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

Pegá lo que quieras —un discurso, una entrevista, comentarios— o la dirección de una nota de cualquier diario del país (una por renglón, hasta cinco) y le corremos el mismo conteo. No se guarda nada y no hace falta registrarse.

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.

Dos hombres fueron detenidos por su supuesta participación en el crimen de un ciudadano de nacionalidad uruguaya que presentaba múltiples antecedentes penales, fue asesinado a disparos en su domicilio del barrio porteño de Palermo y la Justicia investiga un presunto ajuste de cuentas. Según informaron fuentes policiales, Carlos Andrés Migales Viera, de 31 años, fue hallado muerto en su departamento de la calle Costa Rica al 5200, donde familiares de […]

Qué se pierde acá: Todavía no se tocó nada. Se muestran las primeras 70 palabras de 310; 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.

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