Estatísticas e N-grams
Valores derivados do índice público atual do CorBo. O total de unidades, tokens e formas distintas vem de corbo-stats.json; n-grams e distribuição de tokens são calculados no navegador sem lematização ou normalização.
*TTR global é uma medida descritiva sensível ao tamanho da amostra: tende a diminuir em coleções maiores e não deve ser interpretada isoladamente como medida de qualidade ou diversidade lexical.
Formas gráficas mais frequentes.
Distribuição documental por coleção.
Tokens, formas gráficas distintas, TTR e entropia de Shannon por coleção e por texto. A comparação direta de TTR entre coleções de tamanhos muito diferentes deve ser feita com cautela.
Por texto
A entropia é calculada sobre formas gráficas, com a mesma tokenização usada na TTR. A entropia normalizada mede a uniformidade da distribuição; não corrige integralmente diferenças de tamanho.
| Texto | Coleção | Tokens | Tipos | TTR | H (bits) | H norm. |
|---|
Estado editorial e de colação das unidades publicadas. confirmed e unresolved não aparecem como novas unidades públicas.