Creare un elenco di vocaboli da una lettura cinese

Una parola che ricorre in un testo cinese può meritare un ripasso, ma un elenco di frequenze va interpretato. La scrittura cinese normalmente non separa le parole con spazi. Prima di contarle, lo strumento deve stabilire dove iniziano e finiscono: un confine sbagliato può portare una voce inadatta in cima all’elenco.

Parti da un breve brano che desideri davvero leggere. Controlla la segmentazione, decidi quali parole includere nelle statistiche e associa una frase e un significato ai vocaboli da conservare. L’esempio seguente segue un paragrafo originale dal testo iniziale a un piccolo elenco di studio, con numeri riproducibili.

Scegliere un brano con uno scopo

Un capitolo, un articolo breve o una lettura di classe definisce l’ambito dell’elenco. Copia il corpo del testo e conserva un originale pulito. Prima dell’analisi elimina menu ripetuti, pubblicità, intestazioni di pagina e righe duplicate dall’OCR: le loro ripetizioni competerebbero con il lessico del brano. Se vuoi conteggiare il titolo, annotalo quando confronti testi diversi.

Usa questo paragrafo originale di esercitazione. Descrive una visita in biblioteca e un’abitudine di lettura; non è tratto da un libro pubblicato e non racconta l’esperienza di una persona reale:

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 persona che narra va in biblioteca nel fine settimana, prende in prestito due libri in cinese, pensa di restituirli la settimana successiva e annota parole nuove su un quaderno. Il contesto servirà a capire sia di quali libri si tratta sia il significato del verbo in 还书.

Incolla il paragrafo nell’analizzatore di frequenza delle parole cinesi, lasciando vuoti i termini personalizzati e le esclusioni al primo tentativo. Leggi il testo segmentato oltre alla tabella. La tabella raccoglie le ripetizioni in una riga per parola; la vista segmentata conserva ordine e punteggiatura.

Controllare i confini delle parole

Nello strumento attuale, la prima analisi restituisce 33 occorrenze conteggiate e 25 voci distinte. 中文书 viene diviso in 中 e 文书. Entrambe le sequenze possono esistere, ma la divisione non corrisponde ai libri in lingua cinese del paragrafo. Una voce di dizionario plausibile non basta a dimostrare che la lettura sia corretta.

Aggiungi 中文书 ai termini personalizzati, su una riga separata, e ripeti l’analisi. Le due occorrenze rimangono unite: il risultato diventa 31 occorrenze e 24 voci distinte. Qui scegliamo di trattare «libro in cinese» come un’unità di studio; è una scelta per questo esercizio, non una regola universale per la segmentazione di ogni composto cinese.

Altri obiettivi possono richiedere di studiare 中文 e 书 separatamente, oppure di spiegare 两 e il classificatore dei libri 本. L’uscita del segmentatore è un punto di partenza per decidere. Non inserire intere frasi nei termini personalizzati solo per accorciare l’elenco. Aggiungi un nome o un’espressione quando ha davvero senso raggrupparne le occorrenze.

I termini personalizzati agiscono sulle corrispondenze in tutto il testo. Dopo aver aggiunto un termine breve o ambiguo, controlla le frasi circostanti. Per confrontare capitoli, usa gli stessi termini e conservane una copia con i risultati. Cambiare i confini durante il lavoro modifica sia le voci sia i totali confrontati.

Leggere insieme conteggi e quote

Un token è un’occorrenza conteggiata; una voce distinta è una diversa sequenza di testo. Mantenendo 中文书 unito, 图书馆, 看书, 中文书 e 新词 compaiono due volte ciascuno; 我 compare tre volte. Punteggiatura e spazi restano nella vista segmentata, ma non contribuiscono al totale delle frequenze.

La quota è il conteggio della parola diviso per il totale delle occorrenze conservate. Prima delle esclusioni, per 图书馆 si calcola 2 ÷ 31 × 100, circa 6,45%. Dopo si ottiene 2 ÷ 22 × 100, circa 9,09%. La parola non è comparsa un’altra volta: è cambiato soltanto il denominatore.

Per un secondo passaggio concentrato sul vocabolario, inserisci le sei parole escluse della tabella, una per riga. Eliminano nove occorrenze complessive. Le esclusioni corrispondono a token interi: escludere 书 non rimuove quindi il token personalizzato 中文书. Il testo segmentato rimane disponibile anche per le parole escluse dalle statistiche.

Queste sei parole sono utili in cinese e non vanno eliminate automaticamente da ogni lezione. Conservale quando studi grammatica o strutture delle frasi. Analogamente, escludere i numeri può aiutare con alcuni brani, ma nascondere informazioni importanti in un orario o in un testo sugli acquisti. Scegli prima l’obiettivo e identifica i risultati salvati in base ai filtri.

Conservare il significato nella frase

Scegli i vocaboli considerando insieme frequenza, conoscenze pregresse e compito di lettura. Una parola ripetuta che conosci già richiede poca attenzione; una parola presente una sola volta può spiegare tutto il paragrafo. Qui 借 compare una volta, ma indica che i libri sono stati presi in prestito. Limitarsi alle prime dieci voci non garantisce la lezione migliore.

Per ogni voce selezionata conserva la frase esatta o una breve proposizione completa, il significato contestuale e una pronuncia verificata. In 准备下周还书, 还 significa restituire e si legge huán. Impararlo soltanto come hái, «ancora» o «anche» in altri contesti, porterebbe fuori strada. Allo stesso modo, 笔记本 è qui un quaderno di carta su cui scrivere, non un computer portatile.

Una scheda utile può contenere parola, pronuncia, significato nel brano, frase originale e titolo del testo. Segna i dubbi da verificare in seguito invece di considerare definitiva una lettura automatica. Prima di creare una carta per un nome, un termine tecnico o una pronuncia ambigua, consulta la frase completa e un dizionario adeguato.

Esportare un elenco riutilizzabile

Scarica il CSV dopo aver definito termini personalizzati ed esclusioni. Comprende parola, conteggio e percentuale di tutte le pagine dei risultati. Sullo schermo le percentuali hanno due decimali; il CSV ne mantiene quattro. Piccole differenze di arrotondamento non indicano conteggi cambiati, e le percentuali visualizzate non devono necessariamente sommare esattamente al 100%.

Il CSV è un elenco statistico, non un insieme di definizioni già pronte. Conservalo con il brano originale e una nota sulle impostazioni. Il nome del file può identificare il testo e indicare la presenza di filtri. Confrontando brani di lunghezza diversa, osserva le quote oltre ai conteggi, con le stesse regole di segmentazione e filtraggio.

Per il ripasso, trasferisci le parole scelte nelle schede di vocabolario cinese. Prepara parola, pinyin e significato contestuale; controlla e modifica le carte prima di esercitarti o esportarle. Non incollare il CSV delle frequenze come se la colonna dei conteggi contenesse la pronuncia. Mantieni la frase originale negli appunti o nel campo del significato della carta.

Tornare alla lettura originale

Dopo aver ripassato un gruppo gestibile di parole, rileggi il paragrafo. Verifica se riesci a seguire la visita in biblioteca senza consultare l’elenco, soprattutto le azioni di prendere in prestito, restituire e annotare. L’esercizio avrà così un risultato concreto oltre alla raccolta di voci.

Per letture più lunghe, lavora su sezioni coerenti e controlla ambito e impostazioni prima di confrontare i risultati. Grafie semplificate e tradizionali, nomi e forme scritte diverse possono restare voci separate; significati simili non rendono identici i token. La frequenza nel brano scelto descrive quel brano, non una graduatoria generale del cinese, un livello linguistico o la percentuale di significato compreso.