സൗജന്യ വാക്ക് ആവൃത്തി എണ്ണക്കാരൻ

ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നു

വേഡ് ഫ്രീക്വൻസി അനാലിസിസ് കൈകൊണ്ട് എഴുതിയ ഒരു ടോക്കണൈസറും ഒരു JavaScript Map-ഉം ഉപയോഗിച്ച് പൂർണ്ണമായും നിങ്ങളുടെ ബ്രൗസറിൽ പ്രവർത്തിക്കുന്നു — ലൈബ്രറി ഇല്ല, സെർവർ ഇല്ല. നിങ്ങൾ ടൈപ്പ് ചെയ്യുകയോ പേസ്റ്റ് ചെയ്യുകയോ ചെയ്യുന്ന നിമിഷം ടെക്സ്റ്റ് പാഴ്സ് ചെയ്യുകയും, എണ്ണുകയും, ലോക്കലായി റാങ്ക് ചെയ്യുകയും ചെയ്യുന്നു.

1. 1
   Unicode-ബോധമുള്ള ടോക്കണൈസേഷൻ

   ടൂൾ നിങ്ങളുടെ ടെക്സ്റ്റ് ലോവർകേസ് ചെയ്യുന്നു, പിന്നെ Unicode പ്രോപ്പർട്ടി regex \p{L}\p{M} ഉപയോഗിച്ച് ടോക്കണുകൾ extract ചെയ്യുന്നു — ഇത് ആക്സന്റുള്ള അക്ഷരങ്ങളും നോൺ-Latin സ്ക്രിപ്റ്റുകളും ശരിയായി കൈകാര്യം ചെയ്യുന്നു. CJK ടെക്സ്റ്റിന് (Chinese, Japanese, Korean), അവയ്ക്കിടയിൽ സ്പേസുകൾ ഇല്ലാത്ത ക്യാരക്ടറുകൾ സ്പ്ലിറ്റ് ചെയ്യാൻ ഇത് granularity: 'word' ഉള്ള ബ്രൗസറിന്റെ ബിൽറ്റ്-ഇൻ Intl.Segmenter API-ലേക്ക് മാറുന്നു.
2. 2
   സ്റ്റോപ്പ്-വേഡ്, ലെങ്ത് ഫിൽട്ടറിംഗ്

   ഓപ്ഷണൽ ഫിൽട്ടറിംഗ് നിങ്ങളുടെ സൈറ്റ് ലൊക്കേലുമായി പൊരുത്തപ്പെടുന്ന ഒരു ഹാർഡ്കോഡഡ് Set ഉപയോഗിച്ച് സാധാരണ ഫംഗ്ഷൻ വാക്കുകൾ (the, a, is, Spanish, French, German, Italian, Portuguese-ലെ തുല്യങ്ങൾ) നീക്കം ചെയ്യുന്നു. ഒരു കുറഞ്ഞ-നീളം സ്ലൈഡർ എണ്ണൽ ആരംഭിക്കുന്നതിന് മുമ്പ് നിങ്ങളുടെ തിരഞ്ഞെടുത്ത ത്രെഷോൾഡിനേക്കാൾ ചെറിയ ടോക്കണുകൾ നീക്കം ചെയ്യുന്നു.
3. 3
   Map-അധിഷ്ഠിത ഫ്രീക്വൻസി കൗണ്ടിംഗും n-gram മോഡും

   'constructor' പോലുള്ള റിസർവ്ഡ് പ്രോപ്പർട്ടി പേരുകൾ എണ്ണിയ വാക്കുകളുമായി കൂട്ടിയിടിക്കാതിരിക്കാൻ പ്രത്യേകം തിരഞ്ഞെടുത്ത ഒരു JavaScript Map-ൽ ടോക്കണുകൾ ടാലി ചെയ്യുന്നു. bigram അല്ലെങ്കിൽ trigram മോഡിൽ, ടോക്കണൈസർ റോ ടോക്കൺ സ്ട്രീമിലൂടെ ഒരു വിൻഡോ സ്ലൈഡ് ചെയ്ത്, എണ്ണുന്നതിന് മുമ്പ് അടുത്തടുത്ത വാക്കുകൾ ശൈലികളാക്കി ചേർക്കുന്നു.
4. 4
   റാങ്ക് ചെയ്ത ഫലങ്ങളും CSV എക്സ്പോർട്ടും

   ഫലങ്ങൾ കൗണ്ട് അവരോഹണ ക്രമത്തിൽ സോർട്ട് ചെയ്ത് ഒരു റാങ്ക് ചെയ്ത ബാർ ചാർട്ട് ആയി പ്രദർശിപ്പിക്കുന്നു. എക്സ്പോർട്ട് ബ്രൗസറിന്റെ Blob API ഉപയോഗിച്ച് മെമ്മറിയിൽ ഒരു പ്ലെയിൻ-ടെക്സ്റ്റ് CSV ബ്ലോബ് നിർമ്മിക്കുകയും ഒരു ഡൗൺലോഡ് ട്രിഗർ ചെയ്യുകയും ചെയ്യുന്നു — ഒരു ഘട്ടത്തിലും ഒരു സെർവറിലേക്കും ഒന്നും അയക്കപ്പെടില്ല.

അനുബന്ധ ടൂളുകൾ