如何自动对字典中的单词进行分类？

Posted 2021-04-11

我有一个很大的字典文件，dic.txt（实际上是SOWPODS），每行有一个英文单词。我想自动将这个文件分成3个不同的文件easy_dic.txt（我们每天使用的最常见的单词 - 一个16岁的词汇），medium_dic.txt（这些单词在常用中并没有那么多，但许多人都知道 - 知识一个30岁的减去easy_dic.txt中的单词，hard_dic.txt（非常深奥的单词，只有专业的拼字游戏玩家会知道）。什么是最简单的方法（您可以使用互联网上的任何资源）来实现这一目标？

答案

谷歌有合适的工具:)，并分享其数据库！

Ngram viewer是一个检查和比较文学，杂志等词语出现频率的工具。

您可以下载数据库，并从here训练您的词典。

HTH！

BTW这个工具非常有趣，可以发现这个词的出生和消失日期。

另一答案

• 拿一些以计算机可读形式提供的书籍（最好是三个类别）。
• 为这些书中的所有单词创建直方图。
• 合并每个类别的所有书籍的直方图。
• 处理字典时，请检查字词具有最高计数的直方图的类别，并将该字词放在此类别中。

除了最后一步之外，您还可以简单地处理直方图并从所有直方图中删除一个单词，除了具有最高点击量的单词。然后你已经有一个单词列表，而不使用外部字典文件。

另一答案

下载Wikipedia转储，使用一些Lingpipe工具（最佳数据结构）学习单词频率。检查字典频率分布中的单词，然后将它们分成3组。