Çince okuma metninden sözcük listesi hazırlama

Çince bir metinde tekrarlanan sözcük, tekrar çalışması için iyi bir adaydır; ancak sıklık listesini yorumlamak gerekir. Çince yazıda sözcükler genellikle boşlukla ayrılmaz. Araç saymaya başlamadan önce her sözcüğün nerede başlayıp bittiğine karar vermelidir. Yanlış bir sınır, uygun olmayan bir girdiyi listenin üstüne taşıyabilir.

Gerçekten okumak istediğiniz kısa bir parçayla başlayın. Bölümlemeyi kontrol edin, istatistiklere hangi sözcüklerin katılacağını seçin ve saklayacağınız sözcüklere cümle ile anlam ekleyin. Aşağıdaki örnek, özgün bir paragrafı ham metinden küçük bir çalışma listesine dönüştürür; sayıları siz de yeniden elde edebilirsiniz.

Amacı belli bir metin seçin

Bir bölüm, kısa yazı veya ders metni listenin kapsamını belirler. Metnin gövdesini kopyalayın ve temiz bir özgün kopyasını saklayın. Analizden önce tekrarlanan menüleri, reklamları, sayfa başlıklarını ve OCR nedeniyle yinelenen satırları kaldırın; aksi halde bunların sözcükleri okuma metnindeki sözcüklerle yarışır. Başlığı da sayacaksanız metinleri karşılaştırırken bu kararı not edin.

Bu özgün alıştırma paragrafı bir kütüphane ziyaretini ve okuma alışkanlığını anlatır. Yayımlanmış bir kitaptan alınmamıştır ve gerçek bir kişinin deneyimi değildir:

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。

Anlatıcı hafta sonu kütüphaneye gider, Çince iki kitap ödünç alır, gelecek hafta geri vermeyi planlar ve yeni sözcükleri bir deftere yazar. Bu bağlam daha sonra önem kazanır: kitapların türünü ve 还书 içindeki fiilin anlamını açıklar.

Paragrafı Çince sözcük sıklığı analiz aracına yapıştırın; ilk çalıştırmada özel sözcük ve dışlanan sözcük alanlarını boş bırakın. Sıklık tablosunun yanında bölümlenmiş metni de okuyun. Tablo tekrarları tek satırda toplar; bölümleme görünümü özgün sırayı ve noktalama işaretlerini korur.

Saymadan önce sınırları denetleyin

Mevcut araç ilk analizde 33 sayılan kullanım ve 25 farklı girdi döndürür. 中文书 ifadesini 中 ve 文书 olarak ayırır. Her iki karakter dizisi de mümkün olsa da bu ayrım paragraftaki Çince yazılmış kitaplar anlamını karşılamaz. Sözlükte makul görünen bir girdinin bulunması, doğru okuma için tek başına yeterli değildir.

Özel sözcük alanına ayrı bir satırda 中文书 ekleyip yeniden analiz edin. İki kullanım da artık bütün kalır. Sonuç 31 kullanım ve 24 farklı girdiye dönüşür. Burada Çince kitap ifadesini bilinçli olarak bir çalışma birimi kabul ediyoruz; bu alıştırmaya özgü tercih, her Çince birleşiğin tek bir evrensel doğru bölümlemesi olduğu anlamına gelmez.

Başka öğrenme amaçları 中文 ve 书 sözcüklerini ayrı tutmayı ya da 两 ile kitaplar için kullanılan 本 sınıflandırıcısını ele almayı gerektirebilir. Bölümleyicinin çıktısı bu karara başlangıç sağlar. Listeyi kısaltmak için özel alana bütün cümleleri eklemeyin. Bir adı veya ifadeyi ancak kullanım yerlerinin gerçekten birlikte değerlendirilmesi gerekiyorsa ekleyin.

Özel terimler metnin tamamındaki eşleşmeleri etkiler. Kısa veya belirsiz bir terim ekledikten sonra çevresindeki cümleleri kontrol edin. Bölümleri karşılaştırırken aynı terimleri kullanın ve sonuçlarla birlikte bir kopyasını saklayın. Çalışmanın ortasında sınırları değiştirmek hem girdileri hem de karşılaştırılan toplamları değiştirir.

Sayıları ve oranları birlikte okuyun

Bir token, sayılan tek bir kullanımdır; farklı bir girdi ise farklı bir metin dizisidir. 中文书 bir arada tutulduğunda 图书馆, 看书, 中文书 ve 新词 ikişer kez, 我 üç kez geçer. Noktalama ve boşluklar bölümleme görünümünde kalır, fakat sıklık toplamına katılmaz.

Oran, sözcüğün sayısının korunan tüm kullanımların toplamına bölünmesiyle hesaplanır. Dışlama öncesinde 图书馆 için 2 ÷ 31 × 100, yaklaşık %6,45 elde edilir. Sonrasında 2 ÷ 22 × 100, yaklaşık %9,09 olur. Sözcük bir kez daha geçmemiştir; yalnızca payda değişmiştir.

Sözcük öğrenimine odaklanan ikinci geçişte, tablodaki altı dışlanan sözcüğü ayrı satırlara yazın. Bunlar toplam dokuz kullanımı kaldırır. Dışlama tam token dizisiyle eşleşir; dolayısıyla 书 sözcüğünü dışlamak özel 中文书 tokenını kaldırmaz. İstatistiklerden çıkarılan sözcükler bölümlenmiş metinde görünmeye devam eder.

Bu altı sözcük Çincede yararlıdır; her dersten otomatik olarak atılmamalıdır. Dil bilgisi veya cümle kalıpları çalışırken koruyun. Benzer şekilde, sayıları dışlamak bazı metinlerde işe yararken bir çizelge veya alışveriş yazısındaki önemli bilgileri gizleyebilir. Önce öğrenme amacınızı belirleyin, sonra filtre seçin ve kaydedilen sonuçları buna göre etiketleyin.

Anlamı cümlesiyle birlikte saklayın

Sözcük seçerken sıklığı, önceden bildiklerinizi ve okuma görevini birlikte düşünün. Zaten bildiğiniz sık bir sözcük az ilgi gerektirirken yalnızca bir kez geçen sözcük bütün paragrafı açıklayabilir. Burada 借 bir kez geçer ama kitapların ödünç alındığını gösterir. Yalnızca ilk on girdiyi seçmek en iyi dersi sağlamaz.

Seçtiğiniz her öğe için tam cümleyi veya kısa, tamamlanmış bir cümleciği, bağlamdaki anlamı ve doğrulanmış telaffuzu saklayın. 准备下周还书 içinde 还, geri vermek anlamındadır ve huán okunur. Yalnızca başka bağlamlardaki hâlâ veya ayrıca anlamlı hái okunuşunu öğrenmek cümleyi yanlış anlamaya götürür. Aynı şekilde 笔记本 burada yazı yazılan kâğıt defterdir, dizüstü bilgisayar değildir.

Yararlı bir kayıt; sözcük, telaffuz, bu metindeki anlam, özgün cümle ve metin başlığını içerebilir. Otomatik üretilen okunuşu kesin kabul etmek yerine belirsizlikleri sonradan kontrol etmek üzere işaretleyin. Bir ad, teknik terim veya çok okunuşlu sözcük için kart hazırlamadan önce bütün cümleyi ve uygun bir sözlüğü inceleyin.

Yeniden kullanılabilir liste dışa aktarın

Özel terimleri ve dışlamaları belirledikten sonra CSV dosyasını indirin. Dosya tüm sonuç sayfalarındaki sözcükleri, sayıları ve yüzdeleri içerir. Ekran yüzdeleri iki ondalık basamağa yuvarlar, CSV dört basamak tutar. Küçük yuvarlama farkları sayıların değiştiği anlamına gelmez; gösterilen yüzdeler tam %100 etmeyebilir.

CSV istatistiksel bir listedir, hazır tanımlardan oluşan kart destesi değildir. Özgün metin ve ayar notuyla birlikte saklayın. Dosya adına metnin kimliğini ve filtre uygulanıp uygulanmadığını ekleyebilirsiniz. Farklı uzunluktaki metinleri karşılaştırırken aynı bölümleme ve filtre kurallarıyla hem sayılara hem normalize edilmiş oranlara bakın.

Tekrar için seçtiğiniz sözcükleri Çince sözcük kartları aracına aktarın. Sözcük, pinyin ve bağlama uygun anlamı hazırlayın; çalışmadan veya dışa aktarmadan önce kartları inceleyip düzenleyin. Sıklık CSV’sini sayı sütunu telaffuz sütunuymuş gibi yapıştırmayın. Kaynak cümleyi çalışma notlarınızda veya kartın anlam alanında koruyun.

Özgün okumaya geri dönün

Yönetilebilir büyüklükte bir sözcük grubunu tekrar ettikten sonra paragrafı yeniden okuyun. Listeye bakmadan kütüphane ziyaretini, özellikle ödünç alma, geri verme ve not alma eylemlerini takip edebiliyor musunuz, kontrol edin. Böylece sözcük çalışması girdi biriktirmenin ötesinde somut bir sonuç verir.

Daha uzun okumaları tutarlı bölümlere ayırın; sonuçları ancak kapsamı ve ayarları denetledikten sonra karşılaştırın. Basitleştirilmiş ve geleneksel yazımlar, adlar ve farklı yazı biçimleri ayrı girdiler olarak kalabilir; benzer anlamlar tokenları aynı yapmaz. Seçtiğiniz parçadaki sıklık yalnızca o parçayı tanımlar; genel Çince sıralaması, yeterlik düzeyi veya anlaşılan anlamın yüzdesi değildir.