english-corpora.org 语料库怎么选:COCA、COHA、BNC、GloWbE、iWeb 等词频查询指南

在 english-corpora.org 上选语料库，核心是看三件事：你要研究的英语变体（美式/英式/全球）、时间范围（当代/历史）、文本类型（口语、新闻、影视、网络等）。COCA 适合当代美式英语综合词频，BNC 适合英式英语，COHA 用于观察 19—20 世纪的历史变化，TIME 和 SOAP 分别聚焦新闻与影视剧本，GloWbE 覆盖多个国家的网络英语，iWeb 则是大规模网络文本语料库。确定目标后，在该站输入词或短语即可查看频次、每百万词频率以及按体裁或年代的分布；按词性、搭配词、同义词等高级检索和部分功能可能涉及 premium 订阅。

各语料库覆盖什么

这张表的作用是快速排除：想比较美式与英式，就同时用 COCA 和 BNC；想看一个词一百年来的兴衰，用 COHA；想研究对白口语，用 SOAP 或 COCA 的口语部分；想覆盖澳大利亚、印度等变体，用 GloWbE。

按研究目标选择

比较美式与英式用法

同时查询 COCA（美式）和 BNC（英式），对比同一词的频次和每百万词频率。若两者差距明显，说明该词或用法存在地域偏好。

观察历史变化

用 COHA，它按年代切分，可以看某个词或短语在不同十年的频率走势，判断它是新兴、稳定还是衰退。

分析特定体裁

• 新闻语言：TIME
• 影视对白：SOAP
• 口语：COCA 的口语部分或 BNC 的口语部分

体裁语料库的价值在于：同一个词在新闻里常见，在剧本对白里可能很少，这种差异本身就是研究结论。

考察全球英语变体

用 GloWbE，它覆盖多个国家和地区的网络英语，适合比较同一表达在不同变体中的使用差异。

需要大规模网络文本

用 iWeb，它基于海量网页，适合查当代网络用语的词频和搭配。

在 english-corpora.org 上查词频

1. 进入目标语料库：在站点选择 COCA、BNC、COHA、GloWbE、iWeb 等之一。
2. 输入查询：在搜索框输入单词或短语。
3. 查看结果：关注三项指标——频次（raw frequency）、每百万词频率（per million words）、以及按体裁或年代的分布。每百万词频率用于跨语料库比较，因为各库总词数不同。
4. 按需细化：使用按词性（PoS）、搭配词（collocates）、同义词等检索方式，观察词的用法和共现模式。
5. 跨库对比：在另一个语料库重复同一查询，比较频率与分布差异。

验证方法：换一个近义词再查一次，看频率趋势是否一致；或在同一语料库内按不同体裁/年代切分，确认结果不是由单一子集拉高。

常见卡点

• 直接比较原始频次：不同语料库总词数不同，必须用每百万词频率。
• 忽略体裁分布：一个词总频率高，可能只集中在某一类文本，需看分体裁数据。
• 时间错配：用 COCA 讨论 19 世纪用法不成立，历史问题要用 COHA。
• 变体混淆：把 BNC 结果当作美式英语证据，或反之。
• 免费与付费边界：站点提供免费在线访问，但部分功能或高级使用涉及 premium 订阅；具体哪些功能受限，以站内说明为准，不要默认全部免费或全部收费。

一句话选择建议

当代美式综合词频用 COCA，英式用 BNC，历史演变用 COHA，新闻用 TIME，影视对白用 SOAP，全球变体用 GloWbE，网络大规模文本用 iWeb；跨库比较时统一看每百万词频率和体裁/年代分布。