中国語の読書から役立つ単語リストを作る

中国語の文章で繰り返し出てくる語は、復習の候補になります。ただし、頻度リストはそのまま受け取るのではなく、内容を読み解く必要があります。中国語では通常、単語の間に空白を入れないため、ツールは数える前に語の始まりと終わりを判断します。区切りが不適切だと、意図しない項目が上位に並ぶことがあります。

まず、自分が実際に読みたい短い文章を選びます。語の区切りを確認し、集計に含める語を決め、残す語に原文の一文と意味を添えましょう。以下では、オリジナルの短文を入力し、小さな学習リストに整理するまでを、再現できる数値とともに説明します。

目的のある文章を選ぶ

一つの章、短い記事、授業の読解文などを使うと、リストの範囲が明確になります。本文をコピーし、余計な情報を除いた原文を保存してください。繰り返しのメニュー、広告、ページ見出し、OCRで重複した行は分析前に取り除きます。そうしないと、それらの語も本文の語と競って上位に現れます。題名を数える場合は、文章同士を比較するときのために、その条件も記録します。

次は図書館への訪問と読書習慣を描いた、本記事オリジナルの練習文です。出版された本からの引用でも、実在の人物の体験談でもありません。

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。

語り手は週末に図書館へ行き、中国語の本を2冊借り、翌週返す予定を立て、新しい語をノートに書き留めます。この文脈は後で重要になります。本が何語で書かれているかだけでなく、还书の動詞の意味も判断できるからです。

中国語の分かち書き・語頻度分析に短文を貼り付け、最初は独自語句と除外語を空欄のまま分析します。頻度表に加えて、分かち書きされた本文も読んでください。表は同じ語の出現を一行にまとめますが、分割結果には原文の順序と句読点が残ります。

数える前に語の区切りを確認

現在のツールで最初に分析すると、延べ33語、異なり25項目になります。中文书は中と文书に分割されます。どちらも存在し得る文字列ですが、この文章の「中国語の本」という意味には合いません。辞書にありそうな項目であっても、原文に適した読み方とは限らないのです。

独自語句の欄に中文书を一行で入力し、再分析します。2か所とも一まとまりとなり、延べ31語、異なり24項目になります。ここでは練習の目的に合わせ、「中国語の本」を一つの学習項目として扱っています。中国語の複合表現すべてに、唯一の普遍的な区切り方があるという意味ではありません。

別の学習目的なら、中文と书を別々に扱ったり、两と本の量詞としての働きを学んだりしてもよいでしょう。自動分割は、その判断の出発点です。リストを短くするためだけに文全体を独自語句へ登録してはいけません。名前や表現を一まとまりにする必要があるときにだけ追加します。

独自語句は、入力全体の一致箇所に作用します。短い語や曖昧な語を追加したら、前後の文を確認してください。章を比較する場合は同じ独自語句を使い、結果とともに設定を保存します。途中で区切りを変えると、語の項目だけでなく比較する総数も変わります。

回数と割合を合わせて読む

トークンとは集計対象の一回の出現で、異なり項目とは異なる文字列です。中文书を一まとまりにすると、图书馆、看书、中文书、新词はそれぞれ2回、我は3回登場します。句読点や空白は分割結果に見えていても、頻度の総数には入りません。

割合は、その語の回数を、残したトークンの総数で割った値です。除外前の图书馆は2 ÷ 31 × 100で約6.45%、除外後は2 ÷ 22 × 100で約9.09%です。語が一回増えたわけではなく、分母だけが変わっています。

語彙選びに絞ってもう一度見るなら、表にある6語を一行ずつ除外欄へ入れます。合計9回分が集計から外れます。除外はトークン全体との一致なので、书を除いても独自語句の中文书は消えません。集計対象から除かれた語も、分かち書きされた本文では引き続き確認できます。

この6語は中国語で役立つ語であり、すべての授業から一律に取り除くものではありません。文法や文型を学ぶなら残しましょう。同様に、数字の除外が役立つ文章もありますが、時刻表や買い物の文章では重要な情報が隠れる場合があります。先に目的を決めてから絞り込み、保存結果にも条件を記します。

意味を原文の中に残す

学ぶ語は、頻度、既に知っている語、読解の目的を組み合わせて選びます。頻出でも知っている語には時間をかけすぎず、一度しか出ない語でも段落全体を理解する鍵なら取り上げます。この例では借は一回だけですが、本を借りたことを示しています。上位10項目だけでは、必ずしもよい学習リストになりません。

選んだ語には、原文そのものの一文か短い完結した節、文脈に合う意味、確認した発音を添えます。准备下周还书の还は「返す」で、huánと読みます。他の文脈で「まだ」「また」を表すháiだけを覚えると、この文を読み違えます。同じく笔记本は、ここでは文字を書く紙のノートであり、ノートパソコンではありません。

記録には、語、発音、この文章での意味、原文の一文、文章の題名を入れると便利です。自動で出た発音を確定扱いするのではなく、不明な点は後で確認する印を付けます。人名、専門用語、読みが複数ある語をカードにする前には、文全体と適切な辞書で確認してください。

再利用できるリストを書き出す

独自語句と除外語が決まったらCSVをダウンロードします。全結果ページの対象語、回数、割合が入ります。画面の割合は小数第2位まで、CSVは第4位まで保存します。小さな丸め差は回数が変わったことを意味せず、表示割合の合計も必ずしも厳密に100%にはなりません。

CSVは統計表であり、意味まで完成した単語カードではありません。原文と設定メモを一緒に保存しましょう。ファイル名には文章の識別名や絞り込みの有無を入れられます。長さの異なる文章を比較する場合は、同じ分割・除外条件で、回数だけでなく総数に対する割合も確認します。

復習には、選んだ語を中国語単語カードへ移します。語、ピンイン、文脈に合う意味を用意し、カードを確認・編集してから練習や書き出しを行います。頻度CSVの回数列を発音列とみなして、そのまま貼り付けないでください。原文の一文は学習ノートかカードの意味欄に残せます。

元の文章を読み直す

無理のない数の語を復習したら、短文を読み直します。リストを見ずに図書館での出来事を追えるか、特に借りる、返す、メモを取るという動作を理解できるか確認しましょう。これで、単に項目を集める以上の具体的な成果が得られます。

長い文章では一貫した単位で作業し、範囲と条件を確認してから結果を比較します。簡体字と繁体字、固有名詞、異なる表記は別項目のままになることがあり、意味が近くても同一トークンとは限りません。選んだ文章の頻度はその文章を説明するもので、一般的な中国語の頻度順位、習熟度、内容を理解できた割合を示すものではありません。