Word Frequency: Phân tích tần suất từ và tạo đám mây từ trực tuyến

Công cụ đếm số lần mỗi từ xuất hiện trong văn bản và trình bày kết quả theo hai cách: một đám mây từ, trong đó kích thước của từ tỷ lệ thuận với tần suất của nó, và một bảng với số lần xuất hiện cùng tỷ lệ chính xác. Hãy dán văn bản vào ô nhập liệu — việc phân tích diễn ra ngay khi bạn nhập. Đám mây từ có thể tải về dưới dạng PNG, còn bảng thì có thể sao chép hoặc xuất ra CSV.

Bigram là một cặp hai từ đứng liền nhau, chẳng hạn "tối ưu hóa công cụ tìm kiếm" hay "trang sản phẩm". Các từ đơn lẻ cho biết văn bản nói về điều gì, còn bigram cho biết văn bản diễn đạt điều đó bằng những cụm từ nào. Với SEO, điều này gần với hành vi tìm kiếm thực tế hơn, bởi người dùng tìm kiếm bằng cụm từ chứ không phải bằng từng từ rời rạc. Nút chuyển phía trên phần thiết lập sẽ đổi chế độ phân tích cho cả đám mây từ lẫn bảng cùng một lúc.

Từ dừng là những từ bạn không muốn thấy trong kết quả. Thường gặp nhất là lớp từ chức năng: giới từ, liên từ, đại từ, tiểu từ. Chúng xuất hiện nhiều nhất trong mọi văn bản nhưng không nói lên điều gì về nội dung: nếu không bỏ đi, phần đầu bảng sẽ đầy «của», «và», «là», «trong». Công cụ không áp đặt một từ điển dựng sẵn: thế nào là thừa còn tùy văn bản và tùy việc, nên danh sách do bạn tự đặt. Hãy ghi vào ô «Danh sách từ dừng» mọi thứ không cần thiết: từ chức năng, tên thương hiệu, mã sản phẩm, những cách diễn đạt lặp lại. Dấu phân cách dùng gì cũng được: dấu phẩy, dấu cách, xuống dòng. Danh sách có hiệu lực ngay và hiện ra đầy đủ, nên lúc nào cũng rõ chính xác những gì đã bị loại khỏi phép đếm.

Đó là tỷ lệ giữa số dạng từ duy nhất và tổng số từ, biểu thị bằng phần trăm (trong ngôn ngữ học gọi là type-token ratio). Một trăm phần trăm nghĩa là không có từ nào lặp lại. Chỉ số càng thấp thì văn bản càng quẩn quanh cùng những từ giống nhau. Chỉ số này phụ thuộc vào độ dài: văn bản ngắn luôn cho kết quả cao hơn, nên chỉ nên so sánh những văn bản có độ dài tương đương.

Dựa trên tốc độ đọc thầm trung bình — 200 từ mỗi phút, kết quả được làm tròn lên thành số phút chẵn. Đây là con số tham khảo về độ dài, không phải phép đo chính xác: tốc độ thực tế phụ thuộc vào độ khó của văn bản, ngôn ngữ và trình độ của người đọc. Một văn bản kỹ thuật đầy thuật ngữ và công thức sẽ đọc chậm hơn hẳn so với văn bản văn học.

Nó cắt bỏ các từ chức năng ngắn và những mảnh vụn không mang nghĩa, mà không cần danh sách từ dừng — tiện khi liệt kê từng từ một sẽ mất thời gian. Mặc định là 3 ký tự. Tăng lên 5–6 để chỉ giữ lại lớp từ mang nội dung, hoặc giảm xuống 1 để thấy mọi token, kể cả số. Giới hạn không áp dụng cho chữ Hán và Hangul: một từ tiếng Trung hay tiếng Hàn chỉ gồm một hoặc hai ký tự, và một ngưỡng chung sẽ xóa sạch chúng.

Trên trang chỉ hiển thị mười vị trí đầu tiên — như vậy là đủ để thấy bức tranh chung mà không làm trang bị kéo dài. Nút sao chép và nút xuất CSV trả về toàn bộ danh sách, dù nó dài đến đâu. Ngay bên dưới bảng luôn ghi rõ có bao nhiêu dòng đang hiển thị và tổng cộng có bao nhiêu dòng.

Không đi đâu cả: toàn bộ quá trình phân tích chạy trong trình duyệt, ngay trên thiết bị của bạn. Văn bản không được gửi lên máy chủ, không được lưu lại và không lọt vào bất kỳ nhật ký nào, nên bạn có thể yên tâm đưa vào đây các bản nháp, tài liệu nội bộ và tài liệu của khách hàng. Hình ảnh và tệp CSV cũng được tạo ra ngay tại máy bạn.