Créer une liste de vocabulaire à partir d’un texte chinois

Un mot répété dans un texte chinois mérite peut-être d’être révisé, mais une liste de fréquences demande une interprétation. L’écriture chinoise ne sépare généralement pas les mots par des espaces. Avant de compter, l’outil doit déterminer où chacun commence et se termine ; une mauvaise frontière peut faire remonter une entrée inadaptée dans la liste.

Commencez par un court passage que vous souhaitez vraiment lire. Vérifiez son découpage, choisissez les mots retenus dans les statistiques, puis associez une phrase et un sens aux mots à apprendre. L’exemple suivant transforme un paragraphe original en petite liste de révision, avec des résultats reproductibles.

Choisir une lecture bien délimitée

Un chapitre, un article court ou un texte de cours donne un périmètre clair à la liste. Copiez le corps du texte et gardez un original propre. Retirez les menus répétés, publicités, en-têtes de page et lignes dupliquées par l’OCR : leurs répétitions concurrenceraient le vocabulaire de la lecture. Si vous comptez le titre, notez cette décision lorsque vous comparez plusieurs passages.

Voici un paragraphe original d’entraînement. Il décrit une visite à la bibliothèque et une habitude de lecture ; il ne provient pas d’un livre publié et ne raconte pas la vie d’une personne réelle :

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。

La personne qui raconte se rend à la bibliothèque le week-end, emprunte deux livres en chinois, prévoit de les rendre la semaine suivante et note de nouveaux mots dans un cahier. Ce contexte sera déterminant : il précise la nature des livres et le sens du verbe dans 还书.

Collez le paragraphe dans l’analyseur de fréquence des mots chinois, sans termes personnalisés ni exclusions pour le premier essai. Lisez le texte découpé et le tableau de fréquences. Le tableau regroupe les occurrences en une ligne par mot ; la vue segmentée conserve leur ordre et la ponctuation.

Vérifier les frontières des mots

Avec l’outil actuel, le premier essai donne 33 occurrences comptées et 25 entrées distinctes. 中文书 est séparé en 中 et 文书. Ces deux suites peuvent exister, mais cette coupure ne correspond pas aux livres en langue chinoise du paragraphe. Une entrée de dictionnaire plausible ne suffit pas à valider une lecture.

Ajoutez 中文书 dans les termes personnalisés, seul sur une ligne, puis relancez l’analyse. Ses deux occurrences restent désormais entières. Le résultat passe à 31 occurrences et 24 entrées distinctes. Nous choisissons ici de traiter « livre en chinois » comme une unité d’apprentissage ; ce choix ne signifie pas que tous les composés chinois possèdent un découpage universel unique.

D’autres objectifs peuvent conduire à étudier 中文 et 书 séparément, ou à expliquer 两 et le classificateur des livres 本. Le résultat automatique sert de point de départ à ce jugement. N’ajoutez pas des phrases entières aux termes personnalisés simplement pour raccourcir la liste. Regroupez un nom ou une expression seulement si cela convient réellement à votre tâche.

Les termes personnalisés agissent sur toutes les correspondances du texte. Après l’ajout d’un terme court ou ambigu, vérifiez les phrases environnantes. Pour comparer des chapitres, utilisez les mêmes termes et conservez-en une copie avec les résultats. Modifier les frontières en cours de travail change à la fois les entrées et les totaux comparés.

Lire les nombres et les proportions

Un jeton correspond à une occurrence comptée ; une entrée distincte correspond à une chaîne différente. Lorsque 中文书 reste entier, 图书馆, 看书, 中文书 et 新词 apparaissent chacun deux fois, et 我 trois fois. La ponctuation et les espaces restent visibles dans le découpage, mais ne contribuent pas au total des fréquences.

La proportion correspond au nombre d’occurrences du mot divisé par le total des occurrences conservées. Avant les exclusions, le calcul pour 图书馆 est 2 ÷ 31 × 100, soit environ 6,45 %. Après, il devient 2 ÷ 22 × 100, soit environ 9,09 %. Le mot n’est pas apparu une fois de plus : seul le dénominateur a changé.

Pour un second passage centré sur le vocabulaire, saisissez les six mots exclus du tableau, un par ligne. Cela retire neuf occurrences au total. L’exclusion porte sur des jetons entiers : exclure 书 ne supprime donc pas le jeton personnalisé 中文书. Le texte segmenté reste accessible même lorsque certains mots sont exclus des statistiques.

Ces six mots sont utiles en chinois et ne doivent pas disparaître systématiquement de chaque leçon. Gardez-les pour étudier la grammaire ou les structures de phrase. De même, exclure les nombres peut être pertinent pour certains textes, mais masquer une information importante dans un horaire ou un texte sur les achats. Définissez l’objectif avant les filtres et identifiez les résultats enregistrés en conséquence.

Conserver le sens dans la phrase

Choisissez les mots en combinant fréquence, connaissances préalables et objectif de lecture. Un mot fréquent déjà connu demande peu d’attention, tandis qu’un mot présent une seule fois peut expliquer tout le paragraphe. Ici, 借 n’apparaît qu’une fois, mais indique que les livres sont empruntés. Une sélection limitée aux dix premières entrées ne garantit pas la meilleure leçon.

Pour chaque mot retenu, gardez la phrase exacte ou une courte proposition complète, son sens en contexte et une prononciation vérifiée. Dans 准备下周还书, 还 signifie rendre et se lit huán. Le mémoriser uniquement comme hái, « encore » ou « aussi » dans d’autres contextes, ferait mal comprendre la phrase. De même, 笔记本 désigne ici un cahier en papier où l’on écrit, et non un ordinateur portable.

Une fiche utile peut réunir le mot, sa prononciation, son sens dans le passage, la phrase d’origine et le titre du texte. Signalez les incertitudes pour les vérifier plus tard au lieu de considérer une prononciation automatique comme définitive. Avant de créer une carte pour un nom, un terme technique ou une lecture ambiguë, consultez la phrase complète et un dictionnaire adapté.

Exporter une liste réutilisable

Téléchargez le CSV après avoir fixé les termes personnalisés et les exclusions. Il contient les mots retenus, leur nombre et leur pourcentage, sur toutes les pages de résultats. L’écran arrondit les pourcentages à deux décimales ; le CSV en conserve quatre. Un léger écart d’arrondi ne signifie pas que les comptes ont changé, et les pourcentages affichés ne totalisent pas forcément exactement 100 %.

Le CSV est une liste statistique, pas un ensemble de définitions prêt à apprendre. Gardez-le avec le passage original et une note des réglages. Le nom du fichier peut préciser le passage et la présence de filtres. Pour comparer des textes de longueurs différentes, examinez les proportions en plus des nombres, avec les mêmes règles de découpage et de filtrage.

Pour réviser, transférez les mots choisis vers l’outil de fiches de vocabulaire chinois. Préparez le mot, le pinyin et le sens contextuel, puis vérifiez et modifiez les cartes avant de pratiquer ou d’exporter. Ne collez pas le CSV comme si la colonne de fréquence était celle de la prononciation. Conservez la phrase source dans vos notes ou dans le champ du sens de la carte.

Revenir au texte d’origine

Après avoir révisé un groupe raisonnable de mots, relisez le paragraphe. Voyez si vous suivez la visite à la bibliothèque sans consulter la liste, notamment les actions d’emprunter, de rendre et de prendre des notes. L’exercice débouche ainsi sur un résultat concret, au-delà de l’accumulation d’entrées.

Pour une lecture longue, travaillez par sections cohérentes et vérifiez leur périmètre et leurs réglages avant toute comparaison. Les graphies simplifiées et traditionnelles, les noms et les variantes écrites peuvent rester des entrées séparées ; des sens proches ne rendent pas les jetons identiques. La fréquence dans votre passage décrit ce passage, pas un classement général du chinois, un niveau de langue ou la part du sens effectivement compris.