Корпус трильйонних слів є набір даних, створений Google, який містить трильйон слів із загальнодоступних веб-сторінок.
Частота слів є кількість разів, коли слово зустрічається в тексті чи корпусі. Її можна виразити як абсолютну частоту, яка є вихідною кількістю входжень, або як відносну частоту, яка є пропорцією входжень до загальної кількості слів.
Google Books Ngram Viewer Інструмент візуалізації для аналізу частоти слів у книгах Google або інших оцифрованих документах. Коли ви введете кілька вибраних слів, програма перегляду Ngram відобразить лінійні графіки, що показують, як вони відбувалися в збірці книг протягом багатьох років.
частота іменник (ХАПЕНИНГ) кількість разів, коли щось відбувається протягом певного періоду, або факт того, що щось відбувається часто або велику кількість разів: частота Скарги на частоту автобусів зросли за останній рік.
Зупинні слова на кшталт – and, this, is, the тощо. мають найвищі значення в корпусі. Але ці слова зовсім не говорять про корпус. Тому вони називаються стоп-словами і здебільшого видаляються лише на етапі попередньої обробки. Рідкісні або цінні слова зустрічаються найменше, але додають найбільшого значення корпусу.
Корпус (у множині: corpora) — це термін із галузі лінгвістики, який стосується великого набору текстів (зазвичай в електронному форматі), який вважається репрезентативним для мови (або різновиду мови, точніше) і використовується для її аналізу.