Benutzer:HRoestTypo/Tippfehler/20151002

DB dump

Innerhalb des Volltextes ^[1] wurden in der Wikipediaversion 20151002 total 445 220 217 Worte und Wortfragmente in total 2 151 335 Artikeln (nur Namensraum 0) identifiziert, wobei 4 786 343 einzigartige Wörter gezählt wurden. Das häufigste Wort ist dabei "der" mit 20 798 318 Vorkommen (4.6715 % aller Wörter), während 2 423 906 Wörter nur ein einziges Mal im ganzen Text vorkommen. Somit kommen gut die Hälfte aller Wörter (50.6 %) nur ein einziges Mal vor im ganzen Text.^[2] Insgesamt machen Wörter mit weniger als 25 Vorkommen im Text 92.6081 % aller einzigartigen Wörter aus während die 3921 Wörter die mehr als 10 000 mal vorkommen gut 74.61 % des gesamten Textvolumens ausmachen. Total gibt es nur 23 Wörter welche im Durchschnitt mehr als einmal pro Artikel vorkommen^[3]

Der längste Textbaustein im Textkorpus ist ^[4] ist Ifwhiteamericatoldthetruthforonedayit'sworldwouldfallappart dicht gefolgt von Llanfairpwllgwyngyllgogerychwyrndrobwllllantysiliogogogoch und Schwemmlandhochebewegarbeitswerkzeugaufbewahrungsschuppen und dem ersten "richtigen" deutschen Wort Verkehrsinfrastrukturfinanzierungsgesellschaftsgesetzes.

Gegen eine Liste von 103 923 Falschschreibweisen gesucht, ergibt sich folgende Liste von potentiell falsch geschrieben Wörtern:

Notes

↑ das heisst innerhalb des Textes der vom Algorithmus analysiert wurde und Dinge wie Templates, Weblinks, Interwikilinks etc ausschliesst
↑
Hier eine Liste von 20 zufälligen Wörtern die nur einmal vorkommen:
- Tagungswesens
- Streuobste
- Sorhouette
- wïwa
- Krachaeng
- Brüderorte
- B.selbsterzeugte
- 3,5–12,5
- Limesübergängen
- Zwergflamingoei
- 1543—1617
- Zaisolf
- Gabriëls
- Siauve
- Überlaufwehren
- Hutarbeiterbranche
- Grünlandökologie
- erftwärts
- Weltfinanzen
- Leverwort
↑
die 23 Wörter, welche im Durchschnitt mehr als einmal pro Artikel vorkommen, sind:
- nach
- bis
- aus
- auch
- war
- für
- sich
- eine
- ein
- auf
- als
- Die
- das
- dem
- ist
- wurde
- mit
- des
- den
- von
- die
- und
- der
↑ vollständig auf deutsch, ohne Zahlen, Formatierungen etc

[1] s heisst innerhalb des Textes der vom Algorithmus analysiert wurde und Dinge wie Templates, Weblinks, Interwikilinks etc ausschliesst

[2] Hier eine Liste von 20 zufälligen Wörtern die nur einmal vorkommen:
Tagungswesens

Streuobste

Sorhouette

wïwa

Krachaeng

Brüderorte

B.selbsterzeugte

3,5–12,5

Limesübergängen

Zwergflamingoei

1543—1617

Zaisolf

Gabriëls

Siauve

Überlaufwehren

Hutarbeiterbranche

Grünlandökologie

erftwärts

Weltfinanzen

Leverwort

[3] Tagungswesens

[4] Streuobste

[5] Sorhouette

[6] wïwa

[7] Krachaeng

[8] Brüderorte

[9] B.selbsterzeugte

[10] 3,5–12,5

[11] Limesübergängen

[12] Zwergflamingoei

[13] 1543—1617

[14] Zaisolf

[15] Gabriëls

[16] Siauve

[17] Überlaufwehren

[18] Hutarbeiterbranche

[19] Grünlandökologie

[20] rftwärts

[21] Weltfinanzen

[22] Leverwort

[3] 23 Wörter, welche im Durchschnitt mehr als einmal pro Artikel vorkommen, sind:
nach

bis

aus

auch

war

für

sich

eine

ein

auf

als

Die

das

dem

ist

wurde

mit

des

den

von

die

und

der

[24] nach

[25] s

[26] us

[27] uch

[28] war

[29] ür

[30] sich

[31] eine

[32] ein

[33] uf

[34] s

[35] Die

[36] s

[37] dem

[38] st

[39] wurde

[40] t

[41] s

[42] den

[43] von

[44] die

[45] und

[46] r

[4] vollständig auf deutsch, ohne Zahlen, Formatierungen etc

[1]

[2]

[3]

[4]