9  Last view: 2023-10-13

Eesti keele ühendkorpuse 2021 lemmade ja sõnavormide sagedusloendid.

Eesti keele ühendkorpuse 2021 lemmade ja sõnavormide sagedusloendid

https://www.eki.ee/tarkvara/

Sagedusloendid on genereeritud Eesti keele ühendkorpuse 2021 (Estonian National Corpus 2021) allkorpuste alusel. Valikus on järgmised allkorpused: Veebikorpus 2021 (Web 2021), Vikipeedia 2021 (Wikipeadia 2021), DOAJ, Uudisvood 2014-2021 (Feeds 2014-2021), Kirjadus (Literature). Seega kajastab korpus kõige värskemat keelekasutust. Allkorpustes Uudisvood 2014-2021 ja Kirjadus on ka materjali, mis on pärit varasematest aastatest.
Korpuse maht:
- 944 907 713 sõnet
- 7 756 705 erinevat lemmat
- 857 784 lemmat üle sageduspiiri (ipm* 0,011, mis vastab ENC 2021 puhul sagedusele 10 või rohkem).

Lemmad on töötlemata, mis tähendab, et
- suur- ja väiketähelised kujud on ühendamata;
- sagedused näitavad üksiksõna kasutust (ühendverbe, nimisõnafraase jm näidatakse osiste kaupa);
- esineda võib võõrkeelseid sõnesid;
- sõnaliiki pole arvestatud ('hall' A ja 'hall' S on koos)**.

* ipm (instances per million) näitab lemma või sõne puhul promille ehk keskmist esinemist miljoni kohta.

** Eesti keele jaoks pole 'lempos' ehk lemma+sõnaliik oluline, sest sõnaliike eristab juba väliskuju ning
'hall' näitel jääks homonüümne hall+S (hallaöö, spordihall) ikkagi üheks lemmaks.

Viita kui: Hein, Indrek 2022. Eesti keele ühendkorpuse 2021 lemmade ja sõnavormide sagedusloendid. Eesti Keele Instituut. DOI: 10.15155/3-00-0000-0000-0000-08D1FL