أكثر الكلمات العربية إستخداماً على تويتر

أكثر الكلمات العربية إستخداماً على تويتر

هذه التدوينة سوف تسلط الضوء على أكثر الكلمات العربية إستخداماً وشيوعاً على تويتر. بآخر التدوينة يمكن تحميل ملف يحتوي على قائمة بكل الكلمات مع عدد استخدام كل كلمة وترتيبها. 

دعوني أبدأ أولأً بشرح الطريقة التي استخدمتها لإنشاء القائمة. في الجامعة لدينا صلاحية للوصول إلى ١٠ بالمئة من تيار تغريدات تويتر، مقارنة بالصلاحية المحدودة التي يوفرها تويتر للمطورين والمتمثلة بواحد بالمئة فقط. بالساعة الواحدة التيار ينتج حوالي ٢ مليون تغريدة. في الجامعة نقوم بأرشفة تيار التغريدات على مدار الساعة، حيث أن كل ساعة زمنية تحفظ على حدة و بصيغة ملف نصي. ما قمت به هو أنني أخذت ١٠ ملفات المتمثلة بـ ١٠ ساعات من التغريدات وكل ساعة تم اختيارها من شهر عشوائي من سنة ٢٠١٢ وسنة ٢٠١٣. مجموع التغريدات في الملفات السابقة أكثر من ٢٠ مليون تغريدة. قمت بعدها بترشيح (فلترة) كل التغريدات الغير عربية من الملفات العشرة السابقة بخورازمية بسيطة. الخوارزمية تعتبر أن تغريدة ما عربية إن كان أكثر من ٥٠ بالمئة من الكلمات التي في التغريدة عربية. بعد ذلك قمت بحساب عدد استخدام كل كلمة عربية (word frequency) من التغريدات العربية.

هذه قائمة بسيطة بأكثر ٢٠ كلمة عربية استخداماً وشيوعاً:

1- من: 324623

2- الله: 197793

3- لا: 178146

4- على: 135583

5- ما: 106764

6- كل: 95047

7- ال: 76370

8- اللهم: 72856

9- أن: 68498

10- يا: 63207

11- ان: 62205

12- يوم: 61018

13- عن: 56213

14- عر: 49071

15- له: 48432

16- إلا: 46382

17- لك: 43451

18- ولا: 43073

19- اللي: 38786

20- هذا: 38487

يمكن تحميل القائمة كاملة من هذا الرابط بصيغة csv حيث العمود الأول يمثل ترتيب الكلمة والعامود الثانية الكلمة والعامود الثالث عدد استخدام الكلمة.

Leave a Reply

Your email address will not be published. Required fields are marked *