Từ ghép là từ do hai tiếng trở lên tạo thành, mỗi tiếng đều có nghĩa và ghép lại cho một nghĩa mới: học sinh, gia đình, nhà máy, xe đạp. Trong văn bản, các tiếng của một từ ghép vẫn viết rời nhau, nên máy tính không nhìn thấy ranh giới giữa các từ như mắt người.
Cách site ước tính số từ ghép
Công cụ so từng cụm tiếng liền nhau với một từ điển dựng sẵn, ưu tiên cụm dài trước cụm ngắn.
- Tách văn bản thành tiếng, chuẩn hoá NFC, giữ ranh giới ở mỗi dấu câu.
- Thử ghép 4 tiếng, rồi 3, rồi 2 tiếng với từ điển khoảng 3.184 mục trong plugin.
- Tiếng nào không khớp thì đứng một mình, được tính là một từ đơn.
- Khi từ điển chưa tải được, công cụ nhân số tiếng với hệ số 0,68.
Vì sao con số từ ghép không dùng để nộp bài
Không kỳ thi, hợp đồng dịch hay bảng giá content nào ở Việt Nam tính theo từ ghép.
Đề Ngữ văn ghi “khoảng 200 chữ”, công ty dịch tính 300 chữ một trang, Word hiện số chữ ở góc dưới — tất cả đều đếm tiếng. Thêm nữa, tách từ tiếng Việt bằng máy vẫn sai ở cụm mới và tên riêng: “áo dài” trong “chiếc áo dài quá” không phải một từ ghép. Tôi để số này ở mục phụ và gắn nhãn ước tính, chứ không đưa lên làm kết quả chính. Giáo viên tiểu học dạy phân biệt từ ghép với từ láy sẽ thấy máy đếm nhầm ngay ở các cặp như “xinh xắn”.
Công cụ dùng tới từ ghép
Ba công cụ và một trang tài liệu sau đây có nhắc tới đơn vị này.
- Đếm âm tiết tiếng Việt hiện số tiếng bên cạnh số từ ghép ước tính.
- Tần suất từ đếm số lần xuất hiện của từng tiếng và cụm trong bài.
- Kiểm tra mật độ từ khoá gom cụm 2 đến 4 tiếng để tính mật độ.
- Phương pháp đếm giải thích vì sao đơn vị chính vẫn là chữ.