英語高頻詞匯的采集方法

摘 要：英語高頻詞匯研究屬詞匯分析的一部分，在語言研究和教學實踐中極具實用意義。本文介紹高頻詞匯的概念、采集原理及使用《英語詞匯分析工具》軟件采集英語高頻詞匯的方法。

關(guān)鍵詞：英語；詞匯分析；高頻詞匯；英語詞匯分析工具

一、 引言

詞匯在英語語言研究和教學工作中是重要的組成部分，高頻詞匯因使用頻繁而受到普遍重視。根據(jù)關(guān)注目標不同衍生出各類英語高頻詞匯，如考試類的高考高頻詞匯和托福高頻詞匯，技術(shù)專業(yè)類的如商務(wù)英語高頻詞匯、新聞英語高頻詞匯、化工英語高頻詞匯等等。這些英語高頻詞匯面向?qū)ο蟛煌~匯組成差異明顯，研究高頻詞匯可以幫助教師更多地關(guān)注這類詞匯的相關(guān)信息、更好地把握教學重點和更高效地訓練學生應(yīng)對能力，提升教學質(zhì)量。

二、 高頻詞匯概念和采集一般步驟

高頻詞匯通常是指在語言交流中使用率較高的詞匯，或某領(lǐng)域使用較普遍的詞匯。它是以交流材料為計數(shù)單位，經(jīng)過對許多批次材料詞匯詞頻統(tǒng)計，篩選出由頻數(shù)較高詞匯組成的一批詞匯。一份材料無論某詞匯出現(xiàn)多少次，其詞頻計數(shù)僅算1次，而頻數(shù)為100的詞匯是指在所有統(tǒng)計材料中有100份材料含有該詞匯。高頻詞匯共同特征是對材料的較高總體覆蓋率，如商務(wù)英語高頻詞匯對各種商務(wù)文書類具較高的覆蓋率，考試高頻詞匯考到的概率較大。因此，僅對一篇材料進行詞頻統(tǒng)計或?qū)⑺胁牧辖M成一個大文件做詞頻統(tǒng)計均不適合用于高頻詞匯采集。本文以考試高頻詞匯的采集為例，介紹采集的技術(shù)要點和一般步驟。

考試高頻詞匯指在特定考試中按考試批次統(tǒng)計出現(xiàn)頻數(shù)較高的詞匯（覆蓋率較高）。如對20批次考試試卷進行詞頻統(tǒng)計，某詞匯在14批次考試試卷中含有，則該詞匯的統(tǒng)計頻數(shù)為14，考試覆蓋率70%，該詞匯應(yīng)屬于考試高頻詞匯。考試高頻詞匯的采集首先要收集足夠批次考試試卷（統(tǒng)計學稱之為采樣的樣本量）。受考試時長和篇幅的限制，每次考試所含詞匯數(shù)量十分有限，如果用于統(tǒng)計的試卷批次數(shù)量過少則高頻詞匯采集將失去意義，考試批次越多，高頻詞匯采集工作就價值越高。采集的主要工作是制作詞頻統(tǒng)計數(shù)據(jù)表和各頻數(shù)段詞匯表，該工作一般用專用軟件在計算機上完成，詞頻統(tǒng)計數(shù)據(jù)可幫助快速框定高頻詞匯的范圍，合并框定范圍內(nèi)各頻數(shù)段詞匯表就完成了高頻詞匯的初始采集工作。高頻詞匯范圍框定一般有兩種方式，一種方式是以詞匯數(shù)量規(guī)模進行框定，如根據(jù)詞頻數(shù)由高到低選取2000個詞匯；另一種方式是按考試覆蓋率框定，如超過半數(shù)考試含有的詞匯（考試批次覆蓋率50%）。

經(jīng)上述工作形成的高頻詞匯初始詞表的后處理是除去（Excluded Words）一些不應(yīng)包含在其中的詞匯，包括專有名詞（如U.S.A./Mrs./April）、數(shù)詞（如three/second/nineteenth）、感嘆詞（如yeah/oh/ha）、無法歸類詞（如er/th/wh）、字母符號（如a/b/l）、計量詞（如km/vol./p.）、縮寫（如b.c./a.m./ie）、代詞（如your/her）、介詞（如of/as）等等，最終完成高頻詞匯詞表。

三、 采集工具與操作

《英語詞匯分析工具》是南通大學李冬研制的英語詞匯數(shù)據(jù)采集工具，該軟件功能十分豐富，2017版除了對原有功能優(yōu)化外，首次推出了小程序功能，為以后功能不斷地豐富創(chuàng)造了條件。目前含有的小程序已達10余種，其中“txt多試卷”小程序是專門為高頻詞匯采集設(shè)計，可以完成多批次材料的詞頻統(tǒng)計和對應(yīng)詞匯表生成工作。該小程序通過連續(xù)、多次導入各批次試卷（或材料），采集詞匯進行詞頻統(tǒng)計，生成包含各頻數(shù)段詞匯數(shù)據(jù)及對應(yīng)的詞匯表，操作十分便捷。它也適用于各專業(yè)類高頻詞匯采集（如商務(wù)英語、化工英語、醫(yī)學英語等等）。

軟件操作：啟動軟件后（見圖1）在小程序調(diào)用輸入框直接輸入小程序名“txt多試卷”，點擊“運行”按鈕啟動該程序。

圖1

進入該小程序操作界面后循環(huán)進行下面4個步驟完成多批次試卷數(shù)據(jù)采集：1在彈出的窗口中點擊“打開文件”；2選擇導入試卷；3勾取“繼續(xù)導入試卷”復選框準備下一輪采集；4回到采集初始界面（完成一份試卷數(shù)據(jù)采集循環(huán)）。經(jīng)過N次循環(huán)完成N份試卷的數(shù)據(jù)采集后點擊“完成”按鈕結(jié)束循環(huán)，顯示統(tǒng)計數(shù)據(jù)和各頻數(shù)段詞匯表。

圖2

打開程序生成的數(shù)據(jù)文件，只要根據(jù)自身情況框定高頻詞匯范圍、去除上述少量無關(guān)詞，高頻詞匯表就完成了。

四、 結(jié)語

高頻詞匯（highfrequency word）一直是英語學習者詞匯學習關(guān)注的焦點。英語教師往往希望根據(jù)自身教學情況獲得適合自己教學需要的特定高頻詞匯表，但是，高頻詞匯清晰的概念、采集方法及輔助工具均未見報道。本文通過介紹高頻詞匯采集及相關(guān)技術(shù)，以期推動各類高頻詞匯研究，滿足相關(guān)人士的需要。

參考文獻：

[1]何華清，陳文存.大學生英語高頻詞匯水平實證研究[N].西華師范大學學報：哲學社會科學版，2008（2）：43-47.

[2]苗麗霞.非英語專業(yè)學生基礎(chǔ)階段高頻詞匯水平發(fā)展研究[N].寧波大學學報：教育科學版，2010（2）：116-210.

作者簡介：

李夢圓，江蘇省泰州市，江蘇泰州學院外國語學院。