东南亚主要华文媒体语料库用字概要

东南亚主要华文媒体汇总
总字符数:240920879,字符种数:10031。其中汉字(不含部首、标点和非汉字字符)总次数:181799395,汉字字种 数:8778。

新加坡独立新闻在线
总字符数:13655562,字符种数:6152。其中汉字(不含部首、标点和非汉字字符)总次数:10968903,汉字字种数: 5552。

新加坡联合早报
总字符数:66786564,字符种数:8002。其中汉字(不含部首、标点和非汉字字符)总次数:54598259,汉字字种数: 7004。

马来西亚光华日报电子新闻
总字符数:47465934,字符种数:6121。其中汉字(不含部首、标点和非汉字字符)总次数:34063640,汉字字种数: 5760。

马来西亚韩视新闻中心
总字符数:9654135,字符种数:6566。其中汉字(不含部首、标点和非汉字字符)总次数:6796399,汉字字种数:6177。

马来西亚马新社中文网
总字符数:15286969,字符种数:5331。其中汉字(不含部首、标点和非汉字字符)总次数:11848139,汉字字种数: 5062。

马来西亚亚洲时报
总字符数:21105011,字符种数:5605。其中汉字(不含部首、标点和非汉字字符)总次数:16298499,汉字字种数: 5372。

泰国世界日报
总字符数:32957686,字符种数:5671。其中汉字(不含部首、标点和非汉字字符)总次数:18050173,汉字字种数: 5401。

新加坡新动网
总字符数:8083855,字符种数:5024。其中汉字(不含部首、标点和非汉字字符)总次数:6942572,汉字字种数:4828。

新加坡亚洲新闻网
总字符数:34009703,字符种数:5851。其中汉字(不含部首、标点和非汉字字符)总次数:29175934,汉字字种数: 5563。

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,11802个字种。

东南亚主要华文媒体语料库汉字使用分类情况


总字符数:240920879,字符种数:10031。其中汉字(不含部首、标点和非汉字字符)总次数:181799395,汉字字种数:8778。

部首总次数:120358,部首种数:28,所有部首共出现文本数:21014;部首总次数占字符总次数的比率为:0.05%,部首种数占字符字种数的比率为:0.28%。

标点总次数:22567645,标点种数:107;标点总次数占字符总次数的比率为:9.37%,标点种数占字符字种数的比率为:1.07%。

规范字总次数:181696276,规范字字种数:7402;规范字总次数和汉字总次数的比率为:99.94%,规范字字种数和汉字总字种的比率为:84.32%。

繁体字总次数:83775,繁体字字种数:929,所有繁体字共出现文档数:24121,繁体字总次数占汉字总次数的比率为:0.05%,繁体字字种数占汉字字种数的比率为:10.58%。

异体字总次数:13891,异体字字种数:269,所有异体字共出现文档数:5156,异体字总次数占汉字总次数的比率为:0.01%,异体字字种数占汉字字种数的比率为:3.06%。

方言字总次数:355,方言字字种数:22,所有方言字共出现文档数:152,方言字总次数占汉字总次数的比率为:0.00%,方言字字种数占汉字字种数的比率为:0.25%。

韩国汉字总次数:2,韩国汉字字种数:1,所有韩国汉字共出现文档数:2,韩国汉字总次数占汉字总次数的比率为:0.00%,韩国汉字字种数占汉字字种数的比率为:0.01%。

日本汉字总次数:280,日本汉字字种数:56,所有日本汉字共出现文档数:194,日本汉字总次数占汉字总次数的比率为:0.00%,日本汉字字种数占汉字字种数的比率为:0.64%。

旧计量用字总次数:363,旧计量用字字种数:4,所有旧计量用字共出现文档数:241,旧计量用字总次数占汉字总次数的比率为:0.00%,旧计量用字字种数占汉字字种数的比率为:0.05%。

不规范简化字总次数:2274,不规范简化字字种数:23,所有不规范简化字共出现文档数:1516,不规范简化字总次数占汉字总次数的比率为:0.00%,不规范简化字字种数占汉字字种数的比率为:0.26%。

旧印刷字形总次数:2179,旧印刷字形字种数:72,所有旧印刷字形共出现文档数:640,旧印刷字形总次数占汉字总次数的比率为:0.00%,旧印刷字形字种数占汉字字种数的比率为:0.82%。

东南亚主要华文媒体语料库汉字覆盖率情况


覆盖率(%

字种数

占所有字种数的比例(%

10

8

0.09

20

29

0.33

30

63

0.72

40

108

1.23

50

171

1.95

60

256

2.92

70

378

4.31

80

571

6.50

90

926

10.55

91

983

11.20

92

1048

11.94

93

1122

12.78

94

1207

13.75

95

1311

14.94

96

1442

16.43

97

1613

18.38

98

1854

21.12

99

2269

25.85

覆盖率范围(%

字种(字种数)

0-10

8

10-20

21

20-30

34

30-40

45

40-50

63


频率前十位的繁体字使用情况

後 來 嬅 學 華 國 爲 發 會 將 



前十位异体字的使用情况

堃 菸 喆 扞 佈 牠 昇 蒐 勳 決

 

21位的不规范简化字

钜 锺 迳 缳 桠 讬 纴 钖 狯 镟 鲹 缲 鹖 诪 臜 铻 颕 麹 铹 鲕 緾