english5000
EnglishEspañolDeutschFrançaisItalianoPortuguês
टेस्ट दें
तरीका

अंग्रेज़ी शब्द आवृत्ति सूची कैसे बनती है

पूरी साइट एक दावे पर टिकी है: कि यही अंग्रेज़ी का आवृत्ति के हिसाब से असली क्रम है। यह दावा तभी कुछ मायने रखता है जब पूरा हिसाब सामने हो, तो यह रहा।

कॉर्पस
बोलचाल

OpenSubtitles 2018

फ़िल्मों और टीवी के सबटाइटल। बातचीत की अंग्रेज़ी के लिए बेहतरीन, और यही वजह है कि सिर्फ़ इन पर बनी सूची विस्मयादिबोधक शब्दों को बहुत ऊपर रख देती है।

CC-BY-SA स्रोत
समाचार

Leipzig Corpora — news 2023

अंग्रेज़ी पत्रकारिता। सार्वजनिक जीवन की शब्दावली — सरकार, अर्थव्यवस्था, क़ानून — लाती है, जिसे संवाद मुश्किल से छूता है।

विश्वकोश

Leipzig Corpora — Wikipedia 2016

औपचारिक, वर्णनात्मक गद्य, और वह स्रोत जो अमूर्त और तकनीकी शब्दावली को सही अनुपात में रखता है।

एक कॉर्पस एक शैली है, भाषा नहीं। सिर्फ़ सबटाइटल आपको फ़िल्म समझना सिखाएँगे और अख़बार में खोया छोड़ देंगे; सिर्फ़ विकिपीडिया इसका उल्टा करेगा। हर शब्द का क्रम इस पर तय होता है कि वह तीनों में कैसा व्यवहार करता है।

तीन में से दो कॉर्पस समाचार और फ़िल्मों के संवाद हैं, और यही वह जगह है जहाँ ये शब्द काम करते हैं। अपने स्तर पर लिखे समाचार पढ़ने के लिए English Newsroom आज़माएँ (A1 से B1, अंग्रेज़ी में); A1 से C2 तक के अंग्रेज़ी पाठ ज़ोर से पढ़े हुए सुनने के लिए, LingoTello (अंग्रेज़ी में)।

इन्हें कैसे मिलाया जाता है
01

दर, गिनती नहीं

कॉर्पस अलग-अलग आकार के हैं, इसलिए सीधी गिनती की तुलना नहीं हो सकती। हर एक को पहले प्रति दस लाख शब्दों में आवृत्ति में बदला जाता है।

02

ज्यामितीय माध्य

तीनों दरों का औसत लॉग पैमाने पर निकाला जाता है। इससे वह शब्द आगे आता है जो हर जगह ठीक-ठाक आम है, न कि वह जो सिर्फ़ एक शैली में उछलता है।

03

क्या हटाया जाता है

व्यक्तिवाचक संज्ञाएँ, जिन्हें इस बात से पहचाना जाता है कि बड़े-छोटे अक्षर बचाने वाले स्रोतों में शब्द कितनी बार बड़े अक्षर से शुरू होता है। साथ में संक्षिप्त रूप और वेब का कचरा। किसी शब्द को क्रम में आने के लिए कम से कम दो कॉर्पस में होना ज़रूरी है।

04

क्या जोड़ा जाता है

उच्चारण, CMUdict से। शब्द-भेद, स्तर, उदाहरण वाक्य और अनुवाद हाथ से लिखे गए हैं।

अंग्रेज़ी ने हमसे क्या बदलवाया
क्या अभी अधूरा है

यही तरीका, स्पैनिश के लिए

cincomil स्पैनिश के 5,000 सबसे आम शब्दों को उन्हीं तीन तरह के कॉर्पस से, उसी तरह मिलाकर, उसी व्यक्तिवाचक-संज्ञा फ़िल्टर के साथ, और बिना मापे कोई कवरेज आँकड़ा बताने से उसी इनकार के साथ क्रमबद्ध करता है।