LEXICAL FREQUENCY STATISTICS IN CHINESE

The CJK Dictionary Institute maintains comprehensive databases of lexical statistics, such as frequency of occurrence, for Japanese and Chinese, based on large corpora. The concept of "frequency" in relation to Chinese lexical items is tricky. This document describes several kinds of Chinese character frequency statistics with example tables, but there are other kinds which will be added in the near future. Japanese lexical statistics are described in a separate document.

The statistics in this document are reading-to-character frequency. The characters for a given pinyin reading are listed in descending order of frequency for both the Big Five and GB-2312 character sets. Thus this is the relative frequency within a homophone group. These are presented in two modes: (1) characters sorted by pinyin + tone + frequency, and (2) characters sorted by pinyin + tone. This data is especially useful for Chinese IME applications.

In addition to single-character statistics, we also have similar statistics for word occurrence. The last table in this document shows one example (as yet unedited) of this -- a list of the top 100 words in Simplified Chinese.

Symbols used in the tables
Rank A high frequency
Rank B medium frequency
Rank V low frequency

Symbols used in the tables
Rank A	high frequency
Rank B	medium frequency
Rank V	low frequency

Table 1: Big Five characters by pinyin + tone + frequency
Pinyin + tone	Freq	Hanzi	Big5	Unicode	B5 Rank
a1	01	啊	B0DA	554A	A
a1	02	阿	AAFC	963F	A
a1	03	腌	B5CB	814C	B
a1	04	錒	EBE8	9312	B
a2	01	啊	B0DA	554A	A
a2	02	阿	AAFC	963F	A
a2	03	嗄	DCD3	55C4	B
a3	01	啊	B0DA	554A	A
a4	01	啊	B0DA	554A	A
a4	02	阿	AAFC	963F	A
a0	01	啊	B0DA	554A	A
a0	99	阿	AAFC	963F	A
ai1	01	唉	ADFC	5509	A
ai1	02	哀	AB73	54C0	A
ai1	03	哎	AB75	54CE	A
ai1	04	埃	AE4A	57C3	A
ai1	05	挨	AEC1	6328	A
ai1	06	欸	D5D9	6B38	B
ai1	07	捱	B1BA	6371	A
ai2	01	挨	AEC1	6328	A
ai2	02	癌	C0F9	764C	A
ai2	03	捱	B1BA	6371	A
ai2	04	皚	BD4A	769A	A
ai2	05	騃	EF63	9A03	B
ai2	06	啀	D4A9	5540	C
ai2	07	娾	D4E4	5A3E	C
ai2	07	敳	E1F4	6573	B
ai3	01	矮	B847	77EE	A
ai3	02	藹	C4A7	85F9	A
ai3	03	噯	BEBC	566F	A
ai3	04	靄	C647	9744	A
ai3	05	欸	D5D9	6B38	B
ai3	06	毐	CB48	6BD0	B
ai3	07	佁	CA64	4F41	B
ai3	08	昹	CEF7	6639	C
ai4	01	愛	B752	611B	A
ai4	02	唉	ADFC	5509	A
ai4	03	艾	A6E3	827E	A
ai4	04	礙	C3AA	7919	A
ai4	05	曖	C0C7	66D6	A

Table 2: Big Five characters by pinyin + frequency
Pinyin	Freq	Hanzi	Big5	Unicode	B5 Rank	Pinyin + tone
a	01	啊	B0DA	554A	A	a0
a	02	阿	AAFC	963F	A	a0
a	03	嗄	DCD3	55C4	B	a2
a	04	腌	B5CB	814C	B	a1
a	05	錒	EBE8	9312	B	a1
ai	01	愛	B752	611B	A	ai4
ai	02	唉	ADFC	5509	A	ai1
ai	03	哀	AB73	54C0	A	ai1
ai	04	艾	A6E3	827E	A	ai4
ai	05	礙	C3AA	7919	A	ai4
ai	06	哎	AB75	54CE	A	ai1
ai	07	埃	AE4A	57C3	A	ai1
ai	08	矮	B847	77EE	A	ai3
ai	09	挨	AEC1	6328	A	ai1
ai	10	癌	C0F9	764C	A	ai2
ai	11	曖	C0C7	66D6	A	ai4
ai	12	隘	B969	9698	A	ai4
ai	13	藹	C4A7	85F9	A	ai3
ai	14	噯	BEBC	566F	A	ai4
ai	15	靄	C647	9744	A	ai3
ai	16	欸	D5D9	6B38	B	ai1
ai	17	捱	B1BA	6371	A	ai2
ai	18	毐	CB48	6BD0	B	ai3
ai	19	皚	BD4A	769A	A	ai2
ai	20	璦	C0F5	74A6	A	ai4
ai	21	靉	F957	9749	B	ai4
ai	22	嬡	E954	5B21	B	ai4
ai	23	乂	C940	4E42	B	ai4
ai	24	騃	EF63	9A03	B	ai2
ai	25	啀	D4A9	5540	C	ai2
ai	25	鴱	EF7C	9D31	B	ai4
ai	25	譪	F4CF	8B6A	B	ai4
ai	26	堨	D8A5	5828	B	ai4
ai	27	佁	CA64	4F41	B	ai3
ai	28	昹	CEF7	6639	C	ai3
ai	28	濭	ED54	6FED	B	ai4
ai	28	鑀	F669	9440	C	ai4
ai	29	娾	D4E4	5A3E	C	ai2
ai	29	敳	E1F4	6573	B	ai2
ai	30	僾	E4ED	50FE	B	ai4

Table 3: GB-2312 characters by pinyin + tone + frequency
Pinyin + tone	Freq	Hanzi	GB Big5	Unicode	GB Rank
a1	01	啊	0-1601	554A	A
a1	02	阿	0-1602	963F	A
a1	03	腌	0-7571	814C	B
a1	04	锕	0-7925	9515	C
a1	99	吖	0-6325	5416	C
a2	01	啊	0-1601	554A	A
a2	02	阿	0-1602	963F	A
a2	03	嗄	0-6436	55C4	C
a3	01	啊	0-1601	554A	A
a4	01	啊	0-1601	554A	A
a4	02	阿	0-1602	963F	A
a0	01	啊	0-1601	554A	A
a0	99	阿	0-1602	963F	A
ai1	01	唉	0-1606	5509	A
ai1	02	哀	0-1607	54C0	A
ai1	03	哎	0-1605	54CE	B
ai1	04	埃	0-1603	57C3	B
ai1	05	挨	0-1604	6328	A
ai1	06	捱	0-6263	6371	C
ai1	99	锿	0-7945	953F	C
ai2	01	挨	0-1604	6328	A
ai2	02	癌	0-1609	764C	B
ai2	03	捱	0-6263	6371	C
ai2	04	皑	0-1608	7691	C
ai3	01	矮	0-1611	77EE	A
ai3	02	蔼	0-1610	853C	B
ai3	03	嗳	0-6440	55F3	C
ai3	04	霭	0-8616	972D	C
ai4	01	爱	0-1614	7231	A
ai4	02	唉	0-1606	5509	A
ai4	03	艾	0-1612	827E	B
ai4	04	碍	0-1613	788D	A
ai4	05	暧	0-7451	66A7	C
ai4	06	隘	0-1615	9698	B
ai4	07	嗳	0-6440	55F3	C
ai4	08	瑷	0-7208	7477	C
ai4	09	嫒	0-7040	5AD2	C
ai4	99	砹	0-7733	7839	C
ai4	99	嗌	0-6441	55CC	C
an1	01	安	0-1618	5B89	A

Table 4: GB-2312 characters by pinyin + frequency
Pinyin	Freq	Hanzi	GB Qu-wei	Unicode	GB Rank	Pinyin + tone
a	01	啊	0-1601	554A	A	a0
a	02	阿	0-1602	963F	A	a0
a	03	腌	0-7571	814C	B	a1
a	04	嗄	0-6436	55C4	C	a2
a	05	锕	0-7925	9515	C	a1
a	99	吖	0-6325	5416	C	a1
ai	01	爱	0-1614	7231	A	ai4
ai	02	唉	0-1606	5509	A	ai1
ai	03	哀	0-1607	54C0	A	ai1
ai	04	艾	0-1612	827E	B	ai4
ai	05	碍	0-1613	788D	A	ai4
ai	06	哎	0-1605	54CE	B	ai1
ai	07	埃	0-1603	57C3	B	ai1
ai	08	矮	0-1611	77EE	A	ai3
ai	09	挨	0-1604	6328	A	ai1
ai	10	癌	0-1609	764C	B	ai2
ai	11	暧	0-7451	66A7	C	ai4
ai	12	隘	0-1615	9698	B	ai4
ai	13	蔼	0-1610	853C	B	ai3
ai	14	嗳	0-6440	55F3	C	ai4
ai	15	霭	0-8616	972D	C	ai3
ai	16	捱	0-6263	6371	C	ai2
ai	17	皑	0-1608	7691	C	ai2
ai	18	瑷	0-7208	7477	C	ai4
ai	19	嫒	0-7040	5AD2	C	ai4
ai	99	砹	0-7733	7839	C	ai4
ai	99	锿	0-7945	953F	C	ai1
ai	21	嗌	0-6441	55CC	C	ai4
an	01	安	0-1618	5B89	A	an1
an	02	案	0-1624	6848	A	an4
an	03	按	0-1620	6309	A	an4
an	04	暗	0-1621	6697	A	an4
an	05	岸	0-1622	5CB8	A	an4
an	06	黯	0-8786	9EEF	C	an4
an	07	俺	0-1619	4FFA	B	an3
an	08	胺	0-1623	80FA	C	an4
an	09	鞍	0-1616	978D	B	an1
an	10	谙	0-5847	8C19	C	an1
an	11	庵	0-6654	5EB5	B	an1
an	12	氨	0-1617	6C28	B	an1

Table 5: GB-2312 Word Frequency
Rank	Hanzi	Occurrence	Percentage
1	的	104096	2.2019
2	在	27946	0.5911
3	和	25490	0.5392
4	了	24636	0.5211
5	一	20385	0.4312
6	是	16358	0.3460
7	年	14401	0.3046
8	个	10874	0.2300
9	有	10354	0.2190
10	这	10111	0.2139
11	中	9471	0.2003
12	多	9375	0.1983
13	为	9209	0.1948
14	上	9060	0.1916
15	说	8878	0.1878
16	不	8599	0.1819
17	大	8216	0.1738
18	他	7965	0.1685
19	对	7947	0.1681
20	人	7791	0.1648
21	日	6957	0.1472
22	中国	6876	0.1454
23	万	6652	0.1407
24	到	6415	0.1357
25	等	6228	0.1317
26	将	6061	0.1282
27	要	5815	0.1230
28	国家	5770	0.1220
29	第	5721	0.1210
30	月	5629	0.1191
31	各	5532	0.1170
32	工作	5412	0.1145
33	新	5312	0.1124
34	经济	5196	0.1099
35	发展	5149	0.1089
36	两	5145	0.1088
37	还	5079	0.1074
38	已	4935	0.1044
39	地	4842	0.1024
40	次	4817	0.1019
41	问题	4617	0.0977
42	以	4615	0.0976
43	全国	4550	0.0962
44	也	4481	0.0948
45	就	4315	0.0913
46	来	4297	0.0909
47	名	4276	0.0904
48	与	4243	0.0897
49	今天	4166	0.0881
50	国	4120	0.0871
51	种	4096	0.0866
52	从	4022	0.0851
53	企业	4012	0.0849
54	全	3968	0.0839
55	政府	3938	0.0833
56	人民	3892	0.0823
57	好	3879	0.0821
58	生产	3598	0.0761
59	技术	3542	0.0749
60	并	3536	0.0748
61	进行	3507	0.0742
62	都	3483	0.0737
63	向	3479	0.0736
64	时	3448	0.0729
65	美国	3441	0.0728
66	元	3399	0.0719
67	会议	3388	0.0717
68	后	3367	0.0712
69	会	3304	0.0699
70	建设	3275	0.0693
71	三	3252	0.0688
72	去年	3242	0.0686
73	地区	3184	0.0673
74	党	3162	0.0669
74	下	3162	0.0669
76	我国	3145	0.0665
77	项	3094	0.0654
77	他们	3094	0.0654
79	国际	3076	0.0651
80	据	3033	0.0642
81	把	3020	0.0639
82	能	2953	0.0625
83	于	2911	0.0616
84	亿	2840	0.0601
85	由	2799	0.0592
86	着	2783	0.0589
87	我们	2776	0.0587
88	使	2731	0.0578
89	最	2700	0.0571
90	举行	2672	0.0565
91	省	2580	0.0546
92	世界	2544	0.0538
93	被	2536	0.0536
94	同	2530	0.0535
95	领导	2529	0.0535
96	记者	2448	0.0518
97	组织	2413	0.0510
98	高	2412	0.0510
99	活动	2395	0.0507
100	家	2352	0.0498