从几个词的词频看《辞海》的过去和未来

klwo2 · 发表于 2020-5-10 00:19:13

本帖最后由 klwo2 于 2020-5-10 00:16 编辑

《辞海》是一套历史面貌比较复杂的综合性辞典：

中国规模最大的综合性辞典。1936年由中华书局编纂出版，舒新城等主编。1957年毛……决定修订，1965年出版“未定稿”两卷，先后出版《辞海》的1979年版、1989年版、1999年版和2009年版。

我决定从一个比较独特的角度来看这些版本。对《辞海》稍有了解的朋友就知道，中国大陆的《辞海》，少不了各种「唯物主义」「唯心主义」的文字。先看一下下列词语在1936年版《辞海》全文中的词频：

我把教育部国语辞典的词频也放上来了，原因是它的规模和辞海很近，有语词、有百科，碰巧也有全文搜索。

教育部国语辞典和1936年版《辞海》词频很近，除了「剥削」「镇压」词频偏高，大概是因为这俩词语还有日常生活中的用法——比如国语辞典「白娘子」条说「最後被金山寺僧法海鎮壓在雷峰塔下」

下面来看1965～2009年间，辞海各个版本的词频：

哇！我们不难知道一件事：1965～2009年间，中国大陆出版的《辞海》其实是 重新编纂 的，跟1936年那套相差很远。

再把《辞海》分册本的词频加上来：

我有意把《大辞海》和辞海分册本放在一起，大家不难看出，《大辞海》其实就是辞海分册本的升级版本。分册本的词频普遍比普通的本子高一截。

看了上面的数字，我想大家应该是有一个初步印象的：类似这样的语言在《辞海》里面，总体趋势是越来越少。不过，我还是把跌幅显示出来，让大家看得更清楚：

注意了，如果跌幅是负数，就说明词频不跌反涨。

我有下面几条感想：

1. 1999年-2009年的版本跌幅很小，数字基本上在同一个水平，甚至出现小幅反弹，说明一件事：辞海不会再大幅清理这类「意识形态语言」了。2019年的《辞海》，很可能和过去两个版本差不多。
2. 1989年、1999年两个版本，都在大幅清理上个版本残留下的「意识形态语言」，清理幅度最高达30%左右 —— 这两个版本所在的历史背景是「改革开放」，《辞海》慢了一拍
3. 《辞海》未定稿比《辞海》1979年早，但是某些时候「意识形态语言」居然少，这里的玄机大家自己悟。要说明的是，《辞海》未定稿没有公开出版，是「内部发行」。
4. 《大辞海》相当于是1999年2009年两个版本《辞海》对应的分册本，「意识形态语言」看似减少了很多，但并没有超出规律

cocowind · 发表于 2020-5-10 00:54:05

各个版本
总的词条数、篇幅、字数差别也很大了吧

klwo2 · 发表于 2020-5-10 10:40:55

cocowind 发表于 2020-5-10 00:54
各个版本
总的词条数、篇幅、字数差别也很大了吧

2009版：本书共收单字字头17914个，附繁体字和异体字4400余个。字头下收列多字词目，包括普通词语和百科词语，共109300余条。全书收127200余条。

1999版：本书共收单字（包括繁体字和异体字）19485个，其中17674个列为字头。字头及其下所列词目（包括普通词语和百科词语）共122835条。

1989版：本书共收单字（包括繁体字和异体字）、一般词语和专科名词术语12万余条。其中单字16534个。

1979版：本书共收单字（包括繁体字和异体字)、一般词语和专科名词术语106，578条。其中单字14，872个。

1965版（未定稿）：《辞海》是一部综合性的辞书。全书选收单字13，587个，选收辞目84，336条

第一版没有数字，但词条数目是8万多条。

你说差距大不？我觉得不大

别忘了1979版、1989版除了上面说的数字，还出版了《增补本》，所以总数都是12万上下

1965版（未定稿）词条数偏少，所以大约关于未定稿的结论可以稍微修一下

Mandolin · 发表于 2020-8-26 09:48:10

klwo2 发表于 2020-5-10 10:40
2009版：本书共收单字字头17914个，附繁体字和异体字4400余个。字头下收列多字词目，包括普通词语和百科 ...

看词频的话，额外考虑字数应该比词条数更合适些。辞海各版的字数是逐版递增的，尽管增幅不大，从1979年版的1200万字到2009年版（第六版）的2200万字，也差不多增了一倍。

另外，考虑到大辞海号称5000万字，是辞海的体量的两倍，这些「意识形态语言」出现的频率应该还是下降了点的。

[词典讨论] 从几个词的词频看《辞海》的过去和未来