173 n;         100W 中coca排序 14290 % E' R' Y* `0 y8 K* @9 O4 H
    abide 考研词汇  coca2w  8613 v.         100w 中coca排序 175787 W) m# J& s# p: Y  ~! ]
    impetus 六级词汇 coca2w 9580 n.       100w 中coca排序  14551$ j5 i+ A* H" |% _0 X0 \
    tackle  四级词汇 coca2w  4136 v.        100w 中coca排序  9242  v& y7 ^4 r, E; M- c
    ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
    - D& F  O' A. X' R大体上看:
    0 n6 d0 m/ L2 D( ?$ B* W官方排序在4000以后的,100w排序在7000以后,
    3 A" O/ \5 ]9 t( V) J) i3 g! p官方排序在1w左右的,100w排序在3万以后" {$ l  v+ }3 Z
    经过多番对比,论坛中的COCA2w,和COCA 6w的数据是比较符合实际情况的,建议采纳coca6w,
    6 Q4 V" }. p5 u: K1 n- X" c毕竟超过6w,查不到词频,问题不大了。+ d- T8 M) {0 z( l9 g& c
    7 ?" Q8 p! _# u: P3 [& @2 Z

    ! B0 l" o0 s& e! W) Q) e: P) C, @1 r1 {* U4 c2 K' c/ s% B2 Y9 q

    6 W2 ?6 Q2 x8 p9 f/ b: `2 I+ [5 _! W( Z+ g4 ]' ]

    点评

    已在2020-10-25更新中解决此问题。  发表于 2020-10-25 11:59
    您这个COCA 2W的来源? 上述所列的案例词频不同于《COCA 20000 - A Frequency Dictionary of Contemporary American English.pdf》  发表于 2020-4-17 00:44
    请问如何安装?安装在什么目录下?  发表于 2019-12-11 02:03
  • TA的每日心情
    开心
    昨天 08:14
  • 签到天数: 599 天

    [LV.9]以坛为家II

    发表于 2019-10-9 16:18:34 | 显示全部楼层
    lgmcw大大,真的是非常厉害的人呀~~~
  • TA的每日心情
    开心
    前天 09:18
  • 签到天数: 836 天

    [LV.10]以坛为家III

    发表于 2019-10-8 08:32:32 | 显示全部楼层
    楼主的作品都能担上盛世美颜。6 @! O! ~1 H% l
    这部好实用。感恩!!
  • TA的每日心情
    开心
    昨天 17:11
  • 签到天数: 560 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:59:01 | 显示全部楼层
    感谢楼主制作。+ `' K3 Q; R3 U9 K" k* @! }

    1 ]' i! Q9 C9 L; B/ `, i5 \更多词频讨论见& M! N8 m: @; W" U
    ★英英学習型词典的词频标示判读心得, K5 U( s; u, x" G  G: {5 ?
    https://www.pdawiki.com/forum/thread-21736-1-1.html?x=1805074 a7 k2 u, n1 k% G3 T& E

    点评

    很好的总结  发表于 2019-10-8 15:53
  • TA的每日心情

    2020-7-9 11:09
  • 签到天数: 517 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:48:59 | 显示全部楼层
    l大的各个作品都可称精品,一直在用
  • TA的每日心情
    奋斗
    2020-11-1 12:16
  • 签到天数: 186 天

    [LV.7]常住居民III

    发表于 2020-10-26 23:51:07 | 显示全部楼层
    感谢更新!一直在用您的词典,放在第一位已经离不开了!
  • TA的每日心情
    开心
    昨天 08:18
  • 签到天数: 96 天

    [LV.6]常住居民II

    发表于 2020-7-13 15:48:26 | 显示全部楼层
    谢谢分享,那个 四级、六级到专八、托福、雅思的注释很有用,
  • TA的每日心情
    奋斗
    2020-11-15 11:37
  • 签到天数: 249 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-21 04:04:44 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-22 01:59 编辑
    3 G/ i0 _* }9 K  N  F
    你去哪里 发表于 2019-10-20 11:45
    $ B5 Z8 m: v6 y# n! f7 z& {这些排名差异很大啊,还有楼主,柯林斯五星词频各自的数量有权威的来源吗?我以前见到的五星好像是六百多个 ...

    , n! I# ]& c  d, H: x2 I3 g) y# y  h$ V5 a; w2 I: d0 k  S8 K9 \; n* N
    关于柯林斯,我这里直接统计自cobuild第三版词典内容本身,至于官方说的600+五星词汇,那是只算了普通词头,所有带星的动词短语等都没有计入。有疑问的,可直接私信索要我统计用的柯林斯词典第三版txt。
    & k. C$ T3 S9 w2 D" D( L! G, \/ b8 @1 v$ B2 Q
    至于排名差异,没有差异的话也就没必要费劲做好几个corpus来对比使用了。举个例子,为什么iWeb里的azure比其他三者高这么多,因为microsoft Azure,其他几个语料库是不会检索到的。有时候要多想想背后的原因。2 b: d* h7 B, H, C+ C7 D; h, H

    ( u+ V  Q  N7 j3 N) h+ Z( _+ A9 w
  • TA的每日心情

    2019-2-16 11:33
  • 签到天数: 56 天

    [LV.5]常住居民I

    发表于 2019-10-16 14:58:13 | 显示全部楼层
    谢谢分享,那个 四级、六级到专八、托福、雅思的注释很有用,多谢
  • TA的每日心情
    奋斗
    2020-4-30 10:37
  • 签到天数: 45 天

    [LV.5]常住居民I

    发表于 2019-10-11 23:00:09 | 显示全部楼层
    解决需求,棒!
  • TA的每日心情
    无聊
    1 小时前
  • 签到天数: 492 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:33:17 | 显示全部楼层
    很实用,感谢分享
  • TA的每日心情
    开心
    前天 10:12
  • 签到天数: 127 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:34:57 | 显示全部楼层
    thanks for your hard work.
  • TA的每日心情
    奋斗
    2020-11-8 03:51
  • 签到天数: 274 天

    [LV.8]以坛为家I

    发表于 2019-10-7 11:35:19 | 显示全部楼层
    谢谢楼主分享大部头
  • TA的每日心情
    开心
    2018-10-23 09:01
  • 签到天数: 153 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:37:02 | 显示全部楼层
    谢谢分享,非常实用。
  • TA的每日心情
    无聊
    昨天 09:50
  • 签到天数: 390 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:41:30 | 显示全部楼层
    感谢分享,辛苦了
  • TA的每日心情
    开心
    2020-11-10 14:17
  • 签到天数: 580 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:43:28 | 显示全部楼层
    支持l大,又创佳作!
  • TA的每日心情
    开心
    2020-2-28 02:55
  • 签到天数: 143 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:43:43 | 显示全部楼层

    1 C& l4 ~7 X/ _7 I5 L9 W: A- O很实用,感谢分享
  • TA的每日心情

    昨天 21:28
  • 签到天数: 427 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:46:02 | 显示全部楼层
    太厉害了,谢谢
  • TA的每日心情
    慵懒
    2020-5-9 20:21
  • 签到天数: 155 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:48:57 | 显示全部楼层
    感谢l大分享,非常不错的资源
  • TA的每日心情

    2020-11-14 17:43
  • 签到天数: 365 天

    [LV.9]以坛为家II

    发表于 2019-10-7 11:56:54 | 显示全部楼层
    这个太经典了,万谢!
  • TA的每日心情
    难过
    昨天 07:22
  • 签到天数: 817 天

    [LV.10]以坛为家III

    发表于 2019-10-7 11:58:48 | 显示全部楼层
    又出精品了!谢谢大咖的分享!
  • TA的每日心情
    开心
    2019-10-7 13:19
  • 签到天数: 220 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:59:09 | 显示全部楼层
    谢谢分享,制作精良!
  • TA的每日心情
    擦汗
    2020-11-12 00:08
  • 签到天数: 177 天

    [LV.7]常住居民III

    发表于 2019-10-7 11:59:21 | 显示全部楼层
    感谢L大制作的又一部特色精品!!
  • TA的每日心情

    6 天前
  • 签到天数: 229 天

    [LV.7]常住居民III

    发表于 2019-10-7 12:02:36 | 显示全部楼层
    感谢楼主大大的分享~~~
  • TA的每日心情
    开心
    2020-9-28 15:50
  • 签到天数: 89 天

    [LV.6]常住居民II

    发表于 2019-10-7 12:03:47 | 显示全部楼层
    谢谢分享nice dict

    该用户从未签到

    发表于 2019-10-7 12:08:35 | 显示全部楼层
    谢谢楼主分享
  • TA的每日心情
    奋斗
    6 天前
  • 签到天数: 743 天

    [LV.9]以坛为家II

    发表于 2019-10-7 12:10:35 | 显示全部楼层
    看看这个,感谢楼主制作和分享
  • TA的每日心情
    无聊
    1 小时前
  • 签到天数: 492 天

    [LV.9]以坛为家II

    发表于 2019-10-7 12:11:56 | 显示全部楼层
    mdict下只显示数字,不显示相关词库名称
  • TA的每日心情
    奋斗
    昨天 17:09
  • 签到天数: 661 天

    [LV.9]以坛为家II

    发表于 2019-10-7 12:15:25 | 显示全部楼层
    这个看来也不错
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    顶部qrcode底部
    关注掌上百科官方微信公众号送积分
    关注掌上百科官方微信公众号
    关注微信公众号 pdawiki,获取邀请码,看文抢积分,抽奖得浮云! Follow our Wechat official account "pdawiki", get invitation codes, and play the lottery to earn points (积分)!

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2020-11-25 01:56 , Processed in 0.654165 second(s), 12 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2020, Tencent Cloud.

    快速回复 返回顶部 返回列表