Espressioni più usate (n-grammi di chat)
Le frasi di una, due e tre parole che qualcuno usa davvero di più — filtrate perché la risposta non sia sempre "il" e "e" in ogni chat.
Un conteggio ingenuo delle parole, in qualsiasi lingua, è dominato dalle parole funzionali — articoli, preposizioni, pronomi — che tutti usano costantemente e che non dicono nulla di distintivo su nessuno. Filtrarle in base alla lingua rilevata, e poi favorire le frasi più lunghe rispetto alle singole parole quando ottengono un punteggio simile, è ciò che trasforma una tabella di frequenza in qualcosa che suona davvero come la voce di una persona: "amore mio" invece di "il" o "che".
Esempio
Un conteggio grezzo di frequenza potrebbe metterebbe "il" e "che" in testa a qualsiasi chat italiana; filtrare le stopword e favorire le frasi di più parole fa emergere invece qualcosa come "amore mio" o "sto arrivando".
Domande frequenti
Perché filtrare per lingua "rilevata" invece di una lingua fissa?+
Perché una chat non è garantito che sia in una lingua particolare, e un filtro costruito per quella sbagliata lascerebbe passare esattamente le parole funzionali che dovrebbe rimuovere.
I segnaposto "media omessi" finiscono mai in questa lista per errore?+
Non dovrebbero — un segnaposto per un allegato è riconosciuto come media, non come una frase scritta da qualcuno, ed è escluso del tutto dal conteggio delle espressioni.
Termini correlati
- Parola caratteristicaLa singola parola dove la differenza di utilizzo tra due persone è più ampia — misurata come tasso, non come conteggio grezzo, così chi scrive più non vince per default.
- Conteggio delle emoji (per grafema)Contare le emoji correttamente significa contare i simboli interi come vengono mostrati — non i caratteri grezzi con cui un’emoji composta è segretamente costruita.