Skip to content

About

考研词汇词频排序数据

Topics

Resources

Code of conduct

Contributing

Stars

263 stars

Watchers

5 watching

Forks

Repository files navigation

考研英语词汇数据 · NETEMVocabulary

收录《2024 年全国硕士研究生招生考试英语(一)考试大纲词汇表》全部 5530 词,根据四六级、考研英语、专四专八约 200 套试卷文本统计词频并排序,附英式音标、释义、其他拼写、语义分类、CEFR 等级、学术 / 高级词汇标记和例句。

前 2444 词在试卷文本中出现 40 次以上,平均每做 5 套试卷就会遇到一次,是真正的高频词汇。词频统计使用了词形还原,与原卷逐字计数略有差异。

词表浏览、Word / SQL 导出等工具见 vocabulary-tools,PDF 版本见 Releases。

选择词表

词表 词数 JSON MySQL SQL
完整词表 · 词频顺序 5530 netem_full_list.json SQL
完整词表 · 智能重排 5530 netem_reranked.json SQL
高中课标以外词汇 · 词频顺序 2697 netem_beyond_ks3000.json SQL
高中课标以外词汇 · 智能重排 2697 netem_beyond_ks3000_reranked.json SQL
真题核心词汇 · 词频顺序 3050 netem_core.json SQL
真题核心词汇 · 智能重排 3050 netem_core_reranked.json SQL
  • 词频顺序:按试卷文本中的出现频次排列。
  • 智能重排:综合词频、CEFR 难度、学术词汇(NAWL)和高级词汇(C1/C2)调整学习顺序。
  • 高中课标以外词汇:去掉《普通高中英语课程标准(2017 年版 2020 年修订)》3000 词后剩余的词。
  • 真题核心词汇:从完整词表中选出的考研真题核心词。

data/catalog.json 登记了每份词表的路径、词数、JSON 列表键和 SQL 表名。

快速读取

在仓库根目录运行,无需额外依赖:

import json
from pathlib import Path

catalog = json.loads(Path("data/catalog.json").read_text(encoding="utf-8"))
dataset = next(item for item in catalog["datasets"] if item["id"] == "core")
document = json.loads(Path(dataset["json"]).read_text(encoding="utf-8"))
words = document[dataset["list_key"]]
print(len(words), words[0]["单词"], words[0]["释义"])

不同版本的顶层列表键不同,请按清单读取。SQL 文件使用 MySQL 语法,导入时会重建同名表。

每个词附英式音标(字段 英式音标,SQL 列 ipa_uk),多个读音以 ; 分隔,例如 lead 为 /liːd/; /led/。来源见 来源说明。

例句

每个词附一条英文例句、中文翻译和出处:

来源 词数 说明
真题 5112 考研英语 1998–2025、四六级、专四专八;优先题干和正确选项,其次正文
新闻 282 BBC、Reuters、Brown 语料库新闻样本、中国日报
语料 135 Tatoeba、Brown、古登堡计划公版文学及官方英文文本

例句来源 记录具体出处,如 真题 2013英语二·Text 4·第37题·C选项·选项、新闻 BBC(2004—2005)·tech/288。中文翻译为机器翻译。详细规则见 来源说明。

目录

NETEMVocabulary/
├── netem_*.json                   # 完整与超课标词表,各含词频 / 重排版
├── data/
│   ├── catalog.json               # 6 份词表的机器可读清单
│   ├── core/                      # 真题核心词表 JSON
│   └── sql/                       # 全部 MySQL 导入文件
├── docs/
│   ├── data-dictionary.md         # 字段与版本说明
│   ├── sources.md                 # 数据与例句来源
│   └── maintenance.md             # 校验与更新
├── CONTRIBUTING.md
└── LICENSE                        # 数据许可

校验、智能重排、拼写变体及 Word / SQL 导出工具位于 vocabulary-tools。

许可与参与

数据按 CC BY-NC-SA 4.0 共享;例句原文另遵循各自来源的许可,见 来源说明。欢迎通过 Issue 或 Pull Request 反馈问题,参与方式见 CONTRIBUTING.md。

About

考研词汇词频排序数据

Topics

Resources

Code of conduct

Contributing

Stars

263 stars

Watchers

5 watching

Forks

Releases

Used by

Contributors