1949年，哈佛语言学家齐夫（George Kingsley Zipf）做了长篇小说《尤利西斯》的词频统计。该书的长度是260,430字，总共用到了29,899个单词。它是单词量最大的文学作品之一。
他发现，单词的出现频率有规律地下降。词频第二名的单词的出现频率，是第一名的二分之一，第三名的出现频率是第一名的三分之一，第四名是四分之一，第十名是十分之一，第1,000名是千分之一，以此类推。
这被称为 Zipf 定律，即任何单词的词频，与该单词在词频表中的排名保持一个固定比例。
这个定律有两个重要推论。
（1）一种语言的常用词汇只包含少数单词。例如，在英语中，单词 the 占所有文本的7%，最常见的10个英语单词占到了所有文本的23%。
对于当今世界的大多数语言来说，仅仅100到150个常用单词，就占所有文本的一半左右。在希腊语的《圣经新约》中，319个单词占全书近80%的内容。
（2）当你掌握了这些高频常用词以后，遇到的所有词汇几乎都是低频词。
还是以希腊语的《圣经新约》为例，319个单词占文本的近80%，但剩下的20%包含了5118个不常用的单词，其中大部分单词只使用了一次。
推论二注定了精通一种外语是一件麻烦事。学习者入门以后，就不得不花大量时间，记住那些出现频率很低的词汇。以布朗大学语料库为例，该语料库一共包含了53,076个单词，其中36,135个单词在语料库的所有文献中出现次数不超过三次，它们占了词汇量的68%，但是仅仅在5%的场合使用。
更麻烦的是，这些不常见的词往往很重要，能够提供句子的关键信息。越少见的词对于了解句子含义越重要。
学习者遇到不认识的单词，可以通过上下文去猜测含义。但是，一项研究表明，如果要从上下文中正确猜中单词含义，阅读者必须能够理解文本中至少95%的内容。
对于布朗语料库来说，15,851个单词可以覆盖语料库97.8%的内容。这差不多就是英美大学生掌握的单词数量。这意味着，如果你记住了15000个单词，再遇到不认识的单词，就可以较有把握得猜出它的含义。
但是，对于外国人来说，想要通过几年学习，掌握15000个左右的英语单词，绝非易事。
文章评论