Lập danh sách từ vựng từ bài đọc tiếng Trung

Một từ lặp lại trong bài đọc tiếng Trung có thể đáng để ôn tập, nhưng danh sách tần suất cần được diễn giải. Chữ viết tiếng Trung thường không có khoảng trắng giữa các từ. Trước khi đếm, công cụ phải xác định điểm bắt đầu và kết thúc của từng từ; ranh giới sai có thể đẩy một mục không phù hợp lên đầu danh sách.

Hãy bắt đầu bằng một đoạn ngắn mà bạn thực sự muốn đọc. Kiểm tra cách tách từ, chọn những từ được tính vào thống kê, rồi bổ sung câu gốc và nghĩa cho các từ giữ lại. Ví dụ dưới đây đi từ một đoạn văn tự viết đến danh sách học nhỏ, với số liệu bạn có thể tái hiện.

Chọn bài đọc có mục đích

Một chương sách, bài viết ngắn hoặc bài đọc trên lớp giúp xác định phạm vi rõ ràng. Sao chép phần nội dung và lưu một bản gốc sạch. Trước khi phân tích, bỏ menu lặp lại, quảng cáo, đầu trang và các dòng OCR bị nhân đôi; nếu không, tần suất của chúng sẽ cạnh tranh với từ trong bài. Nếu tính cả tiêu đề, hãy ghi lại quyết định đó khi so sánh các bài đọc.

Đây là đoạn luyện tập tự viết, kể về một lần đến thư viện và thói quen đọc. Đoạn này không trích từ sách đã xuất bản và không kể về người thật:

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。

Người kể đến thư viện vào cuối tuần, mượn hai cuốn sách tiếng Trung, dự định trả vào tuần sau và ghi từ mới vào sổ. Ngữ cảnh này sẽ quan trọng ở bước sau: nó cho biết sách viết bằng ngôn ngữ nào và động từ trong 还书 mang nghĩa gì.

Dán đoạn văn vào công cụ phân tích tần suất từ tiếng Trung, để trống từ tùy chỉnh và từ loại trừ ở lần chạy đầu. Đọc cả văn bản đã tách lẫn bảng tần suất. Bảng gom các lần lặp thành một hàng, còn phần tách từ giữ thứ tự và dấu câu ban đầu.

Kiểm tra ranh giới trước khi đếm

Ở công cụ hiện tại, lần đầu cho 33 lượt được đếm và 25 mục khác nhau. 中文书 bị tách thành 中 và 文书. Hai chuỗi này đều có thể tồn tại, nhưng cách chia đó không đúng với nghĩa sách bằng tiếng Trung trong đoạn. Một mục từ trông hợp lý trong từ điển chưa đủ chứng minh đó là cách hiểu phù hợp.

Thêm 中文书 vào ô từ tùy chỉnh, trên một dòng riêng, rồi phân tích lại. Cả hai lần xuất hiện được giữ nguyên. Kết quả còn 31 lượt và 24 mục khác nhau. Ở đây ta chủ động coi sách tiếng Trung là một đơn vị học cho bài tập này; điều đó không có nghĩa mọi tổ hợp tiếng Trung chỉ có một cách phân chia đúng chung cho tất cả trường hợp.

Mục tiêu khác có thể cần học riêng 中文 và 书, hoặc tìm hiểu 两 cùng lượng từ 本 dùng cho sách. Kết quả tự động là điểm xuất phát để đưa ra lựa chọn. Đừng nhập cả câu vào danh sách tùy chỉnh chỉ để làm bảng ngắn đi. Chỉ thêm tên riêng hay biểu thức khi nhiệm vụ thực sự cần gom chúng thành một đơn vị.

Từ tùy chỉnh tác động đến mọi chỗ khớp trong đầu vào. Sau khi thêm từ ngắn hoặc dễ gây nhập nhằng, hãy kiểm tra các câu xung quanh. Khi so sánh nhiều chương, dùng cùng bộ từ và lưu một bản cùng kết quả. Thay đổi ranh giới giữa chừng sẽ làm đổi cả các mục từ lẫn tổng số đang so sánh.

Đọc số lần cùng với tỷ lệ

Một token là một lượt được tính; một mục khác nhau tương ứng với một chuỗi từ khác nhau. Khi giữ 中文书 thành một khối, 图书馆, 看书, 中文书 và 新词 đều xuất hiện hai lần; 我 xuất hiện ba lần. Dấu câu và khoảng trắng vẫn có trong phần tách từ nhưng không được cộng vào tổng tần suất.

Tỷ lệ bằng số lần của từ chia cho tổng lượt còn giữ lại. Trước khi loại từ, 图书馆 có phép tính 2 ÷ 31 × 100, xấp xỉ 6,45%. Sau đó là 2 ÷ 22 × 100, xấp xỉ 9,09%. Từ không xuất hiện thêm lần nào; chỉ mẫu số thay đổi.

Để xem lần thứ hai với trọng tâm từ vựng, nhập sáu từ loại trừ trong bảng, mỗi từ một dòng. Chúng loại tổng cộng chín lượt. Quy tắc loại trừ khớp toàn bộ token, nên loại 书 không xóa token tùy chỉnh 中文书. Văn bản tách từ vẫn hiển thị các từ đã bị bỏ khỏi thống kê.

Sáu từ này đều hữu ích trong tiếng Trung, không nên tự động bỏ khỏi mọi bài học. Hãy giữ chúng khi học ngữ pháp hoặc mẫu câu. Tương tự, bỏ số có thể giúp với một số bài, nhưng che mất thông tin cần thiết trong thời gian biểu hoặc bài về mua sắm. Xác định điều muốn học trước khi chọn bộ lọc và ghi rõ điều kiện trên kết quả đã lưu.

Giữ nghĩa trong câu gốc

Chọn từ bằng cách kết hợp tần suất, kiến thức đã có và mục tiêu đọc. Từ lặp nhiều mà bạn đã biết không cần quá nhiều thời gian; từ xuất hiện một lần có thể giải thích cả đoạn. Trong ví dụ, 借 chỉ xuất hiện một lần nhưng cho biết sách được mượn. Chỉ lấy mười mục đầu chưa chắc tạo ra bài học tốt nhất.

Với mỗi mục chọn, giữ nguyên câu hoặc một mệnh đề ngắn hoàn chỉnh, nghĩa trong ngữ cảnh và cách đọc đã kiểm tra. Trong 准备下周还书, 还 nghĩa là trả lại và đọc huán. Nếu chỉ học hái với nghĩa vẫn hoặc cũng ở ngữ cảnh khác, bạn sẽ hiểu lệch câu này. Tương tự, 笔记本 ở đây là sổ giấy để viết, không phải máy tính xách tay.

Một bản ghi hữu ích có thể chứa từ, cách đọc, nghĩa trong đoạn, câu gốc và tiêu đề bài. Đánh dấu chỗ chưa chắc để tra lại thay vì xem cách đọc tự động là kết luận cuối cùng. Với tên riêng, thuật ngữ hay âm đọc nhập nhằng, hãy kiểm tra cả câu và từ điển thích hợp trước khi làm thẻ.

Xuất danh sách có thể tái sử dụng

Tải CSV sau khi đã chốt từ tùy chỉnh và từ loại trừ. Tệp chứa từ còn giữ, số lần và tỷ lệ phần trăm trên tất cả các trang kết quả. Màn hình làm tròn đến hai chữ số thập phân, còn CSV giữ bốn. Chênh lệch nhỏ do làm tròn không có nghĩa số lần thay đổi; tổng tỷ lệ hiển thị cũng không nhất thiết đúng 100%.

CSV là bảng thống kê, không phải bộ thẻ đã có sẵn nghĩa. Lưu nó cùng văn bản gốc và ghi chú thiết lập. Tên tệp có thể chứa mã bài và thông tin đã lọc hay chưa. Khi so sánh văn bản dài ngắn khác nhau, xem cả tỷ lệ theo tổng lượng lẫn số lần, với cùng quy tắc tách và lọc.

Để ôn tập, đưa các từ đã chọn vào công cụ thẻ từ vựng tiếng Trung. Chuẩn bị từ, pinyin và nghĩa theo ngữ cảnh; kiểm tra, sửa thẻ trước khi luyện hoặc xuất. Đừng dán CSV tần suất như thể cột số lần là cột phát âm. Giữ câu nguồn trong ghi chép học hoặc ô nghĩa của thẻ.

Quay lại bài đọc ban đầu

Sau khi ôn một nhóm từ vừa sức, đọc lại đoạn văn. Kiểm tra xem bạn có theo dõi được lần đến thư viện mà không nhìn danh sách không, nhất là các hành động mượn, trả và ghi chép. Như vậy, bài tập từ vựng có kết quả cụ thể ngoài việc gom các mục.

Với bài dài, làm theo những phần nhất quán và chỉ so sánh sau khi kiểm tra phạm vi, thiết lập. Chữ giản thể và phồn thể, tên riêng và dạng viết khác nhau có thể vẫn là các mục riêng; nghĩa gần nhau không làm token giống nhau. Tần suất trong đoạn đã chọn mô tả chính đoạn đó, không phải bảng xếp hạng chung của tiếng Trung, trình độ ngôn ngữ hay phần trăm nội dung đã hiểu.