6.4.1  普通词汇抽取

词汇的提取以词频为根据，词频统计在自然语言处理研究中是基础部分，随着语料库的发展，各国对此都愈加重视。基于语料库的语言描述和研究所围绕的一个中心问题就是，某种语言或语言里的某个语域或某类篇章里到底有些什么语言单位、形式、系统或组合，它们的使用频率、时间、场合、原因和对象又是怎样的（Kennedy，1998：338）。美国当代英语词汇研究（Corpus of Contemporary American Eng-lish）项目建立的4亿词汇的文献资料库就是其中的典型代表，这些语料库的使用，使词频字典的建立变得简单。数字出版平台可根据词频字典，把动漫、游戏和电影对话涉及的词汇按难度等级抽取出来。

对于网络动漫和游戏，词汇量较少，词难度相对较低，所以可根据具体情况降低各词频段的起始值。如果网络动漫中对话中涉及的词汇较少，也可只形成一个能按字母顺序、集序号和词频筛选编辑的词汇表，允许学习者自行删除已掌握词汇，集中精力在需要学习的词汇上。(https://www.daowen.com)

电影中的对白多是口语，涉及的词汇相对于文学书籍来说要少一些，但让学习者对其达到熟练的听说读写并不容易。为了真正能通过观看电影进行听说读写全方位的学习，一方面需要在观看影片前后对剧本本身和文化背景等进行了解，同时有必要把剧本中语言对白的词汇按词频难度抽取出来，形成带有发音朗读和源语言解释的词汇表。词汇表不仅能按字母顺序、词频筛选，也能按在影片中的时间位置筛选。