Palavras-chave por coleção

Compare uma coleção-alvo com outra coleção ou com todo o restante do corpus. O ranking usa log-likelihood (G²). Frequências normalizadas por 10.000 tokens ajudam a interpretar diferenças entre coleções de tamanhos distintos.

G² mede diferença de distribuição, não importância linguística. Formas muito raras são excluídas: o ranking exige pelo menos 5 ocorrências combinadas e maior frequência normalizada na coleção-alvo.