PTT職涯區 / Linguistics (語言學習)

[請益]請問中文，無語義的二字詞頻資料哪兒有？

看板Linguistics (語言學習)作者 (呼~呼~叔叔覺得妳好可愛~)時間6年前 (2018/07/20 22:24), 6年前編輯推噓3(3推 0噓 8→)
留言11則, 3人參與, 6年前最新討論串1/1
大家好， 我知道中研院的「搜詞尋字」可以找到中文的詞頻資料。如下網站 http://words.sinica.edu.tw/sou/sou.html 可是我心血來潮，想要找「無語義」的二字詞的詞頻資料，請問哪兒會有呢？ 在中研院的「搜詞尋字」的網站中，可以找二字詞的詞頻。 可是「二字詞」都是有意義的。 我所謂的「無語義」，就是任二字組合起來，常在文章中出現的頻率。 當然，我只要找頻率高的較好了，不然太多了。 只是好奇，哪些二個字連在一起出現的頻率較高而已。 像中研院之類的詞頻分析，我相信也是把資料用電腦分析後， 在所有二個字連在一起出現的結果中，把沒有詞義的部分去掉後，所整理出來的資料。 我就是想看看那些因為沒有詞意而被去掉的部分。 請問有人有辦法嗎？ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.242.47 ※ 文章網址: https://www.ptt.cc/bbs/Linguistics/M.1532096669.A.19F.html ※ 編輯: ddqueen (114.36.242.47), 07/21/2018 00:54:40 ※ 編輯: ddqueen (114.36.242.47), 07/21/2018 00:56:41
→
07/21 16:39, 6年前 , 1F
你的意思是不成詞的任兩個字組合嗎？如果是，你找不。
07/21 16:39, 1F
→
07/21 16:39, 6年前 , 2F
到的。
07/21 16:39, 2F
→
07/21 16:42, 6年前 , 3F
因為做這個沒意義。你可以自己寫個像bigram的程式，找
07/21 16:42, 3F
→
07/21 16:42, 6年前 , 4F
個沒斷詞的語料庫，跑跑看。
07/21 16:42, 4F
推
07/22 16:37, 6年前 , 5F
同樓上，跑bigram去掉詞庫的entry~暴力解 XD
07/22 16:37, 5F
→
07/22 16:38, 6年前 , 6F
中研院的詞頻分析應該是先斷詞過了 所有結果都是有意義的
07/22 16:38, 6F
→
07/22 16:40, 6年前 , 7F
要不然你找最常共現的兩個詞 前詞後字跟後詞前字不成詞
07/22 16:40, 7F
→
07/22 16:40, 6年前 , 8F
的話 大概就會是無意義任二字組合比較高的那些了？XD
07/22 16:40, 8F
恩~~ 我不會寫程式啦。也不知去哪裡找語料庫。@@ 沒人做過相關研究嗎？ ※ 編輯: ddqueen (114.25.201.169), 07/23/2018 04:23:00
推
07/24 02:25, 6年前 , 9F
Google Ngram corpus V2 http://bit.ly/2JOkHd1
07/24 02:25, 9F
→
07/24 02:26, 6年前 , 10F
資料量很大，缺點是簡體中文。
07/24 02:26, 10F
Hi CCY0927，感謝您，有可能就是我要的。可是我找到Chinese (simplified)後，下截任一個，用word打開，看不太懂也。也沒有中文。擷取一行如下: _ADV_ 007_NOUN 1982 5 5 您看，這樣是什麼？ 還是說這個檔案不是用word開的呢？ ※ 編輯: ddqueen (114.36.228.99), 07/25/2018 04:29:42
推
07/27 16:21, 6年前 , 11F
跟中研院買(欸
07/27 16:21, 11F
‣ 更多 ddqueen 的文章
文章代碼(AID): #1RKV2T6V (Linguistics)
Linguistics 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 ddqueen 的文章
文章代碼(AID): #1RKV2T6V (Linguistics)