首页/新闻资讯/正文详情

DictionaryData 完全概览:400多本词汇书+6万+单词的高质量英语字典数据集为何被称为“宝藏级“

发布时间:2026/11/5 1:11:29 来源:云帆数科 栏目:资讯中心
DictionaryData 完全概览:400多本词汇书+6万+单词的高质量英语字典数据集为何被称为“宝藏级“
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项目地址https://gitcode.com/gh_mirrors/di/DictionaryData点击查看免费下载如果你正在找一份免费、完整、分类清晰的英语字典数据集DictionaryData 很可能是最值得收藏的开源项目之一它把从小学、中学、高中到考研、考博、GRE、托福的 400 多本词汇书和 60000 多个单词整理成了 4 个结构清晰的 CSV 文件单词书已按学段和考试类型分好类。无论你是想背单词、做英语应用还是做 NLP 词汇研究这套数据都能开箱即用堪称宝藏级。一、DictionaryData 是什么DictionaryData 是一个高质量英语字典数据集核心内容可以概括为400 本单词书覆盖小学、初中、高中、新概念英语、四六级、考研、托福、GRE、雅思、SAT、ACT 等 25 个一级分类60000 个单词附带英音/美音音标、词频、难度、认识率等元数据10 万 条中文翻译每个单词配含义标注词性n.、v.、adj. 等单词与词汇书的关联关系可以查出某个单词出自哪本书、哪个 Unit全部数据以 CSV 格式存储结构规整、带表头用 Excel 或 pandas 就能直接读取。二、4 个数据文件速查表各自存了什么文件内容数据量实测word.csv单词主表音标、词频、难度约 7 万条word_translation.csv单词及其中文翻译约 10.4 万条book.csv单词书、词汇书含分类583 条relation_book_word.zip单词书-单词关系表压缩包解压后为 CSV按书本单元组织四张表通过 id 字段相互关联是典型的关系型数据设计book.csv里的bk_id对应关系表中的bv_book_idword.csv里的vc_id对应bv_voc_id。三、词汇书覆盖从小学一年级到考博出国book.csv采用两级分类结构通过bk_parent_id父分类 id和bk_level等级把 25 个一级分类和 558 本具体词汇书组织成树形结构。一级分类一览节选 小学英语 / 初中英语 / 高中英语 新概念英语第一册至第四册新版 大学英语四级、六级、专业四级、专业八级 考研英语 / 托业 / BEC✈️ 出国考试托福、GRE、雅思、SAT、ACT、GMAT每本词汇书还附带丰富的元数据作者、出版社、版本如2007年1月第2版、单词个数以及阅读说明例如黑体本单元重点词汇无△课标词汇要求掌握信息粒度堪比纸质书的版权页。四、单词字段解读音标、词频、难度、认识率一次看全word.csv 是整套数据的核心每个单词包含以下信息以superspecies为例字段说明示例vc_id单词 id57067c89a172044907c6698evc_vocabulary单词superspeciesvc_phonetic_uk英音音标[su:pərsˈpi:ʃi:z]vc_phonetic_us美音音标[supɚsˈpiʃiz]vc_frequency词频0.000000vc_difficulty难度1~8 级1vc_acknowledge_rate认识率0.664122词频 难度 认识率这三个字段的组合非常实用既能按从高频到低频排背单词顺序也能做个性化难度分级。五、中文翻译不止一个意思word_translation.csv 为单词提供了详细的中文释义格式与纸质词典一致例如brain→n.脑,头脑aardvark→n.[动]土豚同一单词可能存在多条译文记录涵盖名词、动词、缩写释义如军语、专业术语等不同语境做翻译对照或词义消歧都有用。六、单词书-单词关系精确定位到 Unitrelation_book_word.zip 解压后得到relation_book_word.csv它记录了哪本书的哪个分组包含哪些单词字段说明bv_book_id单词书 idbv_voc_id单词 idbv_tag分组名如Unit 1bv_flag分组标记bv_order排序号有了它就能轻松实现按课本单元背单词这类功能——这正是很多背单词 App 的核心场景。七、如何快速上手1 分钟加载数据使用 git clone 把仓库下载到本地仓库为只读请勿修改其中内容git clone https://gitcode.com/gh_mirrors/di/DictionaryData然后用 Python 的 pandas 加载即可注意前三张表的分隔符是import pandas as pd book pd.read_csv(book.csv, sep) word pd.read_csv(word.csv, sep) word_translation pd.read_csv(word_translation.csv) relation pd.read_csv(relation_book_word.csv, sep)加载后常见玩法找出人教版高中英语1 - 必修里所有单词按bk_id关联关系表再关联单词表统计某本书中难度 ≥ 5 的高难词筛选vc_difficulty字段提取全部词频数据训练词汇难度模型官方字段说明见 README.md权限信息见 LICENSE。八、这套数据集适合谁使用人群典型场景背单词工具开发者按课本/考试分类的单词库省去爬取和清洗成本英语学习者直接当词典用按 Unit 规划每日单词量NLP / 教育技术研究者词频、难度、认识率是现成的标注特征内容创作者整理词汇表、制作学习计划、出单词题九、常见问题Q1数据是免费的吗是开源项目可直接 clone 使用具体条款以 LICENSE 为准。Q2为什么关系表是 zip 而不是 csvrelation_book_word.csv数据量较大按书本逐单元记录压缩成 relation_book_word.zip 可显著减小仓库体积解压即用。Q3单词数量到底有多少word.csv 实测约7 万条记录官方描述为60000 多个单词覆盖从小学基础词到 GRE 学术词汇的完整谱系。十、总结DictionaryData 把词汇书 → 单词 → 中文翻译 → 归属单元这条完整链路都数据化了25 大分类、400 本词汇书、7 万条单词记录、10 万 条中文释义全部免费开放。对新手来说它是最少踩坑的英语学习数据集起点对开发者来说它是搭建背单词应用、词汇工具、NLP 实验的即插即用底座。这大概就是它被称为宝藏级的原因。赞分享数据集教育【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项目地址https://gitcode.com/gh_mirrors/di/DictionaryData点击查看免费下载相关推荐终极英语学习宝典47万词汇量开源单词库完全指南终极英语学习宝典47万词汇量开源单词库完全指南 还在为英语学习资源发愁吗这个包含47万英语单词的开源单词库将成为你英语学习的终极武器无论你是开发自动数据集NLPWindows下安装Ruby gems的秘密武器RubyInstaller2与MSYS2集成指南Windows下安装Ruby gems的秘密武器RubyInstaller2与MSYS2集成指南 在Windows系统中安装和管理Ruby gems常常让开发终极英语词汇宝库47.9万词条开源数据集完全指南终极英语词汇宝库47.9万词条开源数据集完全指南 如果你正在开发词汇相关应用、学习英语或需要构建词库系统那么这个包含47.9万英语词汇的开源数据集将是你的理数据集NLP上一篇高效智能抢票系统完整指南面向技术爱好者的自动化票务解决方案下一篇如何微调ChineseErrorCorrector4-4B-GGUF自定义中文纠错模型教程创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关推荐

Easy Diffusion 本地部署教程:从零出第一张 AI 绘画
Easy Diffusion 本地部署教程:从零出第一张 AI 绘画

Easy Diffusion 本地部署教程:从零出第一张 AI 绘画 【免费下载链接】easydiffusion An easy 1-click way to create beautiful artwork on your PC using AI, with no tech knowledge. Provides a browser UI for generating images from text prompts and images.… · 2026/11/5 1:11:29

mac-precision-touchpad:MacBook 触控板装 Windows 找回完整多指手势的指南
mac-precision-touchpad:MacBook 触控板装 Windows 找回完整多指手势的指南

mac-precision-touchpad:MacBook 触控板装 Windows 找回完整多指手势的指南 【免费下载链接】mac-precision-touchpad Windows Precision Touchpad Driver Implementation for Apple MacBook / Magic Trackpad 项目地址: https://gitcode.com/gh_mirrors/ma/mac-p… · 2026/11/5 1:11:29

Myo肌电臂环中文入门指南及基于matlab获取Myo臂环信号
Myo肌电臂环中文入门指南及基于matlab获取Myo臂环信号

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/5 1:10:29

快速上手playwight
快速上手playwight

在自动化测试和网页爬虫的领域,Selenium 曾是无可争议的霸主。然而,随着现代 Web 应用越来越复杂(大量使用 React、Vue、单页应用等),传统的测试工具开始显得有些力不从心。今天,我们要聊的是由微软开源的现… · 2026/11/5 8:48:36

LoRA 训练数据集怎么准备才好用?Fizgig AI 标注、人脸裁剪与外观一致性过滤器 7 大技巧
LoRA 训练数据集怎么准备才好用?Fizgig AI 标注、人脸裁剪与外观一致性过滤器 7 大技巧

【免费下载链接】Fizgig Fizgig — LoRA & Fine-tune Studio for Klein 9B, Krea 2, MiniMax H3, Qwen Image 2.1, Anima & Z-Image Turbo and Ace-Step XL: train, fine-tune, profile, repair and extract LoRAs & LoKR for Image, Video & Music Models 项目… · 2026/11/5 8:47:35

如何用一个仓库补齐你的 Android 技术栈?android-tech-frontier 译文库完全指南
如何用一个仓库补齐你的 Android 技术栈?android-tech-frontier 译文库完全指南

如何用一个仓库补齐你的 Android 技术栈?android-tech-frontier 译文库完全指南 【免费下载链接】android-tech-frontier 【停止维护】一个定期翻译国外Android优质的技术、开源库、软件架构设计、测试等文章的开源项目 项目地址: https://gitcode.com/gh_mirrors… · 2026/11/5 8:46:35

【Java基础知识】方法与注释
【Java基础知识】方法与注释

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/5 8:43:30

【Java基础知识】进制转换
【Java基础知识】进制转换

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/5 8:43:30

【Java基础知识】字面量与变量
【Java基础知识】字面量与变量

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/5 8:43:30

双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 3:16:49

STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 6:59:29

DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 7:02:38

多智能体协作系统架构设计与实践优化
多智能体协作系统架构设计与实践优化

1. 多智能体协作系统的时代背景2017年Transformer架构的诞生彻底改变了人工智能的发展轨迹。当行业还沉浸在单一大模型带来的性能突破时,Anthropic的研究团队已经将目光投向了更前沿的领域——如何让多个智能体通过协作产生超越单体能力的系统智能。这就像交响乐团中… · 2026/11/5 0:00:39

大模型系统性入门实战指南:从原理到部署微调的全链路路线
大模型系统性入门实战指南:从原理到部署微调的全链路路线

提到大模型的系统性入门,我先说个结论:这事真不难,难的是资料太散、路线太多,今天这个框架明天那个工具,新人很容易在“收藏夹吃灰”和“教程看到一半放弃”之间反复横跳。市面上关于大模型的内容少说有几十万篇&#… · 2026/11/5 0:00:39

鸿蒙文件系统沙箱机制解析与开发实践
鸿蒙文件系统沙箱机制解析与开发实践

1. 鸿蒙文件系统沙箱机制深度解析作为一名从Android转向鸿蒙开发的工程师,我深刻体会到文件系统访问是迁移过程中最先遇到的"拦路虎"。在Android上运行良好的文件读写代码,在鸿蒙真机环境却频频出现文件写入后神秘消失或直接抛出权限拒绝错误的… · 2026/11/5 0:00:39

双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 3:16:49

STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 6:59:29

DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/4 7:02:38

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码