• 数据集
• 教育

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）：

⚠️ 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：

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：

按需调参即可切换"人设"：

💡 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

1. 用 3 个字段筛选出目标词池（约几千个，而不是 7 万个）；
2. 用词书关系数据锁定考试范围；
3. 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