Re: [閒聊] 字頻總表前30個字的拆碼數比較

[cnoize (泥巴星球Server)]

※ 引述《cnoize (泥巴星球Server)》之銘言：
: 我記得教育部有 86 年, 87 年的兩個表。
: 網際網路前輩做的 1994 年、1995 年的兩個統計表。
: 中研院長期整理的表格。
: 這些不同的表格之中，常用字有些微的不同。
: 部分字的字頻可靠性需要研究。
: 網際網路前輩的表格中，"交" 很常見。
: 我認為是取樣文章為 newsgroup，每篇文章都有 "交通大學BBS"
: 的緣故。

記憶內容有些錯誤，正確資料如下：
逗號、句號是常用的，所以如果輸入法把它們的空位換成字，
效率會變低。

http://technology.chtsai.org/charfreq/

1994 年 Big5 中文網路討論字頻統計
http://technology.chtsai.org/charfreq/94charfreq.html
13    資
7     大
26    學
27    交
57    工

1993 年全部 Big5 相關討論區字頻統計
http://technology.chtsai.org/charfreq/93charfreq.html
S: 符號
1     ─ S  # 減號?
3     　 S  # 全型空白?
7     ， S  # 逗號
9     │ S  # 直線?
12    。 S  # 句號
17    ═ S  # 等號
29    □ S  # 正方形?

11    大
16    學
18    資
30    交
35    系
40    工

交大大學資工系

http://ftp.isu.edu.tw/pub/Windows/Chinese/phrase/
http://ftp.isu.edu.tw/pub/Windows/Chinese/phrase/00_index.txt

http://bbs.nsysu.edu.tw/txtVersion/treasure/psychology/\
M.855653188.A/M.932180472.H.html

http://tinyurl.com/234psax


--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 219.86.129.221
推 ilanese:http://technology.chtsai.org/charfreq/94charfreq.html
→ ilanese:有提到「未去除檔頭引言及簽名等資訊」這點。但未必所有統
→ ilanese:計字頻的資料都會有這個問題。
推 ilanese:我倒是贊成將「，」、「。」這兩個標點符號放在一碼字裡。
→ ilanese:其他一些標點符號可放在二碼字裡。