단어 빈도 분석

Word Frequency

단어와 n-그램의 출현 빈도를 세며, 한국어 토큰 분리와 불용어 목록을 지원합니다.

단어·글자·n-그램이 몇 번 나오는지 셉니다. 한국어를 어떻게 나누는지는 가정하지 않고 밝혀 둡니다. 한국어의 띄어쓰기는 단어가 아니라 어절 — 어간에 조사가 붙은 덩어리 — 을 가르므로, 따로 지정하지 않으면 서울에서와 서울은은 서로 다른 두 토큰입니다.

🔒 브라우저 안에서만 처리frequencystatsnlpkorean

원문

텍스트를 한 번 훑어 세며, 입력을 멈춘 뒤 200 ms 뒤에 계산합니다.

세는 방식

나누는 단위

흔한 말 빼기

최소 길이

이어 볼 개수

2로 두면 붙어 있는 두 단어를 한 묶음으로 셉니다.

대소문자 구분

숫자도 세기

한국어를 여기서 어떻게 세는지.

한국어의 띄어쓰기는 단어가 아니라 어절 — 어간에 조사가 붙은 덩어리 — 를 가릅니다. 그래서 기본 설정에서는 서울에서·서울은·서울의가 서로 다른 세 토큰입니다. 그것이 이 글의 정직한 집계입니다. "조사 떼기"는 음절이 둘 이상 남을 때 끝의 은/는/이/가/을/를/에서/으로 따위를 떼어, 서울이 하나로 집계되게 합니다. 형태소 분석기가 아니라 어림짐작이라 그 음절로 끝나는 진짜 명사를 잘라 낼 때가 가끔 있고, 용언 활용은 전혀 다루지 않습니다 — 갑니다·갔다·가서는 따로 셉니다.

서로 다른 항목 22개

센 토큰 수

서로 다른 항목

한 번만 나온 항목

hapax legomena

유형–토큰 비율

0.917

글이 길어질수록 낮아집니다

1the312.5%
2만나기로14.2%
3복잡합니다14.2%
4붐빕니다14.2%
5서울에서14.2%
6서울은14.2%
7서울의14.2%
8시간에는14.2%
9언제나14.2%
10지하철은14.2%
11출퇴근14.2%
12편리하지만14.2%
13했습니다14.2%
14agreed14.2%
15in14.2%
16meeting14.2%
17on14.2%
18plan14.2%
19seoul14.2%
20team14.2%
21well14.2%
22went14.2%

사용 방법

세는 단위를 고릅니다
띄어쓴 그대로가 이 글의 정직한 집계입니다. 조사 떼기는 서울을 하나로 묶어 줍니다. 글자와 n-그램은 어휘가 아니라 글의 모양을 볼 때 씁니다.
흔한 말이 위를 채우면 뺍니다
영어와 한국어 불용어 목록을 따로 또는 함께 쓸 수 있습니다. 빼지 않으면 어느 목록이든 위쪽은 the·and·그리고·하지만이 차지합니다.
n-그램이면 묶음 길이를 정합니다
2로 두면 붙어 있는 두 단어를 한 묶음으로 셉니다. 우연히 쓰인 단어가 아니라 문서가 실제로 반복하는 표현을 찾는 방법입니다.