Učestalost riječi u tekstu

Kako izbrojati učestalost riječi

1. Zalijepi tekst u polje za unos: članak, esej, transkript, recenzije kupaca ili odgovore iz ankete.
2. Pod Prikaži odaberi Pojedinačne riječi, Fraze od 2 riječi ili Fraze od 3 riječi.
3. Ostavi uključeno Isključi nevažne riječi (the, and, of…) da sakriješ gramatičke riječi i odaberi Jezik nevažnih riječi koji odgovara tvom tekstu: engleski ili francuski.
4. Ostavi uključeno Zanemari brojeve osim ako su ti brojevi važni, na primjer godine ili šifre proizvoda.
5. Pročitaj tabelu: svaki red prikazuje riječ ili frazu, njen broj, udio i traku koja je poredi s najčešćom. Pomoću Prikazani redovi vidi 25, 50, 100 ili sve redove.
6. Klikni Preuzmi CSV da cijelu listu otvoriš u tabelarnom programu.

Tabela se ažurira dok tipkaš; Izbroji riječi je osvježava.

Važno o jeziku nevažnih riječi

Filter nevažnih riječi (stop words) postoji samo za engleski i francuski. Za tekst na bosanskom nema liste, pa je najbolje isključiti Isključi nevažne riječi (the, and, of…): u suprotnom bi se uklonile samo engleske ili francuske riječi, a bosanske veznike i prijedloge („i“, „u“, „na“, „je“) vidjet ćeš na vrhu liste. Sve ostalo, brojanje riječi, fraze i izvoz, radi i za bosanski tekst, uključujući slova č, ć, đ, š, ž.

Kako se riječi broje

Riječ je niz slova ili cifara. Apostrof ili crtica između dva slova drži je na okupu, pa su „don’t“, „well-known“ i „peut-être“ pojedinačne riječi. Velika i mala slova se zanemaruju: „The“, „the“ i „THE“ broje se zajedno.

Nekoliko normalizacija čini rezultate korisnijim:

• Zakrivljeni i ravni apostrofi tretiraju se isto.
• U francuskom se elidirani članovi i zamjenice uklanjaju, pa „l’homme“ i „d’homme“ oba računaju kao „homme“, a „qu’il“ kao „il“. „Aujourd’hui“ ostaje jedna riječ.
• U engleskom se posvojno „’s“ uklanja: „Google’s“ računa kao „google“.

Riječi se ne svode na osnovni oblik: „kuća“ i „kuće“ navode se zasebno, što brojeve čini tačnim i predvidivim. Za jezik s padežima poput bosanskog to znači da se različiti oblici iste riječi broje odvojeno.

Fraze

Kod fraza od 2 ili 3 riječi alat broji svaki niz uzastopnih riječi, ali nikada preko interpunkcije: u „Sarajevo, Mostar i Tuzla“ „sarajevo mostar“ nije fraza. Kad su nevažne riječi isključene, preskače se fraza koja počinje ili završava njima, a nevažne riječi u sredini ostaju, pa se „return on investment“ i „quality of life“ i dalje pojavljuju.

Brojevi fraza najbolji su način da uočiš prave teme teksta. Pojedinačne riječi poput „learning“ ili „machine“ same govore malo; „machine learning“ govori mnogo.

Postoci i gustoća ključnih riječi

Za pojedinačne riječi udio je broj podijeljen s ukupnim brojem riječi u tekstu, uključujući nevažne riječi. To je ono što SEO alati zovu gustoćom ključnih riječi. Za fraze to je broj podijeljen s brojem fraza te dužine u tekstu. Udjeli se prikazuju u formatu postotka jezika stranice.

Okvirno, ključni pojam koji čini nekoliko postotaka teksta može djelovati repetitivno, a pretraživači nagrađuju prirodno pisanje, a ne ciljanu gustoću. Koristi brojeve da uočiš prečesto korištene riječi i sinonime koji nedostaju, a ne da postigneš kvotu.

Liste nevažnih riječi

Nevažne riječi su vrlo česte riječi, poput članova, zamjenica, prijedloga i pomoćnih glagola, koje dominiraju svakim brojanjem učestalosti a malo govore o sadržaju. Ovaj alat koristi liste za engleski (1298 riječi) i francuski (691 riječ) iz open-source kolekcije stopwords-iso, pod MIT licencom. To su široke liste: uključeni su i neki uobičajeni glagoli i prilozi. Ako je sakrivena riječ koja ti treba, isključi filter.