为做个程序员英语字典，我处理了 StackOverflow 和 HackerNews10 年 5 千万条数据

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

This topic created in 2519 days ago, the information mentioned may be changed or developed.

有点标题党，不过都说都真实的。英语技能对开发员人员至关重要。所有人都不喜欢背单词，但更惨的是背住的单词发现没怎么用，又慢慢地忘记了。本来计划给自己做个开发人员常用单词表，感觉可能对其它人也有用，所以就发布开源出来。单词解释部分还没完成，后面会逐渐添加。

单词列表托管在 Github 上，一共将近 3000 个。

https://github.com/kkyon/Simple-IT-English

单词主要来自：StackOverflow 和 HackerNews.

Source|Newest Post|Oldest Post|Row Count|Size --------|--------------|---------------|------------|---- HackerNews comments|2015-10-13 08:44:02 UTC|2006-10-09 19:51:01 UTC|8399417|3.41 GB HackerNews stories|2015-10-13 08:44:34 UTC|2006-10-09 18:21:51 UTC|1959809|402.71 MB StackOverflow answers|2019-09-01 05:22:21.463 UTC|2008-08-01 13:16:49.127 UTC|27665009|22.27 GB StackOverflow questions|2019-09-01 05:23:41.743 UTC|2008-08-03 21:38:52.623 UTC|18154493|28.13 GB

UTC

单词

hackernews

2006-10-09

29 replies • 2019-12-13 13:53:52 +08:00

exhades

Dec 10, 2019 via Android

感谢分享

resist

Dec 10, 2019

感谢，太懒了我，有注释就更好了，手动狗头

kuokyong

Dec 10, 2019

@resist 后面会添加解释和例子

secondwtq

Dec 10, 2019

@kuokyong 嗯，能把单词出现的句子加上会更好
不过这个总觉得很难做 … 一是数据量很大，二是社区不比媒体，很多句子都是网络语言，其实不适合作为例句

kuokyong

Dec 10, 2019

@secondwtq 是有点难度，SO 数据量有点大，还有筛选出来句子，需要找个算法排优先级。后面会找时间尝试一下。

SquirrelMAN

Dec 10, 2019

很有价值！

jdhao

Dec 10, 2019 via Android

f1ren2es

Dec 10, 2019

支持~

ddzzhen

Dec 10, 2019 via Android

赞，英语四级卡线路过

dr1q65MfKFKHnJr6

Dec 10, 2019

赞👍

NoFoodNoLife

Dec 10, 2019

太好了，第一个单词不是 Abandon。

zhoudaiyu

Dec 10, 2019

第一个 aaron 就不认识 doge

ClericPy

Dec 11, 2019

不错, 以前想过这些语料可以做什么, 你开了个好头, 也给国外这些主动开源自家数据的站点点赞, 比自己抓省太多时间了, 也避免服务器压力太大

除了列表... 能有其他功能不

1. 词典功能
2. 按热度排序
3. 按逆文本频率+热度排序
4. 常错词
5. 词向量找近义词
6. 生僻词
7. 自造词
8. 共现词
9. 长尾关键词
10. 热点趋势图? 关键词热度变化曲线
11. 词云?
12. 我好无聊

secondwtq

Dec 11, 2019

@zhoudaiyu aaron 是人名吧 ... 知名人物如 Aaron Swartz
嘛这也是 ... xref 都出来了，还有 Adobe 公司应该是得名于一条叫 Adobe 的河，我查了下 adobe 本身好像也是单词但是估计这个语料里的 adobe 指的是 adobe 公司 ... 还有 jekyll 啥的
不过这种词总体不多，估计楼主要把频率更少的词也放进去就不好处理了