通过基本词汇的维基百科组成语料，供以学习语言和百科。
当前只发布英语版。
通常说的词汇量是指词干数量。有的研究表明认识98%的文本才能基本理解句意。然而统计发现十万词（非词干）不足以覆盖英语98%。AI模型通常2^15=32768词表便已足够。所以尝试人类按照AI模型训练的办法学习。
筛选基本词汇，构建百科语料，学会语言和百科知识。
本文中的词UnicodeTokenizer分词后的词，变形基本是小写化，不包括词干化。
定义词汇等级=-lg(词频)
维基百科(https://en.wikipedia.org/wiki/Ai)
BookCorpus(https://github.com/soskek/bookcorpus)
arxiv abstract(https://www.kaggle.com/datasets/Cornell-University/arxiv) 词典ecdict(https://github.com/skywind3000/ECDICT)
Wiki2txt(https://github.com/laohur/wiki2txt) :wikipedia解析器
UnicodeTokenizer(https://github.com/laohur/UnicodeTokenizer):分词器
等级五内,7k，覆盖87.4%; 等级六内,33k，覆盖95.2%
某些测试称需要几千词汇，是指圈定的几千词干。本项目的此表是频率筛选的绝对词表。
产出freq.txt 词频统计，至5.99级，约3.2万词
术语筛选策略 ：标题纯英文单词、且六级词汇以内、有合适释文。
产出2197个条目，词频降序。每二十篇合一章,共一百余章。每篇解释一个术语，术语标题、释文、单词释义。
正文包含五级词汇:7103、六级词汇:17540、六级之外的生僻词:15474，覆盖92%词频。正文全长63万词。
只释义首句
Cycling, also, when on a two-wheeled bicycle, called bicycling or biking, is the use of cycles for transport, recreation, exercise or sport.
| word | phonetic | definition | translation | root | lemma | degre |
|---|---|---|---|---|---|---|
| cycling | 'saikliŋ | n. the sport of traveling on a bicycle or motorcycle | n. 骑脚踏车兜风, 骑脚踏车消遣 [机] 循环操作 | cycle | 5.04 | |
| wheeled | hwi:ld | a. having wheels; often used in combination | a. 有轮的；轮式的 | wheel | 5.42 |
翻阅各篇看术语，确定自己词汇量，从不会的开始。
每篇文章可以只看首句。
蓝字含扩展链接。