Oftest kombinert med

[jarib]

Hadde vært gøy å kunne se hvilke andre ord som oftest kombineres med søkeordet:

"kapital" -> "arbeidende kapital"

[ivarref]

God idé det.

Kom over dette forøvrig:

http://www.hf.uio.no/iln/forskning/grupper/digital-humaniora/arrangementer/2015/hvilke-muligheter-gir-digitalisering.html

On Sunday, February 22, 2015, Jari Bakken notifications@github.com wrote:

Hadde vært gøy å kunne se hvilke andre ord som oftest kombineres med
søkeordet:

"kapital" -> "arbeidende kapital"

—
Reply to this email directly or view it on GitHub
#33.

[jarib]

Jeg skrev til elasticsearch-lista for å høre om de hadde noen tips til hvordan dette kunne gjøres, men har ikke fått all verden respons.

Var det sånn at du hadde jobbet litt med Lucene direkte? Kanskje vi kunne laget en plugin til elastiscsearch som gir oss det vi vil. Det er dessuten en veldig kul erfaring å ha med videre.

Det arrangementet er jo midt i blinken. Tror jeg skal prøve å komme meg på det.

[jarib]

Alternativt kan vi lage en slags versjon av dette vha significant_terms. Det blir ikke ord som kommer rett før / etter, men «sammen med» søkeordet. For «kapital» returnerer significant_terms f.eks.:

"kapital",
"arbeidende",
"formuesskatten",
"risikovillig",
"kapitalen",
"bedrifter",
"formuesskatt",
"innovasjon",
"såkornfond",
"næringsliv",

[jarib]

Vogue-analysen fra Yale har en interessant side med topic modeling, som viser fram relaterte ord for et diverse søkeord:

Her er det også interessant å vise forskjeller over tid. I Vogue-eksempelet kan f.eks. språket som brukes rundt søket "art" endre seg fra en redaktør til en annen.

Vi kan se for oss at språket om et gitt tema (søkeordet) endrer seg mellom stortingsperioder / regjeringer.

[jarib]

Nasjonalbibliotekets Ngram viewer lar en søke etter Ngram-fraser ved å sette * i søkefeltet.

F.eks.:

Ser ut som de her først finner de topp 10 Ngrammene som matcher, og gjør de som individuelle søk.