Frequência de palavras
Word Frequency
Conta quantas vezes cada palavra ou n-grama aparece, com tokenização ciente do coreano e uma lista de stopwords.
Conta quantas vezes cada palavra, caractere ou n-grama aparece, com a tokenização do coreano declarada em vez de presumida. Os espaços do coreano separam 어절 — um radical com as partículas grudadas — e não palavras, então 서울에서 e 서울은 contam como dois tokens diferentes, a menos que você peça outra coisa. As listas de stopwords são de inglês e de coreano; para o português não há nenhuma.
Texto
A contagem é uma passada só pelo texto e roda 200 ms depois que você para de digitar.
Como contar
Com 2 conta pares de palavras vizinhas.
23 termos distintos
tokens contados
28
distintos
23
usados uma vez
19
hapax legomena
razão tipo-token
0,821
cai conforme o texto se alonga
- 1a310,7%
- 2o27,1%
- 3reunião27,1%
- 4seul27,1%
- 5복잡합니다13,6%
- 6서울의13,6%
- 7시간에는13,6%
- 8지하철은13,6%
- 9출퇴근13,6%
- 10편리하지만13,6%
- 11aceitou13,6%
- 12bem13,6%
- 13e13,6%
- 14é13,6%
- 15em13,6%
- 16estendeu13,6%
- 17foi13,6%
- 18hora13,6%
- 19movimentada13,6%
- 20plano13,6%
- 21qualquer13,6%
- 22se13,6%
- 23time13,6%
Como usar
Escolha o token
Palavras conforme os espaços é a leitura honesta do texto. Com partículas aparadas, 서울 conta como uma palavra só. Caracteres e n-gramas são para olhar a forma do texto, e não o vocabulário.
Descarte as palavras comuns se elas lotarem o topo
Listas de stopwords de inglês e de coreano, separadas ou juntas. Sem elas, o topo de qualquer lista é the, and, 그리고 e 하지만. Para um texto em português não há lista, então “de”, “a” e “que” vão ficar no topo.
Defina o comprimento da frase para os n-gramas
2 conta pares de palavras adjacentes, que é como se encontram as expressões que um documento de fato repete, e não as palavras que por acaso usa.
Perguntas frequentes
Por que 서울에서 e 서울은 contam separadamente?
Porque são 어절 diferentes, e por padrão a ferramenta conta o que está de fato no texto. “Partículas aparadas” tira um 은/는/이/가/을/를/에서/으로 final quando restam pelo menos duas sílabas, o que os torna um.
O aparo de partículas é confiável?
É uma heurística, não um analisador morfológico. Vez ou outra vai aparar um substantivo que de fato termina numa dessas sílabas, e não faz nada com a conjugação verbal — 갑니다, 갔다 e 가서 ficam separados.
Para que serve a razão tipo-token?
Palavras distintas divididas pelo total de palavras — uma medida grosseira da variedade do vocabulário. Cai conforme o texto se alonga, então só compara com sentido textos de comprimento parecido.
Pode receber de
Remover linhas duplicadas
Duplicate Line Remover
Remove linhas duplicadas, mantém só as duplicadas ou conta quantas vezes cada linha apareceu.
Contador de palavras e caracteres
Word & Character Counter
Conta caracteres com e sem espaços, palavras, linhas, parágrafos e bytes em UTF-8.
Índice de legibilidade
Readability Score
Pontua texto em inglês com Flesch–Kincaid e fórmulas afins, e estima o tempo de leitura em inglês e em coreano.
Analisador de conversas do KakaoTalk
KakaoTalk Chat Analyser
Transforma uma exportação do KakaoTalk (PC, Android, iPhone, CSV do Mac) em contagens e participação por pessoa, gráficos por hora e dia da semana, mapa de calor dia × hora, tempo mediano de resposta, emojis e palavras frequentes — tudo no seu navegador, sem enviar o arquivo.
Em seguida
Estas aceitam o que esta ferramenta produz, então o resultado pode ir direto.
Gráfico rápido
Quick Chart
Desenha um gráfico de barras, linhas, área, pizza ou dispersão a partir de uma tabela, com eixos arredondados e legenda, e exporta como SVG ou PNG.
Analisador de conversas do KakaoTalk
KakaoTalk Chat Analyser
Transforma uma exportação do KakaoTalk (PC, Android, iPhone, CSV do Mac) em contagens e participação por pessoa, gráficos por hora e dia da semana, mapa de calor dia × hora, tempo mediano de resposta, emojis e palavras frequentes — tudo no seu navegador, sem enviar o arquivo.
Contador de palavras e caracteres
Word & Character Counter
Conta caracteres com e sem espaços, palavras, linhas, parágrafos e bytes em UTF-8.
Nuvem de palavras
Word Cloud
Dispõe as palavras frequentes por tamanho numa forma ou máscara, com tokenização do coreano e lista de stopwords.
Limpar CSV
CSV Cleaner
Apara células, normaliza cabeçalhos, corrige formatos de número e data e aponta as linhas com o número errado de colunas.
Juntar tabelas CSV
CSV Join
Junta duas tabelas por uma coluna-chave com semântica inner, left, right ou outer e mostra as linhas sem correspondência.