[经验心得] 词表大比较

所有词表大比较

## COCA

美国一九九〇年至今的当代语料库，充分覆盖了出版物。但网络上该词表来源多到混乱。有必要先理清。

首先看官方，必须明确官网其实有两种词频表，一个是大家都熟悉的 COCA，其词表又有[三个形式](https://www.wordfrequency.info/purchase.asp)，即数量分别为 5000，20000，60000，其中 5000 免费。 该 COCA 表会在 part of speech 彼此独立的前提下，计所有常规形态变化为同一个单词。但另一种词表 COCA+ 100000 就[不一样](https://www.wordfrequency.info/100k_compare_to_60k_etc.asp)了，不光把所有常规形态变化都独立看待，而且还结合了其他语料库 CHAE，BNC，CASO。此外官网有个比较坑的地方是没说清楚 COCA+ 100000 和 COCA 很不一样，甚至有时候连加号都省略了，那个卖词表的网页就如此。

于是论坛上不同人拿着不一样的词频表做并自称 COCA 词表，我估计其中有些人都没搞清楚他所以为的 COCA 其实是 COCA+ 100000. 也难怪有人提问[为什么词频不一样](https://www.pdawiki.com/forum/thread-32878-1-1.html)。

好在官网有 sample，我自己拿 sample 的 rank 在所有论坛 COCA 词表都试了一遍。结论如下：

首先 COCA 官网的 sample rank/freq 与论坛对应 COCA 词表都会有细微的差异，我猜因为官网每年都会更新词表。好在这影响微乎其微。

基于 COCA 的有 [fuxy526 2016 年制作的 COCA Frequency 60000](https://www.pdawiki.com/forum/thread-15540-1-1.html4) 忠实保留了 part of speech 分别独立的形式，且能显示 genre 分布表格。

2015 年，cracode 基于 COCA+ 100000 制作了[号称 36 万词频的表](https://www.pdawiki.com/forum/thread-13667-1-1.html)

2015 年，jijizhazha 又基于 cracode 的基础上制作了 [BNC+ANC+COCA 词频](https://www.pdawiki.com/forum/thread-12840-1-1.html)，GitHub 上的 ZZ WordFreq 项目也是它，但当事人把 part of speech 彼此独立的特点抛弃掉了，即针对每一个单词只取最常用 part of speech 的那部分，重新排名。当事人被盗号后，又以 lgmcw 名称 先后于 [2016 年更新词频](https://www.pdawiki.com/forum/thread-13348-1-1.html)，于 [2018 年追加 Sound 发音库，优化排版] 和 [2019 年抛弃 ANC，新增 Economist 和二十万短语词频，Oxford 3000，各种考试词表](https://www.pdawiki.com/forum/thread-36345-1-1.htm)更新该词表。如果该最新词表能彼此独立对待 part of speech，并给出每个词表的准确来源，就太完美了。

对于有志深入美国文化的学生，该 COCA 有非常高的参考价值。可惜正规渠道需要花钱买表，民间来源就上面那些了。即 COCA Frequency 60000，ZZ WordFreq（淘汰），BNC+ANC+COCA（淘汰），Sound+ANC+BNC+COCA（淘汰），Sound++。

## 简明英汉字典增强版

也有 COCA 词表，应该也基于 COCA 而制作，其词频和 fuxy526 2016 的 COCA Frequency 60000 并不一样，大概是因为制作年份不同的缘故。此外还列出了是否为中考高考四级六级考研雅思托福GRE词汇。[来源欠透明](https://github.com/skywind3000/ECDICT/issues/52)。由于 Sound+BNC+COCA+iWeb 已包含考试词表，该字典可以只作为备用英汉字典而排在后面。

## wordtag.py

我自己在 GitHub 上拿来在 Goldendict 上用的[脚本](https://github.com/BlairXie/spider) ，可以显示单词属于什么考试范围，原理就是爬欧陆词典在线网站的数据，后者的词表来源当然不明。淘汰。

## Oxford 3000/5000 以及其他表

我爱死牛津了，[该词表对初学者特别友好](https://zhuanlan.zhihu.com/p/75513302)。

## 其他词表
大学四六级其实官方考试大纲就有[精确的词表](http://cet.neea.edu.cn/html1/folder/16113/1588-1.htm)；考研英语考试大纲懒得去找了，反正我也不会去考。

网上很多雅思托福词表的来源欠清楚，包括 Sound++

Sound++中的 BNC 可谓 Britain English 语料库；iWeb 是网络最大最新的语料库，偏流行；Economist 顾名思义。

其实官方 Economist [有 GRE 词表](https://gre.economist.com/)，似乎可是并没有公开发表，需要自己付费去学习。

我自己找了 Word Made Power Easy 的词表，可是网上公开的似乎都不全。

我自己还针对我私人的 Calibre 书库和 Zotero 文献编写了脚本，可以列出关键词在 Calibre 在读或已读中的所有出处，以及在 Zotero 文献出现的次数。可谓个性化词表。以后可能会发布。但只能在 Linux 上用，别抱太大期待。

johannhuang 发表于 2019-12-18 00:22
挺赞楼主这种严谨的劲儿的，相对于官方维护的正版资源或者学术资源，民间资源（中间很多涉及版权问题）详细 ...