牛津高阶英汉双解词典(第四版)-汉语词频统计

homestudy

曾经有个想法，将《牛津高阶英汉双解词典》编译成汉英词典。
用最简单的办法，就是拿着本汉英或现代汉语词典，一条一条搜索出相对应的词语或表达，相信可以kill 掉不少时间。不过，这样的事情，退休后去做比较好。

前段时间baidu+google 红楼梦英译，发现语言的统计分析，语料库蛮好玩的。前几天，刚好找到北京语言大学的一个软件。
带结构的词频统计工具（含11年《人民日报》统计结果）大小:19000 KB
下载地址：http://clip.blcu.edu.cn/DownView.Asp?id=22

又想起了曾经有过编汉英词典的念想。干脆就拿牛津高阶英汉双解词典(第四版)开练了。
并将生成的结果txt文件导入excel表格中。方便查看。

仍有几个问题没解决：
第一、样本问题。
牛津高阶英汉双解词典的样本经过繁简转换，有些字没有完美转换为标准简化字。
第二、词频统计软件切分词好像并不那么可靠。不过我对这款软件相当满意，除了词频统计，还给出词语结构分析。
第三、还没明白统计分析的方法，目的，意义。俺现在还处于“觉得好玩”，似懂非懂的阶段。不知道该看点啥书充电？


采用统计样本：
Oxford Advanced Learner's English-Chinese Dictionary
牛津高阶英汉双解词典(第四版)
作者: (英)霍恩比
李北达译
出版社: 商务印书馆


附录：
牛津高阶英汉双解词典(第四版)-词典样本.rar 5.04MB 解压后为txt格式
http://www.brsbox.com/filebox/do ... 8b26c47f05eade14916

牛津高阶英汉双解词典(第四版)-词频统计结果txt+excel.rar
http://www.brsbox.com/filebox/do ... 7d324972028bfc853d3

使用软件：带结构的词频统计工具（含11年《人民日报》统计结果）大小:19000 KB
下载地址：http://clip.blcu.edu.cn/DownView.Asp?id=22

homestudy

有顶贴之嫌
因为要请教wdscxsj兄一些技术问题，又不便在文学原创版里继续讨论，借这个帖子说明遇到的一些问题。如能得到wdscxsj兄的指点，将不胜感激。


http://www.readfree.net/bbs/read.php?tid=4675316#2027492
俺关注的是文章中的《正则表达式的菜鸟教程》

为什么要学习正则表达式？

俺想把楼上的牛津高阶英汉双解词典(第四版)：
按照词条、词性、语法标志、释义、例句、短语、用法/辨析来定义不同字段进而建立一个数据库，并且中英文要对应。【考虑到font字体文件有时稍嫌麻烦，所以音标可以退而求其次。】

俺想要的数据库是啥样子地：可以中英文任意检索，比如根据语法标志查询该词典里的所有法律或科技词汇。可以查看词典中的所有形容词，可数或不可数名词。如果可能俺还想学习中英文的逆序/倒序排列，比如检索*菜。可以检索到相应的中英文。

小白菜/大白菜/乌白菜/洋白菜/圆白菜/黑白菜/结球白/冬菜/布菜/年菜/饭菜/壳菜/花菜/芹菜/苋菜/芥菜/芥菜/青菜/油菜/刺儿菜/泡菜/择菜/咸菜/荇菜/荠菜/香菜/洋菜/盆菜/韭菜/荤菜/素菜/海菜/凉菜/酒菜

俺想查“吃”、“喝”，“好”，“坏”，俺希望能在词典中查到所有的表达方式，并按自己的喜好来选择一个需要具体应用的词语表达。而不仅仅是像汉英词典那样通过词条来选择相对应的一个词。

英文逆序就不示范了，参照新东方的《GRE词汇逆序记忆小词典》。

外语界的“功能意念”概念，眼下貌似没有以前热闹了。这是俺作为外行+外界人士的主观感觉，说错勿怪。

将来可能想找一个功能意念的分类标准，为上述数据库添加新字段。眼下认为非常好的标准是《朗文多功能分类词典》。

鉴于眼下自身热情无限膨胀，让俺红着脸表达一句的豪言壮语，我不介意手工来添加新字段。

最近因为上网会有些不便，如未能及时回复，请多多原谅。

wdscxsj

真是计划赶不上变化，上周末不期而至的一些散事占去了我大部分时间，正则表达式教程看来无法在今天完成了，实在不好意思。不过肯定能在本周五之前写好，请少安毋躁。

我学的不是计算机专业，平时也不怎么用数据库。不过您的设想看起来比较容易实现，比如SQLite就是一个超轻型的数据库开源软件，它也提供了正则表达式的语法支持，不过要求自己链入外部库的实现，如PCRE、Boost.xpressive等。这些应该都不难，我先写完这个教程再说。

qiu000

好东西 谢谢分享

polang33

，谢谢了。