Aus chinesischen Lesetexten eine Vokabelliste erstellen

Ein Wort, das in einem chinesischen Text mehrfach vorkommt, kann sich zum Wiederholen eignen. Eine Häufigkeitsliste muss jedoch eingeordnet werden. Chinesische Texte trennen Wörter normalerweise nicht durch Leerzeichen. Vor dem Zählen entscheidet ein Werkzeug daher, wo ein Wort beginnt und endet; eine falsche Grenze kann einen unpassenden Eintrag weit nach oben bringen.

Beginnen Sie mit einem kurzen Abschnitt, den Sie tatsächlich lesen möchten. Prüfen Sie die Segmentierung, bestimmen Sie die in der Statistik berücksichtigten Wörter und ergänzen Sie zu ausgewählten Wörtern einen Satz und die passende Bedeutung. Das folgende Beispiel führt einen eigens verfassten Absatz vom Ausgangstext bis zur kleinen Lernliste; die Zahlen lassen sich nachvollziehen.

Einen passenden Textabschnitt wählen

Ein Kapitel, kurzer Artikel oder Unterrichtstext gibt der Liste einen klaren Umfang. Kopieren Sie den eigentlichen Text und bewahren Sie eine saubere Originalfassung auf. Entfernen Sie wiederholte Navigation, Werbung, Seitenköpfe und doppelte OCR-Zeilen vor der Analyse, da deren Wörter sonst mit dem Lesestoff konkurrieren. Wenn die Überschrift mitgezählt werden soll, halten Sie diese Entscheidung für spätere Vergleiche fest.

Dieser eigens erstellte Übungsabsatz beschreibt einen Bibliotheksbesuch und eine Leseroutine. Er stammt weder aus einem veröffentlichten Buch noch berichtet er über eine reale Person:

周末，我去图书馆看书。图书馆有中文书，也有英文书。我借了两本中文书，准备下周还书。看书以后，我在笔记本上写下新词，再用新词写句子。

Die erzählende Person besucht am Wochenende die Bibliothek, leiht zwei chinesischsprachige Bücher aus, möchte sie nächste Woche zurückgeben und notiert neue Wörter in einem Heft. Dieser Zusammenhang ist später wichtig: Er erklärt die Art der Bücher und die Bedeutung des Verbs in 还书.

Fügen Sie den Absatz in die chinesische Worthäufigkeitsanalyse ein. Lassen Sie eigene und ausgeschlossene Wörter beim ersten Durchlauf leer. Lesen Sie neben der Häufigkeitstabelle auch den segmentierten Text. Die Tabelle fasst wiederholte Vorkommen in einer Zeile zusammen; die segmentierte Ansicht erhält Reihenfolge und Satzzeichen.

Wortgrenzen vor dem Zählen prüfen

Das aktuelle Werkzeug liefert zunächst 33 gezählte Vorkommen und 25 verschiedene Einträge. Es zerlegt 中文书 in 中 und 文书. Beide Zeichenfolgen sind grundsätzlich möglich, doch diese Trennung verfehlt hier die Bedeutung chinesischsprachiger Bücher. Ein plausibler Wörterbucheintrag allein belegt noch keine passende Lesart.

Tragen Sie 中文书 als eigenen Begriff in eine separate Zeile ein und analysieren Sie erneut. Beide Vorkommen bleiben nun zusammen. Das Ergebnis enthält 31 Vorkommen und 24 verschiedene Einträge. Für diese Übung behandeln wir „chinesischsprachiges Buch“ bewusst als Lerneinheit; daraus folgt nicht, dass jedes chinesische Kompositum genau eine allgemein richtige Segmentierung besitzt.

Andere Lernziele können dafür sprechen, 中文 und 书 getrennt zu lernen oder 两 und das Zählwort für Bücher 本 zu besprechen. Die automatische Ausgabe dient als Ausgangspunkt für diese Entscheidung. Tragen Sie keine ganzen Sätze ein, nur um die Liste zu verkürzen. Fassen Sie Namen oder Ausdrücke nur zusammen, wenn dies für die Aufgabe sinnvoll ist.

Eigene Begriffe wirken auf passende Stellen im gesamten Eingabetext. Prüfen Sie nach dem Hinzufügen kurzer oder mehrdeutiger Begriffe die umgebenden Sätze. Verwenden Sie beim Kapitelvergleich dieselbe Begriffsliste und speichern Sie sie mit den Ergebnissen. Geänderte Grenzen verändern sowohl die Einträge als auch die verglichenen Gesamtzahlen.

Anzahl und Anteil gemeinsam lesen

Ein Token ist ein gezähltes Vorkommen; ein unterschiedlicher Eintrag entspricht einer anderen Zeichenfolge. Wenn 中文书 zusammenbleibt, kommen 图书馆, 看书, 中文书 und 新词 jeweils zweimal vor, 我 dreimal. Satzzeichen und Leerzeichen bleiben in der Segmentierung sichtbar, zählen aber nicht zur Häufigkeitssumme.

Der Anteil ergibt sich aus der Anzahl eines Wortes geteilt durch die Summe aller beibehaltenen Vorkommen. Vor dem Ausschließen lautet die Rechnung für 图书馆 2 ÷ 31 × 100, also etwa 6,45 %. Danach ist es 2 ÷ 22 × 100, etwa 9,09 %. Das Wort ist nicht häufiger geworden; nur der Nenner hat sich geändert.

Für einen zweiten, stärker auf Vokabeln ausgerichteten Durchlauf geben Sie die sechs ausgeschlossenen Wörter aus der Tabelle zeilenweise ein. Dadurch entfallen insgesamt neun Vorkommen. Der Ausschluss erfasst vollständige Tokens: 书 auszuschließen entfernt daher nicht den eigenen Begriff 中文书. Die segmentierte Ansicht bleibt auch für Wörter erhalten, die nicht mehr in die Statistik eingehen.

Diese sechs Wörter sind im Chinesischen nützlich und sollten nicht aus jeder Lektion entfernt werden. Für Grammatik und Satzmuster sollten sie erhalten bleiben. Auch das Ausblenden von Zahlen kann bei manchen Texten helfen, bei Fahrplänen oder Einkaufstexten aber wichtige Informationen verdecken. Bestimmen Sie zuerst das Lernziel und kennzeichnen Sie gespeicherte Ergebnisse nach ihren Filtern.

Bedeutung im Satz festhalten

Wählen Sie Wörter anhand ihrer Häufigkeit, Ihrer Vorkenntnisse und der Leseaufgabe gemeinsam aus. Ein häufiges, bereits bekanntes Wort braucht wenig Aufmerksamkeit; ein einmaliges Wort kann den ganzen Absatz erklären. 借 erscheint hier nur einmal, zeigt aber, dass die Bücher ausgeliehen wurden. Die ersten zehn Einträge ergeben deshalb nicht automatisch die beste Lernliste.

Bewahren Sie zu jedem ausgewählten Wort den genauen Satz oder einen kurzen vollständigen Teilsatz auf, dazu die Bedeutung im Kontext und eine geprüfte Aussprache. In 准备下周还书 bedeutet 还 „zurückgeben“ und wird huán gelesen. Nur die Lesung hái mit Bedeutungen wie „noch“ oder „auch“ aus anderen Zusammenhängen zu lernen, würde hier irreführen. Ebenso bezeichnet 笔记本 ein Papierheft zum Schreiben, keinen Laptop.

Ein nützlicher Eintrag kann Wort, Aussprache, Bedeutung im Abschnitt, Originalsatz und Texttitel enthalten. Markieren Sie Unsicherheiten zur späteren Prüfung, statt eine automatisch erzeugte Lesung als endgültig zu übernehmen. Prüfen Sie bei Namen, Fachbegriffen und mehrdeutigen Aussprachen den ganzen Satz und ein geeignetes Wörterbuch, bevor Sie eine Lernkarte erstellen.

Eine wiederverwendbare Liste exportieren

Laden Sie die CSV-Datei herunter, sobald eigene Begriffe und Ausschlüsse feststehen. Sie enthält Wort, Anzahl und Prozentanteil aller Ergebnisseiten. Auf dem Bildschirm werden zwei Nachkommastellen angezeigt, in der CSV vier. Kleine Rundungsunterschiede bedeuten keine geänderten Anzahlen; angezeigte Anteile müssen auch nicht genau 100 % ergeben.

Die CSV ist eine statistische Liste, kein fertiger Satz von Definitionen. Speichern Sie sie zusammen mit dem Originaltext und den Einstellungen. Ein sinnvoller Dateiname kann den Abschnitt und die Verwendung von Filtern nennen. Vergleichen Sie bei unterschiedlich langen Texten neben absoluten Zahlen auch Anteile, jeweils mit gleicher Segmentierung und Filterung.

Übertragen Sie ausgewählte Wörter zum Wiederholen in die chinesischen Vokabelkarten. Bereiten Sie Wort, Pinyin und kontextbezogene Bedeutung vor; prüfen und bearbeiten Sie die Karten vor dem Üben oder Exportieren. Fügen Sie die Häufigkeits-CSV nicht so ein, als wäre die Anzahlspalte eine Ausspracheangabe. Den Ausgangssatz können Sie in Ihren Notizen oder im Bedeutungsfeld der Karte behalten.

Zum ursprünglichen Text zurückkehren

Lesen Sie den Absatz nach dem Wiederholen einer überschaubaren Wortgruppe erneut. Prüfen Sie, ob Sie den Bibliotheksbesuch ohne Liste verstehen, besonders das Ausleihen, Zurückgeben und Notieren. So hat die Übung ein konkretes Ergebnis über das Sammeln von Einträgen hinaus.

Bearbeiten Sie längere Texte in einheitlichen Abschnitten und vergleichen Sie erst nach Prüfung von Umfang und Einstellungen. Vereinfachte und traditionelle Schreibweisen, Namen und unterschiedliche Schriftformen können getrennte Einträge bleiben; ähnliche Bedeutungen machen Tokens nicht identisch. Die Häufigkeit in Ihrem Abschnitt beschreibt diesen Abschnitt, keine allgemeine chinesische Rangliste, kein Sprachniveau und keinen Anteil des tatsächlich verstandenen Inhalts.