东南亚主要华文媒体语料库用词用语概要

东南亚主要华文媒体汇总
总共词次:103559213,总共文档数:343978, 不分词性统计:词种数总共679037。 分词性统计:词种数总共648086

新加坡独立新闻在线
总共词次:6510142,总共文档数:8474, 不分词性统计:词种数总共79272。 分词性统计:词种数总共90413

新加坡联合早报
总共词次:29118194,总共文档数:63608, 不分词性统计:词种数总共253366。 分词性统计:词种数总共274315

马来西亚光华日报电子新闻
总共词次:20733943,总共文档数:63342, 不分词性统计:词种数总共244419。 分词性统计:词种数总共262392

马来西亚韩视新闻中心
总共词次:4165843,总共文档数:10703, 不分词性统计:词种数总共88840。 分词性统计:词种数总共100884

马来西亚马新社中文网
总共词次:7020413,总共文档数:29964, 不分词性统计:词种数总共102371。 分词性统计:词种数总共113188

马来西亚亚洲时报
总共词次:8364928,总共文档数:34582, 不分词性统计:词种数总共106633。 分词性统计:词种数总共120481

泰国世界日报
总共词次:10548290,总共文档数:45880, 不分词性统计:词种数总共155301。 分词性统计:词种数总共170391

新加坡新动网
总共词次:4177048,总共文档数:26228, 不分词性统计:词种数总共79933。 分词性统计:词种数总共90894

新加坡亚洲新闻网
总共词次:12920412,总共文档数:61197, 不分词性统计:词种数总共155142。 分词性统计:词种数总共170563

监测语料
来自国家语言资源监测与研究中心平面媒体分中心、网络媒体分中心和有声媒体分中心,共4474675个文本文件,3709908405字次,总词语数共计2145386164词次,词种数5897396个。

东南亚主要华文媒体语料库频次与词种数关系

频次

词种数

占词种数比例(%

>100

32679

4.81

5

14780

2.18

1

355793

52.40

2

113371

16.70

3

37411

5.51

4

26281

3.87

11-20

25266

3.72

6-10

38335

5.65

21-100

35121

5.17


东南亚主要华文媒体语料库高频词语用字统计

共使用汉字次数18440。
字种数2429。
平均每个词语由1.93738180289977个汉字组成。
平均每个汉字使用次数7.5916014820914。
平均每个汉字在3.91848497324002个词语中出现。

高频词语(覆盖率90%的词语)用字降序排列(前20):
汉字 使用次数(在多少词语中出现)
人 127
国 118
年 112
大 102
一 100
不 93
会 91
中 87
出 87
日 86
上 82
行 69
政 68
长 67
民 64
部 63
主 61
下 60
生 60
有 59

东南亚主要华文媒体语料库高频词语词长统计

词长

词种数

占词种数比例(%

>7

0

0.00

1

1794

18.85

2

6592

69.26

3

894

9.39

4

174

1.83

5

51

0.54

6

12

0.13

7

1

0.01


东南亚主要华文媒体语料库覆盖率与词种数关系

覆盖率

词种数

占词种数比例(%

10

6

0.00

20

34

0.01

30

103

0.02

40

241

0.04

50

494

0.07

60

978

0.14

70

1873

0.28

80

3771

0.56

90

9518

1.40

91

10761

1.58

92

12285

1.81

93

14219

2.09

94

16749

2.47

95

20183

2.97

96

25137

3.70

97

33150

4.88

98

49339

7.27

99

107122

15.78


覆盖率从10%到50%的词语

覆盖率 词种(词种数)

0-10 的 在 是 和 他 不 (6)

10-20 了 也 有 将 说 一 人 会 对 中 中国 与 这 为 都 到 上 而 表示 被 以 个 及 名 并 就 后 大 (28)

20-30 美国 但 我 要 时 新 没有 多 他们 我们 问题 两 台湾 政府 已 一个 还 万 更 来 国家 从 向 等 前 下 她 经济 最 让 党 国 已经 所 能 亿 进行 于 至 报道 因为 指出 目前 新闻 可能 讯 发展 次 可以 很 该 认为 日本 公司 之 或 出 马 由 其 把 关系 工作 则 给 地 人民 以及 如果 (69)

30-40 包括 新加坡 比 主席 政治 不过 希望 丶 今年 自己 再 美 这个 警方 高 内 记者 有关 副 却 总统 美元 因此 国际 发生 令 计划 第 拉 行动 调查 好 岁 拿 才 必须 可 铢 市场 过 媒体 起 三 香港 要求 社会 只 据 这些 又 得 位 支持 阿 州 活动 成为 事件 影响 小 投资 开始 一些 着 通过 同时 回 达 方面 世界 举行 吉 日 做 时间 决定 获得 但是 其中 情况 应该 继续 议员 元 因 出现 今天 曾 政策 管理 消息 报 督 接受 由于 约 首相 去年 北京 你 受 合作 打 华 去 首 人员 大陆 需要 就是 人士 系统 主要 现在 第一 伊拉克 其他 陈水扁 宣布 月 泰国 发现 应 任何 虽然 仍 台 总 透露 提供 是否 代表 昨天 安全 选举 提出 当 用 (138)

40-50 会议 组织 使 看 此 朝鲜 官员 为了 项 增加 指 大选 称 发表 部长 较 里 学生 企业 解决 成 民众 能够 重要 阵 它 两岸 今日 者 所有 所以 非常 家 各 马来西亚 服务 想 未 根据 这样 无法 场 价格 增长 联合 反 案 自 民主 网站 指数 早 特别 我国 後 报告 那 另 教 国会 电 股 还是 选 造成 相信 如 事 导致 份 全球 全国 获 银行 没 机构 总理 走 大马 面对 票 显示 出席 地区 布什 综合 准备 结果 受到 国内 而且 独立 之后 超过 领袖 未来 作为 第二 了解 相关 针对 正 知道 强调 本报 即 每 委员会 外 当局 历史 同 来自 当时 过去 对于 除了 无 严重 巴 们 种 太 建议 参与 使用 当地 这种 最后 英 一直 论坛 连 研究 不会 另外 采取 选民 此外 措施 作出 女 之前 吉隆坡 展开 只是 处理 什么 许多 韩国 四 金融 机会 甚至 进入 这次 候选人 拥有 访问 参加 成功 只有 很多 利益 间 地方 战 组 目标 和平 遭 公 英国 民 市 年 方式 教育 正在 股市 之间 亚洲 非 国民党 不能 贸易 早报网 生活 届 投 文化 如何 还有 这项 印尼 双方 开 取得 比赛 联 长 提高 期间 加强 成立 若 作 中心 协助 前往 几 传媒 自由 於 改革 以来 达到 接 上述 居民 局 时候 近 不同 分钟 九 车 区 能力 部 本 号 共 完成 入 法律 占 申请 产品 成员 点 感到 明年 部门 二 仙 表现 分别 公布 下午 讨论 大家 原因 (253)

东南亚主要华文媒体语料库成语统计结果

考察范围

词种数

词种数比例(%

频次

频次比例(%

在全部词语中

3925

0.58

316300

0.31

在高频词语中

11

0.12

23470

0.03

成语

在所有词语中的频序

频次

文本数

无论如何

1505

10753

9393

前所未有

6960

1507

1391

众所周知

7586

1319

1268

何去何从

7775

1268

722

当务之急

8573

1093

1016

全力以赴

8820

1044

942

理所当然

9145

982

916

掉以轻心

9187

974

880

脱颖而出

9470

926

891

先发制人

9515

919

605

卷土重来

9769

881

758

成千上万

9858

870

817

不可思议

10088

837

773

引人注目

10218

821

789

所作所为

10492

787

738

挺身而出

10736

759

684

首当其冲

10870

744

715

更上一层楼

10883

743

653

一意孤行

10887

742

695