Wortwolke: Warum das größte Wort nicht das häufigste ist

Das größte Wort in der Mitte einer Wortwolke ist nicht zwangsläufig das Wort, das im Text am häufigsten vorkommt. Denn dazwischen können Wörter verschwinden: Wörter, die die Stoppwortliste herausfiltert, Wörter, die an der Mindestlänge scheitern, und Wörter, die gar nicht erst gezeichnet werden, weil auf der Zeichenfläche der Platz fehlt. Dieser Beitrag erklärt anhand des Codes, in welcher Reihenfolge ein Wortwolken-Generator Wörter filtert und die Schriftgröße festlegt.
Kurz zusammengefasst ① Stoppwort- und Mindestlängenfilter sortieren Wörter aus, bevor die Häufigkeit berechnet wird ② Die Schriftgröße richtet sich nicht nach einem Logarithmus, sondern nach einem linearen Verhältnis zwischen Maximal- und Minimalwert ③ Fehlt der Platz für die Anordnung, kann ein Wort trotz hoher Häufigkeit komplett fehlen
Das Problem
Wenn Sie einen Nachrichtenartikel oder ein Besprechungsprotokoll in eine Wortwolke einfügen, erscheint ein bestimmtes Wort auffallend groß. Suchen Sie im selben Text aber mit Strg+F und zählen die tatsächlichen Treffer, gibt es manchmal ein anderes Wort, das häufiger vorkommt als das größte Wort auf dem Bildschirm.
Diese Abweichung entsteht nicht, weil das Tool fehlerhaft arbeitet, sondern weil der Text schon vor dem Zählen mehrere Filter und Umwandlungen durchläuft. Nur wenn Sie die Reihenfolge kennen, in der Wörter wegfallen oder kleiner werden, können Sie das Ergebnis richtig deuten.
Die Lösung
Am sichersten ermitteln Sie die tatsächliche Rangfolge, indem Sie die Regeln des Tools von Hand nachbilden. Mit den folgenden Schritten können Sie die dargestellte Größe mit der tatsächlichen Häufigkeit vergleichen.
- Wandeln Sie den gesamten Text in Kleinbuchstaben um. Groß- und Kleinschreibung wird bei lateinischen Buchstaben nicht unterschieden, sondern zusammengerechnet; „AI“ und „ai“ gelten also als dasselbe Wort.
- Ersetzen Sie Ziffern und Satzzeichen durch Leerzeichen. Zusammengesetzte Wörter, die mit Bindestrich oder Schrägstrich verbunden sind, werden in diesem Schritt in zwei Wörter getrennt.
- Teilen Sie den Text an den Leerzeichen in Wörter auf und schließen Sie Wörter aus, die kürzer als die festgelegte Mindestlänge sind oder in der Stoppwortliste stehen.
- Zählen Sie, wie oft die übrigen Wörter vorkommen, und sortieren Sie sie absteigend nach Häufigkeit.
Wenn Sie diese vier Schritte in einem Textverarbeitungs- oder Tabellenkalkulationsprogramm nachvollziehen, können Sie von Hand prüfen, ob das auf dem Bildschirm groß dargestellte Wort tatsächlich auf Platz 1 liegt. Beachten Sie vor allem Schritt 3: Stehen Partikeln oder Konjunktionen nicht in der Stoppwortliste, können sie unabhängig von ihrer eigentlichen Bedeutung sehr groß erscheinen.
Für die so gefilterte Wortliste bestimmt das Tool die Schriftgröße nicht logarithmisch, sondern linear proportional. Ausgehend vom Unterschied zwischen der Häufigkeit des am häufigsten und des am seltensten vorkommenden Wortes wird jedem Wort entsprechend seinem Anteil dazwischen eine Schriftgröße zwischen mindestens 14 px und höchstens 60 px zugewiesen. Kommt in einem Text nur ein einziges Wort auffallend oft vor, erscheinen die übrigen Wörter deshalb auf dem Bildschirm in nahezu gleicher, kleiner Größe, auch wenn sie sich in der tatsächlichen Häufigkeit unterscheiden.
Sobald die Größen feststehen, bleibt die Frage der Platzierung. Beginnend mit den häufigsten Wörtern sucht jedes Wort in der Mitte der Zeichenfläche spiralförmig nach einem Platz und versucht, überlappende Stellen zu vermeiden, indem es seine Position bis zu 400-mal verschiebt. Ein Wort, das innerhalb von 400 Versuchen keinen freien Platz findet, wird gar nicht gezeichnet und fällt stillschweigend weg. Dies tritt häufig auf, wenn die maximale Anzahl angezeigter Wörter hoch eingestellt ist.
Fügen Sie in unserem Tool einfach selbst einen Text ein und prüfen Sie, welche Wörter in welcher Größe angeordnet werden.
Fügen Sie einen Text ein und sehen Sie selbst, wie die Größe der einzelnen Wörter zugewiesen wird.

Häufige Stolpersteine
| Beobachtung | Ursache |
|---|---|
| Partikeln und Konjunktionen erscheinen groß | Die Mindestwortlänge ist niedrig oder das Wort fehlt in der Stoppwortliste |
| Ein häufig verwendetes Wort ist nicht zu sehen | Es steht in der Standard-Stoppwortliste (z. B. „것“, „등“, „관련“) und wird automatisch ausgeschlossen |
| Ein zusammengesetztes Wort wird in zwei Wörter getrennt | Die Regel zum Entfernen von Satzzeichen ersetzt auch Bindestriche und Schrägstriche durch Leerzeichen |
| Manche Wörter fehlen, obwohl die maximale Wortanzahl erhöht wurde | Sie haben auf der Zeichenfläche keinen Platz gefunden und wurden nach 400 Versuchen ausgeschlossen |
| Beim erneuten Erzeugen ändern sich nur die Farben | Die Positionen bleiben gleich, die Farben werden aber jedes Mal zufällig neu vergeben |
| Englische Wörter werden ohne Unterscheidung von Groß- und Kleinschreibung zusammengefasst | Der gesamte Text wird vor dem Zählen auf Kleinbuchstaben vereinheitlicht |
Fazit
Die größte Schrift auf dem Bildschirm steht nicht immer für das tatsächlich häufigste Wort. Das Ergebnis entsteht dadurch, dass nacheinander Stoppwort- und Mindestlängenfilter, die lineare Größennormierung und das Limit von 400 Versuchen bei der spiralförmigen Anordnung wirken. Wenn Sie die genaue Rangfolge wissen möchten, bilden Sie die Filterregeln von Hand nach und vergleichen Sie; das Ergebnis auf dem Bildschirm dient sicherer nur als visuelle Hervorhebung.
Fügen Sie einen Text ein und sehen Sie selbst, wie die Größe der einzelnen Wörter zugewiesen wird.
Häufig gestellte Fragen
Warum wird ein bestimmtes Wort in meiner Wortwolke gar nicht angezeigt?
Möglicherweise steht das Wort in der Stoppwortliste, ist kürzer als die Mindestwortlänge oder fand auf der Zeichenfläche keinen Platz und wurde nach 400 Versuchen ausgeschlossen. Prüfen Sie zuerst im Eingabefeld für Stoppwörter, ob das Wort dort aufgeführt ist.
Warum haben sich bei erneutem Erzeugen mit demselben Text Größe und Position geändert?
Bei gleichem Text werden Schriftgröße und Position identisch berechnet. Die Farbe jedes Wortes wird jedoch bei jeder Erzeugung neu und zufällig aus der Farbpalette des Designs gewählt, sodass sich scheinbar nur die Farben unterscheiden.
Muss ich nach einem Wechsel des Farbdesigns erneut auf „Erzeugen“ klicken?
Nein. Nachdem Sie die Wortwolke einmal erzeugt haben, wird sie beim Wechsel des Designs sofort automatisch mit demselben Text neu gezeichnet.
Dieser Artikel basiert auf unserem koreanischen Original. Koreanisches Original lesen