สร้างรายการคำศัพท์จากบทอ่านภาษาจีน

คำที่ปรากฏซ้ำในบทอ่านภาษาจีนน่าเก็บไว้ทบทวน แต่รายการความถี่ยังต้องอาศัยการตีความ ภาษาจีนโดยทั่วไปไม่ได้เว้นวรรคระหว่างคำ ก่อนนับ เครื่องมือจึงต้องตัดสินว่าคำแต่ละคำเริ่มและจบตรงไหน หากแบ่งขอบเขตผิด รายการที่ไม่ตรงความหมายอาจขึ้นไปอยู่ช่วงต้นของตารางได้

เริ่มจากข้อความสั้นที่คุณอยากอ่านจริง ตรวจการตัดคำ เลือกคำที่จะรวมในสถิติ แล้วเพิ่มประโยคกับความหมายให้คำที่เก็บไว้ ตัวอย่างต่อไปนี้ใช้ย่อหน้าที่เขียนขึ้นใหม่ แสดงขั้นตอนตั้งแต่ข้อความต้นฉบับจนเป็นรายการคำศัพท์ขนาดเล็ก พร้อมตัวเลขที่คุณทดลองซ้ำได้

เลือกบทอ่านที่มีเป้าหมายชัดเจน

หนึ่งบทของหนังสือ บทความสั้น หรือบทอ่านในห้องเรียนช่วยกำหนดขอบเขตของรายการได้ชัด คัดลอกเฉพาะเนื้อหาและเก็บต้นฉบับที่สะอาดไว้ ก่อนวิเคราะห์ให้ลบเมนูที่ซ้ำ โฆษณา หัวกระดาษ และบรรทัดที่ OCR อ่านซ้ำ มิฉะนั้นคำจากส่วนเหล่านี้จะเข้ามาแย่งอันดับกับคำในเนื้อหา หากต้องการนับชื่อเรื่องด้วย ให้บันทึกเงื่อนไขนี้ไว้เมื่อเปรียบเทียบหลายบทอ่าน

ย่อหน้าฝึกต่อไปนี้เขียนขึ้นใหม่เพื่ออธิบายการไปห้องสมุดและกิจวัตรการอ่าน ไม่ได้คัดมาจากหนังสือที่ตีพิมพ์ และไม่ได้เล่าเรื่องบุคคลจริง

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。

ผู้เล่าไปห้องสมุดในวันหยุดสุดสัปดาห์ ยืมหนังสือภาษาจีนสองเล่ม ตั้งใจคืนสัปดาห์หน้า และจดคำใหม่ลงสมุด บริบทนี้จะสำคัญในขั้นถัดไป เพราะช่วยระบุทั้งภาษาของหนังสือและความหมายของกริยาใน 还书

วางย่อหน้าลงในเครื่องมือวิเคราะห์ความถี่คำภาษาจีน โดยปล่อยช่องคำกำหนดเองและคำที่ตัดออกให้ว่างในการวิเคราะห์ครั้งแรก อ่านทั้งข้อความที่ตัดคำแล้วและตารางความถี่ ตารางรวมคำที่ซ้ำไว้ในแถวเดียว ส่วนมุมมองการตัดคำยังคงลำดับและเครื่องหมายวรรคตอนเดิม

ตรวจขอบเขตก่อนเริ่มนับ

ในเครื่องมือปัจจุบัน การวิเคราะห์ครั้งแรกได้จำนวนคำที่นับรวม 33 ครั้ง และรายการที่ต่างกัน 25 รายการ โดยแบ่ง 中文书 เป็น 中 กับ 文书 แม้ทั้งสองชุดอักษรจะพบได้ แต่การแบ่งเช่นนี้ไม่ตรงกับความหมายหนังสือที่เขียนเป็นภาษาจีนในย่อหน้า การได้คำที่ดูเหมือนมีในพจนานุกรมจึงยังไม่ยืนยันว่าอ่านถูกบริบท

เพิ่ม 中文书 ในช่องคำกำหนดเอง โดยใส่คำเดียวในหนึ่งบรรทัด แล้ววิเคราะห์ใหม่ ทั้งสองตำแหน่งจะอยู่รวมกัน ผลลัพธ์กลายเป็น 31 ครั้งและ 24 รายการที่ต่างกัน เราตั้งใจถือว่าหนังสือภาษาจีนเป็นหนึ่งหน่วยการเรียนในแบบฝึกนี้ ไม่ได้หมายความว่าทุกคำประสมภาษาจีนมีวิธีแบ่งที่ถูกต้องแบบเดียวเสมอไป

เป้าหมายการเรียนอื่นอาจเหมาะกับการแยก 中文 และ 书 หรืออธิบาย 两 กับลักษณนามหนังสือ 本 ผลจากเครื่องมือตัดคำเป็นจุดเริ่มต้นในการตัดสินใจ อย่าใส่ทั้งประโยคเป็นคำกำหนดเองเพียงเพื่อให้รายการสั้นลง เพิ่มชื่อหรือสำนวนเมื่อจำเป็นต้องรวมเป็นหน่วยเดียวสำหรับงานนั้นจริง ๆ

คำกำหนดเองส่งผลกับทุกตำแหน่งที่ตรงกันในข้อความ หลังเพิ่มคำสั้นหรือคำที่กำกวม ให้ตรวจประโยครอบข้าง เมื่อเปรียบเทียบหลายบท ให้ใช้ชุดคำเดิมและเก็บสำเนาไว้กับผลลัพธ์ การเปลี่ยนขอบเขตระหว่างงานจะเปลี่ยนทั้งรายการคำและยอดรวมที่นำมาเปรียบเทียบ

อ่านจำนวนครั้งควบคู่กับสัดส่วน

โทเคนคือการปรากฏหนึ่งครั้งที่ถูกนับ ส่วนรายการที่ต่างกันคือชุดข้อความที่ไม่เหมือนกัน เมื่อเก็บ 中文书 ไว้รวมกัน 图书馆, 看书, 中文书 และ 新词 ปรากฏอย่างละสองครั้ง ส่วน 我 ปรากฏสามครั้ง เครื่องหมายวรรคตอนและช่องว่างยังเห็นในผลตัดคำ แต่ไม่รวมในยอดความถี่

สัดส่วนคำนวณจากจำนวนครั้งของคำนั้นหารด้วยยอดโทเคนที่ยังเก็บไว้ ก่อนตัดคำออก 图书馆 คำนวณเป็น 2 ÷ 31 × 100 หรือประมาณ 6.45% หลังตัดออกจะเป็น 2 ÷ 22 × 100 หรือประมาณ 9.09% คำนี้ไม่ได้ปรากฏเพิ่ม เพียงแต่ตัวหารเปลี่ยนไป

หากรอบที่สองต้องการเน้นคัดคำศัพท์ ให้ใส่คำที่ตัดออกทั้งหกคำในตารางแยกบรรทัดกัน รวมแล้วจะตัดออกเก้าครั้ง การตัดออกจับคู่กับโทเคนทั้งคำ ดังนั้นการตัด 书 จะไม่ลบโทเคนกำหนดเอง 中文书 ข้อความที่ตัดคำแล้วยังแสดงคำเหล่านี้ได้ แม้จะไม่นำไปคำนวณสถิติ

ทั้งหกคำมีประโยชน์ในภาษาจีน จึงไม่ควรตัดทิ้งจากทุกบทเรียนโดยอัตโนมัติ ควรเก็บไว้เมื่อเรียนไวยากรณ์หรือโครงสร้างประโยค เช่นเดียวกัน การตัดตัวเลขอาจช่วยในบางข้อความ แต่ซ่อนข้อมูลสำคัญในตารางเวลาหรือบทอ่านเกี่ยวกับการซื้อของได้ กำหนดเป้าหมายก่อนเลือกตัวกรอง และระบุเงื่อนไขไว้กับผลที่บันทึก

เก็บความหมายไว้ในประโยค

เลือกคำโดยดูความถี่ ความรู้เดิม และเป้าหมายการอ่านร่วมกัน คำที่ซ้ำบ่อยแต่รู้แล้วอาจไม่ต้องใช้เวลามาก ขณะที่คำที่พบครั้งเดียวอาจอธิบายทั้งย่อหน้าได้ ตัวอย่างนี้ 借 พบเพียงครั้งเดียว แต่บอกว่าหนังสือถูกยืมมา การเลือกแค่สิบอันดับแรกจึงไม่ได้รับประกันว่าจะได้รายการเรียนที่เหมาะที่สุด

สำหรับแต่ละคำ ให้เก็บประโยคเดิมหรืออนุประโยคสั้นที่สมบูรณ์ ความหมายในบริบท และคำอ่านที่ตรวจแล้ว ใน 准备下周还书 ตัว 还 หมายถึงคืน และอ่านว่า huán หากจำเฉพาะ hái ซึ่งในบริบทอื่นหมายถึงยังหรืออีกด้วย ก็จะเข้าใจประโยคนี้ผิด เช่นเดียวกับ 笔记本 ที่ในที่นี้เป็นสมุดกระดาษสำหรับเขียน ไม่ใช่คอมพิวเตอร์โน้ตบุ๊ก

บันทึกที่ใช้ได้จริงอาจประกอบด้วยคำ คำอ่าน ความหมายในบทนี้ ประโยคต้นฉบับ และชื่อบทอ่าน ทำเครื่องหมายจุดที่ไม่แน่ใจไว้ตรวจภายหลัง แทนการถือว่าคำอ่านอัตโนมัติถูกต้องแน่นอน ก่อนทำบัตรสำหรับชื่อเฉพาะ ศัพท์เทคนิค หรือคำที่อ่านได้หลายแบบ ควรตรวจทั้งประโยคและพจนานุกรมที่เหมาะสม

ส่งออกรายการเพื่อใช้ต่อ

ดาวน์โหลด CSV หลังตัดสินใจเรื่องคำกำหนดเองและคำที่ตัดออกแล้ว ไฟล์มีคำที่เหลือ จำนวนครั้ง และเปอร์เซ็นต์ครบทุกหน้าผลลัพธ์ หน้าจอปัดเศษเปอร์เซ็นต์เป็นทศนิยมสองตำแหน่ง ส่วน CSV เก็บสี่ตำแหน่ง ความต่างเล็กน้อยจากการปัดเศษไม่ได้แปลว่าจำนวนครั้งเปลี่ยน และผลรวมเปอร์เซ็นต์ที่แสดงอาจไม่เท่ากับ 100% พอดี

CSV เป็นรายการสถิติ ไม่ใช่ชุดคำจำกัดความที่เตรียมไว้แล้ว เก็บไฟล์ไว้กับต้นฉบับและบันทึกการตั้งค่า ชื่อไฟล์อาจระบุบทอ่านและบอกว่าใช้ตัวกรองหรือไม่ เมื่อเปรียบเทียบข้อความยาวไม่เท่ากัน ให้ดูทั้งจำนวนครั้งและสัดส่วนต่อยอดรวม โดยใช้กฎตัดคำและกรองแบบเดียวกัน

สำหรับการทบทวน นำคำที่เลือกไปใส่ในเครื่องมือบัตรคำศัพท์ภาษาจีน เตรียมคำ พินอิน และความหมายตามบริบท แล้วตรวจแก้บัตรก่อนฝึกหรือส่งออก อย่าวาง CSV ความถี่โดยเข้าใจว่าคอลัมน์จำนวนครั้งเป็นคอลัมน์คำอ่าน เก็บประโยคต้นทางไว้ในสมุดเรียนหรือช่องความหมายของบัตรได้

กลับไปอ่านต้นฉบับอีกครั้ง

หลังทบทวนคำจำนวนที่พอเหมาะ ให้กลับไปอ่านย่อหน้า ตรวจว่าสามารถตามเรื่องการไปห้องสมุดได้โดยไม่ดูรายการหรือไม่ โดยเฉพาะการยืม คืน และจดบันทึก วิธีนี้ทำให้การฝึกคำศัพท์มีผลลัพธ์ที่ชัดเจนมากกว่าการสะสมคำ

สำหรับบทอ่านยาว ให้แบ่งทำเป็นส่วนอย่างสม่ำเสมอ และตรวจขอบเขตกับการตั้งค่าก่อนเปรียบเทียบ ตัวอักษรย่อและตัวเต็ม ชื่อเฉพาะ และรูปเขียนที่ต่างกันอาจยังเป็นคนละรายการ ความหมายคล้ายกันไม่ได้ทำให้เป็นโทเคนเดียวกัน ความถี่ในข้อความที่เลือกอธิบายเฉพาะข้อความนั้น ไม่ใช่อันดับคำภาษาจีนทั่วไป ระดับความสามารถ หรือเปอร์เซ็นต์ของเนื้อหาที่เข้าใจ