Szókincs-diverzitás számító
Mérje meg egy szöveg szókincsének gazdagságát a type-token ratio és rokon mutatók segítségével.
Szókincs-diverzitás számító
Illesszen be tetszőleges szöveget, és ez az eszköz megméri annak szókincsének gazdagságát — egy olyan jel, amelyet írók, szerkesztők, tanárok és kutatók használnak az ismétlődő kifejezések felismeréséhez vagy két szövegrészlet gazdagságának összehasonlításához. Meghatározza a teljes szavak és az egyedi szavak számát, majd jelenti a type-token ratiot (TTR), annak gyökváltozatát (Guiraud indexe) és logaritmikus változatát (Herdan C), valamint egy mozgóátlag TTR-t, amely a szöveg ablakain keresztül mintavételezi a diverzitást, így a hosszabb dokumentumok nem kapnak hátrányos elbírálást csupán azért, mert több szó van bennük.
Az opciók azt alakítják, mi számít különálló szónak. Hagyja figyelmen kívül a stopwordokat a közös funkciószavak, például a the vagy az and eltávolításához, mielőtt összehasonlítaná, így az arány a tartalomszavakra vonatkozik, nem a nyelvtanra. Hagyja figyelmen kívül a kis- és nagybetűket és a diakritikát, hogy az Apple és az apple — vagy a café és a cafe — ugyanannak a szónak számítson. A szavak alapformára rövidítése egy angol nyelvhez hangolt könnyű utótag-eltávolítási heurisztikát alkalmaz, így a running és a runs a run felé közelít, nem pedig a teljes lemmatizálás. A minimális szóhossz szűri az apró töltelékeket, a mozgóátlag-ablak szabályozza, hogy az egyes diverzitásmintavételezések hány szót tartalmaznak, és tetszőleges számú leggyakrabban ismétlődő szót listázhat. Az opciók alapján válasszon egyszerű nyelvű összefoglalás vagy tabulátorral elválasztott táblázat között attól függően, hogy az számokat olvassa vagy egy táblázatkezelő programba illeszti-e.
A type-token arány csupán azért csökken, amikor egy szöveg hosszabbá válik, mert a szavak kezdenek ismétlődni — ezért léteznek a gyök- és logaritmikus változatok, valamint a mozgóátlag-pontszám, amelyek mindegyike máshogy korrigál a hosszúságra. Az összes négy szám egymás mellett való összevetése teljesebb képet ad, mint bármelyik szám önmagában. Az eszköz azonos módon kezeli a Windows (CRLF) és az Unix (LF) soremeléseket, és a kimenet alatt lévő élő számlálás a szó- és egyedi szavak számát az egyszerű TTR-rel együtt mutatja, ahogy begépel.
Minden futás a böngészőjében történik. A szöveget soha nem töltik fel egy kiszolgálóra, ezért biztonságos piszkozatok, kéziratok vagy hallgatói esszék beillesztése. Másolja ki az eredményt, töltse le .txt fájlként, vagy küldje vissza a kimenetet a bemenetbe az elemzés finomításához.