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

647 notas · 5 diarios · 254.771 palabras

01 — Lo que sale

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

647 notas · 5 diarios · 254.771 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.

La pesca suma expectativas de incentivo para recibir capitales que se involucren en la producción y el desarrollo del sector a partir de su incorporación al proyecto de Régimen de Inversiones Relevantes (RIIR), puesto a consideración del Senado de la Nación. La iniciativa de fondo es del senador radical Eduardo Vischi y su compañero de bancada, Maximiliano Abad, apuntó a que la industria de mayor peso en la economía de […]

Qué se pierde acá: Todavía no se tocó nada. Se muestran las primeras 70 palabras de 401; 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		333
hombre		289
personas		267
zona		261
investigación		248
lugar		246
salud		246
personal		231
situación		228
seguridad		227

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