美国当代英语语料库COCA词频20000 高频2W （完整）.pdf

美国当代英语语料库COCA（Corpus of Contemporary American English）是目前最全面、最新、并且在文体上平衡的美国英语语料库。它的数据基于超过4亿个词汇的语料收集，使得词频列表中的词汇是现实世界中常遇见的词汇。这个资源对于研究语言的人士，尤其是学习英语词汇的人，是一个非常宝贵的工具。 语料库的构建者Mark Davies和Dee Gardner通过这个项目提供了从频率列表上1-20,000个最常出现的词汇。这些词汇通过使用***网站提供的词频列表，可被研究人员和学生用来最大化他们的英语词汇学习效率。这些词频列表的准确性被认为是非常高的，尤其是一词对应20-30个搭配词的部分。同时，也提到了可以获取包含更多搭配词的扩展词频和搭配列表，虽然这些资源的格式不如PDF版本漂亮，价格也更高，它们主要是为了计算语言学家而设计的。 除了词频列表，Mark Davies和Dee Gardner还提到了其他相关的资源，包括完整的2-gram和3-gram列表，这些列表包含超过1亿个n-grams。n-gram是一种连续的词序列，比如一个2-gram就是由两个连续的词组成的序列，而一个3-gram是由三个连续的词组成。这些n-grams可以提供给研究人员关于词汇如何在不同语境中搭配使用的丰富信息。 此外，还提到有印刷版本的词频字典，包括从1到5,000个词的词条。这个版本由Routledge出版社在2010年出版，并被命名为《美国英语频率词典：词语素描、搭配和主题列表》。不过，PDF版本中的1-5,000个词条相较于印刷版本的少了大约30-40%的搭配词，这是基于与Routledge达成的版权协议，以避免内容重复。 文档还提到词频列表的准确性问题。作者们相信基于COCA的词频列表（包括1-5,000、1-10,000和1-20,000词汇的列表）比其他英语词频列表更加准确。1-5,000个词的列表中的超过10万个搭配词已经手工进行了校正，尽管仍然可能存在一些问题。而对于1-10,000和1-20,000词汇的列表，搭配词的数量更是分别超过了250,000和500,000个。这些都是研究者在进行语言研究，尤其是词频分析和搭配研究时需要参考的重要数据。