TF-IDF
¿Qué palabras son DISTINTIVAS de cada diario?
La Capital
Palabras que distinguen a este medio de los otros:
0223
Palabras que distinguen a este medio de los otros:
El Marplatense
Palabras que distinguen a este medio de los otros:
Palabras DISTINTIVAS de cada fuente, no solo las frecuentes.
¿Qué es TF-IDF? — ver más
Imaginá que tenés que diferenciar a tres diarios. Decir que todos usan «gobierno», «ayer» o «dijo» no sirve: eso lo usan todos. Lo que distingue a cada uno son las palabras que casi solo él usa. TF-IDF encuentra justo esas.
Combina dos medidas: cuántas veces aparece una palabra en un texto (TF, la frecuencia) y qué tan rara es en el resto del corpus (IDF). Una palabra frecuente en un diario pero ausente en los demás se dispara; una que usan todos, como «gobierno», se apaga.
Formalmente: TF-IDF = frecuencia del término × log(total de documentos ÷ documentos que contienen el término). Ese segundo factor (IDF) es el que castiga lo común y premia lo específico. El resultado es un ranking de palabras ordenado por cuánto caracterizan a cada fuente.
¿Qué palabras ignoramos? Las stopwords (191)
La lista de palabras que se excluyen antes de contar frecuencias: artículos, preposiciones, conjunciones y verbos auxiliares. Las palabras funcionales son las más frecuentes de cualquier idioma (ley de Zipf) pero no cargan tema. Filtrarlas es el primer paso estándar del preprocesamiento en minería de texto.
⚠️ La lista es una decisión editorial: agregar o quitar palabras cambia los resultados. Por eso la publicamos completa en cada herramienta que la usa. Sin filtrar, «de», «la» y «que» encabezan cualquier ranking y tapan los términos con contenido.
acerca · ademas · ahi · ahora · aires · al · algo · alguna · alguno · alli · ambos · ano · anos · ante · antes · aquel · aquella · aquellas · aquello · aquellos · aqui · asi · aunque · ayer · bajo · bien · buenos · cada · caso · como · con · contra · cual · cuales · cualquier · cualquiera · cuando · dar · de · debe · deber · decir · del · dentro · desde · despues · dia · dias · dijo · dio · donde · dos · durante · e · el · ella · ellas · ellos · en · entre · era · es · esa · esas · ese · eso · esos · esta · estan · estar · estas · este · esto · estos · forma · fue · fuera · fueron · ha · haber · habia · hace · hacer · hacia · han · hasta · hay · hizo · hoy · ir · junto · la · las · le · les · lo · los · luego · manana · manera · mar · mas · me · mediante · mi · mientras · mis · misma · mismo · mucho · muy · nada · ni · ningun · ninguna · ninguno · no · nos · nosotros · nunca · o · otra · otras · otro · otros · para · parte · pero · plata · poco · poder · podria · poner · por · porque · puede · pueden · pues · que · querer · quien · quienes · respecto · saber · se · segun · según · ser · sera · seria · si · sido · siempre · siendo · sin · sin embargo · sino · sobre · solo · son · su · sus · tambien · tan · tanto · te · tener · tiempo · tiene · tienen · toda · todas · todo · todos · tras · traves · tres · tu · tuvo · u · un · una · unas · uno · unos · varios · ver · vez · y · ya · yo