Generador de n-gramas
Divide cualquier texto en n-gramas de palabras o de caracteres, desde palabras sueltas hasta frases de cinco palabras, y mira con qué frecuencia aparece cada uno. Filtra las palabras vacías, fija un recuento mínimo y exporta la tabla de frecuencias completa en CSV.
Última actualización:
| # | N-grama | Recuento | Proporción |
|---|
Cómo usar Generador de n-gramas
- Pega tu texto o pulsa Cargar ejemplo.
- Elige Palabras o Caracteres y el tamaño N, por ejemplo 2 para bigramas o 3 para trigramas.
- Configura los filtros: palabras vacías, recuento mínimo, tratamiento de mayúsculas y puntuación, y si los n-gramas pueden cruzar oraciones.
- Pulsa Generar n-gramas para actualizar la tabla de frecuencias y el gráfico de los 15 primeros (también se actualiza mientras escribes).
- Exporta la lista completa con Descargar CSV, o con Copiar tabla para pegarla en Excel o Google Sheets.
Cómo se cuentan los n-gramas
El texto se divide en tokens (palabras o caracteres) y luego una ventana de tamaño n se desliza de token en token. Cada ventana es un n-grama. Para una oración con T tokens:
Número de n-gramas = T − n + 1 (cero cuando T < n)
Proporción de un n-grama = recuento ÷ total de n-gramas × 100%
Ejemplo con la oración en inglés "the cat sat on the mat" (T = 6 palabras):
| N | Nombre | Recuento (6 − n + 1) | N-gramas |
|---|---|---|---|
| 1 | Unigrama | 6 | the, cat, sat, on, the, mat ("the" aparece dos veces) |
| 2 | Bigrama | 5 | the cat, cat sat, sat on, on the, the mat |
| 3 | Trigrama | 4 | the cat sat, cat sat on, sat on the, on the mat |
| 4 | 4-grama | 3 | the cat sat on, cat sat on the, sat on the mat |
| 5 | 5-grama | 2 | the cat sat on the, cat sat on the mat |
Usos habituales
- SEO e investigación de palabras clave: encuentra las frases de dos y tres palabras que más repite una página o el contenido de un competidor.
- Análisis de reseñas y encuestas: bigramas como "envío rápido" o "mala calidad" resumen lo que dicen los clientes.
- Escritura y edición: detecta frases demasiado usadas y comienzos de oración repetitivos.
- Modelado del lenguaje y clases de PLN: los recuentos de n-gramas dan las probabilidades P(palabra | n − 1 palabras anteriores) ≈ recuento(n-grama) ÷ recuento(prefijo).
- N-gramas de caracteres: detección de idioma, coincidencia aproximada y sugerencias ortográficas.
Para frecuencias de palabras sueltas con gráficos, el contador de frecuencia de palabras es una alternativa más sencilla; para porcentajes de densidad SEO, prueba el comprobador de densidad de palabras clave.
Preguntas frecuentes
¿Qué es un n-grama?
Un n-grama es una secuencia de n elementos consecutivos de un texto. Con palabras, 'machine learning model' contiene dos bigramas (machine learning, learning model) y un trigrama. Con caracteres, la palabra 'text' contiene los bigramas de caracteres te, ex y xt. Los n-gramas son una pieza básica de los modelos de lenguaje, los buscadores, los correctores ortográficos y la investigación de palabras clave.
¿Cuántos n-gramas tiene un texto?
Una secuencia de T tokens tiene T − n + 1 n-gramas de tamaño n (o ninguno si T es menor que n). Por ejemplo, 10 palabras dan 9 bigramas y 8 trigramas. Cuando 'No cruzar los límites de las oraciones' está activado, la fórmula se aplica a cada oración por separado, así que el total es algo menor.
¿Qué hace el filtro de palabras vacías?
Las palabras vacías (stopwords) son palabras muy comunes como the, of, and, is y to. Eliminar los n-gramas que empiezan o terminan con una palabra vacía quita fragmentos como 'of the' o 'the customer' y conserva frases con significado como 'easy to use'. También puedes eliminar solo los n-gramas formados únicamente por palabras vacías, eliminar cualquier n-grama que contenga una o conservarlo todo.
¿Cómo se calcula la columna Proporción?
La proporción es el recuento de ese n-grama dividido entre el número total de n-gramas del mismo tamaño en el texto, antes del filtro de palabras vacías o de recuento mínimo, por 100. Es la frecuencia relativa, que es la estimación de probabilidad de máxima verosimilitud que usan los modelos de lenguaje de n-gramas sencillos.
¿Cuándo debo usar n-gramas de caracteres?
Los n-gramas de caracteres son útiles para identificar idiomas, la coincidencia aproximada, la corrección ortográfica, ejercicios de criptografía y el análisis de combinaciones de letras. Activa 'Incluir espacios' para que los n-gramas abarquen los límites entre palabras; los espacios se muestran como ␣.
¿Hay un límite de tamaño?
No hay un límite fijo; todo se ejecuta en la memoria de tu navegador. Textos de varios cientos de miles de palabras funcionan en un ordenador moderno, aunque la tabla solo muestra las primeras filas. El CSV siempre contiene todos los n-gramas que pasan los filtros.
¿Se sube mi texto?
No. Todo el recuento se hace localmente en JavaScript. El texto solo se recuerda en el almacenamiento local de tu navegador para que siga ahí cuando vuelvas.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.