Qué palabras se repiten

frecuencias · n-gramasN-grama. Palabras que aparecen pegadas una detrás de otra. De a dos se llaman bigramas («arma fuego»), de a tres trigramas.leer más ↓ · co-ocurrenciaCo-ocurrencia. Qué palabras aparecen cerca de qué otras. Dibujadas como una red, muestran los grupos de palabras que viajan juntas.leer más ↓

Las palabras que más se repiten en las notas —o en un texto tuyo—, de a una, de a dos pegadas, o juntas en la misma oración. Es el conteo más simple que existe y la base de casi todo lo demás.

Sobre qué se cuenta

1 nota · 1 diario · 451 palabras Kicillof anunció medidas para los endeudados con las billeteras virtuales

01 — Lo que sale

Con este alcance la herramienta no dice nada

Con un texto tan corto el conteo no dice nada: casi todas las palabras aparecen una vez y el ranking queda plano. Contar sirve recién cuando hay muchos textos juntos.

02 — Cómo se hace

Contar no es magia: son cinco pasos

Este acto va siempre sobre un texto solo, sin importar el alcance: es para ver la máquina por dentro.

Kicillof anunció medidas para los endeudados con las billeteras virtuales. En el marco del explosivo crecimiento del endeudamiento y la morosidad de las familias, el gobernador de la provincia de Buenos Aires, Axel Kicillof, y el ministro de Producción, Ciencia e Innovación Tecnológica, Augusto Costa, anunciaron este jueves medidas para proteger a los usuarios de billeteras virtuales ante una serie de denuncias por abusos e incumplimientos a la ley de […]

Qué se pierde acá: Todavía no se tocó nada. Se muestran las primeras 70 palabras de 461; el conteo final usa todas.

04 — El límite

Que una palabra se repita mucho no la vuelve importante. El conteo trata cada palabra suelta, sin orden ni contexto: no distingue si «obra» aparece en una inauguración o en una denuncia. Usá esto como punto de partida para preguntas, nunca como conclusión.
¿Qué es Qué palabras se repiten? — ver más

Es como mirar la ciudad desde un avión: ves las avenidas más transitadas, pero no sabés quién viaja por ellas ni para qué. Para eso hay que bajar a leer.

El texto se pasa a minúscula, se corta en fichas (una por palabra), se descartan las vacías («de», «la», «que»: unas 190 de una lista que se puede leer) y se cuenta lo que queda. De a dos pegadas se cuentan los pares seguidos; juntas en la misma oración, cuántas oraciones comparten dos palabras aunque estén separadas.

Conteo de tokens descartando stopwords (bag of words); n-gramas de orden 2; red de co-ocurrencia a nivel de oración. Es el grado cero de la lectura distante: ver el bosque sin leer cada árbol.

Probar con un texto tuyo → Pegás lo que quieras y le corrés el mismo conteo. Sin registrarte. Y después: quiénes aparecen → Las palabras dicen de qué se habla. Los nombres dicen de quién: las personas, las organizaciones y los lugares más nombrados, con los dos filtros sin los cuales la lista es correcta e inútil.
Todos investigamos algo.

Con una cuenta gratis cargás tus textos, los etiquetás, corrés estos mismos análisis sobre ellos y publicás lo que encontraste. Cuando publicás tu primera investigación, sos investigador del HLab.

Crear mi cuenta → Ver un caso completo: El Marquesado