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 · 233 palabras La Justicia ordenó inspeccionar todas las unidades de transporte público en Gene...

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.

La Justicia ordenó inspeccionar todas las unidades de transporte público en General Pueyrredon. En el marco de una causa iniciada tras el luctuoso accidente ocurrido en el Skate Park, la Justicia dispuso el envío de oficios a organismos de contralor para que evalúen la realización de un relevamiento e inspección de las unidades del transporte público de pasajeros en el Partido de General Pueyrredon. La medida alcanza a la Dirección […]

Qué se pierde acá: Todavía no se tocó nada. Se muestran las primeras 70 palabras de 246; 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