说明：本文由我使用 ChatGPT 将英文版翻译为中文，便于中文读者阅读；如需对照英文原文，请访问：
https://aiman-g.github.io/en/posts/chinese-verbs-net/

中文是一门非常有意思的语言：很多词是由两个汉字组成的，而汉字又像乐高积木一样——同一个字可以出现在很多词里。对我来说，从清单里机械背动词既枯燥又低效。
更重要的是：中文（尤其是双字动词）有一种结构性，而这种结构可以用一种非常直观、也很“好看”的方式表达出来：网络（network）。

因此，我做了一个 Streamlit 应用，帮助你从以下角度探索常见汉语双字动词：

  • 汉字网络（哪些字会和哪些字组合成动词）
  • 语义地图（把动词向量/嵌入用 UMAP 投影到二维平面）
  • 声调模式分析（声调流、声调网络、最小对立等）
  • 教学/学习工具（覆盖率优化、卡组/课程生成器）

在线体验： https://explore-chinese.streamlit.app/

为什么用“动词网络”？

双字动词在日常汉语中非常常见。但学习者经常把它们当成彼此独立的条目来背（例如“记住 1000 个词”），这会掩盖一个非常有用的事实：

许多动词共享可复用的汉字，并自然形成**簇（clusters）**或“词族（word families）”。
如果你先学对“枢纽字（hubs）”，就能用更少的投入解锁更多词汇。

这个应用的目标，就是把这些“隐藏结构”可视化，并让你能交互式地探索它们。

数据与约定（应用里有什么）

应用使用一个包含 1,140 个汉语动词的数据集，其中 953 个是双字动词（其余为单字动词）。为了更贴近学习与朗读场景，应用在标注与筛选时使用了以下约定：

  • **三声变调（third-tone sandhi）**已应用在拼音里（所以显示的读音更接近自然连读时的实际发音）。
  • 轻声用 5 表示，因此声调组合会显示为 3-4、2-5 等形式。

（这些约定会直接影响应用中的可视化与筛选条件。）

3 分钟快速上手（你能做什么）

1）汉字枢纽：哪些字能“解锁”最多动词？

页面： Character Network（汉字网络）

这里把双字动词表示为一个有向图：

  • 节点（Nodes）：单个汉字
  • 边（Edges）：一个双字动词的构形 A → B（动词本身是“AB”）

在这个页面你可以：

  • 按 动词类别/分类 筛选（中英双语标签）
  • 观察一个字作为起始字（出度 out-degree）与结尾字（入度 in-degree）的不同角色
  • 使用 学习路径（Learning Pathways）：
    • 度中心性（degree centrality） → “超级连接器”（高产/高复用）
    • 介数中心性（betweenness centrality） → 跨簇“桥梁”（连接不同词族）
  • 探索通过社区发现得到的 词族（Word Families）（网络簇）

学习者怎么用： 选一个中心性高的汉字，集中学习包含它的 10–20 个动词。
教师怎么用： 选一个社区（词族）作为主题单元来教。

2）探索双字动词：语义 + 声调流

页面： Explore Common Verbs（探索双字动词）

这个页面提供两个互补视角：

🗺️ 语义地图（UMAP）

一个交互式散点图：每个点是一条动词。

  • 横纵轴是 umap_x / umap_y（二维投影坐标）
  • 在投影空间中更接近的动词，通常在“嵌入空间”里语义更相似（取决于用于计算投影的向量表示）
  • 颜色表示动词类别

你也可以高亮某个动词，查看它的细节（拼音、英文释义、声调模式，以及界面里展示的“类别条件转移概率”等信息）。

🌊 声调流（Sankey）

Sankey 图展示：在当前筛选条件下，第一字声调 X 流向第二字声调 Y 的频次分布。

怎么用： 如果某个声调组合对你很难（例如 3-3），就筛选到该组合，把它变成一个专门的练习集合。

3）声调模式：以语音为中心的探索

页面： Tone Patterns（声调探索）

这一部分面向声调学习与教学，包含：

  • 一个交互式 声调网络（边按声调组合着色，并按频次加权）
  • 声调路径（Tone pathways）：生成偏向某个目标声调组合的汉字链
  • 词族中的声调（Tone in families）：在社区/词族内部观察声调分布
  • 最小声调对立集（Minimal tone-contrast sets）：拼音主体相同（去掉数字）但声调不同的动词集合，适合做听辨/发音对比训练
  • 汉字声调画像（Character tone profiles）：同一汉字在不同位置更常出现哪些声调
  • 课程/卡组生成器（Curriculum builder）：抽取某个声调组合的练习卡组，并可按网络度加权

怎么用： 每周选 1–2 个声调组合，生成一组练习卡，每天重复巩固。

4）动词教学助理：面向教学设计与刻意练习的工具

页面： Verb Action Coach（动词教学助理）

这是一个“教师/教练模式”，包含：

  • 类别分布 + 语音成分拆解（声母/韵母）
  • 一个 5×5 声调热力图（第一字声调 → 第二字声调）
  • 覆盖率优化器（Coverage Optimizer）：
    • 给定预算 k，用贪心策略选择能覆盖最多动词的汉字（经典 set cover 的贪心近似）
    • 输出覆盖率百分比，并可下载已覆盖动词表格
  • 卡组生成器（Deck Builder）：
    • 按声调组合与语音成分过滤（声母/韵母；第一字/第二字）
    • 抽取学习清单（可按 AB 在数据中出现频次加权）
    • CSV 下载
  • 易错点（Pitfalls）：
    • 提示声调变化较大的汉字（可视作多音/变调复杂度的代理信号）
    • 列出 3-3 声调组合动词（适合做三声变调专项练习）

教师怎么用： 设 k=20，生成“高收益汉字”小课纲。
学习者怎么用： 围绕一个声调组合 + 一个韵母（或你薄弱的发音点）生成 40 张练习卡。

技术细节（简要）

网络表示

双字动词被建模为有向图 char1 → char2，因此可以自然计算：

  • 度（Degree）：一个字参与组合的数量
  • 介数（Betweenness）：作为跨簇桥梁的程度
  • 社区/簇（Communities）：词族结构

语义地图（UMAP）

语义地图使用 UMAP：把动词嵌入空间进行非线性降维，得到页面中展示的 umap_x, umap_y。

覆盖率优化（贪心 set cover 直觉）

想在有限“要学的汉字数量”下最大化“解锁的动词数量”，可以：

  1. 把所有动词边标记为“未覆盖”
  2. 反复选择能覆盖最多未覆盖边的汉字
  3. 达到 k 或者全部覆盖就停止

这种方法简单、速度快，而且在课程设计里往往非常实用。

注意事项（尤其给研究者）

  • 语义地图是探索性可视化：二维投影可能扭曲距离；嵌入相似度不等于“真实语义相似度”。
  • 网络结构依赖数据集范围（频率、选词标准、标签体系等）。

我希望大家怎么用它

如果你是学习者：

  1. 从 汉字枢纽 开始 → 选一个高收益汉字
  2. 去 探索动词 → 高亮 10 个包含它的动词
  3. 用 卡组生成器 → 导出一个专注练习清单

如果你是教师：

  1. 用 词族/社区 → 选一个簇作为教学单元
  2. 用 声调热力图 → 选 1–2 个常见声调组合
  3. 导出卡组 → 组合成一节结构化的课

参考

  • Deng，A Chinese verb semantic feature dataset (CVFD)，Behavior Research Methods（Springer）。DOI: 10.3758/s13428-022-02047-4。
  • McInnes, Healy, Melville，UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction（2018）。

如果你试用了这个应用，欢迎反馈（Bug、功能建议、合作想法）。我会很开心继续把它做得更好。