- 数据集
- 教育
【免费下载链接】DictionaryData
高质量英语字典，400多本单词书+60000多个单词！单词书包括小学、中学、高中、考研、考博、出国（GRE、托福等等）等等，难道它不香吗？
还在盲目抄单词书背诵？DictionaryData 是一个开源的高质量英语字典数据集，收录 6 万多个单词、400 多本词汇书（小学、中学、高中、考研、考博、GRE、托福等全场景）。它最有价值的是每个单词自带的词频、难度、认识率3 个量化字段——用它们做简单的筛选，几秒就能生成一份真正"专属你"的单词背诵清单。
三个核心字段：30 秒看懂你的词汇"体检报告"
全部单词数据都在 word.csv 里，共 7 个字段（说明见 README.md）：
| 字段名 | 类型 | 说明 | 示例 |
|---|---|---|---|
vc_id | string | 单词id | 57067c89a172044907c6698e |
vc_vocabulary | string | 单词 | superspecies |
vc_phonetic_uk | string | 英音音标 | [su:pərsˈpi:ʃi:z] |
vc_phonetic_us | string | 美音音标 | [supɚsˈpiʃiz] |
vc_frequency | float | 词频（0~1，越常用越高） | 0.797 |
vc_difficulty | int | 难度（0~10，越大越难） | 1 |
vc_acknowledge_rate | float | 认识率（0~1，大众掌握程度） | 0.958 |
⚠️ 注意：CSV 使用>作为分隔符（而不是逗号），读取时要指定sep=">"，方法见 README.md。
三个字段各自在"说什么"？
用数据集中两条真实记录来感受区别：
| 单词 | 词频 | 难度 | 认识率 | 解读 |
|---|---|---|---|---|
Jerry | 0.797 | 1 | 0.958 | 高频 + 简单 + 人人会背 →不用优先背 |
guttural | 0.282 | 9 | 0.203 | 低频 + 很难 + 多数人不会 →低频生僻词，按需学习 |
let sth. down | 0.708 | 2 | 0.708 | 高频 + 简单，但 3 成人不熟 →值得优先补上 |
三个字段各自回答一个问题：
- 词频：这个单词在实际文本中常用吗？
- 难度：这个单词本身难不难？
- 认识率：大多数人已经掌握了多少？——认识率越低，说明它是"公共盲区"，值得优先攻克。
生成专属清单：一条命令搞定
把三个字段组合起来，就是"优先背什么"的排序依据。以四级/六级备考为例（要常用、难度适中、且大众还没掌握的词），一条awk命令即可生成清单：
awk -F'>' 'NR>1 && $5+0>0.4 && $6<=5 && $7+0<0.7 {print $2}' word.csv > my_list.csv逻辑拆开看：
| 条件 | 含义 | 对应字段 |
|---|---|---|
$5+0>0.4 | 词频高于 0.4（够常用） | vc_frequency |
$6<=5 | 难度 5 级以内（学得动） | vc_difficulty |
$7+0<0.7 | 认识率低于 0.7（大众盲区） | vc_acknowledge_rate |
按需调参即可切换"人设"：
| 使用场景 | 推荐参数组合 | 说明 |
|---|---|---|
| 🎓 考研英语 | 词频>0.5 且 难度<=7 | 覆盖高频核心词 |
| 🌏 出国考试（GRE/托福） | 词频>0.3 且 难度>=8 | 专攻低频难词 |
| 🏫 小学生 | 难度<=2 且 认识率<0.8 | 打基础、快见效 |
| 🔁 复习已会词汇 | 认识率>0.9 | 生成"快速过一遍"清单 |
💡 整个词库难度跨度很大：难度 10 级（最高）的词有 24,914 个，词频为 0（极冷门）的词也有近 2 万个——不加筛选直接背，效率可想而知。
进阶：绑定具体词汇书 + 中文释义
如果你已有目标词汇书（如"星火四级词汇周计划""GRE词汇精选"），还有两个文件可配合使用：
- book.csv：583 条词汇书/单词书记录，含书名、出版社、单词个数等，可先锁定你要跟的书；
- relation_book_word.zip：解压后为"单词书 ↔ 单词"关系数据，把上面筛选出的清单与指定书本求交集，就是"这本书里你该重点背的词"；
- word_translation.csv：10 万多条"单词 → 中文翻译"，
my_list.csv生成后关联它，即可得到带释义的完整背诵表。
例如给guttural查释义：
grep -w "guttural" word_translation.csv小结：数据驱动的背单词工作流
- 用 3 个字段筛选出目标词池（约几千个，而不是 7 万个）；
- 用词书关系数据锁定考试范围；
- 关联中文释义，产出可执行的背诵清单。
DictionaryData 的价值正在于此：单词数据是"死"的，加上词频、难度、认识率这三个字段，单词表才能变成"你的"单词表——筛选参数换一换，小学生、考研党、GRE 选手各得其所。
- 数据集
- 教育
【免费下载链接】DictionaryData
高质量英语字典，400多本单词书+60000多个单词！单词书包括小学、中学、高中、考研、考博、出国（GRE、托福等等）等等，难道它不香吗？
相关推荐
Saladict沙拉查词单词笔记本使用指南：从生词本到卡片导出，背单词效率翻倍
Saladict沙拉查词单词笔记本使用指南：从生词本到卡片导出，背单词效率翻倍 Saladict（沙拉查词）是一款集成的专业浏览器弹框查词与页面翻译插件，其内置
前端【完全免费】没网也能背单词：微信小程序背单词把1000个高频词装进口袋
【完全免费】没网也能背单词：微信小程序背单词把1000个高频词装进口袋 地铁进隧道、高铁穿隧道，手机信号时常只剩一格。你是不是也遇到过这种时刻：打开学习 App
Now Playing 歌词组件配置清单：40 个设置项如何调出你的专属直播歌词风格
Now Playing 歌词组件配置清单：40 个设置项如何调出你的专属直播歌词风格 now playing service（Now Playing）是一款免费
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
