各位老师好，作为初学者，我纠结了很久，终于鼓起勇气将自己的问题贴出来，希望得到老师们的帮助和指点。
研究英语报章（语料来源主要是China Daily，我已经收集了China Daily2011年7、8、9三个月的文本，分为6个主题，一共972,796 tokens和26,955 types）的高频动词。之前我理解的高频动词就是China daily中按词频由大及小排列最靠前的前五十个，或者前二十个。现在我想定义为与COCA的新闻语料库中动词词表相比，出现频率异常高，或者相比较而言过度使用的动词。我现在的第一步是要将这些动词找出来。自建的微型语料库定义为MCCD。
我的方法如下：
1. 产生MCCD的动词词表。
2. 从网上（http://www.wordfrequency.info/）下载了Word lists + genre frequency，筛选出新闻类别的动词词表，截图见附件coca.jpg。
3. 生成主题词表。（观察文本是MCCD生文本，因为没有COCA新闻语料，我在AntConc的tool preferences中的reference corpus options中选择第二个项use word list）。
我的问题如下：
对于步骤1：利用MCCD生文本得到wordlist（使用了stoplist词表），在excel中人工筛选出动词词表a，截图见附件mccd_a，也可以打开赋码后的文本，利用Cluster选项卡（从该论坛看到的），得到动词词表b，截图见附件mccd_b。问题是：我该使用哪一个呢？词表b如何得到原形词构成的词表？
对于步骤2：网上下载的新闻类词表为什么没有期望的say，report等词呢？
对于步骤3：通过生成主题词表的方法来得到China Daily中频率异常高的词可行吗？感觉不靠谱，想用书上（《语料库应用教程》P94）的Chi-Square Calculator，直接挑选出最后一列标记为+号的动词，可是最左边一列的动词选用哪个呢？它们在COCA新闻语料（相当于corpus 2）中的频率怎么得到呢？
将问题写完，我有点晕了，希望各位老师在有空的时候能够指点迷津。非常感谢！
研究英语报章（语料来源主要是China Daily，我已经收集了China Daily2011年7、8、9三个月的文本，分为6个主题，一共972,796 tokens和26,955 types）的高频动词。之前我理解的高频动词就是China daily中按词频由大及小排列最靠前的前五十个，或者前二十个。现在我想定义为与COCA的新闻语料库中动词词表相比，出现频率异常高，或者相比较而言过度使用的动词。我现在的第一步是要将这些动词找出来。自建的微型语料库定义为MCCD。
我的方法如下：
1. 产生MCCD的动词词表。
2. 从网上（http://www.wordfrequency.info/）下载了Word lists + genre frequency，筛选出新闻类别的动词词表，截图见附件coca.jpg。
3. 生成主题词表。（观察文本是MCCD生文本，因为没有COCA新闻语料，我在AntConc的tool preferences中的reference corpus options中选择第二个项use word list）。
我的问题如下：
对于步骤1：利用MCCD生文本得到wordlist（使用了stoplist词表），在excel中人工筛选出动词词表a，截图见附件mccd_a，也可以打开赋码后的文本，利用Cluster选项卡（从该论坛看到的），得到动词词表b，截图见附件mccd_b。问题是：我该使用哪一个呢？词表b如何得到原形词构成的词表？
对于步骤2：网上下载的新闻类词表为什么没有期望的say，report等词呢？
对于步骤3：通过生成主题词表的方法来得到China Daily中频率异常高的词可行吗？感觉不靠谱，想用书上（《语料库应用教程》P94）的Chi-Square Calculator，直接挑选出最后一列标记为+号的动词，可是最左边一列的动词选用哪个呢？它们在COCA新闻语料（相当于corpus 2）中的频率怎么得到呢？
将问题写完，我有点晕了，希望各位老师在有空的时候能够指点迷津。非常感谢！
