数据集概述
该数据集包含古典与文学汉语学习者词汇表的原始频率计数，基于三个语料库（Micheal Loewe早期中文文本、正史、六部小说）构建，为汉语词汇研究提供基础数据支持。
文件详解
- 压缩包文件：
- classical_chinese_learners_vocabularies_raw_frequencies.zip：包含三个语料库的子文件夹，每个子文件夹内有：
- xx_corpus.csv：文本来源、版本、词符及类型计数列表
- xx_freq_1-1.csv：单字频率与计数
- xx_freq_1-4.csv：1-4字词频率与计数（基于《汉语大词典》定义）
- xx_freq_2-4.csv：2-4字词频率与计数
- 分析结果文件：
- pca_zhengshi_vs_loewe_vs_xiaoshuo.html：交互式主成分分析（PCA）结果，展示三个语料库文本的词汇分布特征
适用场景
- 汉语词汇研究：分析古典与文学汉语词汇的频率分布规律
- 语言教学应用：为汉语学习者词汇表的编制提供数据支撑
- 语料库语言学：对比不同类型古典汉语文本的词汇使用差异
- 数据分析方法：探索主成分分析在语言数据可视化中的应用
