vocabulary_full提取的family（Antconc的lemma list格式）

lunarwildgoose · 发表于 2020-1-3 14:29:56

本帖最后由 lunarwildgoose 于 2020-1-3 14:35 编辑

Collins_1-5: words(15099)----经e_lemma_no_hypen处理后--->lemmas(12070)----经vocabulary_full_family处理后---->families(8912).
COCA60000: words(43322)----经e_lemma_no_hypen处理后--->lemmas(38681)----经vocabulary_full_family处理后---->families(24745).

bnu007 · 发表于 2020-1-4 16:26:18

没看懂这文件是啥，干啥用的。

lunarwildgoose · 发表于 2020-1-5 00:55:56

bnu007 发表于 2020-1-4 16:26
没看懂这文件是啥，干啥用的。

这个是在Antconc这个软件中作为lemmas list用的，就是把一个family中的所有的词都用它的关键词（类似家长）来统计，打开任意文本，就可以分析出这个文本中有多少个“词族”，各自出现的频率是多少，类似论坛里面说的COCA频数。vocubalary.com词典中有标识各个单词词条所在的词族成员，这个文件就是提取的这个内容。我看了下，它对词族的定义显然是很谨慎的---也就是很明确的语法上的屈折形式（例如名词复数形式，动词的第三人称单数、过去式、过去分词、现在分词）以及一些前后缀语义很明确的派生词，例如-ison，-ly等等，只要认识家长词，就肯定会认识成员词，从而只需要背那些家长词。不存在词根分析那种强模糊性。我倒是想在往词根分析那样整个同根词类，那样需要背的词就更少了，可这个不容易，没有统一标准。有什么经验也请赐教。

bnu007 · 发表于 2020-1-5 10:37:54

lunarwildgoose 发表于 2020-1-5 00:55
这个是在Antconc这个软件中作为lemmas list用的，就是把一个family中的所有的词都用它的关键词（类似家长 ...

原来如此，这对词频统计大有用处啊，谢谢大佬分享。

pLdyGd9AxHWk · 发表于 2020-9-21 08:14:37

有一些错误，词族没有空格分开，连成一个词了。

[英英] vocabulary_full提取的family（Antconc的lemma list格式）

评分

本帖被以下淘专辑推荐: