如何看待 COCA 词频

COCA 根据词频的统计提供了几个不同数量的词汇表，最大的有 6 万词汇。那么这个词汇表与我们常见的那些比较高阶的比如 TOEFL, GRE 词汇表有什么本质区别？

这些词表的本质都是基于单词的出现频率，比如 TOEFL/GRE 词汇表，它的选词就是来源于 TOEFL/GRE 这个考试中的试题或材料。那么出现在试题或材料中频率高的自然就会入选，其最大特点就是针对性强，适合应试。而 COCA 取词范围则非常广，而不仅限于某个试题库或材料库，因此更加科学和普遍。

COCA 只是提供了一个词表，告诉我们，这些词是使用比较频繁的，但是怎么去学习和记忆它们，却没有提供方法，所以这篇文章主要就讲讲该怎么看待这个词表，后续文章还会介绍该如何科学地利用这个词表提高自己的词汇。

先了解下 COCA 词表的局限

（1）不是所有的词的“同源异形”都出现在 6w 词频表中
比如 libel， 在 6w 词频表中，只出现了 libel 和 libelous 这两个词，其它的比如：libelant, libeller, libelee 等。

（2）不同的形态出现频率不一样
有些词，其源词出现词频靠后，但是它的其它形式却出现比较靠前，比如 abash 出现在第 44303 排名处，但是 unabashed 则出现在 16795 处。
同一个单词的不同释义，会出现多次

类似的，比如 barb（倒钩；带刺的话，讽刺），它的被动形式 barbed （讽刺的）出现频率更高，protracted （拖延的） 也比 protract 出现频率高，glittering（闪闪发光的） 比 glitter 出现频率高，woven （编织的） 比 weave 出现频率高。这样的例子太多了，我就不一一列举。

甚至，有些词的词源并没有出现在 6 W 词表中，但是它的异形却出现了，比如 stomp "跺脚，重踩"，不在词表中，但是 stomping 却出现在 27957 处。

hoof “蹄，脚” 也没出现在词表中，但是 hoofed 却在 37256 处。

（3）某些常见词在 6w 词表中没得到体现

比如 chore "家庭杂务；日常琐事"，没有出现在 COCA 中年，但它却是托福和雅思词汇。
有些词的词频跟感觉相差很远，比如 low-ball 这个词是非常常见的一个词，但是在 COCA 中统计的频率比较低（在 45000 名左右）。

（4）与 TOEFL/GRE/Vocabulary.com 等词汇表的区别

GRE 中的很多单词，都出现在 6 万词表中靠后的部分。有些 GRE 单词甚至不在这 6 万词表中，比如 excogitate “认真想出，发明，设计出”。

http://vocabulary.com 提供了 12000 的词汇学习。它与 coca 的词频重合度也有区别。比如 lurid “可怕的；色彩耀眼的，就不在 coca 提供的 6w 词汇表中。

有些常见的事物或概念，在词频中出现可能并不高。比如 isle 岛，小岛。

（5）词频的可靠性

coca20000 以后的单词，其频率意义不大，因为差别非常小。
coca 提供的最大的词汇本只有 6 W，因此很多词典上的词不会出现在这个词表中。

（6）有些词出现频率虽然比较高，但是记忆意义不大

比如 mackerel 鲭鱼，马鲛鱼。这是一种海鱼，我们可能一辈子也见不到也吃不到这种鱼。很难建立直观的联想。所以即使背了，这种记忆也难以长期维持。

（7）无效单词
coca 词频一个很大的问题是，很多在平时单词书中根本不会作为新词进行背诵的单词也被列出了，比如那些缩略词，语气词，数字合成词，甚至有些商品名称等等。

总结：

COCA 词汇表不是一份拿来就能直接用的词汇表，它必须要加以处理才能变成适于背诵（实用的）的词汇表。

如果你对我的文章感兴趣，欢迎留言或者关注我的专栏。

微信公众号（ID：知辉）