[3.6]iWeb词频词典:The 14 Billion Word Web Corpus

garypang · 发表于 2019-3-5 21:26:37

本帖最后由 garypang 于 2019-3-7 11:40 编辑

https://corpus.byu.edu/iweb/
全网独家首发

3.6更新：
已整合到我的另一本词典百宝箱词典 - The little dict 中

2018 年 5 月份发布的 iWeb 语料库和COCA出自同门,基于两千两百万 web pages 中的140亿词统计而来,是COCA的25倍,在数量级和新鲜度上都完胜COCA,此次共抓取了前6W条的词频排名,经对比,目测比COCA排名更合理,

后续看大家的需求程度和自己的时间安排决定是否抓取前2W条的完整版,主要是网站对IP限制太严格了,每个IP24小时内只能查询50条,这方面大家有什么好的想法欢迎和我交流.

大家自己用就好了,就不要转载和随意传播了,需要CSV版用于记单词的请私聊我,免得被人拿到淘宝上售卖,毕竟这个数据全网都没有的,源头在我,怕惹上什么麻烦,
售价50米,避免新用户白拿

详细介绍:
https://corpus.byu.edu/iweb/help/iweb_zh.pdf

本帖隐藏的内容

链接: https://pan.baidu.com/s/1Ng4P9wgr83LG9I6CrCDGTA 提取码: gary

eeshu · 发表于 2019-3-5 21:44:00

这是个新库，除了更大之外，还不太了解特色是什么。不清楚为何mark davies不继续跟进coca。谢谢gary

蜗牛慢吞吞 · 发表于 2019-3-7 15:03:30

The Little dictionary电脑端GD上有时会连续发出奇怪的声音，希望有版主能够优化一下，要是能合并COCA20000语料库词典(词频+搭配+词组+同义词)，还有童哥词根就更完美了
https://www.pdawiki.com/forum/fo ... 6orderby%3Ddateline
https://www.pdawiki.com/forum/fo ... 5%E8%AF%8D%E6%A0%B9

y8888 · 发表于 2019-3-6 07:34:32

本帖最后由 y8888 于 2019-3-6 07:49 编辑

收藏一个，这种有限制的站弄不下真不容易，感谢分享！
对了，看上了那个cluster，见图。这个东西不错，OCR书本后用它当查错很有用啊。不知楼主能否顺手抓下来。

woaini123 · 发表于 2019-3-5 21:32:34

感谢Garypang奉上又一大力作！！！辛苦啦，谢谢！！

atauzki · 发表于 2019-3-5 21:33:55

本帖最后由 atauzki 于 2019-3-5 21:41 编辑

这个貌似没有分语境的词频统计，像coca那样的fiction，spoken的吧

duancj · 发表于 2019-3-5 21:40:22

独家，感谢大侠分享

alanpoon · 发表于 2019-3-5 21:40:37

比COCA更合理？一直对词频有兴趣。

流星冲击 · 发表于 2019-3-5 21:41:16

6W词频，用过coca2w，看看这个怎么样，感谢分享。

trivialstuff · 发表于 2019-3-5 21:42:48

感谢大侠分享最新力作

yaknow · 发表于 2019-3-5 21:44:15

有价值，感激！

sexinsexppl · 发表于 2019-3-5 21:45:17

谢谢你的制作！好工具、辛苦了

hnmushroom · 发表于 2019-3-5 21:47:35

網頁語料庫非常真實呈現道地用字詞頻

鄉村大神 · 发表于 2019-3-5 21:49:54

哇噻...大大又一力作了，真是大家的福氣，這個詞頻感覺十分靠譜

thinkinginlast · 发表于 2019-3-5 21:50:37

多谢大神新作。要是有搭配，相较词频，更有实用性。

zongyyc · 发表于 2019-3-5 21:54:15

谢谢，下来看看

vtvt · 发表于 2019-3-5 21:56:11

谢谢你的制作！

elusty · 发表于 2019-3-5 21:57:24

本帖最后由 elusty 于 2019-3-5 22:19 编辑

真心不错，谢谢garypang.

不太清楚其中的FREQ是什么意思，一个常用词后面的数字是几十万，是使用次数吗？还是频率？

xiaorenhao · 发表于 2019-3-5 22:00:02

coca用的还是您做的，感谢分享。

Rjccc · 发表于 2019-3-5 22:01:24

谢谢。您的每一部作品都是巨作，价值不菲。

只看该作者 · 发表于 2019-3-5 22:07:16

数据来之不易，感谢分享。

hmm350014 · 发表于 2019-3-5 22:07:36

多谢你的分享，背单词超实用。

87537349 · 发表于 2019-3-5 22:11:52

厉害感谢garypang又一大作

[英英] [3.6]iWeb词频词典:The 14 Billion Word Web Corpus

本帖隐藏的内容

评分

本帖被以下淘专辑推荐:

点评