如何从维基百科或小说语料库制作日语词频词典？

YuzuLingo · 2026年11月1日

您从一个排名的词表中获取数据，将这些排名写入 Yomitan term_meta_bank 文件，模式为 freq，然后将 JSON 与 index.json 压缩在一起。Kanjium 的 wikipedia_freq.txt 和 novels_freq.txt 是常见的起始列表；其他开放频率项目在您控制许可证后以相同方式工作。

从排名列表开始

频率列表通常包含表达、可选读音，以及一个排名或分数。基于维基百科的列表偏向于百科全书词汇。小说语料库偏向于对话和虚构词汇。模糊读音有时在源中带有注释；在映射行时保留这些标记，以便读者可以选择匹配的读音。

将行映射到 term-meta 银行

Yomitan 频率数据应存放在 term_meta_bank_*.json 中，而不是词汇表术语银行中。每个元行存储表达和模式为 freq 的频率对象或数字。像词汇表构建者一样，按照编号银行文件拆分大型语料库。在压缩之前，确保符合已发布的术语元模式。

编写 index.json 并打包压缩文件

index.json 需要一个清晰的标题、修订和格式 3。将每个 JSON 文件放在存档根目录，并使用 Deflate 压缩。为词典命名，以便用户在同时安装维基百科和小说词典时可以区分它们的排名。除非您打算进行合并的元包，并且了解读者如何选择第一个匹配项，否则不要将音调模式条目混合到同一银行中。

读者如何使用排名

在词汇表匹配后，读者会在启用的频率词典中查找表达，并显示排名。较低的排名通常意味着更常见的词，具体取决于来源如何对其列表进行编号。频率并不能替代定义。它只是回答该形式在所选语料库中出现的频率。

许可证与维护

仅重新分发那些许可证允许的列表，并在词典标题或描述中注明语料库。在刷新源转储时重新构建。将频率保持为独立的压缩包，以便您可以在不接触 JMdict 或音调包的情况下交换维基百科与小说。