Lista słownictwa z chińskiego tekstu

Słowo powtarzające się w chińskim tekście warto rozważyć do powtórki, ale listę frekwencyjną trzeba zinterpretować. W piśmie chińskim słów zwykle nie rozdziela się spacjami. Zanim narzędzie zacznie liczyć, musi ustalić początek i koniec każdego słowa; błędna granica może przesunąć nieodpowiednią pozycję na początek listy.

Zacznij od krótkiego fragmentu, który naprawdę chcesz przeczytać. Sprawdź podział, wybierz słowa uwzględniane w statystyce, a do zachowanych haseł dodaj zdanie i znaczenie. Poniższy przykład prowadzi autorski akapit od tekstu źródłowego do małej listy do nauki, z wynikami możliwymi do odtworzenia.

Wybierz tekst z określonym celem

Rozdział, krótki artykuł albo czytanka jasno wyznaczają zakres listy. Skopiuj właściwą treść i zachowaj czysty oryginał. Przed analizą usuń powtarzające się menu, reklamy, nagłówki stron i linie zdublowane przez OCR: ich powtórzenia konkurowałyby ze słownictwem tekstu. Jeśli liczysz również tytuł, zanotuj tę decyzję przy porównywaniu fragmentów.

Ten autorski akapit ćwiczeniowy opisuje wizytę w bibliotece i sposób pracy z lekturą. Nie jest cytatem z wydanej książki ani relacją o prawdziwej osobie:

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。

Osoba opowiadająca idzie do biblioteki w weekend, pożycza dwie książki po chińsku, zamierza oddać je w następnym tygodniu i zapisuje nowe słowa w zeszycie. Ten kontekst przyda się później: określa rodzaj książek oraz znaczenie czasownika w 还书.

Wklej akapit do analizatora częstotliwości chińskich słów. Przy pierwszej analizie pozostaw puste pola słów własnych i wykluczonych. Przeczytaj zarówno tabelę, jak i podzielony tekst. Tabela zbiera powtórzenia w jednym wierszu, a widok segmentacji zachowuje pierwotną kolejność i interpunkcję.

Sprawdź granice przed liczeniem

Obecne narzędzie za pierwszym razem zwraca 33 liczone wystąpienia i 25 różnych pozycji. Dzieli 中文书 na 中 oraz 文书. Oba ciągi znaków mogą istnieć, ale ten podział nie oddaje znaczenia książek w języku chińskim w tym akapicie. Wiarygodnie wyglądające hasło słownikowe nie wystarcza, by potwierdzić właściwy odczyt.

Dodaj 中文书 jako własne słowo w osobnym wierszu i ponów analizę. Oba wystąpienia pozostaną w całości. Wynik to 31 wystąpień i 24 różne pozycje. Celowo traktujemy tutaj „książkę po chińsku” jako jedną jednostkę do nauki; to wybór na potrzeby ćwiczenia, a nie twierdzenie, że każde chińskie złożenie ma tylko jeden uniwersalnie poprawny podział.

Inny cel może uzasadniać osobną naukę 中文 i 书 albo omówienie 两 oraz klasyfikatora książek 本. Wynik segmentatora jest punktem wyjścia do takiej decyzji. Nie wpisuj całych zdań jako własnych słów tylko po to, aby skrócić listę. Dodawaj nazwę lub wyrażenie wtedy, gdy zadanie rzeczywiście wymaga grupowania ich wystąpień.

Własne terminy wpływają na dopasowania w całym tekście wejściowym. Po dodaniu krótkiego lub niejednoznacznego terminu sprawdź otaczające zdania. Porównując rozdziały, używaj tego samego zestawu i zachowaj jego kopię z wynikami. Zmiana granic w trakcie pracy zmienia zarówno pozycje, jak i porównywane sumy.

Czytaj liczby razem z udziałami

Token oznacza jedno liczone wystąpienie, a różna pozycja — odmienny ciąg tekstu. Gdy 中文书 pozostaje razem, 图书馆, 看书, 中文书 i 新词 występują po dwa razy, a 我 trzy razy. Interpunkcja i spacje są widoczne w segmentacji, ale nie wchodzą do sumy częstotliwości.

Udział to liczba wystąpień słowa podzielona przez sumę zachowanych tokenów. Przed wykluczeniami obliczenie dla 图书馆 wynosi 2 ÷ 31 × 100, około 6,45%. Po nich jest to 2 ÷ 22 × 100, około 9,09%. Słowo nie pojawiło się dodatkowy raz; zmienił się tylko mianownik.

Przy drugim podejściu skupionym na słownictwie wpisz sześć wykluczanych słów z tabeli, każde w osobnej linii. Usuwają łącznie dziewięć wystąpień. Wykluczenie dotyczy pełnych tokenów, więc usunięcie 书 nie usuwa własnego tokenu 中文书. Podzielony tekst nadal pokazuje słowa nieuwzględniane już w statystyce.

Te sześć słów jest przydatnych w chińskim i nie należy automatycznie odrzucać ich z każdej lekcji. Zachowaj je podczas nauki gramatyki i wzorców zdań. Podobnie wykluczenie liczb może pomagać w pewnych tekstach, ale ukrywać ważne informacje w rozkładzie jazdy lub tekście zakupowym. Najpierw ustal cel nauki, potem dobierz filtry i odpowiednio opisz zapisane wyniki.

Zachowaj znaczenie w zdaniu

Wybieraj słowa, łącząc częstotliwość, dotychczasową wiedzę i cel czytania. Częste słowo, które już znasz, wymaga niewiele uwagi, a słowo występujące raz może wyjaśniać cały akapit. Tutaj 借 pojawia się raz, lecz wskazuje, że książki zostały pożyczone. Sam wybór pierwszych dziesięciu pozycji nie gwarantuje najlepszej lekcji.

Dla każdej wybranej pozycji zachowaj dokładne zdanie lub krótką, kompletną część zdania, znaczenie w kontekście i sprawdzoną wymowę. W 准备下周还书 znak 还 oznacza oddawać i czyta się huán. Zapamiętanie wyłącznie hái, znaczącego w innych kontekstach „jeszcze” lub „także”, prowadziłoby do błędnego zrozumienia. Podobnie 笔记本 oznacza tutaj papierowy zeszyt do pisania, a nie laptop.

Przydatny zapis może obejmować słowo, wymowę, znaczenie w danym fragmencie, zdanie źródłowe i tytuł tekstu. Zaznaczaj wątpliwości do późniejszego sprawdzenia zamiast uznawać automatyczną wymowę za ostateczną. Przed utworzeniem fiszki z nazwą, terminem specjalistycznym lub niejednoznacznym odczytem sprawdź całe zdanie i odpowiedni słownik.

Wyeksportuj listę do dalszej pracy

Pobierz CSV po ustaleniu własnych słów i wykluczeń. Zawiera zachowane słowa, liczby i procenty ze wszystkich stron wyników. Ekran zaokrągla procenty do dwóch miejsc po przecinku, CSV zachowuje cztery. Niewielka różnica zaokrąglenia nie oznacza zmiany liczby wystąpień, a suma wyświetlanych udziałów nie musi wynosić dokładnie 100%.

CSV jest listą statystyczną, nie gotowym zbiorem definicji. Zapisz go razem z oryginalnym tekstem i notatką o ustawieniach. Nazwa pliku może określać fragment oraz informować o zastosowaniu filtrów. Porównując teksty różnej długości, sprawdzaj udziały obok samych liczb, przy jednakowych zasadach segmentacji i filtrowania.

Do powtórek przenieś wybrane słowa do narzędzia fiszek z chińskim słownictwem. Przygotuj słowo, pinyin i znaczenie kontekstowe; sprawdź i popraw karty przed ćwiczeniem lub eksportem. Nie wklejaj CSV częstotliwości tak, jakby kolumna liczby wystąpień zawierała wymowę. Zdanie źródłowe zachowaj w notatkach lub w polu znaczenia fiszki.

Wróć do pierwotnej lektury

Po powtórzeniu rozsądnej grupy słów przeczytaj akapit ponownie. Sprawdź, czy bez listy rozumiesz wizytę w bibliotece, szczególnie pożyczanie, oddawanie i robienie notatek. Dzięki temu ćwiczenie przynosi konkretny rezultat poza gromadzeniem haseł.

Dłuższe teksty opracowuj w spójnych częściach, a wyniki porównuj dopiero po sprawdzeniu zakresu i ustawień. Uproszczone i tradycyjne formy pisma, nazwy oraz odmienne zapisy mogą pozostać osobnymi pozycjami; podobne znaczenia nie oznaczają identycznych tokenów. Częstotliwość w wybranym fragmencie opisuje ten fragment, a nie ogólny ranking chińszczyzny, poziom biegłości czy procent zrozumianego sensu.