Žodžių dažnumo skaičiuoklis

Kaip suskaičiuoti žodžių dažnumą

1. Įklijuok tekstą į įvesties laukelį: straipsnį, rašinį, transkripciją, klientų atsiliepimus ar apklausos atsakymus.
2. Skiltyje Rodyti pasirink Pavienius žodžius, 2 žodžių frazes arba 3 žodžių frazes.
3. Palik pažymėtą Neįtraukti nereikšmingų žodžių (the, and, of…), kad būtų paslėpti gramatiniai žodžiai, ir pasirink Nereikšmingų žodžių kalbą, atitinkančią tavo tekstą: anglų ar prancūzų.
4. Palik pažymėtą Nepaisyti skaičių, nebent skaičiai tau svarbūs, pavyzdžiui, metai ar prekių kodai.
5. Skaityk lentelę: kiekvienoje eilutėje rodomas žodis ar frazė, jų Kiekis, Dalis ir juosta, lyginanti su dažniausiu. Skiltyje Rodoma eilučių gali pasirinkti 25, 50, 100 arba Visos eilutes.
6. Spustelėk Atsisiųsti CSV, kad visą sąrašą atidarytum skaičiuoklėje.

Lentelė atsinaujina renkant tekstą; Skaičiuoti žodžius ją atnaujina.

Kaip skaičiuojami žodžiai

Žodis yra raidžių ar skaitmenų seka. Apostrofas ar brūkšnelis tarp dviejų raidžių palieka jį vientisą, todėl „don’t“, „well-known“ ir „peut-être“ yra pavieniai žodžiai. Raidžių dydis neatsižvelgiamas: „The“, „the“ ir „THE“ skaičiuojami kartu.

Kelios normalizacijos daro rezultatus naudingesnius:

• Riestiniai ir tiesūs apostrofai traktuojami vienodai.
• Prancūzų kalboje elidiuoti artikeliai ir įvardžiai pašalinami, todėl „l’homme“ ir „d’homme“ abu skaičiuojami kaip „homme“, o „qu’il“ – kaip „il“. „Aujourd’hui“ lieka vienu žodžiu.
• Anglų kalboje savybinis „’s“ pašalinamas: „Google’s“ skaičiuojamas kaip „google“.

Žodžiai nevedami prie šaknies: „cat“ ir „cats“ išvardijami atskirai, todėl skaičiai išlieka tikslūs ir nuspėjami. Lietuvių kalba labai linksniuojama, todėl to paties žodžio linksniai ir formos („namas“, „namo“, „namus“) taip pat skaičiuojami kaip atskiri žodžiai; susijusių formų sumą, jei reikia, susumuok pats.

Frazės

Su 2 ar 3 žodžių frazėmis įrankis skaičiuoja kiekvieną iš eilės einančių žodžių seką, bet niekada per skyrybos ženklą: „Paris, London and Rome“ atveju „paris london“ nėra frazė. Kai nereikšmingi žodžiai neįtraukiami, frazė, prasidedanti ar besibaigianti jais, praleidžiama, o nereikšmingi žodžiai viduryje paliekami, todėl „return on investment“ ir „quality of life“ vis tiek atsiranda.

Frazių skaičiai – geriausias būdas pastebėti tikrąsias teksto temas. Pavieniai žodžiai, pavyzdžiui, „learning“ ar „machine“, patys savaime sako nedaug; „machine learning“ sako daug.

Procentai ir raktažodžių tankis

Pavieniams žodžiams dalis yra kiekis, padalytas iš visų teksto žodžių skaičiaus, įskaitant nereikšmingus žodžius. Tai SEO įrankių vadinamas raktažodžių tankis. Frazėms tai kiekis, padalytas iš tokio ilgio frazių skaičiaus tekste.

Orientyras: pagrindinis terminas, sudarantis kelis procentus teksto, gali skambėti pasikartojančiai, o paieškos sistemos vertina natūralų rašymą, o ne tikslinį tankį. Naudok skaičius pernelyg dažniems žodžiams ir trūkstamiems sinonimams pastebėti, o ne kvotai pasiekti.

Nereikšmingų žodžių sąrašai

Nereikšmingi žodžiai yra labai dažni žodžiai, pavyzdžiui, artikeliai, įvardžiai, prielinksniai ir pagalbiniai veiksmažodžiai, kurie dominuoja bet kuriame dažnumo skaičiavime, bet mažai pasako apie turinį. Nereikšmingų žodžių filtras galimas tik anglų ir prancūzų kalboms; lietuviško sąrašo nėra, todėl lietuviškame tekste žodžiai kaip „ir“, „bet“ ar „kad“ liks lentelėje. Įrankis naudoja atvirojo kodo kolekcijos stopwords-iso anglų (1 298 žodžiai) ir prancūzų (691 žodis) sąrašus pagal MIT licenciją. Tai platūs sąrašai: įtraukta ir kai kurių dažnų veiksmažodžių bei prieveiksmių. Jei reikalingas žodis paslėptas, išjunk filtrą.