Unidades e palavras em língua portuguesa:
frequência e ordem

Projecto AC/DC, Linguateca

Information in English


A partir destas páginas, pode aceder à listagem de unidades (palavras e sinais de pontuação), com a respectiva frequência, calculadas com base quer nos distintos corpos de língua portuguesa disponibilizados pelo projecto AC/DC, quer com base nas colecções da rede em português também disponibilizadas pela Linguateca.

As listas referentes aos corpos do AC/DC foram obtidas com recurso à ferramenta cwb-lexdecode do Open CWB (antigo IMS-CWB da Universidade de Estugarda). Os lemas e as categorias gramaticais são apresentadas conforme a sua classificação em contexto pelo anotador sintáctico PALAVRAS, de Eckhard Bick. Todas estas listas foram calculadas a partir das versões anotadas automaticamente dos corpos, pelo que não podemos garantir a exatidão dos resultados.

Frequência e ordem de formas e lemas nos corpos AC/DC

Para consultar a ordem ("ranking") e a frequência de palavras ou expressões sublexicais (dentro de uma mesma palavra), desenvolvemos este serviço, que denominámos ordenador.

Alguns comentários:

Descrição do corpoLista de frequência
total das formas
no corpo
Lista de frequência
total dos lemas
no corpo
Todos os corpos 20,8 Mb 43,4 Mb
Todos os corpos portugueses 15,8 Mb 29,9 Mb
Todos os corpos brasileiros 9,3 Mb 16,4 Mb
AmostRA-NILC 281 kb 120 kb
ANCIB 1,4 Mb 1,0 Mb
Avante! 2,1 Mb 1,5 Mb
Corpus Brasileiro 103,7 Mb 186,9 Mb
CD HAREM 511 kb 263 kb
CETEMPúblico 16,7 Mb 24,0 Mb
CHAVE 12,6 Mb 16,0 Mb
Ciência Viva 739 kb 398 kb
Colonia 2,9 Mb 1,1 Mb
CONDIVport 2,6 Mb 1,3 Mb
CONDIVport2 329 kb 165 kb
CoNE 798 kb 512 kb
C-Oral-Brasil 230 kb 99 kb
CORDIAL-SIN 438 kb 130 kb
DHBB 2,1 Mb 3,9 Mb
DiaCLAV 1,9 Mb 1,7 Mb
Diáspora TL-PT 47 kb 19 kb
ECI-EBR 1022 kb 434 kb
ECI-EE 71 kb 32 kb
ENPCPUB (parte em português) 211 kb 82 kb
Floresta 2,8 Mb 2,1 Mb
FrasesPB 98 kb 44 kb
FrasesPP 83 kb 38 kb
Mariano Gago0 b0 b
LeMe 756 kb 545 kb
Literateca 9,9 Mb 4,9 Mb
Marielle, presente! 441 kb 252 kb
Moçambula 176 kb 76 kb
Museu da Pessoa 711 kb 328 kb
Natura/Minho 1,2 Mb 924 kb
NOBRE 4,1 Mb 1,5 Mb
OBras 4,0 Mb 1,3 Mb
PANTERA, lado português0 b0 b
P'lo Norte 131 kb 55 kb
Português Falado - Documentos Autênticos 138 kb 57 kb
ReLi 259 kb 80 kb
NILC/São Carlos 7,3 Mb 7,1 Mb
todos juntos 171,2 Mb 211,9 Mb
Tycho Brahe 2,4 Mb 1,3 Mb
Vercial 5,8 Mb 2,8 Mb

Procuras parciais, de poucas formas ou lemas:

Formas Lemas

  • Pode procurar usando expressões regulares da linguagem de programação Perl.
  • Para procurar lemas multipalavra, use o seguinte formato: Belo=Horizonte, Castelo=Branco.

Frequência de formas em colecções da rede

Para obter as frequências das colecções na rede, o seguinte algoritmo foi usado:

Não tentámos, em nenhum dos casos, retirar palavras estrangeiras da lista.

ColecçãoNº documentosNº palavrasLista de frequência de formas amalgamando maiúsculas e minúsculasNº de formas distintas amalgamando maiúsculas e minúsculas Lista de frequência de formas fazendo a distinção entre maiúsculas e minúsculasNº de formas distintas fazendo a distinção entre maiúsculas e minúsculas
Colecção WPT-05 9.501.202 5.856.585.035 187M (gz) 25.237.118 206M (gz) 27.861.391
Colecção WPT-03 1.529.758 1.059.436.086 55,1M (tar.gz) 6.834.451
Colecção WBR-99 5.939.061 1.915.526.098 14M (tar.gz) 2.669.965

Frequência de formas e lemas por categoria gramatical nos corpos AC/DC

CorpoFormasLemas
NADJADVVNUMGRAMtodosNADJADVVNUMPROPGRAMtodostodos/pos
AmostRA-NILC 66 kb 30 kb 4 kb 65 kb 2 kb 6 kb 281 kb 51 kb 21 kb 4 kb 19 kb 2 kb 20 kb 1 kb 120 kb 135 kb
ANCIB 271 kb 112 kb 13 kb 202 kb 54 kb 99 kb 1,4 Mb 195 kb 59 kb 10 kb 40 kb 56 kb 707 kb 4 kb 1,0 Mb 1,1 Mb
Avante! 376 kb 234 kb 31 kb 572 kb 40 kb 16 kb 2,1 Mb 242 kb 116 kb 25 kb 61 kb 52 kb 1,0 Mb 3 kb 1,5 Mb 1,6 Mb
Corpus Brasileiro 20,7 Mb 7,0 Mb 359 kb 7,0 Mb 11,9 Mb 905 kb 103,7 Mb 18,7 Mb 5,4 Mb 310 kb 2,5 Mb 15,2 Mb 145,5 Mb 89 kb 186,9 Mb 198,3 Mb
CD HAREM 111 kb 48 kb 7 kb 97 kb 7 kb 7 kb 511 kb 77 kb 30 kb 5 kb 23 kb 7 kb 119 kb 2 kb 263 kb 291 kb
CETEMPúblico 2,4 Mb 1,3 Mb 111 kb 2,8 Mb 1,1 Mb 120 kb 16,7 Mb 1,8 Mb 738 kb 86 kb 290 kb 1,3 Mb 19,8 Mb 8 kb 24,0 Mb 25,5 Mb
CHAVE 2,0 Mb 1,0 Mb 90 kb 2,2 Mb 912 kb 88 kb 12,6 Mb 1,4 Mb 575 kb 69 kb 240 kb 1008 kb 12,8 Mb 7 kb 16,0 Mb 17,1 Mb
Ciência Viva 153 kb 85 kb 11 kb 147 kb 13 kb 19 kb 739 kb 111 kb 48 kb 9 kb 27 kb 15 kb 187 kb 2 kb 398 kb 436 kb
Colonia 544 kb 304 kb 38 kb 1,0 Mb 8 kb 24 kb 2,9 Mb 377 kb 161 kb 32 kb 115 kb 14 kb 409 kb 5 kb 1,1 Mb 1,2 Mb
CONDIVport 504 kb 317 kb 38 kb 662 kb 52 kb 34 kb 2,6 Mb 337 kb 164 kb 30 kb 74 kb 64 kb 689 kb 4 kb 1,3 Mb 1,5 Mb
CONDIVport2 71 kb 30 kb 5 kb 65 kb 6 kb 8 kb 329 kb 50 kb 19 kb 4 kb 17 kb 6 kb 68 kb 2 kb 165 kb 185 kb
CoNE 162 kb 65 kb 7 kb 104 kb 39 kb 25 kb 798 kb 106 kb 33 kb 6 kb 23 kb 42 kb 302 kb 2 kb 512 kb 558 kb
C-Oral-Brasil 55 kb 20 kb 3 kb 48 kb 3 kb 10 kb 230 kb 44 kb 14 kb 2 kb 14 kb 4 kb 20 kb 2 kb 99 kb 115 kb
CORDIAL-SIN 95 kb 22 kb 3 kb 154 kb 1 kb 10 kb 438 kb 61 kb 12 kb 2 kb 20 kb 4 kb 24 kb 2 kb 130 kb 145 kb
DHBB 345 kb 193 kb 20 kb 458 kb 103 kb 15 kb 2,1 Mb 226 kb 101 kb 15 kb 49 kb 108 kb 3,5 Mb 3 kb 3,9 Mb 4,2 Mb
DiaCLAV 353 kb 191 kb 21 kb 476 kb 47 kb 14 kb 1,9 Mb 222 kb 95 kb 17 kb 54 kb 56 kb 1,3 Mb 3 kb 1,7 Mb 1,8 Mb
Diáspora TL-PT 9 kb 3 kb 1 kb 11 kb565 b 3 kb 47 kb 8 kb 2 kb 1 kb 3 kb567 b 3 kb 1 kb 19 kb 22 kb
ECI-EBR 215 kb 120 kb 16 kb 273 kb 5 kb 10 kb 1022 kb 149 kb 69 kb 12 kb 44 kb 13 kb 145 kb 2 kb 434 kb 482 kb
ECI-EE 15 kb 9 kb 2 kb 14 kb 1 kb 3 kb 71 kb 12 kb 6 kb 2 kb 5 kb 1 kb 3 kb 1 kb 32 kb 35 kb
ENPCPUB (parte em português) 45 kb 21 kb 5 kb 55 kb1020 b 6 kb 211 kb 35 kb 15 kb 4 kb 15 kb 1 kb 10 kb 1 kb 82 kb 93 kb
Floresta 554 kb 268 kb 30 kb 574 kb 49 kb 76 kb 2,8 Mb 372 kb 138 kb 26 kb 79 kb 52 kb 1,4 Mb 8 kb 2,1 Mb 2,3 Mb
FrasesPB 26 kb 10 kb 2 kb 19 kb451 b 4 kb 98 kb 22 kb 8 kb 2 kb 8 kb412 b 2 kb 1 kb 44 kb 50 kb
FrasesPP 21 kb 9 kb 2 kb 15 kb514 b 3 kb 83 kb 17 kb 7 kb 2 kb 6 kb490 b 2 kb 1 kb 38 kb 42 kb
Mariano Gago0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b
LeMe 149 kb 110 kb 8 kb 99 kb 33 kb 33 kb 756 kb 108 kb 72 kb 6 kb 25 kb 37 kb 282 kb 20 kb 545 kb 595 kb
Literateca 1,8 Mb 986 kb 109 kb 4,1 Mb 61 kb 110 kb 9,9 Mb 1,3 Mb 548 kb 89 kb 425 kb 69 kb 2,6 Mb 12 kb 4,9 Mb 5,6 Mb
Marielle, presente! 90 kb 42 kb 6 kb 96 kb 11 kb 11 kb 441 kb 61 kb 25 kb 5 kb 21 kb 12 kb 127 kb 2 kb 252 kb 277 kb
Moçambula 39 kb 18 kb 4 kb 41 kb 1 kb 5 kb 176 kb 30 kb 12 kb 3 kb 13 kb 1 kb 13 kb 1 kb 76 kb 85 kb
Museu da Pessoa 159 kb 69 kb 9 kb 194 kb 4 kb 9 kb 711 kb 110 kb 40 kb 7 kb 32 kb 6 kb 134 kb 2 kb 328 kb 367 kb
Natura/Minho 230 kb 123 kb 15 kb 254 kb 34 kb 12 kb 1,2 Mb 148 kb 66 kb 12 kb 41 kb 41 kb 617 kb 3 kb 924 kb 997 kb
NOBRE 724 kb 453 kb 57 kb 1,5 Mb 11 kb 42 kb 4,1 Mb 506 kb 238 kb 49 kb 160 kb 20 kb 521 kb 6 kb 1,5 Mb 1,6 Mb
OBras 703 kb 399 kb 52 kb 1,5 Mb 15 kb 26 kb 4,0 Mb 467 kb 195 kb 44 kb 134 kb 23 kb 496 kb 7 kb 1,3 Mb 1,5 Mb
PANTERA, lado português0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b0 b
P'lo Norte 29 kb 12 kb 3 kb 27 kb 1 kb 5 kb 131 kb 22 kb 8 kb 2 kb 8 kb 1 kb 10 kb 1 kb 55 kb 62 kb
Português Falado - Documentos Autênticos 33 kb 12 kb 2 kb 36 kb556 b 4 kb 138 kb 27 kb 8 kb 2 kb 10 kb 2 kb 5 kb 1 kb 57 kb 66 kb
ReLi 44 kb 28 kb 6 kb 53 kb 1 kb 44 kb 259 kb 33 kb 17 kb 4 kb 15 kb 1 kb 11 kb 2 kb 80 kb 94 kb
NILC/São Carlos 1,2 Mb 638 kb 57 kb 1,3 Mb 615 kb 41 kb 7,3 Mb 837 kb 334 kb 46 kb 156 kb 660 kb 5,1 Mb 6 kb 7,1 Mb 7,6 Mb
todos juntos 686 kb 331 kb 32 kb 559 kb 105 kb 356 kb 171,2 Mb 20,7 Mb 6,2 Mb 385 kb 3,0 Mb 16,5 Mb 165,9 Mb 50,1 Mb 211,9 Mb 282,3 Mb
Tycho Brahe 500 kb 253 kb 30 kb 699 kb 15 kb 28 kb 2,4 Mb 371 kb 158 kb 26 kb 130 kb 28 kb 639 kb 5 kb 1,3 Mb 1,5 Mb
Vercial 1018 kb 541 kb 61 kb 2,0 Mb 27 kb 29 kb 5,8 Mb 704 kb 283 kb 50 kb 207 kb 41 kb 1,5 Mb 8 kb 2,8 Mb 3,1 Mb
todos 4,9 Mb 2,4 Mb 193 kb 5,5 Mb 2,0 Mb 402 kb 20,8 Mb 3,7 Mb 1,5 Mb 160 kb 705 kb 2,3 Mb 35,1 Mb 35 kb 43,4 Mb 59,0 Mb
todos/pt 3,7 Mb 1,9 Mb 164 kb 4,6 Mb 1,2 Mb 217 kb 20,8 Mb 2,7 Mb 1,2 Mb 131 kb 584 kb 1,5 Mb 24,0 Mb 31 kb 29,9 Mb 41,0 Mb
todos/br 2,3 Mb 1,1 Mb 103 kb 2,8 Mb 965 kb 209 kb 9,3 Mb 1,6 Mb 645 kb 87 kb 333 kb 1,0 Mb 12,8 Mb 12 kb 16,4 Mb 22,4 Mb

Foram classificadas como palavras gramaticais todas as palavras que não tenham sido classificadas em nenhuma das outras categorias apresentadas. Por essa razão, as listas de palavras gramaticais incluem uma coluna extra, indicando a respectiva categoria.

Nos casos em que os corpos estão caracterizados por variante, apresentamos também as listas por variante, em que o sufixo br e pt indicam respetivamente a variante brasileira e a portuguesa.

CorpoFormasLemas
NADJADVVNUMGRAMtodosNADJADVVNUMPROPGRAMtodostodos/pos
chavebr945 1,2 Mb 635 kb 57 kb 1,3 Mb 525 kb 26 kb 4,8 Mb 827 kb 336 kb 43 kb 157 kb 559 kb 5,9 Mb 5 kb 7,8 Mb 8,3 Mb
chavept945 1,4 Mb 742 kb 73 kb 1,7 Mb 466 kb 29 kb 5,9 Mb 948 kb 391 kb 55 kb 158 kb 536 kb 7,7 Mb 6 kb 9,7 Mb 10,4 Mb
cdharembr 69 kb 28 kb 4 kb 56 kb 3 kb 6 kb 195 kb 50 kb 18 kb 3 kb 16 kb 4 kb 55 kb 1 kb 147 kb0 b
cdharempt 67 kb 29 kb 5 kb 59 kb 4 kb 6 kb 202 kb 48 kb 19 kb 4 kb 16 kb 4 kb 63 kb 1 kb 157 kb0 b
coloniabr 341 kb 201 kb 27 kb 738 kb 5 kb 16 kb 1,3 Mb 230 kb 101 kb 23 kb 74 kb 7 kb 138 kb 4 kb 584 kb0 b
coloniapt 360 kb 193 kb 25 kb 571 kb 5 kb 17 kb 1,2 Mb 254 kb 109 kb 21 kb 84 kb 9 kb 289 kb 4 kb 767 kb0 b
enpcpubbr 33 kb 14 kb 4 kb 36 kb862 b 5 kb 96 kb 26 kb 11 kb 3 kb 11 kb 1 kb 7 kb 1 kb 63 kb0 b
enpcpubpt 20 kb 9 kb 3 kb 26 kb334 b 4 kb 63 kb 16 kb 7 kb 2 kb 8 kb303 b 2 kb 1 kb 38 kb0 b
museudapessoabr 126 kb 58 kb 8 kb 142 kb 3 kb 7 kb 371 kb 89 kb 35 kb 6 kb 28 kb 4 kb 112 kb 2 kb 273 kb0 b
museudapessoapt 69 kb 24 kb 4 kb 91 kb 2 kb 6 kb 202 kb 49 kb 15 kb 3 kb 16 kb 2 kb 33 kb 2 kb 122 kb0 b

Finalmente, apresentamos também as listas do Vercial separadas em antes do século XIX (sufixo "ant") e depois(sufixo "mod").

CorpoFormasLemas
NADJADVVNUMGRAMtodosNADJADVVNUMPROPGRAMtodostodos/pos
vercialant 323 kb 193 kb 19 kb 586 kb 7 kb 40 kb 1,1 Mb 236 kb 113 kb 15 kb 115 kb 8 kb 290 kb 4 kb 753 kb 896 kb
vercialmod 791 kb 464 kb 60 kb 2,2 Mb 43 kb 58 kb 3,3 Mb 524 kb 220 kb 49 kb 167 kb 38 kb 1,2 Mb 6 kb 2,2 Mb 2,4 Mb

Veja-se também informação semelhante relativa à parte portuguesa do COMPARA e do CorTrad:

CorpoFormasLemas
NADJADVVtodosNADJADVVPrópriostodos
COMPARA (parte portuguesa) 545 kb 276 kb 42 kb 774 kb 1,7 Mb 327 kb 141 kb 37 kb 202 kb 219 kb 937 kb
CorTrad jornalístico (original em português) 174 kb 102 kb 10 kb 200 kb 809 kb 117 kb 52 kb 7 kb 36 kb 234 kb 470 kb
CorTrad literário (tradução final em português) 58 kb 31 kb 6 kb 93 kb 275 kb 45 kb 19 kb 4 kb 21 kb 17 kb 105 kb
CorTrad culinário (original em português) 30 kb 15 kb 1 kb 31 kb 120 kb 23 kb 8 kb 1 kb 10 kb 4 kb 47 kb

[ Exemplos | Atomização | Anotação | Corpos | Agradecimentos ]


Última actualização: 01 Maio 2021.
Perguntas, comentários e sugestões.