Wordlist: frequency listsWordlist : les listes de fréquences
Producing a frequency list
For this first function I set out the steps; for the ones after it, you explore more on your own.
Go to Wordlist in the left-hand menu.
Wordlist produces the ranking of the most frequent words of a corpus. It is a basic function, and it answers several questions at once: what vocabulary dominates a domain, which words are function words, what the nouns alone look like, what is frequent and what is rare.
The list can count lemmas lemmalemme linguisticslinguistique The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go.Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller. rather than forms: in French, “va”, “allons” and “allait” then count together under “aller”.
Start with the “LEARN” tab, which documents the function well.
Go back to “BASIC”, keep the default values (“words”, “all”) and click “GO”.
The result lists every word of the corpus by decreasing frequency. Finding nothing but function words in the top 50 is normal: that is the profile of every language.
Filtering the list
Do the same thing again, selecting “noun” to keep only nouns.
Hardly a surprise for classical literature, but telling: the corpus contains far more “homme” than “femme”, and even more “monsieur” than “femme”.
Another cut, the French verb forms ending in “ée”:
Advanced mode gives more control still: treating capitals as distinctive or not, setting a minimum and a maximum frequency, restricting to a subcorpus or to text types.
Exercises
The three exercises are done in Gutenberg French 2020, with the Wordlist function. Look in the tool first; the answer is checked right in the page.
In the Gutenberg corpus, what is the frequency of the most frequent adjective that contains an "a"? Include nonwords and ignore capitalization.
Dans le corpus Gutenberg, quelle est la fréquence de l'adjectif le plus fréquent qui contient un « a » ? Incluez les « nonwords » et ignorez la casse.
Show the explanationVoir l'explication
The most frequent adjective containing an "a" is "grand", with 383,550 occurrences. To find it: in Wordlist, select "adjective" as the part of speech; the results are sorted by frequency, so look for the first one that contains an "a".
L'adjectif le plus fréquent contenant un « a » est « grand », avec 383 550 occurrences. Pour le trouver : dans Wordlist, sélectionnez « adjective » comme catégorie grammaticale ; les résultats sont triés par fréquence, cherchez le premier qui contient un « a ».
What is the most frequent pronoun in the Gutenberg corpus? Include nonwords and ignore capitalization.
Quel est le pronom le plus fréquent dans le corpus Gutenberg ? Incluez les « nonwords » et ignorez la casse.
Show the explanationVoir l'explication
The pronoun "il" occurs 2,784,254 times in the corpus. "Elle" comes only 9th, with 994,019 occurrences, almost three times fewer. That reflects the unequal place of male and female characters in the classical French literature this corpus is made of.
Le pronom « il » apparaît 2 784 254 fois dans le corpus. « elle » n'arrive qu'en 9e position, avec 994 019 occurrences, presque trois fois moins. Cela reflète la place inégale des personnages masculins et féminins dans la littérature française classique qui compose ce corpus.
The last one needs advanced mode, and one detail: the search has to stay case-sensitive.
Use the advanced search of Wordlist to find the most frequent word beginning with a capital B.
Utilisez la recherche avancée de Wordlist pour trouver le mot le plus fréquent qui commence par un B majuscule.
Show the explanationVoir l'explication
Answer: "Bien", with 14,923 occurrences. In Wordlist > ADVANCED, use find words > starting with and enter B, then uncheck A = a so that the search tells capitals from lower case. "Bien" owes its frequency to its position at the start of a sentence, very common in literary dialogue.
Réponse : « Bien », avec 14 923 occurrences. Dans Wordlist > ADVANCED, utilisez find words > starting with et entrez B, puis décochez A = a pour que la recherche distingue les majuscules des minuscules. « Bien » doit sa fréquence à sa position en début de phrase, très courante dans les dialogues littéraires.
Produire une liste de fréquences
Pour cette première fonctionnalité, je détaille les étapes ; pour les suivantes, ce sera à vous d’explorer de façon plus autonome.
Naviguez vers Wordlist dans le menu de gauche.
Wordlist produit le classement des mots les plus fréquents d’un corpus. C’est une fonction de base, et elle répond à plusieurs questions à la fois : quel vocabulaire domine un domaine, quels mots sont des mots-outils, à quoi ressemblent les noms seuls, ce qui est fréquent et ce qui est rare.
La liste peut compter les lemmes lemmalemme linguisticslinguistique The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go.Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller. plutôt que les formes : « va », « allons » et « allait » comptent alors ensemble sous « aller ».
Commencez par l’onglet « LEARN », qui documente bien la fonction.
Revenez à « BASIC », gardez les valeurs par défaut (« words », « all ») et cliquez sur « GO ».
Le résultat liste tous les mots du corpus par fréquence décroissante. Ne trouver que des mots de fonction dans le top 50 est normal : c’est le profil de toutes les langues.
Filtrer la liste
Refaites la même chose en sélectionnant « noun » pour ne garder que les noms.
Peu surprenant pour de la littérature classique, mais parlant : le corpus contient beaucoup plus de « homme » que de « femme », et même plus de « monsieur » que de « femme ».
Autre découpage, les verbes qui se terminent par « ée » :
Le mode avancé donne encore plus de contrôle : traiter ou non les majuscules comme distinctives, fixer une fréquence minimale et maximale, restreindre à un sous-corpus ou à des types de textes.
Exercices
Les trois exercices se font dans Gutenberg French 2020, avec la fonction Wordlist. Cherchez d’abord dans l’outil ; la réponse se vérifie directement dans la page.
In the Gutenberg corpus, what is the frequency of the most frequent adjective that contains an "a"? Include nonwords and ignore capitalization.
Dans le corpus Gutenberg, quelle est la fréquence de l'adjectif le plus fréquent qui contient un « a » ? Incluez les « nonwords » et ignorez la casse.
Show the explanationVoir l'explication
The most frequent adjective containing an "a" is "grand", with 383,550 occurrences. To find it: in Wordlist, select "adjective" as the part of speech; the results are sorted by frequency, so look for the first one that contains an "a".
L'adjectif le plus fréquent contenant un « a » est « grand », avec 383 550 occurrences. Pour le trouver : dans Wordlist, sélectionnez « adjective » comme catégorie grammaticale ; les résultats sont triés par fréquence, cherchez le premier qui contient un « a ».
What is the most frequent pronoun in the Gutenberg corpus? Include nonwords and ignore capitalization.
Quel est le pronom le plus fréquent dans le corpus Gutenberg ? Incluez les « nonwords » et ignorez la casse.
Show the explanationVoir l'explication
The pronoun "il" occurs 2,784,254 times in the corpus. "Elle" comes only 9th, with 994,019 occurrences, almost three times fewer. That reflects the unequal place of male and female characters in the classical French literature this corpus is made of.
Le pronom « il » apparaît 2 784 254 fois dans le corpus. « elle » n'arrive qu'en 9e position, avec 994 019 occurrences, presque trois fois moins. Cela reflète la place inégale des personnages masculins et féminins dans la littérature française classique qui compose ce corpus.
Le dernier demande le mode avancé, et un détail : la recherche doit rester sensible à la casse.
Use the advanced search of Wordlist to find the most frequent word beginning with a capital B.
Utilisez la recherche avancée de Wordlist pour trouver le mot le plus fréquent qui commence par un B majuscule.
Show the explanationVoir l'explication
Answer: "Bien", with 14,923 occurrences. In Wordlist > ADVANCED, use find words > starting with and enter B, then uncheck A = a so that the search tells capitals from lower case. "Bien" owes its frequency to its position at the start of a sentence, very common in literary dialogue.
Réponse : « Bien », avec 14 923 occurrences. Dans Wordlist > ADVANCED, utilisez find words > starting with et entrez B, puis décochez A = a pour que la recherche distingue les majuscules des minuscules. « Bien » doit sa fréquence à sa position en début de phrase, très courante dans les dialogues littéraires.
Sources
- Kilgarriff, A., Baisa, V., Bušta, J., Jakubíček, M., Kovář, V., Michelfeit, J., Rychlý, P., & Suchomel, V. (2014). The Sketch Engine: ten years on. Lexicography, 1(1), 7–36. https://doi.org/10.1007/s40607-014-0009-9
- Sketch Engine (2020). Gutenberg Corpora 2020. sketchengine.eu. https://www.sketchengine.eu/gutenberg-corpora-2020/
Sources
- Kilgarriff, A., Baisa, V., Bušta, J., Jakubíček, M., Kovář, V., Michelfeit, J., Rychlý, P., & Suchomel, V. (2014). The Sketch Engine: ten years on. Lexicography, 1(1), 7–36. https://doi.org/10.1007/s40607-014-0009-9
- Sketch Engine (2020). Gutenberg Corpora 2020. sketchengine.eu. https://www.sketchengine.eu/gutenberg-corpora-2020/