Posted By: Hawk (Wanna be pinetree) on 'CZbbsnews' Title: Liane chat - statistika slov Date: Thu Nov 14 22:02:56 1996 Ahoj vsici! ctu takhle dneska na CZFlames od AHAce: > ... nemate nekdo chut udelat analyzu chatu za jeden den? Nejcasteji > pouzivana slova a tak? ... a rikam si - to je napad! A nebylo to ani tak tezky - skriptik jsem napsal v shellu za cca 15 minut (diky, grepe a sede). No, pak jsem vlezl do chatu a do log souboru zaznamenal dnesni main v chatu od 12:00 do 20:30, tj. 8 a pul hodiny. Z cca 220kB souboru byly odstraneny systemove hlasky a uvozeni uzivatelu (presneji slova koncici na ':'), odstranena diakritika (aby "ale" a ",ale" byla stejna slova) a byla provedena cetnostni analyza (case sensitive). Vysledky jsou opravdu zajimave: * cela seance mela 6918 radek textu, z toho 1767 systemovych (25% !!) * celkem slov: 17964 tj. 2113 slov za hodinu, tj. 35 slov za minutu * nejcastejsi slova (vybiram jen to nejzajimavejsi, pochopitelne) to 506 x (2.8%) je 397 x (2.2%) se 355 x (1.9%) .... nasleduje prehrsel ceskych kratkych slov jako a,na,ze,ja,co,tak,tu, si,ale,ne,jo,no ... pozdravy: Hi, hi, HI 355 x (1.9%) cau, Cau 120 x ahoj, Ahoj 79 x hoj, Hoj 69 x re 67 x nazdar, Nazdar 31 x zdar 21 x ahojky 10 x Caf 9 x haf 7 x cauky 6 x ahojka 5 x zajimava slova: lidi 45 x ; prvni nezajmeno, nepredlozka apod. !! pivo 19 x ; :))) nahodou 19 x ; taky rikate ? sorry 15 x ; viz tez prosim Prahy 14 x ; tolik lidi z prahy? prosim 10 x ; dyt to rikam, uzivatele jsou vychovani Plzne 9 x ; v tesnem zavesu :) <70 a za sebou> 7 x ; kam padal? becher 6 x ; mene obliben nez pivo? spis mene casto .. :) motorovou 4 x ; mela ji ? fernet 3 x ; alkohol viditelne vede zoofilie 3 x ; co asi resili ? bodnoreznosecne 1 x ; to je hezky slovo! perly: vole 9 x svine 6 x prase 5 x prde 3 x fuck 2 x hovno 1 x idiote 1 x Slov s cetnosti 1 bylo celkem 4217, s cetnosti 2 ... 767, s cetnosti 3 .. 286, 4 .. 168, atd. - jasny priklad platnosti Zipfova zakona. Celkem ma prumerny zavislak ve svem odpolednim slovniku cca 5958 ruznych slov, ale rekneme si to rovnou - tretina jsou preklepy, nekdy dost hezky. Uff ... loucim se s Vami, vy grafomani vas "lingvista" :) ..---.. ___ ..---.. Hawk ' 'o o` ` " rsvo1382@barbora.ms.mff.cuni.cz