단어 빈도 분석

글자수 세기와 같은 방식으로 글을 단어로 나눕니다. 띄어쓰기로 나뉜 덩어리(어절)가 한 단어이고, 단어 안의 하이픈과 아포스트로피는 단어의 일부입니다.

한국어에서 중요한 점은 조사와 어미가 붙으면 다른 단어로 센다는 것입니다. 커피, 커피는, 커피를은 목록에서 세 줄로 나옵니다. 이 도구는 형태소 분석으로 단어를 기본형으로 되돌리지 않으므로 숫자가 정확하고 예측할 수 있습니다. 어떤 말이 쓰인 형태를 모두 합한 수가 필요하면 목록에서 직접 더하거나, 단어 횟수 세기에서 “단어 전체만”을 끄고 세세요.

빈도는 단어가 나온 횟수이고, 밀도는 그 횟수를 전체 단어 수로 나눈 뒤 100을 곱한 값입니다.

• 55단어 문단에서 3번 나온 “커피” = 3 ÷ 55 × 100 = 5.45%.
• 밀도는 항상 흔한 단어까지 포함한 전체 단어 수로 계산하므로, 목록에서 “그”나 “및”을 건너뛰어도 다른 단어의 비율은 바뀌지 않습니다.

영어 단어가 섞여 있을 때 대소문자 구분을 끄면 Seoul과 seoul을 함께 셉니다.

단어 빈도는 지프의 법칙이라는 규칙을 따릅니다. 가장 많이 쓰인 단어는 두 번째 단어보다 약 두 배, 세 번째 단어보다 약 세 배 자주 나오는 식입니다. 한국어, 영어를 비롯해 거의 모든 언어에서 나타납니다.

내 목록에서도 같은 곡선이 보입니다. 위쪽에 아주 자주 쓴 단어 몇 개가 있고, 그 아래로 한두 번 쓴 단어가 길게 이어집니다. 기능어 사이로 내용어(명사, 동사, 형용사)가 올라와 있다면 그것이 글의 진짜 주제이거나 너무 자주 쓴 단어입니다.

빈도 분석은 키워드가 몇 번 나오는지 보여 주지만 “정답” 밀도는 없습니다. Google 스팸 정책은 순위를 조작하려고 같은 단어나 구절을 부자연스럽게 반복해 페이지를 키워드로 채우는 것을 키워드 스터핑으로 정의합니다.

목록은 반대 방향으로 쓰세요. 먼저 독자를 위해 쓰고, 필요한 곳에 관련 단어가 나오는지, 어색할 만큼 되풀이한 단어는 없는지 확인하세요. 한국어 키워드는 조사에 따라 여러 형태로 나뉜다는 점도 기억하세요. 독자에게 “글자수”, “글자수를”, “글자수가”는 같은 주제입니다. 특정 단어 한두 개를 세려면 단어 횟수 세기를, 반복한 구절을 찾으려면 반복 구절 찾기를 이용하세요.