Qué palabras se repiten

frecuencias · n-gramas · co-ocurrencia

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

780 notas · 5 diarios · 292.364 palabras

01 — Lo que sale

Las palabras más repetidas. Cuanto más grande, más veces aparece.

780 notas · 5 diarios · 292.364 palabras · tocá una palabra para ver dónde la dicen (solo sobre notas del archivo).

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.

Tres hombres fueron aprehendidos en las últimas horas en el marco de una investigación por una violenta entradera ocurrida en una vivienda del paraje Santa Irene, en la zona rural de Miramar. El hecho se produjo el 27 de agosto alrededor de las 23.30, cuando cuatro delincuentes vestidos con ropa oscura y con los rostros cubiertos sorprendieron a una pareja en el exterior de su vivienda. Según denunciaron las víctimas, […]

Qué se pierde acá: Todavía no se tocó nada. Se muestran las primeras 70 palabras de 381; el conteo final usa todas.

03 — La perilla

De a una, de a dos, o juntas en la misma oración

Mismo texto y mismo conteo. Lo único que cambia es qué se cuenta como «una cosa».

frecuencias

nacional		371
lugar		343
personal		325
hombre		314
zona		304
salud		299
personas		296
policía		287
provincia		285
seguridad		271

Qué se gana y qué no: Ves de qué se habla. Pero no sabés de qué obra ni qué se dice de ella.

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.

Leer la explicación completa: cómo se hace paso a paso, y los trabajos que fundaron la técnica →

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