定义:词频指特定词语在文本或语料中出现的次数。它是语言学研究中的基本量化指标,用于衡量词汇使用频率。
学科归属:语言学、计算语言学、统计学、信息检索
测量单位:次/千字、次/百万字、百分比等
《说文解字》未直接收录“词频”概念,但汉代扬雄著《方言》时已开始系统记录各地方言词汇使用情况,可视为早期词频统计雏形。唐代孔颖达疏《礼记正义》提及“常用之语,屡见不鲜”,反映古人注意到某些词汇重复出现的现象。
近代汉语研究始于清代朴学家对古籍用字的分析,如王引之《经传释词》标注虚词出现位置与频率,为现代词频分析奠定基础。
词频作为名词使用时表示统计数据,作主语或宾语;作形容词时表示高频特征,修饰名词如“高频词”。在学术写作中常与“分布”“排序”搭配,如“按词频降序排列”。
不可用于描述单个孤立词语的固有属性,必须依托具体语料才有意义。
1. 该搜索引擎根据用户搜索词的词频调整相关结果权重。
2. 汉语史教材列出中古时期前500个高频词,覆盖日常会话80%内容。
3. 实验组通过统计目标词汇在阅读材料中的词频评估理解难度。
4. 作者刻意降低专有名词词频以增强文本可读性。
5. 语料库语言学依赖大规模词频数据构建语言模型。
近义词:出现频次、使用次数、频次
反义词:低频词、罕见词、生僻词(注意:非绝对对立,属程度差异)
英语:word frequency
日语:語頻度
德语:Worthäufigkeit
法语:fréquence des mots
词频分析支撑多个学科领域:词典编纂依据词频确定收词优先级;机器翻译通过对比双语词频优化对齐;社会语言学用词频变化追踪语言演变。
中文领域代表性成果包括北京大学CCL语料库标注体系、国家语委现代汉语平衡语料库词频表。
“词”本义为言词,《说文·言部》:“词,意内而言外也。”“频”原指皱眉,引申为重复。《说文·页部》:“频,头白貌。”后转指频繁。
“词频”二字组合形成专业术语约在20世纪初,受西方语言学影响产生,非传统复合词。
自然语言处理中TF-IDF算法依赖词频计算文档关键词;教育领域利用词频筛选教学重点词汇;舆情监测通过高频词识别热点话题。
中文社交媒体文本词频分析显示,“点赞”“转发”“评论”等动词持续高居移动端语料前列。