Kalkulátor lexikální diverzity
Změřte bohatství slovní zásoby textu pomocí type-token ratio a dalších indexů.
Kalkulátor lexikální diverzity
Vložte libovolný text a tento nástroj změří rozmanitost jeho slovní zásoby — metrika, kterou používají autoři, redaktoři, učitelé a výzkumní pracovníci ke zjištění opakujících se frází nebo k porovnání bohatství dvou pasáží. Počítám celkový počet slov a počet jedinečných slov, poté hlásím type-token ratio (TTR), jeho odmocninový variant (Guiraudův index) a logaritmický variant (Herdanův C), plus klouzavý průměr TTR, který vzorkuje rozmanitost okny textu, aby dlouhé dokumenty nebyly nespravedlivě penalizovány jen za počet slov.
Možnosti určují, co se počítá jako odlišné slovo. Ignorovat stop slova odstraňuje běžná funkční slova jako "the" nebo "and" před porovnáním, takže poměr odráží obsahová slova namísto gramatiky. Ignorovat velikost a diakritiku považuje "Apple" a "apple" — nebo "café" a "cafe" — za stejné slovo. Redukovat slova na základní tvar používá lehkou heuristiku odstraňování přípon optimalizovanou pro angličtinu, takže "running" a "runs" se blíží "run", namísto úplné lematizace. Minimální délka slova filtruje krátké výplně, okno klouzavého průměru řídí počet slov, která každý vzorek diverzity pokrývá, a můžete vypsat tolik nejčastějších opakovaných slov, kolik chcete. Vyberte si srozumitelný přehled nebo tabulku oddělenou tabulátory v závislosti na tom, zda čtete čísla nebo je vkládáte do tabulky.
Type-token ratio sám o sobě klesá, když se text prodlužuje, čistě proto, že se slova začínají opakovat — proto existuje odmocninový a logaritmický variant a klouzavý průměr, z nichž každý korigovať délku odlišně. Porovnání všech čtyř vedle sebe poskytuje úplnější obrázek než jakékoliv jednotné číslo. Nástroj zpracovává konce řádků Windows (CRLF) a Unix (LF) stejným způsobem a živý součet pod výstupem zobrazuje počty slov a jedinečných slov spolu se základním TTR při psaní.
Všechno běží ve vašem prohlížeči. Váš text se nikdy neposílá na server, takže je bezpečné vkládat návrhy, rukopisy nebo studentské eseje. Zkopírujte výsledek, stáhněte si jej jako soubor .txt nebo odešlete výstup zpět do vstupu, abyste mohli svou analýzu dále zdokonalovat.