統計方法

四、統計方法

(一)收詞分類原則
　　為求均衡收詞，及能反映多元化社會的實況，製作常用語詞分類表，作為收詞之依據。表中分為政治、財經、科學、生活、文化等五大領域，並細分至第三層。

◎常用語詞分類表
凡例：
1．本表據當前社會諸領域分類，為教育部逐年調查常用語詞之依據。
2．本表類別不僅參考既有文獻的分類，亦兼顧語詞調查的實際需求。
3．本表為求廣收，各大類皆細分至第三層，常用語詞調查即以第三層所分之類別為標準。(詞頻資料類別注記只提供第一層五大類。)
4．本表分類參考書目為：
　 1)重編國語辭典專科學術名詞編審分類
　 2)全國圖書分類目錄
　 3)圖解英漢百科辭典目次
　 4)中華兒童百科全書分類索引
　 5)當代中國社會科學手冊目錄
　 6)新世紀彩色圖解百科全書分類目錄
　 7)1995現代用語百科目錄
　 8)中研院詞頻統計樣本分類表
　 9)尖端科技事典目錄
　 10)奇摩站分類索引
　 11)國語辭典簡編本圖片分類
　 12)雲五社會科學大辭典
5．本表於每年調查報告完成後，檢討修訂。

※分類表：

(二)分詞的原則
1．基本原則：
　1)使用頻率高或連用程度強的字串應視為一分詞單位。
　　如：動詞“關門、知道、進出、密談”等。
　　　　名詞“個人、手錶、筆墨、白酒”等。
　　　　形容詞“火紅、淡綠、飛快、膚淺”等。
　　　　介詞“關於、對於、按照、根據”等。
　　　　副詞“必會、實應、仍然、既已、不再、也罷”等。
　　＊正反義及相對詞素結合詞因連用程度強，不予切分。
　　如：大小、長短、好壞、內外、真假、男女、是非、動靜等。
　　＊形容詞與名詞連用無特定意義者，予以切分。
　　如：“新　衣服”、“小　花朵”等。
　　但“新人類”、“大人物”等詞具有特定意義，屬偏正式名詞，不予以切分。
　2)諺語、名言、口號、歇後語等常連用但內部結構複雜者儘量予以切分。
　　如：一　動　還　不如　一　靜
　　　　幾　家　歡樂　幾　家　愁
　　　　保密　防諜　人人　有　責
　　　　啞巴　吃　黃蓮　有　苦　說不出
2．處理原則：
　1)專有名詞和固定語視為一分詞單位。
　　①專有名詞：
　　　⑴人名、地名、國名、公司行號、機關學校、行政區域、產品名、書名、電影名稱等專有名詞特有所指，應視為一分詞單位，不予切分。
　　　　如：梁啟超、九份、美利堅合眾國、大同公司、北京大學、臺北市、文心貴族、日清杯麵、紅樓夢、亂世佳人等。
　　　　＊「陳　太太」、「王　太」、「陳　家」、「余　家」予以切分。
　　　⑵專科語詞視為一分詞單位。
　　　　如：光學式自動識別計測系統、卡波西氏肉瘤等。
　　　⑶器官名稱，若左右器官的功能有所不同，一律視為一分詞單位。
　　　　如：左腦、右腦。
　　　⑷外來音譯語詞視為一分詞單位，不予切分。譯字不同，視為不同語詞。
　　　　如：瑪麗蓮夢露、麥當勞、香奈兒等。
　　②固定語：
　　　⑴成語：具有文獻典故來源，且具多層表義效果的固定語。
　　　　如：對牛彈琴、人去樓空、紙上談兵、五十步笑百步。
　　　⑵慣用語：
　　　　1.一般口語習用，表示特定語義的固定語。
　　　　　如：敲竹槓、吃豆腐、吃醋、灌水、吹牛、翹辮子、老掉牙、落湯雞。
　　　　2.正反問慣用語。
　　　　　如：好不好、要不要、可不可以、喜不喜歡。
　　　　　＊“喜歡不喜歡”一句為完整結構，應切分為“ 喜歡　不喜歡”。
　　　　3.四字格慣用語。結構為四個音節的固定語，形式類似成語，但不具文獻典源，又無多層表義效果。因其為慣用語的一類，故不予以切分。
　　　　　如：寶裡寶氣、馬馬虎虎、亂七八糟。
　2)詞綴和前後詞合為一分詞單位。
　　詞綴為附加在詞根上的構詞成份，詞義虛化，構詞能力強，有前綴、中綴、後綴三種。
　　①前綴詞：有“老、阿、小”。如：老虎、阿婆、小張。
　　②中綴詞：有“里”。如：糊里糊塗。
　　③後綴詞：有“子、兒、頭、巴、麼、們”。如：“房子、花兒、罐頭、泥巴、這麼、我們”。
　3)否定語料於《重編國語辭典修訂本》中有收錄者，視為一分詞單位；未收錄者
　　予以切分。
　　如：「不」－不但、不然、不好、不夠、不變、不想　等。
　　　　「沒」－沒有、沒事、沒想到　等。
　　　　「無」－無法、無非、無妨、無聊、無情　等。
　　以上各詞因《重編國語辭典修訂本》收錄，視為一分詞單位。
　　＊所有否定語料另置於附錄，以供參考。
　4)附著於詞根表時態或特定語法功能之詞素，予以切分。
　　如：「去　過」－表過去。
　　　　「看　了」－表動作之完成態。
　　　　「燃燒　著」－表動作之持續態。
　5)某些特定詞素做為起始字時，因可任意組合，視為詞組予以切分。如：
　　①雖：“雖　大”、“雖　有”
　　②未：“未　遠”、“未　減”
　　③正：“正　濃”、“正　香”
　　④很：“很　好”、“很　美”
　　⑤已：“已　到”、“已　成”
　　⑥本：“本　指”、“本　篇”
　　⑦可：“可　改變”、“可　吃”
　　⑧非常：“非常　好”、“非常　差”
　　＊“未來”做名詞用時表達獨立概念，不予以切分。
　6)有固定意義之重疊詞不予以切分。
　　詞素或詞的重疊在有特定的語法功能而不是修辭上的反覆時，因其通常具有擴大語義的效果，故視為一分詞單位。重疊詞分為下列幾個形式：
　　①詞素重疊
　　　⑴AA式。如：看看、想想、走走、剛剛。
　　　⑵AAB式。如：嚐嚐看、散散步、聊聊天、幫幫忙。
　　　⑶ABB式。如：香噴噴、病懨懨、水汪汪、一些些。
　　　⑷AABB式。如：乾乾淨淨、快快樂樂、吵吵鬧鬧。
　　②全詞重疊
　　　ABAB式。如：研究研究、討論討論。
　　③鑲嵌重疊
　　　⑴A一A式。如：看一看、想一想、做一做、聽一聽。
　　　⑵A了A式。如：看了看、笑了笑、問了問、算了算。
　　　⑶A了一A式。如：看了一看、笑了一笑。
　　　⑷A來A去式。如：走來走去、想來想去。
　7)縮簡語與結合語視為獨立概念，不予以切分。
　　①縮語：就原詞抽取關鍵詞重組，如：文建會、台大、證交稅。
　　②略語：說原詞截取部分詞素而成，如：公賣局、文化大學。
　　③統稱：以數字概括幾項有關的內容，如：三軍、十大建設。
　　④簡代詞：用一語素來取代全稱，如：臺、閩、港。
　　⑤結合語：由兩個或兩個以上的詞併合並加以節縮而成的詞，如：入出境、中小學、工商業、中山南北路。
　　＊套裝合併之形式視為專有名詞，亦不予以切分。如：
　　　台北市長、新竹縣政府、教育部長。
　8)所有由數字組合成之定語，不論以國字或阿拉伯數字表達均不予以切分。
　　如：100、一千兩百。
　　①有關時間的詞目，如：
　　　“一九九八年二月十五日”，切分為“一九九八年　二月　十五日”。
　　＊因其為數名結構，是“二月”，不是“二個月”。
　　②數字定語與量詞的組合，如：
　　　“三百兩”、“100個”，切分為“三百　兩”、“100　個”。
　　③地址予以切分，如：
　　　“臺北市　信義路　二段　15號　3樓”
　9)方位詞不予以切分。
　　①單音節方位詞，如：上、下、前、後、裏、內、外、中　等。
　　②雙音節方位詞，如：上面、東邊、裏頭、內部　等。
　　＊方位詞若與名詞、動詞或數量詞連用則予以切分。
　　　如：“睡　前”、“屋　裏”、“街　上”、“討論　中”、“事實　上”、“三　天　後”、“桌子　上面”、“開學　以後”。
　　＊「身邊」、「手邊」、「嘴邊」等已具引申義者，不予以切分。
　10)“的、地、之、得”等助詞予以切分。
　　如：“我　的　志願”、“迅速　地　蔓延”、“遊行　之　人”、“看　得　很　清楚”。
　11)其他：
　　①英文、日文或中英合併詞予以保留，成果以附錄方式呈現。
　　②詞素中有統一用字者，因二字皆可通用，不予統一，各自視為獨立單位。
　　　如：部分（部份）、鞭炮（鞭砲）、分布（分佈）。

(三)資料統計方法
　　本統計利用下列方法進行統計：
　　1．字頻統計法：以累計方式求得單字數及每字的出現頻次。
　　2．詞頻統計法：以累計方式求得詞目數及每詞的出現頻次。
　　3．文字屬性使用頻次統計法：以單字的各種屬性為準，配合出現頻次求其分配情形。
　　4．單字構詞率統計法：以單字資料庫與詞目資料庫作比較，藉以求得單字構詞能力。
　　5．字頻與構詞率比較法：以單字頻次與詞目頻次比較，藉以了解二者分布情形的不同。
　　6．不同字頻庫比較法：以不同年代的字頻庫作比較，藉以了解二者分布層次的同異。

[回前頁]