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

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	高考3500
4	大学四级词汇+短语
6	大学六级
研	研究生考试
四	英语专业四级
八	英语专业八级
托	托福
雅	雅思
G3000	GRE 要你命3000
G宝	GRE 红宝书
G颠	GRE 巅峰词汇
G	GRE 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。

本帖隐藏的内容

链接: https://pan.baidu.com/s/1aq64Z9dpD7-UpGqYVrqS8g

lgmcw 发表于 2019-11-4 22:09
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 ...

御宅暴君 发表于 2020-4-21 23:54
短语的查询结果有点怪，按你的说法你的短语是基于 https://www.pdawiki.com/forum/thread-19820-1-1.html  ...