常用及通用字的部件及基元

谢振斌

因为数据还在变动中，这里只列几个之前统计的最高频的部件频度供你参考。这应该是前5000字字集的情景，左边是静态出现率，中间是动态频度，后面是期望码长。

   63口   7152 1.3
   45人   5756 1.3
   39一   4835 1.4
   30木   3113 1.6
   22十   1962 1.8
   21刀   2182 1.8
   20手   1973 1.8
   19八   2006 1.8
   19日   2582 1.7
   18又   2215 1.8
   18土   2593 1.7
   17匕   1878 1.8
   17水   1745 1.9
   16言   1546 1.9
   14大   1688 1.9
   13月   1609 1.9
   13辶   1607 1.9
   12力   1502 1.9
   12小   1328 2.0
   12心   1139 2.1
   12糸   1172 2.0
   11女   1163 2.0
   11宀   1367 2.0
   11寸   1632 1.9
   11目   1045 2.1
   10_六   913 2.1
   10丿   1199 2.0
   10冫   1050 2.1
   10厶   1211 2.0
   10艹    680 2.3
   10贝    911 2.1
   10�S   1173 2.0
    9㐅    937 2.1
    9丶   1443 1.9
    9儿    816 2.2

1975xxzzasohu

我的部件频率近日也将统计完毕，到时也做个对比。

bdjim

感谢三位先生响应。盼谢先生的全部统计和1975先生的数据早点出来，这样可以做个系统的比较。
我确实以为，有些两可的，或不易拿捏的拆分，应该主要从频率角度来考虑取舍。毕竟，做
部件切分得考虑实用时的效率。

另外，三位的汉字集范围大小和统计角度不太一致， 汉字集在比较时可能主要看交集部分，
统计角度（静态、动态频度等）请给出准确说明。
静态频度：1） 一个部件字集中的多少个字中出现， 2）一个部件在字集中出现多少次
    如“口” 在“品”中：  在1个字中出现， 供出现3次
动态：根据语料库做的吗？不同语料库（规模、取样）之间差别可大了。  

这事很辛苦，再谢三位！

aabm

顶上来看看.

godslander

<div class="quote"><blockquote>主旨：

    相对于拼音文字而言，汉字可认为是拼形文字。拼形基元应是汉字最小的结构单位，亦可称为汉字字母，可自拆分汉字而得。
  汉字的主要缺点是字形结构过于复杂，若能找出一组精简的汉字基元，按照一个标准的笔序，就可较轻易的去组合繁、简通用字。
  在拆分实践过程中，去发现汉字的结构问题，建议优化一些字，是本文的另一目标。</blockquote></div><br />

漢字的結構基本可以用左右上下外內三種概括。而漢字眞正複雜的是她的構字元素及其變體數量太多。


譬如簡化字的尧，上面平白增添了一個非戈非土的玩意兒。