查看: 36749|回复: 262
打印 上一主题 下一主题

[英英] 【2015.05.14】COCA Frequency List【36万词频,基于4.5亿当代美式语料库】

    [复制链接]

该用户从未签到

40

主题

299

回帖

6503

积分

被盗用户

积分
6503

灌水大神章小蜜蜂章笑傲江湖章

跳转到指定楼层
1
发表于 2015-5-8 22:56:15 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
本帖最后由 cracode 于 2015-5-14 20:31 编辑

Corpus of Contemporary American English Frequency List

The following word list contains approximately 500,000 word forms and part of speech, which appear at least four times in the 410 million words Corpus of Contemporary American English (COCA) [http://www.americancorpus.org].

The Corpus of Contemporary American English (COCA) is the largest freely-available corpus of English, and the only large and balanced corpus of American English. The corpus was created by Mark Davies of Brigham Young University, and it is used by tens of thousands of users every month (linguists, teachers, translators, and other researchers). COCA is also related to other large corpora that we have created.

The corpus contains more than 450 million words of text and is equally divided among spoken, fiction, popular magazines, newspapers, and academic texts. It includes 20 million words each year from 1990-2012 and the corpus is also updated regularly (the most recent texts are from Summer 2012). Because of its design, it is perhaps the only corpus of English that is suitable for looking at current, ongoing changes in the language (see the 2011 article in Literary and Linguistic Computing).


The version of the corpus used for this word list is the version from January 2011, which contains texts up through June 2010.
•Only those forms that occur four times or more in the corpus are listed here, but COCA contains all word forms and PoS.
•The list is not case-sensitive, so for example [Brown] and [brown] are grouped together. Often, however, these can be distinguished by the part of speech tag [np1] for proper nouns, e.g. "brown np1" or "bush np1".
•We did not create the part of speech tagger (CLAWS), but rather it was developed at Lancaster University (UK): http://ucrel.lancs.ac.uk/claws/
•For help with the part of speech codes, see the explanations at: http://ucrel.lancs.ac.uk/claws7tags.html.
•See also the explanation (at the bottom of that page) for PoS tags with two numbers (e.g. [out ii21] or [well ii32])
•The tagger often generates two or more possible PoS tags for a given word in a given context (e.g. "and *cuts
•in").
While COCA contains all possibilities, only the first / most probable tag is used for this frequency list. •Lower frequency forms are obviously much less accurate than higher-frequency forms. In other words, lower frequency forms contain errors. We already know this; this is the way taggers work. There is no need to contact us or the CLAWS tagger team to let us know about these forms.
•For similar lists from the British National Corpus (100 million words, 1980s-1993) — also based on CLAWS — see:
http://ucrel.lancs.ac.uk/bncfreq/flists.html
http://www.kilgarriff.co.uk/bnc-readme.html






数字是词频的排名,即数字越小,越常见,数字越大,越罕见。
不同词性词形按从高到低列出。如smooth一词,作形容词用的频率最高,其次是动词和名词。

链接: http://pan.baidu.com/s/1dDIWDET 密码: pg2t

评分

2

查看全部评分

本帖被以下淘专辑推荐:

  • TA的每日心情
    开心
    2018-1-4 21:41
  • 签到天数: 1 天

    [LV.1]初来乍到

    0

    主题

    86

    回帖

    589

    积分

    举人

    Rank: 4

    积分
    589
    推荐
    发表于 2015-5-10 18:43:06 | 只看该作者
    密码要反选后才能显示出来,因为楼主把文字设成了白色。
  • TA的每日心情
    开心
    2018-8-8 16:59
  • 签到天数: 1 天

    [LV.1]初来乍到

    2

    主题

    40

    回帖

    358

    积分

    秀才

    Rank: 3Rank: 3

    积分
    358
    推荐
    发表于 2016-6-26 16:31:42 | 只看该作者
    研究了下以后发现类似preformatted(某个HTML语句),Saddam Hussein(萨达姆·侯赛因)等不少人名地名以及过时热门词都可以排入常用的3000词以内。
    可见36万词频表仅仅是官方对所谓4.5亿COCA语料库粗略加工后的产品。
    在本该囊括最常用单词的前10000词频的数据中含有不少对学习者来说没什么参考价值的单词信息。
    另外网上早有的2W词频表内也有不少单词的词频不符合日常学习中的主观感觉。
    看来英美学者对于词频这个学习语言的重大参考工具并没有下力气去收集整理研究。
    期待更有参考价值的资料放出。
  • TA的每日心情
    开心
    2018-8-8 16:59
  • 签到天数: 1 天

    [LV.1]初来乍到

    2

    主题

    40

    回帖

    358

    积分

    秀才

    Rank: 3Rank: 3

    积分
    358
    推荐
    发表于 2016-6-26 16:36:49 | 只看该作者
    notsolate 发表于 2016-2-21 15:03
    这个词频文件中单词的数据和COCA 6W那个差距有点大呀,能清楚源数据就好了。

    我搜了preformatted这个词。两个词频表都显示这个词的词频在2500左右。这样可以确定6W和36W的语料库是同一个。
  • TA的每日心情
    开心
    2019-7-5 07:32
  • 签到天数: 57 天

    [LV.5]常住居民I

    31

    主题

    232

    回帖

    2810

    积分

    解元

    Rank: 5Rank: 5

    积分
    2810
    4
    发表于 2015-5-8 23:06:37 | 只看该作者
    谢谢分享,楼主辛苦了。
  • TA的每日心情
    开心
    7 小时前
  • 签到天数: 1123 天

    [LV.10]以坛为家III

    0

    主题

    1458

    回帖

    1万

    积分

    状元

    Rank: 9Rank: 9Rank: 9

    积分
    18331
    5
    发表于 2015-5-9 03:08:08 | 只看该作者
    这个真是非常好的资料,谢谢楼主!
  • TA的每日心情

    2018-6-16 00:08
  • 签到天数: 197 天

    [LV.7]常住居民III

    16

    主题

    1663

    回帖

    6575

    积分

    禁止发言

    积分
    6575

    小蜜蜂章笑傲江湖章灌水大神章

    6
    发表于 2015-5-9 07:40:07 | 只看该作者
    又来一个制作大侠,强烈支持哈,感谢呢。

    该用户从未签到

    4

    主题

    1155

    回帖

    4081

    积分

    贡士

    Rank: 6Rank: 6

    积分
    4081

    灌水大神章小蜜蜂章笑傲江湖章

    7
    发表于 2015-5-9 08:15:09 | 只看该作者
    Thank you very much!

    该用户从未签到

    2

    主题

    136

    回帖

    687

    积分

    举人

    Rank: 4

    积分
    687
    8
    发表于 2015-5-9 10:18:37 | 只看该作者
    谢谢分享,楼主辛苦了。

    该用户从未签到

    2

    主题

    136

    回帖

    687

    积分

    举人

    Rank: 4

    积分
    687
    9
    发表于 2015-5-9 10:21:14 | 只看该作者
    怎么才能看到密码呀?新手

    该用户从未签到

    0

    主题

    17

    回帖

    75

    积分

    白身

    Rank: 1

    积分
    75
    10
    发表于 2015-5-9 10:48:15 | 只看该作者
    这个可以算作大数据分析后的经典词频作品了。

    该用户从未签到

    3

    主题

    126

    回帖

    957

    积分

    举人

    Rank: 4

    积分
    957
    11
    发表于 2015-5-9 11:14:58 | 只看该作者
    佩服佩服!非常感谢

    该用户从未签到

    10

    主题

    247

    回帖

    1057

    积分

    解元

    Rank: 5Rank: 5

    积分
    1057
    12
    发表于 2015-5-9 11:39:23 | 只看该作者
    我想问的是这个有什么用???
  • TA的每日心情
    开心
    2018-1-4 21:41
  • 签到天数: 1 天

    [LV.1]初来乍到

    0

    主题

    86

    回帖

    589

    积分

    举人

    Rank: 4

    积分
    589
    14
    发表于 2015-5-9 23:52:59 | 只看该作者
    这是什么词频
  • TA的每日心情
    开心
    2018-1-4 21:41
  • 签到天数: 1 天

    [LV.1]初来乍到

    0

    主题

    86

    回帖

    589

    积分

    举人

    Rank: 4

    积分
    589
    15
    发表于 2015-5-9 23:53:44 | 只看该作者
    好像无法显示密码
  • TA的每日心情
    难过
    2020-2-18 14:09
  • 签到天数: 1 天

    [LV.1]初来乍到

    5

    主题

    73

    回帖

    407

    积分

    秀才

    Rank: 3Rank: 3

    积分
    407
    16
    发表于 2015-5-10 02:35:56 | 只看该作者
    好东西谢谢

    该用户从未签到

    0

    主题

    81

    回帖

    229

    积分

    秀才

    Rank: 3Rank: 3

    积分
    229
    19
    发表于 2015-5-10 06:11:09 | 只看该作者
    楼主威武,不容易,多谢分享!
  • TA的每日心情
    开心
    2018-1-27 00:16
  • 签到天数: 1 天

    [LV.1]初来乍到

    99

    主题

    1477

    回帖

    3万

    积分

    翰林院孔目

    Rank: 10Rank: 10Rank: 10

    积分
    35504

    灌水大神章小蜜蜂章笑傲江湖章翰林院专用章管理组专用章

    22
    发表于 2015-5-12 10:32:30 | 只看该作者
    谢谢分享,楼主辛苦了。
  • TA的每日心情
    无聊
    前天 09:58
  • 签到天数: 591 天

    [LV.9]以坛为家II

    0

    主题

    876

    回帖

    9989

    积分

    进士

    Rank: 8Rank: 8

    积分
    9989

    灌水大神章

    23
    发表于 2015-5-13 21:20:29 | 只看该作者
    陌生与熟悉词频说了算
  • TA的每日心情
    开心
    2020-9-6 04:53
  • 签到天数: 212 天

    [LV.7]常住居民III

    3

    主题

    469

    回帖

    7926

    积分

    会元

    Rank: 7Rank: 7Rank: 7

    积分
    7926
    24
    发表于 2015-5-14 16:25:25 | 只看该作者
    我刚在知乎看到有人讨论COCA词频。
    lz发的正是时候啊,十分感谢!
  • TA的每日心情

    2018-6-16 00:08
  • 签到天数: 197 天

    [LV.7]常住居民III

    16

    主题

    1663

    回帖

    6575

    积分

    禁止发言

    积分
    6575

    小蜜蜂章笑傲江湖章灌水大神章

    25
    发表于 2015-5-15 13:00:47 | 只看该作者
    有更新了哈,马上下载的哈。