Frecuencia de palabras
Word Frequency
Cuenta con qué frecuencia aparece cada palabra o n-grama, con lista de palabras vacías y tokenización que entiende el coreano.
Cuenta cuántas veces aparece cada palabra, carácter o n-grama, con la tokenización del coreano declarada en lugar de supuesta. Los espacios del coreano separan 어절 — una raíz con sus partículas pegadas — y no palabras, así que 서울에서 y 서울은 cuentan como dos tokens distintos a menos que pidas otra cosa. Las listas de palabras vacías son de inglés y de coreano; para el español no hay ninguna.
Texto
El recuento es una sola pasada sobre el texto y corre 200 ms después de que dejas de escribir.
Cómo contar
Con 2 cuenta pares de palabras contiguas.
24 términos distintos
tokens contados
28
distintos
24
usados una vez
20
hapax legomena
razón tipo-token
0,857
baja según se alarga el texto
- 1el27,1 %
- 2la27,1 %
- 3reunión27,1 %
- 4seúl27,1 %
- 5복잡합니다13,6 %
- 6서울의13,6 %
- 7시간에는13,6 %
- 8지하철은13,6 %
- 9출퇴근13,6 %
- 10편리하지만13,6 %
- 11a13,6 %
- 12aceptó13,6 %
- 13alargó13,6 %
- 14bien13,6 %
- 15concurrida13,6 %
- 16cualquier13,6 %
- 17en13,6 %
- 18equipo13,6 %
- 19está13,6 %
- 20hora13,6 %
- 21plan13,6 %
- 22salió13,6 %
- 23se13,6 %
- 24y13,6 %
Cómo se usa
Elige el token
Palabras según los espacios es la lectura honesta del texto. Con partículas recortadas, 서울 cuenta como una sola palabra. Caracteres y n-gramas son para mirar la forma del texto y no su vocabulario.
Descarta las palabras comunes si abarrotan la parte alta
Listas de palabras vacías de inglés y de coreano, por separado o juntas. Sin ellas, la parte alta de cualquier lista es the, and, 그리고 y 하지만. Para un texto en español no hay lista, así que «de», «la» y «que» quedarán arriba.
Fija la longitud de frase para los n-gramas
2 cuenta pares de palabras adyacentes, que es como se encuentran las frases que un documento repite de verdad y no las palabras que casualmente usa.
Preguntas frecuentes
¿Por qué 서울에서 y 서울은 cuentan por separado?
Porque son 어절 distintos, y por defecto la herramienta cuenta lo que hay de verdad en el texto. «Partículas recortadas» quita un 은/는/이/가/을/를/에서/으로 final cuando quedan al menos dos sílabas, lo que los convierte en uno.
¿El recorte de partículas es fiable?
Es una heurística, no un analizador morfológico. De vez en cuando recortará un sustantivo que de verdad termina en una de esas sílabas, y no hace nada con la conjugación verbal: 갑니다, 갔다 y 가서 quedan separados.
¿Para qué es la relación tipo-token?
Palabras distintas divididas entre palabras totales: una medida aproximada de la variedad del vocabulario. Cae a medida que un texto se alarga, así que solo compara con sentido entre textos de longitud parecida.
Puede recibir de
Eliminar líneas repetidas
Duplicate Line Remover
Quita las líneas repetidas, deja solo las repetidas, o cuenta cuántas veces apareció cada una.
Contador de palabras y caracteres
Word & Character Counter
Cuenta caracteres con y sin espacios, palabras, líneas, párrafos y bytes UTF-8.
Índice de legibilidad
Readability Score
Puntúa textos en inglés con Flesch–Kincaid y sus parientes, y estima el tiempo de lectura en ambos idiomas.
Analizador de conversaciones de KakaoTalk
KakaoTalk Chat Analyser
Convierte una exportación de KakaoTalk —de PC, Android, iPhone o CSV de Mac— en recuentos y porcentajes por persona, gráficos por hora y por día de la semana, un mapa de calor, la mediana del tiempo de respuesta, los emojis y las palabras más usadas.
Después
Estas aceptan lo que produce esta herramienta, así que el resultado puede pasar directamente.
Gráficos rápidos
Quick Chart
Dibuja un gráfico de barras, de líneas, de área, circular o de dispersión a partir de una tabla, con ejes en números redondos y leyenda, y lo exporta en SVG o PNG.
Analizador de conversaciones de KakaoTalk
KakaoTalk Chat Analyser
Convierte una exportación de KakaoTalk —de PC, Android, iPhone o CSV de Mac— en recuentos y porcentajes por persona, gráficos por hora y por día de la semana, un mapa de calor, la mediana del tiempo de respuesta, los emojis y las palabras más usadas.
Contador de palabras y caracteres
Word & Character Counter
Cuenta caracteres con y sin espacios, palabras, líneas, párrafos y bytes UTF-8.
Nube de palabras
Word Cloud
Coloca las palabras más frecuentes por tamaño dentro de una forma o una máscara, con lista de palabras vacías.
Limpiador de CSV
CSV Cleaner
Recorta los espacios de las celdas, uniforma los encabezados, arregla los formatos de número y fecha y avisa de las filas con un número de columnas equivocado.
Cruzar dos tablas CSV
CSV Join
Combina dos tablas por una columna clave con semántica interna, izquierda, derecha o externa, y muestra las filas que no encontraron pareja.