Woordfrequentie tellen

Zo tel je de woordfrequentie

1. Plak je tekst in het invoervak: een artikel, een essay, een transcript, klantreviews of antwoorden uit een enquête.
2. Kies onder Weergeven voor Losse woorden, Woordcombinaties van 2 of Woordcombinaties van 3.
3. Laat Stopwoorden uitsluiten (the, and, of…) aangevinkt om grammaticale woorden te verbergen, en kies bij Taal van de stopwoorden de taal van je tekst: Engels of Frans. Er zijn alleen lijsten voor die twee talen: analyseer je een Nederlandse tekst, zet het filter dan uit.
4. Laat Getallen negeren aangevinkt, tenzij getallen voor jou belangrijk zijn, zoals jaartallen of productcodes.
5. Bekijk de tabel: elke rij toont het woord of de woordcombinatie, het aantal, het aandeel en een balk die het vergelijkt met het meest voorkomende woord. Met Getoonde rijen zie je 25, 50, 100 of Alle rijen.
6. Klik op CSV downloaden om de volledige lijst in een spreadsheet te openen.

De tabel wordt bijgewerkt terwijl je typt; Woorden tellen ververst hem.

Hoe woorden worden geteld

Een woord is een reeks letters of cijfers. Een apostrof of koppelteken tussen twee letters houdt het bij elkaar, dus “auto’s”, “e-mail” en “Noord-Holland” zijn elk één woord. Hoofdletters tellen niet: “De”, “de” en “DE” worden samen geteld.

Een paar normalisaties maken de resultaten bruikbaarder:

• Gekrulde en rechte apostrofs worden gelijk behandeld.
• Met de Franse stopwoorden worden weggelaten lidwoorden en voornaamwoorden verwijderd, dus “l’homme” en “d’homme” tellen allebei als “homme”, en “qu’il” als “il”. “Aujourd’hui” blijft één woord.
• Met de Engelse stopwoorden wordt een bezittelijke “’s” verwijderd: “Google’s” telt als “google”.

Woorden worden niet tot hun stam teruggebracht: “kat” en “katten” staan apart in de lijst. Zo blijven de aantallen exact en voorspelbaar.

Woordcombinaties

Bij woordcombinaties van 2 of 3 woorden telt de tool elke reeks opeenvolgende woorden, maar nooit over een leesteken heen: in “Amsterdam, Utrecht en Gent” is “amsterdam utrecht” geen combinatie. Als stopwoorden zijn uitgesloten, wordt een combinatie die met een stopwoord begint of eindigt overgeslagen, terwijl stopwoorden in het midden blijven staan. Zo verschijnen “return on investment” en “quality of life” nog steeds.

Woordcombinaties zijn de beste manier om de echte onderwerpen van een tekst te vinden. Losse woorden als “learning” of “machine” zeggen op zich weinig; “machine learning” zegt veel.

Percentages en zoekwoorddichtheid

Bij losse woorden is het aandeel het aantal gedeeld door het totale aantal woorden in de tekst, stopwoorden meegerekend. Dat noemen SEO-tools de zoekwoorddichtheid (keyword density). Bij woordcombinaties is het het aantal gedeeld door het aantal combinaties van die lengte in de tekst.

Als vuistregel: een kernterm die meerdere procenten van een tekst uitmaakt, kan herhalend overkomen, en zoekmachines belonen natuurlijk geschreven tekst in plaats van een streefdichtheid. Gebruik de cijfers om te veel gebruikte woorden en ontbrekende synoniemen te vinden, niet om een quotum te halen.

Lijsten met stopwoorden

Stopwoorden zijn heel gewone woorden, zoals lidwoorden, voornaamwoorden, voorzetsels en hulpwerkwoorden, die elke frequentietelling domineren zonder veel over de inhoud te zeggen. Deze tool gebruikt de Engelse (1.298 woorden) en Franse (691 woorden) lijsten uit de opensourcecollectie stopwords-iso, onder de MIT-licentie. Het zijn brede lijsten: er staan ook een aantal gewone werkwoorden en bijwoorden in. Wordt een woord dat je nodig hebt verborgen, zet het filter dan uit. Een Nederlandse lijst is er niet, dus bij een Nederlandse tekst zie je met het filter uit ook woorden als “de”, “het” en “een” bovenaan.