(一)分詞原則
1．基本原則
(1)詞的定義：語句中具有完整概念且能獨立自由運用的基本單位為詞。
(2)使用頻率高或連用程度強的字串應視為一分詞單位。如：
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。
(3)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
(4)語詞可以其在句子中的功能判定是否為一分詞單位。如：
「之前」－表「助詞」＋「方位詞」時切分，如：「在此之前」。
表時間功能時不切分，如：「我之前說過」。
「以後」－表「助詞」＋「方位詞」時切分，如：「在此以後」。
表時間功能時不切分，如：「他以後不敢了」。
「最近」－表「副詞」＋「形容詞」時切分，如：「距離最近」。
表時間功能時不切分，如：「我最近買了一隻錶」。
「最後」－表「副詞」＋「形容詞」時切分，如：「落在最後」。
表時間功能時不切分，如：「最後，他終於明白了」。
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
①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。
②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。
③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
④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
①成語：具有文獻典故來源，且具多層表義效果的固定語。
如：對牛談琴、人去樓空、紙上談兵、五十步笑百步
②慣用語
A.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
B.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”。
C.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)有固定意義之重疊詞視為一分詞單位。
詞素或詞的重疊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
①AA式。如：看看、想想、走走、剛剛。
②AAB式。如：嚐嚐看、散散步、聊聊天、幫幫忙。
③ABB式。如：香噴噴、病懨懨、水汪汪、一些些。
④AABB式。如：乾乾淨淨、快快樂樂、吵吵鬧鬧。
2)鑲嵌重疊
①A一A式。如：看一看、想一想、做一做、聽一聽。
②A了A式。如：看了看、笑了笑、問了問、算了算。
③A了一A式。如：看了一看、笑了一笑。
④A來A去式。如：走來走去、想來想去。
3)全詞重疊
①ABAB式。如：研究研究、討論討論。
(4)簡稱與結合語視為一分詞單位。
1)簡稱
①縮語：就原詞抽取關鍵詞重組，如：文建會、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。
③簡代詞：用一語素來取代全稱，如：臺、閩、港。
2)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。
(5)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視為一分詞單位。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”。
(6)語詞合併用後詞性改變，且能被程度副詞（十分、非常、很）修飾，可視為一分詞單位。
如：「好＋動詞」－好吃、好看（副詞＋動詞→形容詞）
＊「有＋名詞」之形式，名詞為雙音節切分；單音節時不分。
(7)補語結構與前詞視為一分詞單位，唯當述語或補語為雙音節時切分。
1)述補結構之述語為雙音節時切分，單音節不分。
如：到－接觸 到、認知 到
為－譯為、流為、選拔 為
成－擠成、形成、堆積 成
作－鑄作、換作、轉變 作
2)補語為結果補語且是雙音節時切分；單音節時不分。
如：哭濕 枕頭、爬上 山頭
看 清楚、清洗 完畢
3)補語為趨向補語且是雙音節時切分；單音節時不分。
如：走 回來、挽救 回來
＊述補中插切分：打 得 破、打 不 破
此二詞對應「打破」一詞，而「得」字視為助詞、「不」字視為否定之交互運用，均予以切分。但「處得來」、「處不來」等詞無相對應之「處來」，視為一分詞單位，不予切分。
(8)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。
(9)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
(10)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。
(11)方位詞與前後詞切分。
1)單音節方位詞：上、下、前、後、裏、內、外、中 等。
2)雙音節方位詞：上面、東邊、裏頭、內部 等。
如：“睡 前”、“屋 裏”、“街 上”、“討論 中”、“事實 上”、“三 天 後”、“桌子 上面”、“在 我 之 後”。
(12)“的、地、之、得”等助詞與前後詞切分。
如：“我 的 志願”、“迅速 地 蔓延”、“遊行 之 人”、“看 得 很 清楚”。
(13)介詞與前後詞切分。
介詞為位於名詞或名詞性詞組之前，合起來表示方向、對象、時間、處所等的虛詞。如：『死於安樂』的『於』。常用的介詞有：
把（拿）、比、並、方、打、由、對、替、連、給、跟、管、和、往（望）、從、就（依照）、對、於、向、自、讓（被）、叫（被、受）、在、為、對於、關於、由於、至於 等。
(14)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）。
(二) 資料統計方法
本資料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：與不同樣本的字頻庫作比較，包括教育部《常用國字標準字體表》、《八十七年常用語詞調查字彙表》、《大陸小學教科書字詞調查字彙表》等，藉以了解與成年人用字的差異狀況。
7．不同詞頻庫比較法：與教育部《八十七年常用語詞調查詞彙表》及《大陸小學教科書字詞調查字彙表》作比較，以了解與成年人語詞使用的差異狀況。
[回前頁]