Učestalost riječi u tekstu

Kako izbrojiti učestalost riječi

1. Zalijepi tekst u polje za unos: članak, esej, transkript, korisničke recenzije ili odgovore iz ankete.
2. Pod Prikaži odaberi Pojedinačne riječi, Izraze od 2 riječi ili Izraze od 3 riječi.
3. Ostavi označeno Isključi zaustavne riječi (the, and, of…) da sakriješ gramatičke riječi i odaberi Jezik zaustavnih riječi koji odgovara tvom tekstu: engleski ili francuski.
4. Ostavi označeno Zanemari brojeve osim ako ti brojevi nisu važni, na primjer godine ili šifre proizvoda.
5. Pročitaj tablicu: svaki redak prikazuje riječ ili izraz, njegov Broj, Udio i traku koja ga uspoređuje s najčešćim. Pomoću Prikazanih redaka vidi 25, 50, 100 ili sve retke.
6. Klikni Preuzmi CSV da otvoriš cijeli popis u proračunskoj tablici.

Tablica se osvježava dok upisuješ; Izbroji riječi je ponovno osvježava.

Napomena o hrvatskom tekstu

Popisi zaustavnih riječi dostupni su samo za engleski i francuski. Za hrvatski tekst filtar ne postoji, pa u tablici dominiraju česte riječi poput „i“, „u“, „je“, „se“ i „na“. Brojanje samo po sebi radi za svaki tekst, pa i za hrvatski: slova s dijakriticima (č, ć, đ, š, ž) ispravno se prepoznaju, a velika i mala slova se ne razlikuju. Za hrvatski tekst isključi filtar zaustavnih riječi, a česte funkcijske riječi preskoči pri čitanju tablice ili ih sam izbaci iz rezultata u CSV-u.

Kako se broje riječi

Riječ je niz slova ili znamenki. 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 korisnijima:

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

Riječi se ne svode na osnovni oblik: „kuća“ i „kuće“ navode se zasebno, što brojke čini točnima i predvidljivima. To je osobito važno za hrvatski, koji ima mnogo padežnih oblika iste riječi; zbroji povezane oblike sam ako trebaš zbirnu brojku.

Izrazi

Kod izraza od 2 ili 3 riječi alat broji svaki niz uzastopnih riječi, ali nikad preko interpunkcije: u „Paris, London and Rome“ „paris london“ nije izraz. Kad su zaustavne riječi isključene, izraz koji počinje ili završava jednom od njih preskače se, dok se zaustavne riječi u sredini zadržavaju, pa se „return on investment“ i „quality of life“ i dalje pojavljuju.

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

Postoci i gustoća ključnih riječi

Za pojedinačne riječi udio je broj podijeljen s ukupnim brojem riječi u tekstu, uključujući zaustavne riječi. To SEO alati nazivaju gustoćom ključnih riječi. Za izraze je to broj podijeljen s brojem izraza te duljine u tekstu. Udjeli se prikazuju u formatu postotka jezika stranice.

Okvirno pravilo: ključni pojam koji čini nekoliko posto teksta može djelovati ponavljajuće, a tražilice nagrađuju prirodno pisanje, a ne ciljanu gustoću. Brojke koristi za uočavanje prečesto upotrijebljenih riječi i nedostajućih sinonima, a ne za ostvarivanje kvote.

Popisi zaustavnih riječi

Zaustavne riječi su vrlo česte riječi, poput članaka, zamjenica, prijedloga i pomoćnih glagola, koje dominiraju svakim brojanjem učestalosti, a malo govore o sadržaju. Ovaj alat koristi popise za engleski (1298 riječi) i francuski (691 riječ) iz otvorene zbirke stopwords-iso, pod MIT licencijom. To su široki popisi: uključeni su i neki česti glagoli i prilozi. Ako ti je skrivena riječ koja ti treba, isključi filtar.