Worthäufigkeiten in einem Text analysieren

Geeignete Einsatzsituationen

Der Word Frequency Analyzer hilft Ihnen dabei, wiederkehrende Textbestandteile nach ihrer gezählten Häufigkeit zu betrachten. Das eignet sich etwa für einen Entwurf, eine Stichprobe oder eine kurze Textprüfung, wenn Sie sehen möchten, welche erkannten Tokens besonders oft vorkommen. Die Ausgabe verbindet die Häufigkeitszahlen mit Prozentwerten und relativen Balken, damit Sie die Rangfolge aus mehreren Blickwinkeln lesen können. Bei deutschen Texten sollten Sie die Anzeige als Token-Auswertung verstehen, nicht als sprachwissenschaftliche Bestimmung vollständiger deutscher Wörter. Entscheidend ist daher, welche Zeichenfolge die Erkennung aus Ihrer Eingabe bildet. Die Eingabe wird für die Analyse in Kleinbuchstaben umgewandelt, wodurch unterschiedliche Groß- und Kleinschreibung bei der Zählung zusammenfällt. So erhalten Sie eine praktisch lesbare Übersicht, müssen sprachspezifische Schreibweisen aber bei der Deutung berücksichtigen.

Text eingeben und Optionen festlegen

1. Fügen Sie den zu prüfenden Inhalt in das Texteingabefeld ein. Das Feld darf leer bleiben; ohne Eingabe wird eine leere Zeichenfolge verarbeitet und die erfolgreiche Analyse weist null Gesamtwörter sowie null eindeutige Wörter aus.
2. Prüfen Sie die Einstellung für die integrierte Stoppwortliste. Die Filterung ist zunächst aktiviert. In diesem Zustand werden Wörter aus dieser eingebauten Liste nicht in die gezählten Häufigkeiten übernommen. Deaktivieren Sie die Option, wenn diese Wörter für Ihre Fragestellung mitgezählt werden sollen.
3. Legen Sie bei Bedarf die Zahl der angezeigten häufigsten Treffer fest. Der Standardwert beträgt 20. Umwandelbare Werte werden in ganze Zahlen überführt und auf mindestens 5 sowie höchstens 100 begrenzt. Ein leerer oder sonst nicht gesetzter Wert führt wieder zum Standardwert 20.
4. Starten Sie die Auswertung und sehen Sie sich die Trefferliste an. Die Erkennung verwendet Tokens aus den ASCII-Buchstaben a bis z und Apostrophen. Satzzeichen, Ziffern, nicht-ASCII-Zeichen und Bindestriche werden deshalb nicht als einheitliche vollständige Tokens aus dieser Zeichenmenge erfasst.
5. Vergleichen Sie die Einträge nach ihrer Häufigkeitszahl. Die Reihenfolge beginnt mit den höheren Zählwerten und führt zu niedrigeren Werten. Prüfen Sie anschließend, ob Filterung und Anzahl der angezeigten Treffer zu Ihrem Auswertungsziel passen.

Zahlen und Balken einordnen

Die Häufigkeitszahl beschreibt, wie oft ein behaltenes Token gezählt wurde. Der Prozentwert setzt diesen Zählwert ins Verhältnis zur Gesamtzahl der extrahierten Tokens und wird auf zwei Dezimalstellen gerundet. Ein relativer Balken bezieht sich dagegen auf die höchste behaltene Häufigkeit und wird auf eine Dezimalstelle gerundet. Ein langer Balken zeigt somit eine starke Stellung im Vergleich zum Spitzenwert; daraus lässt sich nicht automatisch ein bestimmter Anteil am gesamten Text ablesen.

Die gewählte Stoppwortoption verändert, welche Tokens in den Häufigkeiten vorkommen. Ein Vergleich zwischen zwei Auswertungen ist deshalb nur sinnvoll, wenn diese Einstellung gleich bleibt. Ebenso beeinflusst die Top-N-Zahl den sichtbaren Ausschnitt: Bei einem höheren Wert sehen Sie mehr der nach Häufigkeit geordneten Einträge, ohne dass sich daraus eine sprachwissenschaftliche Bewertung ergibt. Bei Umlauten und weiteren nicht-ASCII-Zeichen ist besondere Zurückhaltung nötig, weil die dokumentierte Erkennung keine allgemeine deutsche Worterfassung darstellt. Lesen Sie die Werte daher als Ergebnis der festgelegten Zeichenerkennung.

Praktisches Beispiel

Sie untersuchen einen kurzen deutschen Absatz, um die darin am häufigsten erkannten Textbestandteile zu finden.

Fügen Sie den Absatz ein, lassen Sie die voreingestellte Stoppwortfilterung bestehen und kontrollieren Sie danach Rangfolge, Prozentangaben und Balkenwerte.

Die Ausgabe zeigt eine nach abnehmender Häufigkeit geordnete Trefferliste. Zu jedem behaltenen Token erscheinen ein Zählwert, ein Prozentwert mit zwei Dezimalstellen und ein relativer Balken mit einer Dezimalstelle.

Einschränkungen

• Die Auswertung bildet deutsche Wortformen nicht automatisch vollständig ab und zeigt nur den eingestellten oberen Ausschnitt der Treffer.

Häufige Fehler

• Wenn Begriffe mit Umlauten, Ziffern oder Bindestrichen unerwartet erscheinen oder fehlen, wurde vermutlich eine Zeichenfolge außerhalb der erkannten ASCII-Buchstaben und Apostrophen erwartet. Deuten Sie den Eintrag dann als erkanntes Token und nicht als vollständige deutsche Wortform.

Häufige Fragen

Was geschieht bei leerer Eingabe?

Bei leerem oder ausgelassenem Text wird eine leere Zeichenfolge ausgewertet. Die erfolgreiche Ausgabe weist dann null Gesamtwörter und null eindeutige Wörter aus.

Ist die Stoppwortfilterung voreingestellt?

Die Option ist zunächst aktiviert und schließt Wörter aus der integrierten Stoppwortliste aus den Häufigkeitszahlen aus. Schalten Sie sie aus, wenn diese Wörter in Ihrer Zählung erscheinen sollen.

Welche Trefferzahl gilt standardmäßig?

Ohne eigene Einstellung werden 20 Treffer berücksichtigt. Umwandelbare Werte landen als ganze Zahlen zwischen 5 und 100; ein leerer oder nicht gesetzter Wert verwendet erneut 20.