Frekwenza tal-kliem

Kif tgħodd il-frekwenza tal-kliem

1. Waħħal it-test tiegħek fil-kaxxa tad-dħul: artiklu, esej, traskrizzjoni, reviżjonijiet tal-klijenti jew tweġibiet ta’ stħarriġ.
2. Taħt Uri, agħżel Kliem singolu, Frażijiet ta’ 2 kelmiet jew Frażijiet ta’ 3 kelmiet.
3. Żomm Eskludi l-kliem komuni (the, and, of…) immarkat biex taħbi l-kliem grammatikali, u agħżel il-Lingwa tal-kliem komuni li taqbel mat-test tiegħek: Ingliż jew Franċiż.
4. Ħalli Injora n-numri immarkat sakemm in-numri ma jkunux importanti għalik, bħal snin jew kodiċijiet ta’ prodotti.
5. Aqra t-tabella: kull ringiela turi l-kelma jew il-frażi, l-għadd tagħha, is-sehem tagħha u bar li jqabbilha mal-aktar waħda frekwenti. Uża Ringieli murija biex tara 25, 50, 100 jew Kollha r-ringieli.
6. Ikklikkja Niżżel CSV biex tiftaħ il-lista sħiħa fi spreadsheet.

It-tabella taġġorna hekk kif tikteb; Għodd il-kliem jaġġornaha.

Lingwi appoġġjati

Il-filtru tal-kliem komuni (stop words) huwa disponibbli għall-Ingliż u għall-Franċiż biss. Għall-Malti m’hemm l-ebda lista, għalhekk f’test Malti kliem komuni bħal “ta’”, “u” u “li” jidhru fit-tabella flimkien mal-kliem l-ieħor. Itfi l-filtru għal test Malti. L-għadd innifsu jaħdem għal kull lingwa, u l-ittri Maltin ċ, ġ, ħ, ż u għ jinqraw sew.

Kif jingħaddu l-kliem

Kelma hija sekwenza ta’ ittri jew ċifri. Apostrofu jew trattin bejn żewġ ittri jżommha flimkien, għalhekk “don’t”, “well-known” u “peut-être” huma kliem singoli. Ma jiġix distint bejn l-ittri kbar u żgħar: “The”, “the” u “THE” jingħaddu flimkien.

Ftit normalizzazzjonijiet jagħmlu r-riżultati aktar utli:

• L-apostrofi mgħawġa u dritti jiġu ttrattati bl-istess mod.
• Bil-Franċiż, l-artikli u l-pronomi elizi jitneħħew, għalhekk “l’homme” u “d’homme” jgħoddu t-tnejn bħala “homme”, u “qu’il” bħala “il”. “Aujourd’hui” tibqa’ kelma waħda.
• Bl-Ingliż, il-possessiv “’s” jitneħħa: “Google’s” jgħodd bħala “google”.

Il-kliem ma jitnaqqasx għall-għerq tiegħu: “cat” u “cats” jidhru separati, li jżomm l-għadd eżatt u prevedibbli.

Frażijiet

Bi frażijiet ta’ 2 jew 3 kelmiet, l-għodda tgħodd kull sekwenza ta’ kliem konsekuttiv, imma qatt minn naħa għal oħra ta’ punteġġjatura: f’“Paris, London and Rome”, “paris london” mhix frażi. Meta l-kliem komuni jiġi eskluż, frażi li tibda jew tispiċċa b’wieħed tinqabeż, filwaqt li kliem komuni fin-nofs jinżamm, għalhekk “return on investment” u “quality of life” għadhom jidhru.

L-għadd tal-frażijiet huwa l-aħjar mod kif issib is-suġġetti reali ta’ test. Kliem singolu bħal “learning” jew “machine” ma jgħidx wisq waħdu; “machine learning” jgħid ħafna.

Perċentwali u densità tal-kliem ewlieni

Għal kliem singolu, is-sehem huwa l-għadd diviż bit-total tal-kliem fit-test, inklużi l-kliem komuni. Dan huwa dak li l-għodod tas-SEO jissejħu densità tal-kliem ewlieni. Għall-frażijiet, huwa l-għadd diviż bin-numru ta’ frażijiet ta’ dak it-tul fit-test.

Bħala regola ġenerali, terminu ewlieni li jikkostitwixxi diversi punti perċentwali ta’ test jista’ jinqara ripetittiv, u l-magni tat-tiftix jippremjaw kitba naturali u mhux densità fil-mira. Uża n-numri biex tinduna b’kliem użat żżejjed u b’sinonimi nieqsa, mhux biex tilħaq kwota.

Il-listi tal-kliem komuni

Il-kliem komuni huwa kliem komuni ħafna, bħal artikli, pronomi, prepożizzjonijiet u verbi awżiljarji, li jiddominaw kull għadd ta’ frekwenza mingħajr ma jgħidu wisq dwar il-kontenut. Din l-għodda tuża l-listi bl-Ingliż (1,298 kelma) u bil-Franċiż (691 kelma) tal-kollezzjoni open-source stopwords-iso, taħt il-liċenzja MIT. Huma listi wesgħin: inklużi wkoll xi verbi u avverbji komuni. Jekk kelma li għandek bżonn tkun moħbija, itfi l-filtru.