我统计了1980-2017共38年13+万字的考研英语真题，统计出了这份高频单词卡（附下载）

下载方式在文章最下方

本项工作收集了从1980-2017年共38年的英语考试试卷，经过文本清理后，总共包含133735个单词。注意，自2010年始，考研英语由单一命题分为试卷一、二，其中试卷一涵盖绝大部分考生。因此，从2010-2017年，本语料库只覆盖试卷一，试卷二不做统计。

1980-2018年所有考研真题（英语一）

总字数

1，

词频统计

这13万+的文本是预处理之后的总字数。预处理包括：

• 删除汉字、数字、图片和特殊符号。特殊符号也包括文本中的连字符（-, hyphen），因此最终的高频词汇表不包括任何带有连字符的复合词（譬如单词self-esteem被认为是self和esteem两个单词，而非一个）。

• 删除题干。由于题干年年重复，会干扰词频统计结果，因此在预处理时也被删除。

• 格式删除。例如将试题中的表格删除，只保留文本。最后将文本转化为小写（Lower case）。

• 词性还原（Lemmatization）。英语具有词性变换和衍生词。譬如，动词eat可能以eat、eats、ate和eaten的形式出现，如果在词频统计时不加处理，很显然将会把它们当成不同的单词对待，这显然是不科学的。因此，这一步就是将动词的不同形式、单复数、衍生词等归一化为单词最基本的形式。

可见，用于词频统计的文本库实际上包括了所有题型，而不仅仅是阅读题。这是和市面上很多考研词汇书不同的一点，本次统计更全面。

然后进行初步统计，这38年的真题的单词总数是133714个，共计8321个单词。出现频率排名前20位的单词如下：

出现频率最高的20个单词（点击可看大图）

出现频率最高的词是定冠词 the 。显然，最高频词汇主要以冠词、介词、代词等虚词为主。这些词对于制作「考研备考单词表」意义不大，因为人人皆知。

再来看一下频率分布：

词频数量占比（点击可看大图）

图中的横坐标为出现1次到50次的单词数量，呈现非常显著的下降趋势。在这38年的考试中，只出现一次的单词数量有2995个，占总单词数的36%，当然这和文本库较小有关。与此形成强烈反差的是，出现频率超过17次的单词，数量急剧下降。从饼状图可以看到，出现频率在51-8385次的单词总数只占全部单词数的5%。

这个统计分析有什么意义呢？实际上，由于考研的时间较短（38年），造成文本库小。因此，大多数单词只出现了很少的次数（小于10次），但恰恰也是因为文本库小，我们背单词时反而应该多背词频较低的词汇，因为它们可能很重要，只是由于考研时间短，还没有给它们机会多次出现。

反而，我们应该从词汇表中删除词频高的单词，因为从第一幅图中知道，词频最高的单词基本都是虚词，是人人熟知的词汇（stop words），将这些词和一些不常见的人名、地名等专有名词删除后，得到的单词列表共有6744个单词。而且！！！我自己一个一个地检查了这6744个单词，确保没有错误才开始制卡，大家可以放心使用！

2，

制作ANKI单词记忆卡_v1.0

(注，这份Anki词卡只是初版（v1.0），之后会综合大家的使用体验不断提升和优化）

我将这6744个单词制作成Anki卡片，方便考研的同学直接使用。关于Anki的使用和设置方法，请参阅我之前的文章 👉：「利用Anki快速背单词」最全攻略

实际上，这些单词大多都属于英语使用频率较高的单词。因此同样适用于不考研的一般英语学习者学习。

单词卡集合了以下六点内容，现在以单词emphasis为例，单词卡的正面有四点信息：

单词卡正面

卡片集成了真人美式发音，可以通过快捷键「R」来不断播放。

卡片的反面包括四点信息：

• 单词的变形（复数、分词等）

• 中文解释（包括本单词在英语中的出现频率）

• 英英解释

• 例句

单词卡反面

安装方法和设置方案请参考帖子：「利用Anki快速背单词」最全攻略

单词卡下载方式：