Tần suất từ cho biết mỗi chữ (tiếng) trong văn bản lặp lại bao nhiêu lần và chiếm mấy phần trăm, xếp từ nhiều đến ít, kèm đám mây 40 chữ lặp nhiều nhất. Dán văn bản hoặc mở tệp .txt, .md, .csv, .html bằng nút “Chọn file” (tệp không tải lên máy chủ); bảng và hình vẽ xong ngay trên trình duyệt, không lưu dữ liệu. Kết quả tải về được dạng CSV và SVG.
Cách đếm tần suất từ và vẽ đám mây
Công cụ đếm theo tiếng, không phân biệt hoa thường: “Đếm” đầu câu và “đếm” giữa câu cộng chung một dòng.
- Chuẩn hoá NFC, tách văn bản theo dấu cách, bỏ dấu câu bám hai đầu mỗi tiếng, đưa về chữ thường.
- Nếu bật “Bỏ hư từ”, loại những tiếng nằm trong danh sách hư từ tiếng Việt của site (và, của, là, cho…); bật “Bỏ con số” thì loại token toàn chữ số.
- Đếm số lần mỗi tiếng, tính phần trăm trên tổng số tiếng còn lại sau bước lọc, xếp bảng giảm dần.
- Lấy tối đa 40 tiếng đầu bảng để vẽ đám mây. Cỡ chữ tăng theo logarit của số lần, nên chữ lặp 50 lần không to gấp 50 lần chữ lặp 1 lần, tránh một chữ chiếm hết khung.
Ô “Lọc chữ” thu hẹp bảng khi văn bản dài; nút “Tải CSV” xuất toàn bộ bảng, nút “Tải SVG” lưu hình đám mây để chèn vào slide hay báo cáo. Vì sao site đếm theo tiếng chứ không theo từ ghép được giải thích ở tiếng là gì.
Ví dụ: Mẫu B và bảng thuật ngữ trước khi báo giá dịch
Mẫu B là đoạn chuẩn site dùng để kiểm thử mọi công cụ đếm: 25 chữ, trong đó 23 chữ khác nhau.
Đếm từ online miễn phí. Công cụ đếm số từ, ký tự, câu và đoạn văn cho tiếng Việt. Không lưu dữ liệu người dùng!
| Chữ | Số lần | % trên 25 chữ | Khi bật “Bỏ hư từ” |
|---|---|---|---|
| đếm | 2 | 8 % | Còn |
| từ | 2 | 8 % | Biến mất |
| và, cho, không | 1 mỗi chữ | 4 % mỗi chữ | Biến mất |
| 18 chữ còn lại | 1 mỗi chữ | 4 % mỗi chữ | Phần lớn còn |
Đoạn ngắn thế này thì đám mây gần như đều cỡ, chỉ “đếm” và “từ” nhỉnh hơn. Công cụ thể hiện đúng giá trị khi văn bản dài vài nghìn chữ.
Một dịch giả tự do nhận tài liệu hướng dẫn sử dụng máy móc có thể dán bản gốc vào, bật “Bỏ hư từ” và “Bỏ con số”, rồi đọc 30 dòng đầu bảng. Những tiếng như “van”, “áp”, “suất”, “bơm” đứng đầu cho biết thuật ngữ nào cần thống nhất cách dịch trước khi làm, và tài liệu có lặp nhiều hay không. Tôi không dùng bảng này để giảm giá theo phần trùng lặp: tần suất từng tiếng không cho biết câu nào trùng nhau.
Trường hợp đặc biệt: từ ghép bị tách và hư từ trong cụm có nghĩa
Đếm theo tiếng nghĩa là từ ghép luôn bị tách, và bộ lọc hư từ đôi khi cắt mất nửa cụm có nghĩa.
- “Gia đình” hiện thành hai dòng “gia” và “đình”, mỗi dòng cùng số lần. Muốn thấy cả cụm, dùng bảng cụm 2–4 tiếng của công cụ kiểm tra mật độ từ khoá.
- Danh sách hư từ có cả những tiếng hay đứng trong cụm có nghĩa như “từ”, “tự”, “người”. Bật lọc thì “ký tự” chỉ còn “ký”, “người dùng” chỉ còn “dùng”. Đọc bảng đã lọc với ý thức đó.
- Chữ viết tắt kèm dấu chấm như “TP.” được bỏ dấu chấm và tính là “tp”; “HCM” và “hcm” gộp chung.
- Emoji đứng riêng hoặc dấu gạch đầu dòng không có chữ cái, chữ số nên không vào bảng. Token như “COVID-19” giữ nguyên là một chữ.
- Dán nhầm mã HTML vào ô thì tên thẻ “p”, “strong” sẽ lọt vào bảng; mở tệp .html bằng nút “Chọn file” để công cụ bỏ thẻ trước.
Đám mây từ đẹp nhưng dễ đánh lừa
Đám mây từ hợp để trình bày, không hợp để kết luận.
Chữ to nhất trong hình thường là chữ chủ đề hiển nhiên, ai đọc tiêu đề cũng đoán được. Phần đáng xem nằm ở giữa bảng: tiếng lặp 5–10 lần mà bạn không chủ ý. Với bài phỏng vấn, đó có thể là “thực ra” người được hỏi nói mãi; với bài văn, là “rất” xuất hiện ở mọi đoạn. Tôi thường tải CSV, lọc cột số lần từ 3 trở lên, rồi mới quay lại văn bản.
Công cụ liên quan
- Kiểm tra mật độ từ khoá đếm cụm 2–4 tiếng, nơi “gia đình” hay “máy lọc nước” hiện thành một dòng.
- Tìm từ lặp gần nhau chỉ ra chữ lặp trong cùng câu, thứ bảng tần suất trên cả bài không phân biệt được.
- Đếm từ duy nhất cho số chữ khác nhau và tỉ lệ đa dạng từ vựng của bài.
- Tính phí dịch thuật dùng sau khi bạn đã biết tài liệu dài bao nhiêu chữ và lặp nhiều hay ít.
Câu hỏi thường gặp
Tần suất từ tính phần trăm trên tổng số nào?
Trên tổng số chữ đang được xét. Khi không lọc gì, đó là tổng chữ của văn bản: “đếm” lặp 2 lần trong Mẫu B 25 chữ là 8 %. Bật “Bỏ hư từ” hoặc “Bỏ con số” thì mẫu số giảm theo, nên cùng một chữ sẽ có phần trăm cao hơn. So phần trăm giữa hai văn bản thì giữ cùng tuỳ chọn lọc.
Làm sao đếm số lần xuất hiện của từ ghép như “gia đình”?
Bảng tần suất từ đếm từng tiếng nên sẽ tách thành “gia” và “đình”. Để đếm cả cụm, dán văn bản vào công cụ kiểm tra mật độ từ khoá, lọc bảng theo “2 tiếng”, hoặc gõ “gia đình” vào ô từ khoá mục tiêu. Hai cách cho cùng số lần vì đều khớp trọn chữ.
Đám mây từ có tải về chèn PowerPoint được không?
Được. Nút “Tải SVG” lưu hình đám mây dạng vector, PowerPoint và Google Slides bản mới chèn trực tiếp, phóng to không vỡ nét. Phần mềm cũ không đọc SVG thì mở tệp bằng trình duyệt rồi chụp màn hình. Hình gồm tối đa 40 chữ lặp nhiều nhất theo bộ lọc đang bật.
Tần suất từ có phân biệt chữ hoa và chữ thường không?
Không. Mọi chữ được đưa về chữ thường trước khi đếm, nên “Việt”, “việt” và “VIỆT” là một dòng. Dấu câu bám chữ cũng bị bỏ: “việt.” và “việt” tính chung. Nếu cần tách tên riêng viết hoa, hãy dùng công cụ đếm từ khoá với tuỳ chọn phân biệt hoa/thường.
Văn bản vài chục nghìn chữ có chạy nổi không?
Thường chạy được trên máy tính vì phép đếm đơn giản và diễn ra ngay trong trình duyệt. Trên điện thoại cũ, văn bản rất dài có thể làm ô nhập chậm khi gõ. Bảng trên màn hình chỉ hiện một số dòng đầu để trang nhẹ; nút tải CSV vẫn xuất đủ mọi chữ.
Căn cứ và nguồn
- Quy tắc tách tiếng theo dấu cách, cách Word và Google Docs đếm chữ tiếng Việt: áp dụng chung trên site, mô tả ở phương pháp đếm.
- TCVN 6909:2001, bộ mã tiếng Việt Unicode dạng dựng sẵn: cơ sở chuẩn hoá NFC trước khi so khớp chữ.
- Danh sách hư từ tiếng Việt: dữ liệu nội bộ của demtuonline, dùng chung cho các công cụ phân tích văn bản.
Kiểm tra: 16/09/2026. Tần suất từ phản ánh chữ lặp nhiều hay ít, không đánh giá chất lượng hay sự trùng lặp nội dung giữa các tài liệu.