Worthäufigkeiten eines Textes mit der Word Frequency Map analysieren

Geeignete Einsatzbereiche der Worthäufigkeitsanalyse

Die Word Frequency Map wertet einen eingegebenen Text nach der Häufigkeit seiner beibehaltenen Wort-Tokens aus. Das eignet sich etwa, wenn Sie wiederkehrende Begriffe in Feedback, Notizen oder einem Entwurf erkennen möchten. Für die Auswertung stehen mehrere Einstellungen zur Verfügung: Eine aktivierte Stopwortfilterung schließt Begriffe aus einer integrierten Stopwortliste aus, und eine Mindestlänge kann sehr kurze Tokens aus der Zählung fernhalten. Zusätzlich bestimmen Sie, wie viele Begriffe in der Ergebnisliste erscheinen. So können Sie eine kurze Rangliste für einen schnellen Überblick oder eine breitere Auswahl für eine genauere Sichtung anfordern.

Die Analyse Schritt für Schritt durchführen

1. Fügen Sie den zu untersuchenden Text in das Texteingabefeld ein. Die Eingabe ist optional; wenn Sie keinen Text angeben, wird die Auswertung erfolgreich beendet und enthält keine Wort-Einträge sowie Summen von null.

2. Prüfen Sie die Filtereinstellungen vor dem Start. Die Stopwortfilterung ist standardmäßig aktiviert. Bei eingeschalteter Filterung werden Begriffe aus der integrierten Stopwortliste nach der Mindestlängenprüfung nicht berücksichtigt. Als Ausgangswert gilt eine Mindestlänge von 3 Zeichen. Ein anderer Wert wird in eine ganze Zahl umgewandelt und auf mindestens 1 begrenzt. Ein nicht leerer Wert, der sich nicht in eine ganze Zahl umwandeln lässt, kann die Verarbeitung jedoch fehlschlagen lassen.

3. Legen Sie bei Bedarf das Anzeigelimit fest. Der Standardwert beträgt 30 Begriffe. Auch dieses Limit wird in eine ganze Zahl umgewandelt und auf den Bereich von 5 bis 100 begrenzt. Ein nicht leerer, nicht umwandelbarer Wert kann ebenfalls einen Fehler verursachen.

4. Starten Sie die Analyse. Der Text wird zunächst in Kleinbuchstaben umgewandelt. Zeichen, die keine ASCII-Buchstaben, Leerzeichen oder Apostrophe sind, werden durch Leerzeichen ersetzt; danach wird der verbleibende Text an Leerzeichen getrennt. Bei deutschen Eingaben bleiben Umlaute deshalb nicht als solche in den analysierten Tokens erhalten. Ziffern und die meisten Satzzeichen werden entfernt oder durch Leerzeichen ersetzt.

5. Lesen Sie die Ergebnisliste von oben nach unten. Die beibehaltenen Begriffe werden nach ihrer Anzahl absteigend sortiert, und die Liste wird auf das normalisierte Anzeigelimit gekürzt. Kontrollieren Sie vor einem Vergleich mehrerer Texte, ob Sie dieselben Filter- und Begrenzungswerte verwendet haben.

Die angezeigten Werte richtig einordnen

Jeder angezeigte Begriff wird mit seiner Anzahl aufgeführt. Daneben sehen Sie einen prozentualen Anteil an den beibehaltenen Tokens, der auf zwei Nachkommastellen gerundet ist. Der relative Balkenwert wird auf eine Nachkommastelle gerundet. Die Gesamtzahl der beibehaltenen Tokens und die Zahl der unterschiedlichen beibehaltenen Begriffe liefern zusätzliche Bezugspunkte für die Einordnung.

Ein hoher Zähler zeigt, dass ein Token innerhalb der beibehaltenen Textmenge häufig vorkommt. Daraus folgt nicht automatisch, dass dieser Begriff inhaltlich besonders wichtig ist. Die Prozentwerte beziehen sich ebenfalls auf die beibehaltenen Tokens und nicht auf den unveränderten Ausgangstext. Eine kleine Anzeigebegrenzung kann außerdem dazu führen, dass unterschiedliche Begriffe zwar gezählt, aber nicht in der Liste angezeigt werden.

Bei deutschen Texten sollten Sie die Zeichenbereinigung besonders beachten. Ein Wort mit Umlaut kann durch die Normalisierung verändert werden, sodass das Ergebnis nicht ohne weitere Prüfung als sprachwissenschaftliche Zählung des Originaltexts geeignet ist. Die Rangliste beschreibt somit die durch Mindestlänge und Stopwortfilterung ausgewählte Tokenmenge. Für eine faire Gegenüberstellung von Texten sind einheitliche Einstellungen und eine identische Vorbereitung der Eingaben sinnvoll.

Praktisches Beispiel

Sie untersuchen ein deutsches Produktfeedback, um wiederkehrende Begriffe zu erkennen und sehr kurze Tokens aus der Auswertung herauszuhalten.

Als Eingabe dient der Satz Die Suche ist schnell, die Suche bleibt übersichtlich. Lassen Sie die Stopwortfilterung aktiviert, setzen Sie die Mindestlänge auf 4 und begrenzen Sie die Anzeige auf 10 Begriffe, bevor Sie die Analyse starten.

Es erscheint eine nach Häufigkeit absteigend sortierte Liste mit den vorkommenden Begriffen, ihren Zählwerten, Prozentanteilen auf zwei Nachkommastellen und relativen Balkenwerten auf eine Nachkommastelle; zusätzlich werden die Gesamtzahl beibehaltenen Tokens und die Zahl unterschiedlicher Begriffe ausgewiesen. Bei dieser Mindestlänge von 4 ist der häufigste verbleibende Begriff "suche" mit 2 Nennungen; da das "ü" in "übersichtlich" kein ASCII-Zeichen ist, wird es bei der Normalisierung entfernt.

Einschränkungen

• Die Auswertung repräsentiert nicht zwingend jedes Wort des Ausgangstexts. Stopwörter, Tokens unter der Mindestlänge und bei einem kleineren Anzeigelimit nicht gelistete Begriffe können fehlen; nicht-ASCII-Zeichen, Ziffern und die meisten Satzzeichen werden bei der Normalisierung ersetzt.

Häufige Fehler

• Ein nicht umwandelbarer, nicht leerer Einstellungswert kann die Verarbeitung scheitern lassen. Verwenden Sie für Mindestlänge und Anzeigelimit ganze Zahlen innerhalb der vorgesehenen Bereiche.

Häufige Fragen

Kann ich Stopwörter in die Auswertung aufnehmen?

Die Stopwortfilterung ist zunächst aktiviert. Wenn Sie sie ausschalten, werden Begriffe aus der integrierten Stopwortliste nicht auf diese Weise ausgeschlossen; bei eingeschalteter Filterung greift der Ausschluss nach der Mindestlängenprüfung.

Welche Mindestlänge gilt für Wörter?

Für die Mindestlänge sind zunächst 3 Zeichen vorgesehen. Ein eingegebener Wert wird als ganze Zahl behandelt und auf mindestens 1 begrenzt; ein nicht leerer Inhalt ohne gültige Ganzzahl kann die Verarbeitung scheitern lassen.

Was passiert ohne Texteingabe?

Wenn das Texteingabefeld leer bleibt oder nicht ausgefüllt wird, endet die Auswertung erfolgreich ohne Wort-Einträge und mit Summen von null. Sobald Text vorhanden ist, beeinflussen Normalisierung, Filterung und Anzeigelimit die ausgewiesene Auswahl.