Nlp 提供包含该术语的文档数的资源

我正在寻找的资源，提供了一个学期涉及的文件数量。例如，在索引的internet中，大约有250亿个文档包含术语“the”。

我不知道任何大型语料库（如web）的文档频率列表，但有一些术语频率列表可用。例如，有20亿ukWaC英语网络语料库。另一种选择是

因此，可以使用这种术语频率计数来可靠地近似文档频率计数

是更容易治疗的频率

---

还可以看一看——它包含了大量关于现有语料库和单词/语法表的信息。不幸的是，大多数资源都是付费的，但不是n-gram（对于n>1），因此如果您要处理多词术语，它会有所帮助。

谢谢您，您的指针提供了帮助。然而，下载大文件，尤其是从谷歌下载，使我的电脑崩溃。哈哈哈