Freq_HAL

Freq_HAL

源

ELP

在源数据库名称

Log_Freq_HAL

定义

Log10版本的频率标准基于多维空间模拟语言(HAL)语料库。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

隆德、k、c·伯吉斯(1996)。从词汇同现”产生高维的语义空间。”Behavior Research Methods, Instruments, & Computers 28(2): 203-208.

Freq_KF

Freq_KF

源

ELP

在源数据库名称

Freq_KF

定义

Log10版本的频率标准基于库希拉和弗朗西斯语料库。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Kučera、h和w·n·弗朗西斯(1967)。计算分析现在的美式英语,布朗大学出版社。

Freq_SUBTLEXUS

Freq_SUBTLEXUS

源

SUBTLEX-US

在源数据库名称

Lg10WF

定义

Log10版本的频率标准基于SUBTLEXus语料库。

条目的数量

74286年

URL

https://www.ugent.be/pp/experimentele-psychologie/en/research/documents/subtlexus

引用

Brysbaert、m和b新(2009)。“超越Kučera和弗朗西斯:一个关键的评估当前的词频规范和引入新产品和改进频率测量美式英语。”Behavior Research Methods41(4): 977-990.

Freq_SUBTLEXUS_Zipf

Freq_SUBTLEXUS_Zipf

源

SUBTLEX-US

在源数据库名称

Zipf-value

定义

Freq_SUBTLEXUS的标准化版本,可以解释独立于语料库的大小。计算log10((频率计数+ 1)/(语料库规模+ num的类型))+ 3。

条目的数量

74286年

URL

https://www.ugent.be/pp/experimentele-psychologie/en/research/documents/subtlexus

引用

Brysbaert、m和b新(2009)。“超越Kučera和弗朗西斯:一个关键的评估当前的词频规范和引入新产品和改进频率测量美式英语。”Behavior Research Methods41(4): 977-990. Van Heuven, W. J., et al. (2014). "SUBTLEX-UK: A new and improved word frequency database for British English." Quarterly Journal of Experimental Psychology 67(6): 1176-1190.

Freq_SUBTLEXUK

Freq_SUBTLEXUK

源

SUBTLEX-UK

在源数据库名称

FreqCount (Log10这个变量是报道)

定义

Log10版本的频率标准基于SUBTLEXuk语料库。

条目的数量

160024年

URL

http://crr.ugent.be/archives/1423;https://psychology.nottingham.ac.uk/subtlex-uk/

引用

Van Heuven w·J。,et al。(2014)。“SUBTLEX-UK:一个新的和改进的词频数据库英式英语。”Quarterly Journal of Experimental Psychology67(6): 1176-1190.

Freq_SUBTLEXUK_Zipf

Freq_SUBTLEXUK_Zipf

源

SUBTLEX-UK

在源数据库名称

LogFreq (Zipf)

定义

Freq_SUBTLEXUK的标准化版本,可以解释独立于语料库的大小。计算log10((频率计数+ 1)/(语料库规模+ num的类型))+ 3。

条目的数量

160024年

URL

http://crr.ugent.be/archives/1352

引用

Van Heuven w·J。,et al。(2014)。“SUBTLEX-UK:一个新的和改进的词频数据库英式英语。”Quarterly Journal of Experimental Psychology67(6): 1176-1190.

Freq_Blog

Freq_Blog

源

Worldlex

在源数据库名称

BlogFreq

定义

Log10版本的频率准则基于博客的来源。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

Freq_Twitter

Freq_Twitter

源

Worldlex

在源数据库名称

TwitterFreq

定义

Log10版本的频率标准基于来自Twitter的来源。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

Freq_News

Freq_News

源

Worldlex

在源数据库名称

NewsFreq

定义

Log10版本的频率标准基于来源从报纸。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

Freq_Cob

Freq_Cob

源

CELEX

在源数据库名称

CobLog

定义

Log10词的频率根据COBUILD英语语料库。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

Freq_CobW

Freq_CobW

源

CELEX

在源数据库名称

英语单词形式:CobWLog

定义

Log10词的频率根据COBUILD语料库在书面英语中。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

Freq_CobS

Freq_CobS

源

CELEX

在源数据库名称

英语单词形式:CobSLog

定义

Log10单词频率的基于COBUILD英语口语语料库。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

Freq_Cob_Lemmas

Freq_Cob_Lemmas

源

CELEX

在源数据库名称

英语前题:CobLog

定义

Log10引理的频率根据COBUILD英语语料库。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

Freq_CobW_Lemmas

Freq_CobW_Lemmas

源

CELEX

在源数据库名称

英语前题:CobWLog

定义

Log10引理的频率根据COBUILD语料库在书面英语中。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

Freq_CobS_Lemmas

Freq_CobS_Lemmas

源

CELEX

在源数据库名称

英语前题:CobSLog

定义

Log10引理的频率根据COBUILD英语口语语料库。

条目的数量

89384年

URL

http://celex.mpi.nl/

引用

Baayen, r . H。,et al。(1996)。“CELEX词汇数据库(cd - rom)。”

CD_SUBTLEXUS

CD_SUBTLEXUS

源

SUBTLEX-US

在源数据库名称

Lg10CD

定义

Log10版本的上下文的多样性,指文章的数量(文档)SUBTLEXus语料库包含一个特定的词。

条目的数量

74286年

URL

https://www.ugent.be/pp/experimentele-psychologie/en/research/documents/subtlexus

引用

Brysbaert、m和b新(2009)。“超越Kučera和弗朗西斯:一个关键的评估当前的词频规范和引入新产品和改进频率测量美式英语。”Behavior Research Methods41(4): 977-990.

CD_SUBTLEXUK

CD_SUBTLEXUK

源

SUBTLEX-UK

在源数据库名称

CD (Log10这个变量是报道)

定义

Log10版本的上下文的多样性,指文章的数量(文档)SUBTLEXuk语料库包含一个特定的词。

条目的数量

160024年

URL

http://crr.ugent.be/archives/1423;https://psychology.nottingham.ac.uk/subtlex-uk/

引用

Van Heuven w·J。,et al。(2014)。“SUBTLEX-UK:一个新的和改进的词频数据库英式英语。”Quarterly Journal of Experimental Psychology67(6): 1176-1190.

CD_Blog

CD_Blog

源

Worldlex

在源数据库名称

BlogCD

定义

Log10版本的上下文的多样性,指文章的数量(文件)包含一个特定的词的来源的博客。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

CD_Twitter

CD_Twitter

源

Worldlex

在源数据库名称

TwitterCD

定义

Log10版本的上下文的多样性,指文章的数量(文件)包含一个特定的词的来源从Twitter。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

CD_News

CD_News

源

Worldlex

在源数据库名称

NewsCD

定义

Log10版本的上下文的多样性,指文章的数量(文件)包含一个特定的词的来源从报纸。

条目的数量

725981年

URL

http://www.lexique.org/?page_id=250

引用

Gimenes、m和b新(2016)。“Worldlex:推特和博客频率为66种语言。”Behavior Research Methods48(3): 963-972.

Fam_Glasgow

Fam_Glasgow

源

格拉斯哥

在源数据库名称

FAM公司

定义

一个词的主观精通1(陌生)到7(熟悉)。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Fam_Brys

Fam_Brys

源

Brysbaert14

在源数据库名称

Percent_known

定义

比例的参与者知道这个词好足以让回答的具体评级。

条目的数量

39954年

URL

https://link.springer.com/article/10.3758/s13428 - 013 - 0403 - 5 # Sec10

引用

Brysbaert, M。,et al。(2014)。4万年“具体性评级一般认识英语单词前题。”Behavior Research Methods46(3): 904-911.

Prevalence_Brys

Prevalence_Brys

源

Brysbaert19

在源数据库名称

患病率

定义

了解这个词的人的比例,在参与者被要求表明他们是否知道单词和非言词的刺激在一个列表中,在网上众包的研究。百分比是翻译z值的累积正态分布的基础。一个词被2.5%的人对应一个词prelevance -1.96;一个词被97.5%的人对应一个+ 1.96的患病率。

条目的数量

61855年

URL

https://osf.io/g4xrt/。

引用

Brysbaert, M。,et al。(2019)。”这个词流行62000年规范英语前题。”Behavior Research Methods51(2): 467-479.

AoA_Kuper

AoA_Kuper

源

Kuperman12

在源数据库名称

Age_Of_Acquisition

定义

人的年龄了词,参与者被要求输入的年龄(年)他们认为已经学会了这个词。

条目的数量

31104年

URL

http://crr.ugent.be/archives/806

引用

库珀曼,V。,et al。(2012)。30000个英语单词“Age-of-acquisition评级。”Behavior Research Methods44(4): 978-990.

AoA_LWV

AoA_LWV

源

Brysbaert17

在源数据库名称

农产品协定的

定义

的年龄人收购了这个词,是three-choice测试的管理参与者4年级16(大学)(住单词词汇表数据库)。

条目的数量

20004年

URL

https://osf.io/vqe2g/

引用

Brysbaert, m (2017)。“收购时代评级得分在效标效度比频率轨迹或评级”纠正“频率”。Quarterly Journal of Experimental Psychology70(7): 1129-1139. Dale, E. and J. O’Rourke (1981). The Living Word Vocabulary. Chicago: World Book-Childcraft International, Inc.

AoA_Glasgow

AoA_Glasgow

源

格拉斯哥

在源数据库名称

农产品协定的

定义

额定的收购,这表明人们的年龄获得这个词(早期)到7(晚)1日规模。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Freqtraj_TASA

Freqtraj_TASA

源

Brysbaert17

在源数据库名称

Freqtraj

定义

经历一个单词是如何分布随着时间基于TASA语料库。这是计算第一次采取对数频率,然后将它们转换为z值的低(前三个等级)和高成绩(三年级)分别。

条目的数量

19463年

URL

https://osf.io/vqe2g/

引用

Brysbaert, m (2017)。“收购时代评级得分在效标效度比频率轨迹或评级”纠正“频率”。Quarterly Journal of Experimental Psychology70(7): 1129-1139.

Cumfreq_TASA

Cumfreq_TASA

源

Brysbaert17

在源数据库名称

Cumfreq

定义

接触一个单词总额跨越时间基于TASA语料库。这是计算第一频率的对数,将它们转换为z值,然后获得z值的总和。

条目的数量

19463年

URL

https://osf.io/vqe2g/

引用

Brysbaert, m (2017)。“收购时代评级得分在效标效度比频率轨迹或评级”纠正“频率”。Quarterly Journal of Experimental Psychology70(7): 1129-1139.

DPoS_Brys

DPoS_Brys

源

SUBTLEX-US

在源数据库名称

Dom_PoS_SUBTLEX

定义

占主导地位的一个单词语法类别分配按照它的语法功能。

条目的数量

74095年

URL

https://www.ugent.be/pp/experimentele-psychologie/en/research/documents/subtlexus

引用

Brysbaert, M。,et al。(2012)。“添加词性信息SUBTLEX-US频率。”Behavior Research Methods44(4): 991-997.

DPoS_VanH

DPoS_VanH

源

SUBTLEX-UK

在源数据库名称

DomPoS

定义

占主导地位的一个单词语法类别分配按照它的语法功能。

条目的数量

160024年

URL

http://crr.ugent.be/archives/1423;https://psychology.nottingham.ac.uk/subtlex-uk/

引用

Van Heuven w·J。,et al。(2014)。“SUBTLEX-UK:一个新的和改进的词频数据库英式英语。”Quarterly Journal of Experimental Psychology67(6): 1176-1190.

SCOPE_ID

SCOPE_ID

源

范围

在源数据库名称

SCOPE_ID

定义

每个单词的惟一ID。这是一样ELP ID每当这个词/非言词ELP数据库中。

条目的数量

无限的

引用

ELP_ID

ELP_ID

源

ELP

在源数据库名称

N /一个

定义

为每个单词从ELP数据库惟一的ID。

条目的数量

无限的

引用

NLett

NLett

源

在源数据库名称

N /一个

定义

一个单词的字母数量。

条目的数量

无限的

引用

UnigramF_Avg_C

UnigramF_Avg_C

源

MCWord

在源数据库名称

N1_F

定义

的平均频率约束unigrams的一个字。受约束unigram被定义为一个特定的字母在一个特定的位置,为特定长度的话语。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

UnigramF_Avg_U

UnigramF_Avg_U

源

MCWord

在源数据库名称

UN1_F

定义

的平均频率的无约束unigrams词。一个无约束unigram被定义为在一个特定的字母词,不管它的位置,或者单词长度。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

BigramF_Avg_C

BigramF_Avg_C

源

MCWord

在源数据库名称

N2_F

定义

的平均频率受限的字元。约束三元被定义为一个特定的两个字母组合(三元)在一个词,在一个特定的位置,为特定长度的话语。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

BigramF_Avg_U

BigramF_Avg_U

源

MCWord

在源数据库名称

UN2_F

定义

的平均频率的无约束元词。一个没有约束的三元被定义为一个特定的两个字母组合(三元)在一个词,不管它的位置,或者单词长度。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

TrigramF_Avg_C

TrigramF_Avg_C

源

MCWord

在源数据库名称

N3_F

定义

平均频率受限的三元模型的一个字。约束三元模型定义为一个特定的三个字母的组合(卦)在一个特定的位置,为特定长度的话语。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

TrigramF_Avg_U

TrigramF_Avg_U

源

MCWord

在源数据库名称

UN3_F

定义

平均频率受限的三元模型的一个字。一个没有约束的三元模型定义为一个特定的三个字母的组合(卦)在一个词,不管它的位置,或者单词长度。

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

UnigramF_Avg_C_Log

UnigramF_Avg_C_Log

源

MCWord

在源数据库名称

N1_F

定义

Log10 UnigramF_Avg_C的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

UnigramF_Avg_U_Log

UnigramF_Avg_U_Log

源

MCWord

在源数据库名称

UN1_F

定义

Log10 UnigramF_Avg_U的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

BigramF_Avg_C_Log

BigramF_Avg_C_Log

源

MCWord

在源数据库名称

N2_F

定义

Log10 BigramF_Avg_C的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

BigramF_Avg_U_Log

BigramF_Avg_U_Log

源

MCWord

在源数据库名称

UN2_F

定义

Log10 BigramF_Avg_U的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

TrigramF_Avg_C_Log

TrigramF_Avg_C_Log

源

MCWord

在源数据库名称

N3_F

定义

Log10 TrigramF_Avg_C的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

TrigramF_Avg_U_Log

TrigramF_Avg_U_Log

源

MCWord

在源数据库名称

UN3_F

定义

Log10 TrigramF_Avg_U的版本

条目的数量

66211年

URL

https://www.neuro.mcw.edu/mcword/

引用

Medler, d . j .粘结剂(2005)。MCWord:在线拼写英语的数据库。

OLD20

OLD20

源

ELP

在源数据库名称

老

定义

一个词的平均距离根据Levenshtein距离20最亲密的正字法的邻国。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Yarkoni, T。,et al。(2008)。“超越Coltheart N:一个新的拼写相似的措施。”Psychonomic bulletin & review15(5): 971-979.

OLD20F

OLD20F

源

ELP

在源数据库名称

OLDF

定义

意味着日志哈尔的频率最接近20 Levenshtein距离正字法的邻居。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Yarkoni, T。,et al。(2008)。“超越Coltheart N:一个新的拼写相似的措施。”Psychonomic bulletin & review15(5): 971-979.

Orth_N

Orth_N

源

ELP

在源数据库名称

Ortho_N / Coltheart N

定义

单词的数量,可以通过改变一个字母,同时保留其他字母的身份和位置。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459. Coltheart, M. (1977). "Access to the internal lexicon." The psychology of reading.

Orth_N_Freq

Orth_N_Freq

源

ELP

在源数据库名称

Freq_N

定义

正字法的平均频率附近的一个特定的词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Orth_N_Freq_G

Orth_N_Freq_G

源

ELP

在源数据库名称

Freq_Greater

定义

的字数正字法社区的一个项目与频率的频率大于项目。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Orth_N_Freq_G_Mean

Orth_N_Freq_G_Mean

源

ELP

在源数据库名称

Freq_G_Mean

定义

的平均频率正字法的邻居有一个频率大于给定的词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Orth_N_Freq_L

Orth_N_Freq_L

源

ELP

在源数据库名称

Freq_Less

定义

正字法的邻居的数量与频率小于一个给定的项目。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Orth_N_Freq_L_Mean

Orth_N_Freq_L_Mean

源

ELP

在源数据库名称

Freq_L_Mean

定义

的平均频率正字法的邻居有一个频率低于给定单词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Orth_Spread

Orth_Spread

源

Chee20

在源数据库名称

Ortho_spread

定义

信头寸的数量可以改变成一个邻居,由单个字母不同。

条目的数量

37677年

URL

不适用

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

牛津大学出版社

牛津大学出版社

源

MALD

在源数据库名称

牛津大学出版社

定义

基于CMU-A正字法的唯一性的一个词词典。它表示字母在单词区分它与其他单词。指数大于一个字母的数量分配如果连最后的字母的单词并不独特。

条目的数量

26793年

URL

http://aphl.artsrn.ualberta.ca/?page_id=827https: / /link.springer.com/article/10.3758/s13428 - 018 - 1056 - 1

引用

塔克,b . V。,et al。(2019)。“巨大的听觉词汇(MALD)数据库的决定。”Behavior Research Methods51(3): 1187-1204. Weide, R. (2005). "The Carnegie mellon pronouncing dictionary [cmudict. 0.6]." Pittsburgh, PA: Carnegie Mellon University.

NPhon

NPhon

源

ELP

在源数据库名称

NPhon

定义

一个单词的音素。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

NSyll

NSyll

源

ELP

在源数据库名称

NSyll

定义

一个词的音节数量。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

UniphonP_Un

UniphonP_Un

源

IPhoD

在源数据库名称

unsLPOSPAV

定义

平均每个音素的可能性发生在每一个字的位置加权SUBTLEXus频率,与vowel-stress忽略。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

UniphonP_St

UniphonP_St

源

IPhoD

在源数据库名称

strLPOSPAV

定义

平均每个音素的可能性发生在每一个字的位置加权SUBTLEXus频率有明显stress-vowels考虑。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

UniphonP_Un_C

UniphonP_Un_C

源

IPhoD

在源数据库名称

unsLLCPOSPAV

定义

length-constrained平均每个音素的可能性发生在每一个字的位置加权SUBTLEXus频率,与vowel-stress忽略。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

UniphonP_St_C

UniphonP_St_C

源

IPhoD

在源数据库名称

strLLCPOSPAV

定义

length-constrained平均每个音素的可能性发生在每一个字的位置加权SUBTLEXus频率有明显stress-vowels考虑。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

BiphonP_Un

BiphonP_Un

源

IPhoD

在源数据库名称

unsLBPAV

定义

声音的相对频率序列的一个词的水平(即音素对。,一双音素发生的次数的话,被所有成对数)加权SUBTLEXus频率,与vowel-stress忽略。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

BiphonP_St

BiphonP_St

源

IPhoD

在源数据库名称

strLBPAV

定义

声音的相对频率序列的一个单词的音素双加权的SUBTLEXus频率,stress-vowels占。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

TriphonP_Un

TriphonP_Un

源

IPhoD

在源数据库名称

unsLTPAV

定义

声音的相对频率序列的一个单词的音素三胞胎加权的SUBTLEXus频率,与vowel-stress忽略。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

TriphonP_St

TriphonP_St

源

IPhoD

在源数据库名称

strLTPAV

定义

声音的相对频率序列的一个单词的音素三胞胎加权的SUBTLEXus频率,与元音不同压力位置区分。

条目的数量

47893年

URL

http://www.iphod.com/search/V2ListWords.html

引用

我Vaden, k。,et al。(2009)。欧文phonotactic在线词典,2.0版本。(数据文件)。

PLD20

PLD20

源

ELP

在源数据库名称

骑士

定义

一个单词的意思是根据Levenshtein距离20最亲密的语音邻国。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

PLD20F

PLD20F

源

ELP

在源数据库名称

PLDF

定义

意思是日志的频率接近20 Levenshtein距离语音的邻居。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Phon_N

Phon_N

源

ELP

在源数据库名称

Phono_N

定义

单词的数量,可以通过改变一个音素,同时保留其他音素的身份和位置。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Phon_N_Freq

Phon_N_Freq

源

ELP

在源数据库名称

Freq_N_P

定义

平均logHAL语音频率附近的一个特定的词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Phon_Spread

Phon_Spread

源

Chee20

在源数据库名称

Phono_spread

定义

音素头寸的数量可以改变形成不同的邻居一个音素。

条目的数量

37677年

URL

不适用

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

小狗

小狗

源

MALD

在源数据库名称

小狗

定义

基于CMU-A语音唯一性的一个词词典,这表明该音素在区分它与其他单词。指数大于一个字母的数量分配如果连最后这个词不让它独特的声音。

条目的数量

26793年

URL

http://aphl.artsrn.ualberta.ca/?page_id=827https: / /link.springer.com/article/10.3758/s13428 - 018 - 1056 - 1

引用

塔克,b . V。,et al。(2019)。“巨大的听觉词汇(MALD)数据库的决定。”Behavior Research Methods51(3): 1187-1204. Weide, R. (2005). "The Carnegie mellon pronouncing dictionary [cmudict. 0.6]." Pittsburgh, PA: Carnegie Mellon University.

Phon_Cluster_Coef

Phon_Cluster_Coef

源

Goldstein14

在源数据库名称

聚类

定义

邻居一个单词的分数也语音彼此的邻居。

条目的数量

19339年

引用

戈尔茨坦,r . m . s . Vitevitch (2014)。“聚类系数的影响词汇学习:如何组织类似的声音促进收购。”Frontiers in Psychology5: 1307.

First_Phon_bilabial

First_Phon_bilabial

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_labiodental

First_Phon_labiodental

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_interdental

First_Phon_interdental

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_alveolar

First_Phon_alveolar

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_palatal

First_Phon_palatal

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_velar

First_Phon_velar

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_glottal

First_Phon_glottal

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_stop

First_Phon_stop

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_fricative

First_Phon_fricative

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_affricate

First_Phon_affricate

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_nasal

First_Phon_nasal

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_liquid

First_Phon_liquid

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_glide

First_Phon_glide

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

First_Phon_voiced

First_Phon_voiced

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据中央的第一个音位词发音字典。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

异丙醇

异丙醇

源

卡耐基-梅隆

在源数据库名称

N /一个

定义

根据卡耐基-梅隆的发音字典Phonemic-level转录。

条目的数量

133286年

URL

https://people.umass.edu/nconstan/CMU-IPA/;http://www.speech.cs.cmu.edu/cgi-bin/cmudict。

引用

Weide, r (2005)。“卡内基梅隆(cmudict发音字典。0.6)。”Pittsburgh, PA: Carnegie Mellon University.

Conc_Brys

Conc_Brys

源

Brysbaert14

在源数据库名称

Conc.M

定义

概念的程度可以通过感官经验的直接从1(抽象)到5(混凝土)的规模。

条目的数量

39954年

URL

https://elexicon.wustl.edu/

引用

Brysbaert, M。,et al。(2014)。4万年“具体性评级一般认识英语单词前题。”Behavior Research Methods46(3): 904-911.

Conc_Glasgow

Conc_Glasgow

源

格拉斯哥

在源数据库名称

浓缩的

定义

这个概念的程度可以通过感官经验的直接从1(抽象)7(混凝土)的规模。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Imag_Glasgow

Imag_Glasgow

源

格拉斯哥

在源数据库名称

图像放大

定义

努力的程度参与产生的心理图像概念在1 (unimageable)到7(可成像的)规模。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Imag_Composite

Imag_Composite

源

Graves10

在源数据库名称

图像放大

定义

努力的程度参与产生了精神形象的一个概念。这种方法从数据库获得编译6来源(鸟et al ., 2001;克拉克& Paivio, 2004;Cortese & Fugett, 2004;吉尔胡利&假珠宝饰物,1980;Paivio et al ., 1968;Toglia & Battig, 1978)。

条目的数量

7683年

URL

https://academic.oup.com/cercor/article/20/8/1799/398117补充数据

引用

坟墓,W W。,et al。(2010)。朗读:“神经系统multiparametric方法。”Cerebral Cortex20(8): 1799-1815.

Nsenses_WordNet

Nsenses_WordNet

源

WordNet

在源数据库名称

Nsenses

定义

基于WordNet数据库数量的感官。

条目的数量

40481年

URL

https://wordnet.princeton.edu/

引用

米勒,g . a (1995)。“WordNet:英语词汇数据库。”Communications of the ACM38(11): 39-41.

Nsenses_Wordsmyth

Nsenses_Wordsmyth

源

Wordsmyth

在源数据库名称

一系列的感觉

定义

基于Wordsmyth字典的感官。

条目的数量

533年

URL

http://www.blairarmstrong.net/homonymnorms/

引用

米饭,c。,et al。(2019)。“同形异义词的比较意义频率估计来自电影和电视字幕,自由联想,并明确评级。”Behavior Research Methods51(3): 1399-1425.

Nmeanings_Wordsmyth

Nmeanings_Wordsmyth

源

Wordsmyth

在源数据库名称

数量的含义

定义

基于Wordsmyth字典的含义。

条目的数量

533年

URL

http://www.blairarmstrong.net/homonymnorms/

引用

米饭,c。,et al。(2019)。“同形异义词的比较意义频率估计来自电影和电视字幕,自由联想,并明确评级。”Behavior Research Methods51(3): 1399-1425.

Nmeanings_Websters

Nmeanings_Websters

源

之所以

在源数据库名称

数量的含义

定义

数量的含义的基础上,之所以字典。

条目的数量

99204年

URL

https://github.com/matthewreagan/WebstersEnglishDictionary

引用

高,C。Shinkareva, s V。&德赛,r . H。南卡罗来纳”范围:心理语言学Metabase”(即将出版)

NFeatures

NFeatures

源

Buchanan19

在源数据库名称

功能

定义

列出的特性的词。这种方法是通过要求参与者提供功能列表为每个概念。

条目的数量

4435年

URL

https://osf.io/cjyzw/

引用

布坎南,e . M。,et al。(2019)。“英语语义特征生产规范:一个扩展的数据库4436个概念。”Behavior Research Methods51(4): 1849-1863.

Visual_Lanc

Visual_Lanc

源

兰开斯特

在源数据库名称

视觉

定义

经验参照通过观察,在多大程度上从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Auditory_Lanc

Auditory_Lanc

源

兰开斯特

在源数据库名称

听觉

定义

在何种程度上一个经验的referent听力,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Haptic_Lanc

Haptic_Lanc

源

兰开斯特

在源数据库名称

触觉

定义

在多大程度上经历一个指示物通过触摸感觉,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Olfactory_Lanc

Olfactory_Lanc

源

兰开斯特

在源数据库名称

嗅觉

定义

在多大程度上一个经验的referent闻,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Gustatory_Lanc

Gustatory_Lanc

源

兰开斯特

在源数据库名称

味觉

定义

在多大程度上经历一个品尝的指示物,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Interoceptive_Lanc

Interoceptive_Lanc

源

兰开斯特

在源数据库名称

内感受器的

定义

在多大程度上经历一个指示物,感觉一个人的体内,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Head_Lanc

Head_Lanc

源

兰开斯特

在源数据库名称

头

定义

在多大程度上经历一个指示物与头通过执行一个动作,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Torso_Lanc

Torso_Lanc

源

兰开斯特

在源数据库名称

躯干

定义

在多大程度上经历一个与躯干referent通过执行一个动作,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Mouth_Throat_Lanc

Mouth_Throat_Lanc

源

兰开斯特

在源数据库名称

口腔和喉咙

定义

在多大程度上经历一个指示物与口腔或咽喉通过执行一个动作,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Hand_Arm_Lanc

Hand_Arm_Lanc

源

兰开斯特

在源数据库名称

手和手臂

定义

在多大程度上经历一个指示物通过执行一个动作用手/手臂,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Foot_Leg_Lanc

Foot_Leg_Lanc

源

兰开斯特

在源数据库名称

腿/脚

定义

在多大程度上经历一个指示物与腿/脚通过执行一个动作,从0(没有经验)到5(有经验的大大)。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Mink_Perceptual_Lanc

Mink_Perceptual_Lanc

源

兰开斯特

在源数据库名称

Minkowski3.perceptual

定义

闵可夫斯基距离在3 m =向量的原点。它代表了一个复合测量所有维度的感知强度,但较弱的维度的影响减弱。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Mink_Action_Lanc

Mink_Action_Lanc

源

兰开斯特

在源数据库名称

Minkowski3.action

定义

闵可夫斯基距离在3 m =向量的原点。它代表行动的力量在所有的复合测量维度,但较弱的维度的影响减弱。

条目的数量

39707年

URL

https://osf.io/7emr6/

引用

Lynott D。,et al。(2020)。“兰开斯特感觉运动规范:多维感知和行动强度40000个英语单词。”Behavior Research Methods52(3): 1271-1291.

Compo_attribs

Compo_attribs

源

Binder16

在源数据库名称

例如,视觉,黑暗,明亮等。65维度的顺序是:Compo_attribs_Vision; Compo_attribs_Bright; Compo_attribs_Dark; Compo_attribs_Color; Compo_attribs_Pattern; Compo_attribs_Large; Compo_attribs_Small; Compo_attribs_Motion; Compo_attribs_Biomot

定义

Compontential属性:一组65经验属性基于神经生物学的考虑,包括感官、电机、空间、时间、情感、社会和认知经验在0(不)到6(非常)规模。

条目的数量

534年

URL

https://www.neuro.mcw.edu/index.php/resources/brain-based-semantic-representations/

引用

粘合剂,j . R。,et al。(2016)。“向技术成分的语义表示。”Cognitive Neuropsychology33(3-4): 130-174.

投资委员会

投资委员会

源

Pexman19

在源数据库名称

Body_Object_Interaction

定义

的人体可以与词的referent规模从1(低交互)到7(高交互)。

条目的数量

9348年

URL

https://link.springer.com/article/10.3758/s13428 - 018 - 1171 - z # Sec9

引用

佩克斯曼,p . M。,et al。(2019)。“量化感觉运动体验:Body-object交互评级超过9000个英语单词。”Behavior Research Methods51(2): 453-466.

Sem_Size_Glasgow

Sem_Size_Glasgow

源

格拉斯哥

在源数据库名称

大小

定义

级对象或概念表达的混凝土(物理)或抽象1(小)到7(大)的规模。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Gender_Assoc_Glasgow

Gender_Assoc_Glasgow

源

格拉斯哥

在源数据库名称

新闻界

定义

单词的程度被认为是与男性或女性行为1(女性)到7(男性)。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Feature_Visual

Feature_Visual

源

Vinson08

在源数据库名称

视觉

定义

重量特性描述信息与视觉相关的0或1。

条目的数量

1028年

URL

https://link.springer.com/article/10.3758/BRM.40.1.183 SecESM1

引用

文森,d·p·g . Vigliocco (2008)。“语义特征生产规范对于一个大组对象和事件”。Behavior Research Methods40(1): 183-190.

Feature_Perceptual

Feature_Perceptual

源

Vinson08

在源数据库名称

知觉

定义

重量特性描述信息通过感官输入,包括身体状态和本体感受的0或1。

条目的数量

1028年

URL

https://link.springer.com/article/10.3758/BRM.40.1.183 SecESM1

引用

文森,d·p·g . Vigliocco (2008)。“语义特征生产规范对于一个大组对象和事件”。Behavior Research Methods40(1): 183-190.

Feature_Functional

Feature_Functional

源

Vinson08

在源数据库名称

功能

定义

特性重量,是指一件事的目的,或一个动作的目的或目标,由0或1表示。

条目的数量

1028年

URL

https://link.springer.com/article/10.3758/BRM.40.1.183 SecESM1

引用

文森,d·p·g . Vigliocco (2008)。“语义特征生产规范对于一个大组对象和事件”。Behavior Research Methods40(1): 183-190.

Feature_Motoric

Feature_Motoric

源

Vinson08

在源数据库名称

肌肉运动的

定义

重量特性描述这样一个电机组件的一个行动的0或1。

条目的数量

1028年

URL

https://link.springer.com/article/10.3758/BRM.40.1.183 SecESM1

引用

文森,d·p·g . Vigliocco (2008)。“语义特征生产规范对于一个大组对象和事件”。Behavior Research Methods40(1): 183-190.

Sensory_Experience

Sensory_Experience

源

Juhasz13

在源数据库名称

Average.SER

定义

在多大程度上一个字唤起感官和/或知觉经验的读者规模1到7,数字越高表明更大的感官体验。

条目的数量

5856年

URL

https://link.springer.com/article/10.3758/s13428 - 012 - 0242 - 9 # SecESM1

引用

Juhasz, B.J.,狂吠,M.J.感官体验评级超过5000 mono -和双音节的词。Behav Res 45, 160 - 168 (2013)。

Socialness

Socialness

源

Diveica22

在源数据库名称

的意思是

定义

一个词的意义有社会的程度相关性在七级李克特规模从1到7。

条目的数量

8387年

URL

https://osf.io/2dqnj/

引用

Diveica, V。佩克斯曼,p . M。& Binney则,r . j . (2022)。量化社会语义:包容性socialness和评级的定义8388个英语单词。行为研究方法,1-13。

Valence_Warr

Valence_Warr

源

Warriner13

在源数据库名称

V.Mean.Sum

定义

愉快的刺激在1(快乐)9(不高兴)。

条目的数量

13914年

URL

https://elexicon.wustl.edu/

引用

Warriner, a, B。,et al。(2013)。“规范的价,兴奋,和13915个英语词汇中占据主导地位。”Behavior Research Methods45(4): 1191-1207.

Valence_Extremity_Warr

Valence_Extremity_Warr

源

Warriner13

在源数据库名称

N /一个

定义

价之间的差异的绝对值评级从5,中性点的规模。

条目的数量

13914年

URL

https://elexicon.wustl.edu/

引用

Warriner, a, B。,et al。(2013)。“规范的价,兴奋,和13915个英语词汇中占据主导地位。”Behavior Research Methods45(4): 1191-1207.

Valence_Glasgow

Valence_Glasgow

源

格拉斯哥

在源数据库名称

瓦尔

定义

愉快的刺激在1(快乐)9(不高兴)。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Valence_NRC

Valence_NRC

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,得分从0(负面)到1(积极的)。

条目的数量

20007年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Arousal_Warr

Arousal_Warr

源

Warriner13

在源数据库名称

A.Mean.Sum

定义

情绪的强度由刺激引发在1(引起)9(平静)。

条目的数量

13914年

URL

https://elexicon.wustl.edu/

引用

Warriner, a, B。,et al。(2013)。“规范的价,兴奋,和13915个英语词汇中占据主导地位。”Behavior Research Methods45(4): 1191-1207.

Arousal_Glasgow

Arousal_Glasgow

源

格拉斯哥

在源数据库名称

AROU

定义

情绪的强度由刺激引发在1(引起)9(平静)。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Arousal_NRC

Arousal_NRC

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,得分从0(低唤醒)到1(高唤醒)。

条目的数量

20007年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Dominance_Warr

Dominance_Warr

源

Warriner13

在源数据库名称

D.Mean.Sum

定义

控制刺激的程度在1(控制)9(控制)。

条目的数量

13914年

URL

https://elexicon.wustl.edu/

引用

Warriner, a, B。,et al。(2013)。“规范的价,兴奋,和13915个英语词汇中占据主导地位。”Behavior Research Methods45(4): 1191-1207.

Dominance_Glasgow

Dominance_Glasgow

源

格拉斯哥

在源数据库名称

DOM

定义

控制刺激的程度在1(控制)9(控制)。

条目的数量

4683年

URL

https://link.springer.com/article/10.3758%2fs13428 - 018 - 1099 - 3 # Sec13

引用

斯科特·G·G。,et al。(2019)。“格拉斯哥规范:评级5500字的九个鳞片。”Behavior Research Methods51(3): 1258-1270.

Dominance_NRC

Dominance_NRC

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,得分从0(低优势)到1(高优势)。

条目的数量

20007年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Humor_Overall_Enge

Humor_Overall_Enge

源

Engelthaler18

在源数据库名称

的意思是

定义

整体幽默评级的话,范围从1(非常严肃的)到5(幽默)。

条目的数量

4996年

URL

https://github.com/tomasengelthaler/HumorNorms

引用

Engelthaler, t, t·t·山(2018)。4997个英语单词“幽默准则。”Behavior Research Methods50(3): 1116-1124.

Humor_Male_Enge

Humor_Male_Enge

源

Engelthaler18

在源数据库名称

mean_M

定义

幽默评级从男性群体规模从1(非常严肃的)到5(幽默)。

条目的数量

4996年

URL

https://github.com/tomasengelthaler/HumorNorms

引用

Engelthaler, t, t·t·山(2018)。4997个英语单词“幽默准则。”Behavior Research Methods50(3): 1116-1124.

Humor_Female_Enge

Humor_Female_Enge

源

Engelthaler18

在源数据库名称

mean_F

定义

幽默评级从女性组规模从1(非常严肃的)到5(幽默)。

条目的数量

4996年

URL

https://github.com/tomasengelthaler/HumorNorms

引用

Engelthaler, t, t·t·山(2018)。4997个英语单词“幽默准则。”Behavior Research Methods50(3): 1116-1124.

Humor_Young_Enge

Humor_Young_Enge

源

Engelthaler18

在源数据库名称

mean_young

定义

幽默评级从年轻组规模从1(非常严肃的)到5(幽默)。

条目的数量

4996年

URL

https://github.com/tomasengelthaler/HumorNorms

引用

Engelthaler, t, t·t·山(2018)。4997个英语单词“幽默准则。”Behavior Research Methods50(3): 1116-1124.

Humor_Old_Enge

Humor_Old_Enge

源

Engelthaler18

在源数据库名称

mean_old

定义

幽默评级从旧的集团规模从1(非常严肃的)到5(幽默)。

条目的数量

4996年

URL

https://github.com/tomasengelthaler/HumorNorms

引用

Engelthaler, t, t·t·山(2018)。4997个英语单词“幽默准则。”Behavior Research Methods50(3): 1116-1124.

Emot_Assoc_Anger

Emot_Assoc_Anger

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Anticipation

Emot_Assoc_Anticipation

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Disgust

Emot_Assoc_Disgust

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Fear

Emot_Assoc_Fear

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Joy

Emot_Assoc_Joy

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Negative

Emot_Assoc_Negative

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Positive

Emot_Assoc_Positive

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Sadness

Emot_Assoc_Sadness

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Surprise

Emot_Assoc_Surprise

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Emot_Assoc_Trust

Emot_Assoc_Trust

源

美国核管理委员会

在源数据库名称

N /一个

定义

Word-emotion协会由人工注释使用Best-Worst缩放方法,与0(不相关的)和1(相关)评级10情绪:积极的,消极的,愤怒,期待,厌恶,恐惧,快乐,悲伤,惊讶的是,和信任。

条目的数量

14181年

URL

http://saifmohammad.com/WebPages/lexicons.html

引用

穆罕默德,s和p·特尼(2010)。情绪诱发的常见的单词和短语:使用机械土耳其人创造一个情感词典。《NAACL停止2010车间计算方法在文本分析和一代的情感。穆罕默德,s m和p·d·特尼(2013)。“众包word-emotion关联词汇。”Computational intelligence 29(3): 436-465.

Sem_Diversity

Sem_Diversity

源

Hoffman13

在源数据库名称

SemD

定义

不同上下文的程度与一个词的含义各不相同。

条目的数量

31739年

URL

# SecESM1 https://link.springer.com/article/10.3758/s13428 - 012 - 0278 - x

引用

霍夫曼,P。,et al。(2013)。“语义多样性:衡量基于可变性的语义模糊性词语的上下文使用。”Behavior Research Methods45(3): 718-730.

Sem_N

Sem_N

源

HiDEx

在源数据库名称

NCOUNT

定义

语义邻居的数量在一个阈值。同现的阈值距离空间,通过随机抽样来计算词对和计算interword距离获得这个距离分布的平均值和标准偏差。

条目的数量

57153年

URL

https://www.psych.ualberta.ca/ westburylab /下载/ westburylab.arcs.ncounts.html

引用

绍乌尔c, c·韦斯特伯里(2006)。“词频效应在高维共生模型:一个新方法。”Behavior Research Methods38(2): 190-195. Shaoul, C. and C. Westbury (2010). "Exploring lexical co-occurrence space using HiDEx." Behavior Research Methods 42(2): 393-413.

Sem_N_D

Sem_N_D

源

HiDEx

在源数据库名称

弧

定义

同现的平均半径,这是词汇语义社区之间的平均距离和目标词。

条目的数量

57153年

URL

https://www.psych.ualberta.ca/ westburylab /下载/ westburylab.arcs.ncounts.html

引用

绍乌尔c, c·韦斯特伯里(2006)。“词频效应在高维共生模型:一个新方法。”Behavior Research Methods38(2): 190-195. Shaoul, C. and C. Westbury (2010). "Exploring lexical co-occurrence space using HiDEx." Behavior Research Methods 42(2): 393-413.

Sem_N_D_Taxonomic_N3

Sem_N_D_Taxonomic_N3

源

Reilly17

在源数据库名称

N3

定义

3语义的平均距离最近的邻居基于分类相似的一个词。相似度计算(计算从语料库)用矢量表示强调的单词分类(与主题或关联)的关系。

条目的数量

220137年

URL

https://www.mccauslandcenter.www.eternity-eta.com/delab/sites/www.eternity-eta.com.delab/files/attachments/SND_reilly_desai.txt

引用

赖利,m r·h·德赛(2017)。“语义社区密度的影响在抽象和具体的文字里。”Cognition169: 46-53. Roller, S. and K. Erk (2016). "Relations such as hypernymy: Identifying and exploiting hearst patterns in distributional vectors for lexical entailment." arXiv preprint arXiv:1605.05433.

Sem_N_D_Taxonomic_N10

Sem_N_D_Taxonomic_N10

源

Reilly17

在源数据库名称

N10

定义

的平均距离最近的10个语义邻居基于分类相似的一个词。相似度计算(计算从语料库)用矢量表示强调的单词分类(与主题或关联)的关系。

条目的数量

220137年

URL

https://www.mccauslandcenter.www.eternity-eta.com/delab/sites/www.eternity-eta.com.delab/files/attachments/SND_reilly_desai.txt

引用

赖利,m r·h·德赛(2017)。“语义社区密度的影响在抽象和具体的文字里。”Cognition169: 46-53. Roller, S. and K. Erk (2016). "Relations such as hypernymy: Identifying and exploiting hearst patterns in distributional vectors for lexical entailment." arXiv preprint arXiv:1605.05433.

Sem_N_D_Taxonomic_N25

Sem_N_D_Taxonomic_N25

源

Reilly17

在源数据库名称

机N25

定义

的平均距离最近的25语义邻居基于分类相似的一个词。相似度计算(计算从语料库)用矢量表示强调的单词分类(与主题或关联)的关系。

条目的数量

220137年

URL

https://www.mccauslandcenter.www.eternity-eta.com/delab/sites/www.eternity-eta.com.delab/files/attachments/SND_reilly_desai.txt

引用

赖利,m r·h·德赛(2017)。“语义社区密度的影响在抽象和具体的文字里。”Cognition169: 46-53. Roller, S. and K. Erk (2016). "Relations such as hypernymy: Identifying and exploiting hearst patterns in distributional vectors for lexical entailment." arXiv preprint arXiv:1605.05433.

Sem_N_D_Taxonomic_N50

Sem_N_D_Taxonomic_N50

源

Reilly17

在源数据库名称

将军

定义

的平均距离最近的50语义邻居基于分类相似的一个词。相似度计算(计算从语料库)用矢量表示强调的单词分类(与主题或关联)的关系。

条目的数量

220137年

URL

https://www.mccauslandcenter.www.eternity-eta.com/delab/sites/www.eternity-eta.com.delab/files/attachments/SND_reilly_desai.txt

引用

赖利,m r·h·德赛(2017)。“语义社区密度的影响在抽象和具体的文字里。”Cognition169: 46-53. Roller, S. and K. Erk (2016). "Relations such as hypernymy: Identifying and exploiting hearst patterns in distributional vectors for lexical entailment." arXiv preprint arXiv:1605.05433.

Assoc_Freq_Token

Assoc_Freq_Token

源

ELP

在源数据库名称

Assoc_Freq_R1

定义

的次数,一个单词是第一个将所有目标词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/;https://smallworldofwords.org/en/project/research

引用

De Deyne年代。,et al。(2019)。词语”的“小世界”的英语单词协会规范了12000提示词。”Behavior Research Methods51(3): 987-1006.

Assoc_Freq_Type

Assoc_Freq_Type

源

ELP

在源数据库名称

Assoc_Types_R1

定义

独特的单词的数量生产目标词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/;https://smallworldofwords.org/en/project/research

引用

De Deyne年代。,et al。(2019)。词语”的“小世界”的英语单词协会规范了12000提示词。”Behavior Research Methods51(3): 987-1006.

Assoc_Freq_Token123

Assoc_Freq_Token123

源

ELP

在源数据库名称

Assoc_Freq_R123

定义

的次数,一个词的前三个同事在所有目标词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/;https://smallworldofwords.org/en/project/research

引用

De Deyne年代。,et al。(2019)。词语”的“小世界”的英语单词协会规范了12000提示词。”Behavior Research Methods51(3): 987-1006.

Assoc_Freq_Type123

Assoc_Freq_Type123

源

ELP

在源数据库名称

Assoc_Types_R123

定义

独特的单词的数量产生目标词在前三个同伙。

条目的数量

79672年

URL

https://elexicon.wustl.edu/;https://smallworldofwords.org/en/project/research

引用

De Deyne年代。,et al。(2019)。词语”的“小世界”的英语单词协会规范了12000提示词。”Behavior Research Methods51(3): 987-1006.

Cue_SetSize

Cue_SetSize

源

Nelson04

在源数据库名称

工作频率

定义

不同的反应或目标的数量由两个或两个以上的参与者的规范样本,它提供了一套相对指数的大小一个特定的词通过提供一个可靠的衡量有多少强大的伙伴。

条目的数量

5018年

URL

http://w3.usf.edu/FreeAssociation/AppendixA/index.html

引用

纳尔逊,d . L。,et al。(2004)。南佛罗里达大学的“自由联想,押韵,和片段规范。”Behavior Research Methods, Instruments, & Computers36(3): 402-407.

Cue_MeanConn

Cue_MeanConn

源

Nelson04

在源数据库名称

QMC

定义

associates之间的连接数除以一组一组的大小,它抓住了密度和在某种程度上最强伙伴之间的组织层次的线索。

条目的数量

5018年

URL

http://w3.usf.edu/FreeAssociation/AppendixA/index.html

引用

纳尔逊,d . L。,et al。(2004)。南佛罗里达大学的“自由联想,押韵,和片段规范。”Behavior Research Methods, Instruments, & Computers36(3): 402-407.

Cue_Prob

Cue_Prob

源

Nelson04

在源数据库名称

女王公园巡游者

定义

每个副在一组产生的概率赋范助理提示。

条目的数量

5018年

URL

http://w3.usf.edu/FreeAssociation/AppendixA/index.html

引用

纳尔逊,d . L。,et al。(2004)。南佛罗里达大学的“自由联想,押韵,和片段规范。”Behavior Research Methods, Instruments, & Computers36(3): 402-407.

Cue_ResoStrength

Cue_ResoStrength

源

Nelson04

在源数据库名称

QRSG

定义

提示共振的力量。这是通过交叉相乘计算cue-to-associate力量通过为每个副associate-to-cue强度在一组,然后求和结果。

条目的数量

5018年

URL

http://w3.usf.edu/FreeAssociation/AppendixA/index.html

引用

纳尔逊,d . L。,et al。(2004)。南佛罗里达大学的“自由联想,押韵,和片段规范。”Behavior Research Methods, Instruments, & Computers36(3): 402-407.

Word2Vec

Word2Vec

源

Word2Vec

在源数据库名称

N /一个

定义

向量从300年创建线性神经元隐层神经网络模型训练数据集在谷歌新闻。

条目的数量

38532年

URL

https://code.google.com/archive/p/word2vec/

引用

Mikolov, T。,et al。(2013)。“有效估计的词表示向量空间。”arXiv预印本arXiv: 1301.3781。

手套

手套

源

手套

在源数据库名称

N /一个

定义

向量创建从一个无监督学习算法获取向量表示的单词。培训执行聚合全球word-word同现从语料库统计。

条目的数量

400002年

URL

https://nlp.stanford.edu/projects/glove/

引用

彭宁顿J。Socher, R。与曼宁,c, d .(2014年10月)。手套:全球词向量表示。2014年的会议上实证方法在自然语言处理(EMNLP)(第1543 - 1532页)。

分类

分类

源

Roller16

在源数据库名称

N /一个

定义

向量创建从一个模型,利用行为作为特征提取的方法。

条目的数量

225045年

引用

辊、S。& Erk, k (2016)。关系如hypernymy:确定和利用赫斯特模式暗含在分配向量词汇。arXiv预印本arXiv: 1605.05433。

Phonographic_N

Phonographic_N

源

ELP

在源数据库名称

OG_N

定义

单词的数量,可以通过改变一个字母和一个音素,同时保留其他字母和音素的身份和地位。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Phonographic_N_Freq

Phonographic_N_Freq

源

ELP

在源数据库名称

Freq_N_OG

定义

唱片的平均频率附近的特定的词。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Consistency_Token_FF_O

Consistency_Token_FF_O

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FF_N

Consistency_Token_FF_N

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FF_C

Consistency_Token_FF_C

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FF_ON

Consistency_Token_FF_ON

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FF_R

Consistency_Token_FF_R

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FF

Consistency_Token_FF

源

Chee20

在源数据库名称

令牌的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌前馈发作(Consistency_Token_FF_O),核(Consistency_Token_FF_N)、柯达(Consistency_Token_FF_C) oncleus (Consistency_Token_FF_ON)和霜(Consistency_Token_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB_O

Consistency_Token_FB_O

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB_N

Consistency_Token_FB_N

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB_C

Consistency_Token_FB_C

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB_ON

Consistency_Token_FB_ON

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB_R

Consistency_Token_FB_R

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Token_FB

Consistency_Token_FB

源

Chee20

在源数据库名称

令牌的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的对数频率的朋友是除以总频率的朋友和敌人。除了综合价值,这一措施还包括令牌反馈发作(Consistency_Token_FB_O),核(Consistency_Token_FB_N)、柯达(Consistency_Token_FB_C) oncleus (Consistency_Token_FB_ON)和霜(Consistency_Token_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF_O

Consistency_Type_FF_O

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF_N

Consistency_Type_FF_N

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF_C

Consistency_Type_FF_C

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF_ON

Consistency_Type_FF_ON

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF_R

Consistency_Type_FF_R

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FF

Consistency_Type_FF

源

Chee20

在源数据库名称

类型的一致性:前馈一致性

定义

spelling-to-sound一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这一措施还包括前馈型发病(Consistency_Type_FF_O),核(Consistency_Type_FF_N)、柯达(Consistency_Type_FF_C) oncleus (Consistency_Type_FF_ON)和霜(Consistency_Type_FF_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB_O

Consistency_Type_FB_O

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB_N

Consistency_Type_FB_N

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB_C

Consistency_Type_FB_C

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB_ON

Consistency_Type_FB_ON

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB_R

Consistency_Type_FB_R

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

Consistency_Type_FB

Consistency_Type_FB

源

Chee20

在源数据库名称

类型的一致性:反馈的一致性

定义

sound-to-spelling一致性指标,给定单词的数量的朋友都除以总数量的朋友和敌人。除了综合价值,这种措施还包括反馈发作(Consistency_Type_FB_O),核(Consistency_Type_FB_N)、柯达(Consistency_Type_FB_C) oncleus (Consistency_Type_FB_ON)和霜(Consistency_Type_FB_R)一致性。

条目的数量

37677年

URL

https://link.springer.com/article/10.3758/s13428 - 020 - 01391 - 7 # Sec22

引用

齐川阳,问:W。,et al。(2020)。37677个英语单词“一致性规范。”Behavior Research Methods.

NMorph

NMorph

源

ELP

在源数据库名称

NMorph

定义

一个单词的语素。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

PRS_signature

PRS_signature

源

MorphoLex

在源数据库名称

PRS_signature

定义

prefix-root-suffix签名。例如,单词,包括一个后缀,一个根,但没有前缀,分享0-1-1 PRS签名。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT1_Freq_HAL

ROOT1_Freq_HAL

源

MorphoLex

在源数据库名称

ROOT1_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT2_Freq_HAL

ROOT2_Freq_HAL

源

MorphoLex

在源数据库名称

ROOT2_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT3_Freq_HAL

ROOT3_Freq_HAL

源

MorphoLex

在源数据库名称

ROOT3_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_Freq_HAL

SUFF1_Freq_HAL

源

MorphoLex

在源数据库名称

SUFF1_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_Freq_HAL

SUFF2_Freq_HAL

源

MorphoLex

在源数据库名称

SUFF1_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_Freq_HAL

SUFF3_Freq_HAL

源

MorphoLex

在源数据库名称

SUFF1_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_Freq_HAL

SUFF4_Freq_HAL

源

MorphoLex

在源数据库名称

SUFF1_Freq_HAL

定义

总结频率形态家庭所有成员的语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT1_FamSize

ROOT1_FamSize

源

MorphoLex

在源数据库名称

ROOT1_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT2_FamSize

ROOT2_FamSize

源

MorphoLex

在源数据库名称

ROOT2_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT3_FamSize

ROOT3_FamSize

源

MorphoLex

在源数据库名称

ROOT3_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_FamSize

SUFF1_FamSize

源

MorphoLex

在源数据库名称

SUFF1_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_FamSize

SUFF2_FamSize

源

MorphoLex

在源数据库名称

SUFF1_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_FamSize

SUFF3_FamSize

源

MorphoLex

在源数据库名称

SUFF1_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_FamSize

SUFF4_FamSize

源

MorphoLex

在源数据库名称

SUFF1_FamSize

定义

给定的语素的数量的类型是一个组成部分。这是计算通过计算ELP数据库中的所有类型。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT1_PFMF

ROOT1_PFMF

源

MorphoLex

在源数据库名称

ROOT1_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT2_PFMF

ROOT2_PFMF

源

MorphoLex

在源数据库名称

ROOT2_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

ROOT3_PFMF

ROOT3_PFMF

源

MorphoLex

在源数据库名称

ROOT3_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_PFMF

SUFF1_PFMF

源

MorphoLex

在源数据库名称

SUFF1_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_PFMF

SUFF2_PFMF

源

MorphoLex

在源数据库名称

SUFF1_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_PFMF

SUFF3_PFMF

源

MorphoLex

在源数据库名称

SUFF1_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_PFMF

SUFF4_PFMF

源

MorphoLex

在源数据库名称

SUFF1_PFMF

定义

句话说的家庭比例更频繁。这是计算的更频繁的单词数除以家庭成员总数的家庭- 1。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_length

SUFF1_length

源

MorphoLex

在源数据库名称

SUFF1_length

定义

后缀字母的数量。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_length

SUFF2_length

源

MorphoLex

在源数据库名称

SUFF1_length

定义

后缀字母的数量。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_length

SUFF3_length

源

MorphoLex

在源数据库名称

SUFF1_length

定义

后缀字母的数量。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_length

SUFF4_length

源

MorphoLex

在源数据库名称

SUFF1_length

定义

后缀字母的数量。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_P

SUFF1_P

源

MorphoLex

在源数据库名称

SUFF1_P

定义

词缀的生产力,这是计算除以所有hapaxes语料库中包含一个语素总结的道理frequeny语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF1_Px

SUFF1_Px

源

MorphoLex

在源数据库名称

SUFF1_P。

定义

词缀的生产力,这是计算除以所有hapaxes语料库中总包含一个语素的所有hapax legomena语料库。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_P

SUFF2_P

源

MorphoLex

在源数据库名称

SUFF1_P

定义

词缀的生产力,这是计算除以所有hapaxes语料库中包含一个语素总结的道理frequeny语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF2_Px

SUFF2_Px

源

MorphoLex

在源数据库名称

SUFF1_P。

定义

词缀的生产力,这是计算除以所有hapaxes语料库中总包含一个语素的所有hapax legomena语料库。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_P

SUFF3_P

源

MorphoLex

在源数据库名称

SUFF1_P

定义

词缀的生产力,这是计算除以所有hapaxes语料库中包含一个语素总结的道理frequeny语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF3_Px

SUFF3_Px

源

MorphoLex

在源数据库名称

SUFF1_P。

定义

词缀的生产力,这是计算除以所有hapaxes语料库中总包含一个语素的所有hapax legomena语料库。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_P

SUFF4_P

源

MorphoLex

在源数据库名称

SUFF1_P

定义

词缀的生产力,这是计算除以所有hapaxes语料库中包含一个语素总结的道理frequeny语素。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

SUFF4_Px

SUFF4_Px

源

MorphoLex

在源数据库名称

SUFF1_P。

定义

词缀的生产力,这是计算除以所有hapaxes语料库中总包含一个语素的所有hapax legomena语料库。

条目的数量

57619年

URL

https://github.com/hugomailhot/MorphoLex-en

引用

Sanchez-Gutierrez, c . H。,et al。(2018)。“MorphoLex:派生形态数据库70000个英语单词。”Behavior Research Methods50(4): 1568-1580.

LexicalD_RT_V_ELP

LexicalD_RT_V_ELP

源

ELP

在源数据库名称

I_Mean_RT

定义

意味着视觉词汇决定延迟(毫秒)为特定的词在英语词汇项目参与者。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

LexicalD_RT_V_ECP

LexicalD_RT_V_ECP

源

ECP

在源数据库名称

rt_mean

定义

意味着视觉词汇决定延迟(毫秒)为特定词的词任务参与者对面英语知识众包项目。这个任务是相似的,但不完全相同,传统词汇决定任务。参与者被要求表明是否每项”这个词你知道与否。“他们在这个任务关联结果表明RTs与词汇决定ELP BLP,因此我们已经贴上标签。应该注意的是,在这个任务中,参与者被要求快速响应,都最好不要猜对标签(大惩罚非言词作为已知词汇)。

条目的数量

61851年

URL

https://osf.io/rpx87/

引用

曼德拉,P。,et al。(2019)。“6.2万个英语单词识别时间:数据从英国的众包项目”。Behavior Research Methods: 1-20.

LexicalD_RT_V_BLP

LexicalD_RT_V_BLP

源

BLP

在源数据库名称

rt

定义

意味着视觉词汇决定延迟(毫秒)为特定的词在参与者从英国词典项目。

条目的数量

28515年

URL

https://link.springer.com/article/10.3758/s13428 - 011 - 0118 - 4 # SecESM1

引用

Keuleers E。,et al。(2012)。“英国词典项目:词汇决定数据为28730的单音节和双音节的英语单词。”Behavior Research Methods44(1): 287-304.

LexicalD_RT_V_ELP_z

LexicalD_RT_V_ELP_z

源

ELP

在源数据库名称

I_Mean_RT

定义

归一化版本的LexicalD_RT_V_ELP。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

LexicalD_RT_V_ECP_z

LexicalD_RT_V_ECP_z

源

ECP

在源数据库名称

rt_mean

定义

归一化版本的LexicalD_RT_V_ECP。

条目的数量

61851年

URL

https://osf.io/rpx87/

引用

曼德拉,P。,et al。(2019)。“6.2万个英语单词识别时间:数据从英国的众包项目”。Behavior Research Methods: 1-20.

LexicalD_RT_V_BLP_z

LexicalD_RT_V_BLP_z

源

BLP

在源数据库名称

rt

定义

归一化版本的LexicalD_RT_V_BLP。

条目的数量

28515年

URL

https://link.springer.com/article/10.3758/s13428 - 011 - 0118 - 4 # SecESM1

引用

Keuleers E。,et al。(2012)。“英国词典项目:词汇决定数据为28730的单音节和双音节的英语单词。”Behavior Research Methods44(1): 287-304.

LexicalD_ACC_V_ELP

LexicalD_ACC_V_ELP

源

ELP

在源数据库名称

I_Mean_Accuracy

定义

准确的比例反应的视觉词汇决定一个特定的单词从英语词汇项目。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

LexicalD_ACC_V_ECP

LexicalD_ACC_V_ECP

源

ECP

在源数据库名称

精度

定义

准确反应的比例的视觉词汇决定一个特定的单词从英语众包项目。

条目的数量

61851年

URL

https://osf.io/rpx87/

引用

曼德拉,P。,et al。(2019)。“6.2万个英语单词识别时间:数据从英国的众包项目”。Behavior Research Methods: 1-20.

LexicalD_ACC_V_BLP

LexicalD_ACC_V_BLP

源

BLP

在源数据库名称

精度

定义

准确的比例反应的视觉词汇决定一个特定的词从英国词典项目。

条目的数量

28515年

URL

https://link.springer.com/article/10.3758/s13428 - 011 - 0118 - 4 # SecESM1

引用

Keuleers E。,et al。(2012)。“英国词典项目:词汇决定数据为28730的单音节和双音节的英语单词。”Behavior Research Methods44(1): 287-304.

LexicalD_RT_A_MALD

LexicalD_RT_A_MALD

源

MALD

在源数据库名称

RT

定义

平均听觉词汇决定延迟(毫秒)为特定的词从巨大的听觉词汇决定数据库。

条目的数量

26522年

URL

http://aphl.artsrn.ualberta.ca/?page_id=827https: / /link.springer.com/article/10.3758/s13428 - 018 - 1056 - 1

引用

塔克,b . V。,et al。(2019)。“巨大的听觉词汇(MALD)数据库的决定。”Behavior Research Methods51(3): 1187-1204.

LexicalD_RT_A_AELP

LexicalD_RT_A_AELP

源

AELP

在源数据库名称

LDT反应时间

定义

平均听觉词汇决定延迟(毫秒)为特定的词从听觉英语词典项目。

条目的数量

10101年

URL

https://inetapps.nus.edu.sg/aelp/

引用

吴作栋,w . D。,et al。(2020)。“听觉英语词典项目:multi-talker、多区心理语言学的数据库10170个口语词汇和非言词。”Behavior Research Methods: 1-30.

LexicalD_RT_A_MALD_z

LexicalD_RT_A_MALD_z

源

MALD

在源数据库名称

RT

定义

平均听觉词汇决定延迟(毫秒)为特定的词从巨大的听觉词汇决定数据库。

条目的数量

10101年

URL

http://aphl.artsrn.ualberta.ca/?page_id=827https: / /link.springer.com/article/10.3758/s13428 - 018 - 1056 - 1

引用

塔克,b . V。,et al。(2019)。“巨大的听觉词汇(MALD)数据库的决定。”Behavior Research Methods51(3): 1187-1204.

LexicalD_RT_A_AELP_z

LexicalD_RT_A_AELP_z

源

AELP

在源数据库名称

LDT反应时间

定义

平均听觉词汇决定延迟(毫秒)为特定的词从听觉英语词典项目。

条目的数量

10101年

URL

https://inetapps.nus.edu.sg/aelp/

引用

吴作栋,w . D。,et al。(2020)。“听觉英语词典项目:multi-talker、多区心理语言学的数据库10170个口语词汇和非言词。”Behavior Research Methods: 1-30.

LexicalD_ACC_A_MALD

LexicalD_ACC_A_MALD

源

MALD

在源数据库名称

ACC

定义

准确的比例反应的听觉词汇决定一个特定的词大量听觉词汇决定数据库。

条目的数量

26793年

URL

http://aphl.artsrn.ualberta.ca/?page_id=827https: / /link.springer.com/article/10.3758/s13428 - 018 - 1056 - 1

引用

塔克,b . V。,et al。(2019)。“巨大的听觉词汇(MALD)数据库的决定。”Behavior Research Methods51(3): 1187-1204.

LexicalD_ACC_A_AELP

LexicalD_ACC_A_AELP

源

AELP

在源数据库名称

LDT准确性

定义

准确的听觉反应的比例从听觉词汇决定一个特定的单词英语词典项目。

条目的数量

10103年

URL

https://inetapps.nus.edu.sg/aelp/

引用

吴作栋,w . D。,et al。(2020)。“听觉英语词典项目:multi-talker、多区心理语言学的数据库10170个口语词汇和非言词。”Behavior Research Methods: 1-30.

Naming_RT_ELP

Naming_RT_ELP

源

ELP

在源数据库名称

I_NMG_Mean_RT

定义

平均延迟(毫秒)命名为特定的词在英语词汇项目参与者。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Naming_RT_ELP_z

Naming_RT_ELP_z

源

ELP

在源数据库名称

I_NMG_Mean_RT

定义

平均延迟(毫秒)命名为特定的词在英语词汇项目参与者。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

Naming_ACC_ELP

Naming_ACC_ELP

源

ELP

在源数据库名称

I_NMG_Mean_Accuracy

定义

准确的比例反应词命名为特定词的英语词典项目。

条目的数量

79672年

URL

https://elexicon.wustl.edu/

引用

Balota, d . A。,et al。(2007)。“英语词汇项目。”Behavior Research Methods39(3): 445-459.

SemanticD_RT_Calgary

SemanticD_RT_Calgary

源

卡尔加里

在源数据库名称

RTclean_mean

定义

混凝土的平均延迟(毫秒)/(即抽象语义的决定。这个词,指的是具体的或抽象的东西?)为特定的词从卡尔加里数据库。

条目的数量

9998年

URL

https://link.springer.com/article/10.3758/s13428 - 016 - 0720 - 6 # Sec8

引用

佩克斯曼,p . M。,et al。(2017)。“卡尔加里的语义决定项目:具体或抽象决定数据10000个英语单词。”Behavior Research Methods49(2): 407-417.

SemanticD_RT_Calgary_z

SemanticD_RT_Calgary_z

源

卡尔加里

在源数据库名称

RTclean_mean

定义

混凝土的平均延迟(毫秒)/(即抽象语义的决定。这个词,指的是具体的或抽象的东西?)为特定的词从卡尔加里数据库。

条目的数量

9998年

URL

https://link.springer.com/article/10.3758/s13428 - 016 - 0720 - 6 # Sec8

引用

佩克斯曼,p . M。,et al。(2017)。“卡尔加里的语义决定项目:具体或抽象决定数据10000个英语单词。”Behavior Research Methods49(2): 407-417.

SemanticD_ACC_Calgary

SemanticD_ACC_Calgary

源

卡尔加里

在源数据库名称

ACC

定义

准确的反应的比例(即具体或抽象语义的决定。这个词,指的是具体的或抽象的东西?)为特定的词从卡尔加里数据库。

条目的数量

9999年

URL

https://link.springer.com/article/10.3758/s13428 - 016 - 0720 - 6 # Sec8

引用

佩克斯曼,p . M。,et al。(2017)。“卡尔加里的语义决定项目:具体或抽象决定数据10000个英语单词。”Behavior Research Methods49(2): 407-417.